空调故障诊断方法、空调故障诊断装置及系统

    公开(公告)号:CN118940010A

    公开(公告)日:2024-11-12

    申请号:CN202411177816.1

    申请日:2024-08-26

    Abstract: 本申请提供了一种空调故障诊断方法、空调故障诊断装置及系统,该方法包括:采用自回归方法将多组训练数据依次输入至初始潜在故障诊断模型进行训练,得到中间潜在故障诊断模型和时间对齐特征数据;利用时间对齐特征数据对中间潜在故障诊断模型中所有模型层参数进行调整,得到潜在故障诊断模型;获取空调的实时运行数据,并提取实时运行数据中的时间序列特征数据,将时间序列特征数据输入至潜在故障诊断模型中,输出得到当前潜在故障特征标签;根据当前潜在故障特征标签识别故障并处理。本申请解决了现有技术中空调故障诊断主要依赖于预定义的规则和阈值进行故障检测,未能充分挖掘空调系统中的大量时序数据潜力,故障诊断的全面性不足的问题。

    数据记录筛选方法和装置

    公开(公告)号:CN109471873B

    公开(公告)日:2021-02-19

    申请号:CN201811034897.4

    申请日:2018-09-05

    Abstract: 本发明涉及一种数据记录筛选方法和装置,所述筛选方法包括:获取待筛选的多条数据记录,每条数据记录中包含记录时间;分别计算每条数据记录中包含的记录时间与目标时间之间的时间差值;根据所述时间差值,在所述多条数据记录中筛选出目标数据记录。本发明所述的数据记录筛选方法采用求取差值的方式来确定待筛选的每条数据记录的记录时间与目标时间之间的距离;当所述差值满足要求时,确定出对应的数据记录即为目标数据记录,从而完成在无序的大量数据记录中,筛选出目标数据记录的目的。本发明所述的筛选方法时间复杂度仅为2n,与现有技术先排序再筛选的方式相比,大大降低了计算时间,有利于提高网络对数据的高速处理,提高用户体验。

    人脸图像的识别方法和装置、存储介质、电子装置

    公开(公告)号:CN112560632A

    公开(公告)日:2021-03-26

    申请号:CN202011432105.6

    申请日:2020-12-07

    Abstract: 本申请公开了一种人脸图像的识别方法和装置、存储介质、电子装置。其中,该方法包括:获取第一图像和第二图像,其中,所述第一图像为待识别的图像,所述第二图像为目标对象的人脸图像;通过轻量级卷积神经网络模型对所述第一图像和所述第二图像的处理,确定所述第一图像是否为所述目标对象的人脸图像,本方案使用了一种基于轻量级卷积神经网络改进的网络来识别人脸,训练出来的模型大小比较小,可以更好的应用在小型移动设备端,可以解决相关技术中神经网络模型的体积过大的技术问题。

    基于无线Mesh网络的机器人通信装置

    公开(公告)号:CN114390487A

    公开(公告)日:2022-04-22

    申请号:CN202111522840.0

    申请日:2021-12-13

    Abstract: 本发明提供一种基于无线Mesh网络的机器人通信装置,包括至少一个节点机器人;各节点机器人获取同一无线信号源的信号;各节点机器人用于将自身获得的无线信号源的信号强度与其他节点机器人获得的无线信号源的信号强度进行对比,根据信号强度对比结果确定一节点机器人为根节点机器人;各节点机器人基于根节点机器人建立树状的Mesh网络,根节点机器人与无线信号源连接,每一节点机器人作为子节点与作为父节点的另一节点机器人连接,至少一节点机器人作为子节点与根节点机器人连接。各节点机器人群体通过无线Mesh网络的连接使用,其个体自身均可作为中继节点,使网络架构变为“多对多”,从而扩大了群体移动范围与单个AP实际可接入节点的容量。

    人脸图像识别方法、装置、存储介质以及设备

    公开(公告)号:CN114049665A

    公开(公告)日:2022-02-15

    申请号:CN202111308572.2

    申请日:2021-11-05

    Abstract: 本发明公开了一种人脸图像识别方法、装置、存储介质以及设备,通过将待识别人脸图像和预先存储的未遮挡人脸图像分别输入预先训练好的mix‑squeezenet神经网络模型,得到与待识别人脸图像对应的第一初始特征图像以及与未遮挡人脸图像对应的第二初始特征图像;采用切断二维高斯核函数分别对第一初始特征图像和第二初始特征图像进行滤波,得到与第一初始特征图像对应的第一特征图像以及与第二初始特征图像对应的第二特征图像;通过计算第一特征图像和第二特征图像的相似度,根据相似度来确定待识别人脸图像的识别结果,其中mix‑squeezenet神经网络模型在训练时对其池化层以及位于池化层下一级的fire层进行了融合处理,进一步减小了模型的大小,可以更快速的人脸识别。

    一种智能家居设备管理方法、装置、系统及存储介质

    公开(公告)号:CN112286150A

    公开(公告)日:2021-01-29

    申请号:CN202011105772.3

    申请日:2020-10-15

    Abstract: 本发明涉及一种智能家居设备管理方法、装置、系统及存储介质。应用于与智能家居设备连接的本地网关,管理方法包括:接收每个环境监测设备监测的环境信息,组成环境信息组;基于预先训练的用户行为模型,根据环境信息组得到相应的控制指令;将控制指令发送至相应的智能家居设备以控制智能家居设备运行。本方案通过本地网关总控所有智能家居实现聚合、优化、筛选,通过将采集数据进行本地预分析,设备作出直接反应,减少海量数据上传的网络压力,实现管理者零时差反馈,同时,可以避免网关与云服务器无法正常连接或者连接延时过高时,房屋内的智能家居设备无法根据云服务器的控制指令进行智能化运行的情况。

Patent Agency Ranking