一种多联机空调系统及故障检测方法与流程

1.本技术涉及多联机空调技术领域，尤其涉及一种多联机空调系统及故障检测方法。


背景技术：

2.电子膨胀阀作为多联机空调系统中的重要部件，在多联机空调系统的冷媒分配、按需运行方面起到了关键作用。若电子膨胀阀发生例如开度异常、无法完全闭合等问题时，会降低多联机空调系统的制冷降温的效果，影响用户的使用体验。
3.目前针对多联机空调系统的在线故障检测和诊断技术大多还处理理论研究阶段，多采用机器学习相关算法来实现。但该方法需要大量数据进行模型的训练，针对多联机空调系统，设计的工作工况及环境因素较多，在实际使用过程中，无法穷尽这个工况的数据，造成模型的失真。


技术实现要素：

4.本技术提供一种多联机空调系统及故障检测方法，用于提高电子膨胀阀故障检测与定位的效率和准确性。
5.为了达到上述目的，本技术采用如下技术方案。
6.第一方面，本技术实施例提供一种多联机空调系统，包括：室外机；至少一个室内机，每个室内机与室外机之间设置有电子膨胀阀；控制器，被配置为：获取多联机空调系统的实时运行数据；通过预设图注意力模型对实时运行数据进行故障识别，得到故障识别结果，故障识别结果包括多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态；在多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，通过预设图注意力模型对电子膨胀阀进行故障定位，以确定电子膨胀阀的内机序号。
7.本技术实施例提供的技术方案至少带来以下有益效果：本技术实施例提供的技术方案至少带来以下有益效果：通过将获取到的多联机空调系统的实时运行数据输入至预设图注意力模型，得到多联机空调系统中电子膨胀阀的故障识别结果，提高了电子膨胀的故障检测效率。同时，在确定多联机空调系统中的电子膨胀阀处于故障运行状态时，通过预设图注意力模型对该电子膨胀阀进行定位，并获取该第一膨胀阀的内机序号。如此，便减少了对先验知识的依赖及数据流预处理流程，提高了电子膨胀阀故障定位结果的准确性。
8.在一些实施例中，实时运行数据包括：室外机的实时运行数据和室内机的实时运行数据；其中，室外机的运行实时数据包括压缩机频率、压力值、压顶温度值、排气过热度值、化霜温度值以及环境温度值；室内机的实时运行数据包括变频散热度值、液管温度值、气管温度值、回风温度值以及出风温度值。
9.在一些实施例中，控制器，还被配置为：获取多联机空调系统的正常运行数据和故障运行数据；其中，正常运行数据为电子膨胀阀处于正常运行状态时，多联机空调系统的运行数据；故障运行数据为电子膨胀阀处于故障运行状态时，多联机空调系统的运行数据；根
据正常运行数据和故障运行数据，对初始图注意力模型进行训练，得到训练完成后的预设图注意力模型。
10.在一些实施例中，控制器，被配置为在为根据所述正常运行数据和所述故障运行数据，对初始图注意力模型进行训练之前，控制器，还被配置为：通过预设图神经网络模型将正常运行数据和故障运行数据转换为图结构；图结构包括原始节点特征向量和原始节点特征向量之间的连接关系；其中，原始节点特征向量为正常运行数据和所述故障运行数据的向量表现形式。
11.在一些实施例中，控制器，还被配置为：将两个原始节点特征向量之间的不同数据信息进行皮尔逊相关系数计算；若皮尔逊相关系数大于预设阈值，则两个原始节点特征向量之间以边连接；若皮尔逊相关系数小于预设阈值，则两个原始节点特征向量之间不以边连接。
12.在一些实施例中，控制器，被配置为根据正常运行数据和所述故障运行数据，对初始图注意力模型进行训练，具体被配置为：将原始节点特征向量转换为目标节点特征向量，并为目标节点特征向量分配注意力系数；根据注意力系数，对目标节点特征向量进行聚合操作；通过预设图神经网络模型的迭代，对预设图注意力模型进行更新，确定原始节点特征向量是否达到预设收敛条件；在原始节点特征向量达到预设收敛条件的情况下，更新注意力系数，得到原始节点特征向量间的影响力关系。
13.第二方面，本技术实施例提供一种多联机空调系统的故障检测方法，应用于多联机空调系统，多联机空调系统包括室外机和多个室内机，每个室内机与室外机之间设置有电子膨胀阀，方法包括：获取多联机空调系统的实时运行数据；通过预设图注意力模型对实时运行数据进行故障识别，得到故障识别结果，故障识别结果包括多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态；在多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，通过预设图注意力模型对电子膨胀阀进行故障定位，以确定电子膨胀阀的内机序号。
14.第三方面，本技术实施例提供一种控制器，包括：一个或多个处理器；一个或多个存储器；其中，一个或多个存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当一个或多个处理器执行计算机指令时，控制器执行第二方面所提供的任一种多联机空调系统的故障检测方法。
15.第四方面，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行第二方面以及可能的实现方式中提供的方法。
16.第五方面，本发明实施例提供一种计算机程序产品，该计算机程序产品可直接加载到存储器中，并含有软件代码，该计算机程序产品经由计算机载入并执行后能够实现如第二方面以及可能的实现方式中提供的方法。
17.需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与控制器的处理器封装在一起的，也可以与控制器的处理器单独封装，本技术对此不作限定。
18.本技术中第二方面至第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
附图说明
19.附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
20.图1为本技术实施例提供的一种多联机空调系统的结构示意图；
21.图2为本技术实施例提供的一种电子膨胀阀设置位置示意图；
22.图3为本技术实施例提供的另一种多联机空调系统的结构示意图；
23.图4为本技术实施例提供的一种制冷循环原理示意图；
24.图5为本技术实施例提供的一种控制器的结构示意图；
25.图6为本技术实施例提供的一种多联机空调系统的硬件配置框图；
26.图7为本技术实施例提供的一种温度传感器的设置位置示意图；
27.图8为本技术实施例提供的一种控制器与终端设备的交互示意图；
28.图9为本技术实施例提供的一种终端设备的管理界面示意图；
29.图10为本技术实施例提供的另一种终端设备的管理界面示意图；
30.图11为本技术实施例提供的另一种终端设备的管理界面示意图；
31.图12为本技术实施例提供的一种多联机空调系统的故障检测方法流程示意图；
32.图13为本技术实施例提供的一种模型训练方法流程示意图；
33.图14为本技术实施例提供的另一种模型训练方法流程示意图；
34.图15为本技术实施例提供的另一种多联机空调系统的故障检测方法流程示意图。
具体实施方式
35.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
36.需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
37.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
38.在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。另外，在对管线进行描述时，本技术中所用“相连”、“连接”则具有进行导通的意义。具体意义需结合上下文进行理解。
39.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨
在以具体方式呈现相关概念。
40.为了便于理解，首先对本发明实施例涉及到的一些术语或技术的基本概念进行简单的介绍和说明。
41.图注意力模型(graph attention networks，gat)：是一种使用了自注意力self attention机制图神经网络模型，该网络使用类似神经网络模型里面self attention的方式计算图里面某个节点相对于每个邻接节点的注意力，将节点本身的特征和注意力特征起来作为该节点的特征，在此基础上进行节点的分类等任务。
42.图神经网络模型(graph neural networks，gnn)：是一种连接模型，通过网络中节点之间的信息传递的方式来获取图中的依存关系，gnn通过从节点任意深度的邻居来更新该节点状态，这个状态能够表示状态信息。
43.皮尔逊相关系数：又称皮尔逊积矩相关系数，是用于度量两个变量x和y之间的相关(线性相关)，其值介于-1与1之间。
44.如上述背景技术，当前多联机空调系统的在线故障检测和诊断技术大多还处理理论研究阶段，多采用机器学习相关算法来实现。但该方法需要大量数据进行模型的训练，针对多联机空调系统，设计的工作工况及环境因素较多，在实际使用过程中，无法穷尽这个工况的数据，造成模型的失真。
45.基于此，本技术实施例提供一种多联机空调系统，包括：室外机；至少一个室内机，每个室内机与室外机之间设置有电子膨胀阀；控制器，被配置为：获取多联机空调系统的实时运行数据；通过预设图注意力模型对实时运行数据进行故障识别，得到故障识别结果，故障识别结果包括多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态；在多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，通过预设图注意力模型对电子膨胀阀进行故障定位，以确定电子膨胀阀的内机序号。
46.如此，在提高了电子膨胀阀的故障检测效率的同时，提高了电子膨胀阀故障定位结果的准确性。
47.为进一步对本技术的方案进行描述，可以参照图1，图1为本技术根据示例性实施例提供的一种多联机空调系统的结构示意图。
48.如图1所示，该多联机空调系统10包括室外机11、节流装置12、多个室内机13和控制器14(图1中未示出)。
49.其中，节流装置12包括多个电子膨胀阀121，每个电子膨胀阀121对应一个室内机13。室外机11与多个室内机13之间存在管道连接，且每个室内机13与室外机11之间的管道上设置有电子膨胀阀121。所述管道，也被称为气液管，包括：用于输气态制冷剂的气管15、以及用于传输两相态制冷剂的液管16。
50.示例性的，如图2所示，为本技术根据示例性实施例提供的一种电子膨胀阀设置位置的示意图，电子膨胀阀121可以设置于液管16上，液管16上还可以设置节流阀，液管16的一端可以连接于下述室内热交换器131，同样的，气管15的一端也可以连接于下述室内热交换器131。
51.此外，室外机11、节流装置12和多个室内机13都与控制器存在通信连接(图1中未示出)，且根据控制器的指令执行相关操作。
52.室外机11通常设置在户外，用于协助室内环境换热。
53.节流装置12用于调节空调气液管内流体流速，以及调节制冷剂流量。其中，多个电子膨胀阀121用于调节管道内制冷剂的供应量，且多个电子膨胀阀121可以独立于多个室内机13以外(如图1所示)，也可以隶属多个于室内机13的一部分(如图3所示)，图3为本技术根据示例性实施例提供的另一种多联机空调系统的结构示意图。多个室内机13可以为室内挂机或者室内柜机，本技术实施例对此不作限制。
54.需要说明的是，图1或图3所示的电子膨胀阀数量、以及室内机数量仅为示例，不对本技术实施例构成具体限制。
55.以多个电子膨胀阀独立于多个室内机13为例，图4示出了一种多联机空调系统的制冷循环原理示意图。
56.如图4所示，多联机空调系统包括室外机11、节流装置12、多个室内机13和控制器14(图4中未示出)。
57.其中，室外机11包括：压缩机111、室外热交换器112、储液器113以及四通阀114。在一些实施例中，室外机11还包括以下一项或多项：
58.室外风扇、以及室外风扇马达。
59.在一些实施例中，节流装置12用于调节多联机空调系统中气管15和液管16内流体流速。
60.室内机13包括：室内热交换器131、显示器132以及室内风扇133。在一些实施例中，室内机13还包括室内风扇马达。
61.在一些实施例中，压缩机111配置于节流装置12与储液器113之间，用于将由储液器113输送的制冷剂压缩，并将压缩后的制冷剂经由四通阀114输送至节流装置12。压缩机111可以是进行基于逆变器的转速控制的容量可变的逆变器压缩机。
62.在一些实施例中，控制器14可以获取到压缩机111在每个时刻下的工作电流值(也可以称作压缩机电流值)。
63.在一些实施例中，室外热交换器112的一端通过四通阀114与储液器113相连，另一端与节流装置12相连。室外热交换器112具有用于使制冷剂经由储液器113在室外热交换器112与压缩机111的吸入口之间流通的第一出入口，并且具有用于使制冷剂在室外热交换器112与节流装置12之间流通的第二出入口。室外热交换器112使连接于第一出入口和第二出入口之间的传热管中流动的热冷机与室外空气之间进行热交换，在冷循环中，室外热交换器112作为冷凝器工作。
64.在一些实施例中，储液器113的一端连接压缩机111，另一端通过四通阀114与室外热交换器112相连。在储液器113中，从室外热交换器112经由四通阀114流向压缩机111的制冷剂被分离为气体制冷剂和液体制冷剂。并且，从储液器113向压缩机111的吸入口主要供给气体制冷剂。
65.在一些实施例中，四通阀114的四个端口分别连接压缩机111，室外热交换器112、储液器113以及多个电子膨胀阀121。四通阀114用于通过改变制冷剂在系统管路内的流向来实现制冷、制热之间的相互转换。
66.在一些实施例中，室外风扇通过产生通过室外热交换器112的室外空气的气流，以促使在第一出入口和第二出入口之间的传热管中流动的制冷剂与室外空气的热交换。
67.在一些实施例中，室外风扇马达用于驱动或变更室外风扇的转速。
68.在一些实施例中，电子膨胀阀121具有使流经电子膨胀阀121的制冷剂膨胀而减压的功能，可以用于调节管道内制冷剂的供应量。若电子膨胀阀121减小开度，则通过电子膨胀阀121的制冷剂的流路阻力增加。若电子膨胀阀121增大开度，则通过电子膨胀阀121的制冷剂的流路阻力减小。
69.在一些实施例中，室内热交换器131具有用于使液体制冷剂在与电子膨胀阀121之间流通的第三出入口，并且，具有用于使气体制冷剂在与压缩机111的排出口之间流通的第四出入口。室内热交换器131使连接于第三出入口与第四出入口之间的热传管中流动的制冷剂与室内空气之间进行热交换。
70.在一些实施例中，室内风扇133产生通过室内热交换器131的室内空气的气流，以促进在第三出入口和第四出入口之间的传热管中流动的制冷剂与室内空气的热交换。
71.在一些实施例中，室内风扇马达用于驱动或变更室内风扇133的转速。
72.在一些实施例中，显示器132用于显示室内温度或当前运行模式。
73.在本技术所示的实施例中，控制器14是指可以根据指令操作码和时序信号，产生操作控制信号，指示多联机空调系统执行控制指令的装置。示例性的，控制器可以为中央处理器(central processing unit，cpu)、通用处理器网络处理器(network processor，np)、数字信号处理器(digital signal processing，dsp)、微处理器、微控制器、可编程逻辑器件(programmable logic device，pld)或它们的任意组合。控制器还可以是其它具有处理功能的装置，例如电路、器件或软件模块，本技术实施例对此不做任何限制。
74.此外，控制器14可以用于控制多联机空调系统10内部中各部件工作，以使得多联机空调系统10各个部件运行实现多联机空调系统的各预定功能。
75.在一些实施例中，多联机空调系统10还附属有遥控器，该遥控器具有例如使用红外线或其他通信方式与控制器14进行通信的功能。遥控器用于用户可以对多联机空调系统的各种控制，实现用户与多联机空调系统10之间的交互。
76.参照图5，为本技术实施例所提供的一种控制器的结构示意图。如图5所示，控制器14包括室外控制模块141和室内控制模块142。室外控制模块141包括第一存储器1411，室内控制模块142包括第二存储器1421。室内控制模块142通过有线或无线通信形式与室外控制模块141连接。室外控制模块141可以安装于室外机11中，也可以独立于室外机11以外，用于控制室外机11执行相关操作。室内控制模块142可以安装于室内机13中，也可以独立于室内机13以外，用于控制室内机13的部件以及节流装置12执行相关操作。应理解，以上模块的划分仅为功能性的划分，室外控制模块141和室内控制模块142也可以集成在一个模块中。第一存储器1411和第二存储器1421也可以集成为一个存储器。
77.在一些实施例中，第一存储器1411用于存储室外机11相关的应用程序以及数据，室外控制模块141通过运行存储在存储器1411的应用程序以及数据，执行多联机空调系统的各种功能以及数据处理。
78.在一些实施例中，第二存储器1421用于存储多个室内机13以及多个电子膨胀阀121相关的应用程序以及数据，室内控制模块142通过运行存储在存储器1421的应用程序以及数据，执行多联机空调系统的各种功能以及数据处理。第二存储器1421主要包括存储程序区以及存储数据区。在一些示例中，第二存储器1421还用于存储室内机13的地址与电子膨胀阀121的地址的对应关系。
79.在一些实施例中，室外控制模块141与室外机11之间存在通信连接，用于根据用户指令或系统默认指令控制室外机执行相关操作。可选的，室外控制模块141可以根据用户所选择的空调运行模式控制室外风扇的转速。
80.可选地，室外控制模块141还可以根据用户指令或系统指令获取室外温度，并将所获取的室外温度储存至第一存储器1411。
81.可选地，室外控制模块141还可以根据用户所选择的空调运行模式控制室外机11内的四通阀114转动，以实现制冷或制热模式的选择。
82.可选地，室外控制模块141还可以在地址纠正过程中对室外机11的运行模式、压缩机频率等进行控制。
83.在一些实施例中，室内控制模块142与室内机13之间存在通信连接，用于根据用户指令或系统默认指令控制室内机13执行相关操作。
84.在一些实施例中，室内控制模块142与多个电子膨胀阀121之间存在通信连接，用于根据用户指令或系统默认指令控制多个电子膨胀阀121执行相关操作。
85.应理解，以上所述图4所示的实施例是以节流装置12独立于多个室内机13为例，若节流装置12位于多个室内机13以内，以上多联机空调系统的制冷循环原理依然适用，以下不再赘述。
86.图6所示为本技术根据示例性实施例提供的一种多联机空调系统的硬件配置框图。如图6所示，该多联机空调系统10还可以包括以下中的一项或多项：多个第一温度传感器101、多个第二温度传感器102、多个第三温度传感器103、多个第四温度传感器104、第五温度传感器105、第六温度传感器106、多个第一压力传感器107、第二压力传感器108和通信器109。
87.在一些实施例中，多个第一温度传感器101、多个第二温度传感器102、多个第三温度传感器103、多个第四温度传感器104、多个第四温度传感器105、多个第四温度传感器106以及多个第四温度传感器107与控制器14连接，结合图2所示的电子膨胀阀设置位置的示意图，如图7所示，第一温度传感器101可以设置于气管15上，用于检测气管15的温度值，第二温度传感器102可以设置于液管16上，用于检测液管16的温度值，第三温度传感器103可以设置于室内机13的出风口处，用户检测室内机13的出风温度值，第四温度传感器103可以设置于室内机13的回风口处，用户检测室内机13的回风温度值，第五温度传感器105可以设置于室外机11的压缩机111处，用于检测压缩机111的吸气温度值和排气温度值，第六温度传感器106可以设置于室外机11的冷媒排出管处，用于检测室外机11的排出温度值，并将检测到的温度值发送至控制器14。
88.在一些实施例中，多个第一压力传感器107均与控制器14连接，第一压力传感器107可以设置于室内机13中，用于检测室内机13的高压压力值和低压压力值，第二压力传感器108可以设置于室外机11的冷媒排出管处，用于检测室外机11的排出压力值，并将检测到的高压压力值和低压压力值发送至控制器14。
89.在一些实施例中，通信器109与控制器14连接，用于与其他网络实体建立通信连接，例如与终端设备建立通信连接。通信器109可以包括射频(radio frequency，rf)模块、蜂窝模块、无线保真(wireless fidelity，wifi)模块、以及gps模块等。以rf模块为例，rf模块可以用于信号的接收和发送，特别地，将接收到的信息发送给控制器14处理；另外，将控
制器14生成的信号发送出去。通常情况下，rf电路可以包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier，lna)、双工器等。
90.例如，多联机空调系统10可以通过通信器109接收终端设备发送的控制指令，并根据控制指令，执行相应的处理，以实现用户与多联机空调系统10之间交互。
91.本领域技术人员可以理解，图6中示出的硬件结构并不构成对多联机空调系统的限定，多联机空调系统可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
92.图8为本技术根据示例性实施例提供的一种多联机空调系统的控制器14与终端设备300的交互示意图。
93.如图8所示，终端设备300可以与空调系统的控制器14建立通信连接。示例性地，可使用任何已知的网络通信协议来实现通信连接的建立。上述网络通信协议可以是各种有线或无线通信协议，诸如以太网、通用串行总线(universal serial bus，usb)、火线(firewire)、任何蜂窝网通信协议(如3g/4g/5g)、蓝牙、无线保真(wireless fidelity，wi-fi)、nfc或任何其他合适的通信协议。上述通信连接可以是蓝牙连接、nfc、紫蜂(zigbee)、无线保真(wireless fidelity，wi-fi)等。本技术实施例对此不作具体限制。
94.需要说明的是，图8所示的终端设备300仅是终端设备的一个示例。本技术中的终端设备300可以为遥控器、手机、平板电脑、个人计算机(personal computer，pc)、个人数字助理(personal digital assistant，pda)、智能手表、上网本、可穿戴电子设备、增强现实技术(augmented reality，ar)设备、虚拟现实(virtual reality，vr)设备、机器人等，本技术对该终端设备的具体形式不做特殊限制。
95.示例性的，以终端设备300为手机为例，用户可以在手机上下载智能家居app，智能家居app可以用于管理智能家居设备，本技术实施例以智能家居设备为空调系统10进行举例说明。进而，用户可以选中空调系统10这一在线设备，在空调系统10的管理选项中选择需要对空调系统10执行的控制功能。例如，启动、关闭、切换模式(如监控模式、入侵检测模式)等控制功能。
96.在一些实施例中，可以通过终端设备300设置空调系统的运行模式。示例性地，如图9所示，终端设备300上显示多联机空调系统的管理界面301，管理界面301包括“模式管理”的按键302。检测到用户点击管理界面301中的“模式管理”按键302，终端设备在管理界面301弹出运行模式下拉选择框303。终端设备300检测到用户在运行模式下拉选择框303的选择指令选择后，将指令发送给多联机空调系统，以完成运行模式的设置，例如，用户可以选择“制冷”模式。
97.在一些实施例中，用户可以通过终端设备300的管理界面开启故障检测功能和故障定位功能。如图10所示，终端设备的管理界面301包括“故障检测”和“故障定位”的按键，图10所示的按键3041为“故障检测”按钮的处于关闭状态，终端设备检测到用户点击“故障检测”按钮的开关，将“故障检测”按键的状态变为3042所示的开启状态，并将开启故障检测的指令传送给多联机空调系统的控制器，使多联机空调系统进入故障检测状态。
98.在一些实施例中，在检测到多联机空调系统中存在电子膨胀阀故障后，控制器14通过通信器109向终端设备300发送存在故障的指令，终端设备300接收到存在故障的指令后，如图11所示，终端设备300的管理界面显示“检测到多联机空调系统存在电子膨胀阀故
障，是否立即进行故障定位？”的提示信息，以提示用户选择是否开启故障定位功能。若用户选择点击“确定”功能按钮的图标，则代表用户选择立即进行故障定位。终端设备300响应于用户的确定指令，将确定指令发送至控制器14。控制器14在接收到确定指令后，开启故障定位功能。
99.在一些实施例中，若用户选择点击“取消”功能按钮的图标，代表用户选择在之后的一个时间再进行故障定位，用户可以在之后的某个时间点击“故障定位”按钮的图标以向控制器14下发故障定位指令。
100.下面结合说明书附图，对本技术提供的实施例进行具体介绍。
101.如图12所示，本技术实施例提供了一种多联机空调系统的故障检测方法，应用于上述图1所示的多联机空调系统中的控制器，该方法包括：
102.s101、控制器获取多联机空调系统的实时运行数据。
103.需要说明的是，在多联机空调系统启动后，可能会出现电子膨胀阀故障的问题，此时就需要对所有的电子膨胀阀进行故障检测。但由于多联机空调系统中设置有多个电子膨胀阀，如果不对故障电子膨胀阀进行定位，就不能及时找到该故障电子膨胀阀以尽早维修。因此，通过获取多联机空调系统的实时运行数据来对电子膨胀阀进行故障检测及定位。
104.在一些实施例中，在多联机空调系统启动后，控制器以第一预设时长周期性的获取多联机空调系统的实时运行数据。从而，步骤s101中即为控制器在其中一个周期内获取到的空调系统的实时运行数据。如此，控制器每获取一次空调系统的实时运行数据，即可执行一次本技术实施例提供的故障检测方法，从而可以对空调系统周期性地进行故障检测。
105.需要说明的是，第一预设时长是多联机空调系统厂家设定好预存于存储器中的，不同厂家的第一预设时长可以变化，本技术对此不做限定。
106.其中，多联机空调系统的实时运行数据包括室外机的运行数据和各个室内机的运行数据。
107.具体的，室外机的运行数据包括压缩机频率、压力值、压顶温度值、排气过热度值、化霜温度值以及环境温度值。
108.进一步的，各个室内机的运行数据包括变频散热度值、液管温度值、气管温度值、回风温度值以及出风温度值。
109.s102、控制器通过预设图注意力模型对实时运行数据进行故障识别，得到故障识别结果。
110.可选的，图注意力模型包括故障检测模型和故障定位模型。其中，故障检测模型用于检测电子膨胀阀是否处于故障运行状态。故障定位模型用于定位处于故障运行状态的电子膨胀阀的内机序号。
111.在一些实施例中，当控制器获取到多联机空调系统的实时运行数据后，通过将实时运行数据输入至预设图注意力模型来对电子膨胀阀进行故障识别，得到故障识别结果。
112.其中，正常运行数据为电子膨胀阀处于正常运行状态时，多联机空调系统的运行数据；故障运行数据为电子膨胀阀处于故障运行状态时，多联机空调系统的运行数据。故障识别结果包括多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态。
113.可选的，预设图注意力模型可以为图注意力模型(graph attention networks，gat)中的故障检测模型。
114.示例性的，控制器将多联机空调系统的实时运行数据输入至故障检测gat模型中，对电子膨胀阀进行故障识别，得到故障识别结果。
115.在一些实施例中，gat模型通过控制器训练得到。图13为本技术实施例提供的一种gat模型训练的方法流程图。如图13所示，该方法包括：
116.s11、控制器获取多联机空调系统的正常运行数据和故障运行数据。
117.在一些实施例中，对gat模型进行训练可以提高电子膨胀阀故障识别结果和故障定位结果的准确性。
118.进一步的，控制器将多联机空调系统的正常运行数据和故障运行数据输入至gat模型进行训练，可以使gat模型获取电子膨胀阀在正常运行状态时的运行数据特征，以及电子膨胀阀在故障运行状态时的运行数据特征。
119.从而，能更准确的识别多联机空调系统的实时运行数据中是否存在故障运行数据。
120.可以理解的，正常运行数据，即电子膨胀阀处于正常运行状态时的多联机空调系统运行数据。故障运行数据，即电子膨胀阀处于故障运行状态时的多联机空调系统运行数据。
121.其中，正常运行数据和故障运行数据所包含的数据内容与上述实时运行数据一致，此处不再赘述。
122.可选的，gat模型的训练原理可以为图神经网络模型(graph neural networks，gnn)。
123.s12、控制器根据正常运行数据和故障运行数据，对初始图注意力模型进行训练，得到训练完成后的预设图注意力模型。
124.在一些实施例中，在控制器将正常运行数据和故障运行数据输入至初始图注意力模型中，得到训练完成后的预设图注意力模型之前，控制器通过gnn模型将正常运行数据和故障运行数据转换为图结构，对该图结构进行节点聚合操作后，迭代更新gat模型参数，最终输出电子膨胀阀的故障检测与定位结果。
125.图14为本技术实施例提供的另一种gat模型训练的方法流程图。如图14所示，该方法包括：
126.s21、控制器通过预设图神经网络模型将正常运行数据和故障运行数据转换为图结构。
127.在一些实施例中，在控制器根据正常运行数据和故障运行数据，对初始图注意力模型进行训练之前，控制器通过预设图神经网络模型将正常运行数据和故障运行数据转换为图结构。
128.其中，图结构包括原始节点特征向量和原始节点特征向量之间的连接关系。原始特征向量为正常运行数据和故障运行数据的向量表现形式。
129.可选的，原始节点特征向量之间的连接关系可以以边的形式展现，边以邻接矩阵的形式表示。
130.在一些实施例中，将两个原始节点特征向量之间的不同数据信息进行皮尔逊相关系数计算。若皮尔逊相关系数大于预设阈值，则两个原始节点特征向量之间以边连接，即两个原始节点特征向量之间相关；若皮尔逊相关系数小于预设阈值，则两个原始节点特征向
量之间不以边连接，即两个原始节点特征向量之间不相关。
131.可选的，预设阈值可以为0.5。
132.示例性的，若皮尔逊相关系数a大于预设阈值，即a＞0.5时，两个原始节点特征向量之间以边连接。若a＜0.5，则两个原始节点特征向量之间不以边连接。
133.示例性的，图结构可以由如公式(1)所示出的形式表示：
134.am＝[[，t1]， [s2，t2]， [s3，t3]， ... ， [sn，tn]]
ꢀꢀꢀꢀꢀ
公式(1)
[0135]
其中，am为邻接矩阵，s、t为不同运行数据，n为运行数据所在位置。
[0136]
在一些实施例中，当控制器将正常运行数据和故障运行数据转换为图结构后，根据图结构，将所述原始节点特征向量转换为目标节点特征向量，并为所述目标节点特征向量分配注意力。
[0137]
可选的，当控制器将正常运行数据和故障运行数据转换为图结构后，将原始节点特征向量输入注意力层经过线性变化，得到目标节点特征向量。
[0138]
进一步的，通过self-attention对目标节点特征向量分配注意力系数。如公式(2)和公式(3)所示：
[0139]
x＝{x1，x1，...，xn}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(2)
[0140]
x'＝{x'1，x'2，...，x'n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(3)
[0141]
其中，x为原始节点特征向量，x'为目标节点特征向量。
[0142]
需要说明的是，self-attention是神经网络模型中的一种重要机制，用于对输入序列中的每个元素进行自注意力计算，并得到每个元素的自注意力表示。
[0143]
可选的，目标节点特征向量的范围矩阵w满足的关系和注意力系数e
ij
线性变化方式如公式(4)和公式(5)所示：
[0144]
w∈r
f’*f
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(4)
[0145][0146]
其中，r为目标节点特征向量的特征空间，f'为目标节点特征向量维度，f为原始节点特征向量的维度，也即目标节点特征向量i对目标节点特征向量j的影响力系数，a表示单层前馈神经网络，输出为一个数值。
[0147]
在一些实施例中，当注意力系数确定后，根据注意力系数，对目标节点特征向量进行聚合操作。
[0148]
示例性的，将与目标节点特征向量vi周边有关联的节点{va，vb，...，vn}加权至vi，作为一次目标节点特征向量的聚合。
[0149]
需要说明的是，在本技术实施例中，可以对所有目标节点特征向量进行聚合操作，聚合方式如公式(6)所示：
[0150]
mi＝g({wj*xj，j∈ni})
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(6)
[0151]
其中，g()为聚合函数，wj为权重，xj为目标节点特征向量，ni为与目标节点特征向量相连的节点特征向量集。
[0152]
在一些实施例中，当目标节点特征向量的聚合操作完成后，通过预设图神经网络模型的迭代，对预设图注意力模型进行更新，控制器确定原始节点特征向量是否达到预设收敛条件。
[0153]
在一些实施例中，当控制器确定原始节点特征向量未达到预设收敛条件时，更新注意力系数，得到原始节点特征向量间的影响力关系。
[0154]
可选的，注意力系数的更新方式如公式(7)所示：
[0155]
l
t+1
＝fw(l
t
，x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(7)
[0156]
其中，l为原始节点特征向量，fw为压缩映射。
[0157]
在一些实施例中，当控制器确定原始节点特征向量未达到预设收敛条件时，停止对初始图注意力模型的训练，以得到训练完成后的预设图注意力模型。
[0158]
可选的，原始节点特征向量x的状态向量是否达到收敛条件的判断方式如公式(8)所示：
[0159]
||x
t-x
t-1
|＜εfꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(8)
[0160]
在一些实施例中，当gat模型停止更新后，控制器将多联机空调系统的实时运行数据输入至gat模型，输出实时结果。对比实时结果与模型结果中的电子膨胀阀的运行状态和内机序号，确认gat模型是否训练成功。
[0161]
示例性的，若实时结果中的电子膨胀阀的运行状态与模型结果中的电子膨胀阀的运行状态相匹配，且实时结果中的内机序号与模型结果中的内机序号相匹配，确认gat模型训练成功。
[0162]
示例性的，若实时结果中的电子膨胀阀的运行状态与模型结果中的电子膨胀阀的运行状态相匹配，但实时结果中的内机序号与模型结果中的内机序号不匹配，对gat模型进行参数更新。
[0163]
示例性的，若实时结果中的电子膨胀阀的运行状态与模型结果中的电子膨胀阀的运行状态不匹配，且实时结果中的内机序号与模型结果中的内机序号也不匹配，对gat模型进行参数更新。
[0164]
在一些实施例中，当gat模型停止更新后，将多联机空调系统的实时运行数据输入gat模型中的故障检测模型，经反向传播参数更新后，得到故障识别结果。
[0165]
s103、在多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，控制器通过预设图注意力模型对电子膨胀阀进行故障定位，以确定电子膨胀阀的内机序号。
[0166]
在一些实施例中，当故障识别结果为多联机空调系统中的电子膨胀阀处于故障运行状态时，将每个原始节点特征向量输入gat模型中的故障定位模型中，定位处于故障运行状态时的电子膨胀阀的内机序号。
[0167]
本技术实施例提供的技术方案至少带来以下有益效果：通过将获取到的多联机空调系统的实时运行数据输入至预设图注意力模型，得到多联机空调系统中电子膨胀阀的故障识别结果，提高了电子膨胀的故障检测效率。同时，在确定多联机空调系统中的电子膨胀阀处于故障运行状态时，通过预设图注意力模型对该电子膨胀阀进行定位，并获取该第一膨胀阀的内机序号。如此，便减少了对先验知识的依赖及数据流预处理流程，提高了电子膨胀阀故障定位结果的准确性。
[0168]
在一些实施例中，当故障识别结果为多联机空调系统中的电子膨胀阀处于正常运行状态时，经过第二预设时长后，再次获取多联机空调系统的实时运行数据。
[0169]
需要说明的是，需要说明的是，第二预设时长是多联机空调系统厂家设定好预存于存储器中的，不同厂家的第二预设时长可以变化，本技术对此不做限定。
[0170]
在一些实施例中，控制器通过多个阶段的多联机空调系统的实际运行数据及状态和其他机组的实际运行数据及状态，来构成多联机空调系统的维护信息，从而持续更新gat模型。
[0171]
在一些实施例中，上述方法还可通过如图15所示的流程图实现。如图15所示，该方法包括：
[0172]
s1、控制器获取多联机空调系统的正常运行数据和故障运行数据。
[0173]
需要说明的是，多联机空调系统的正常运行数据和故障运行数据所包含的内容与上述实时运行数据一致，此处不再赘述。
[0174]
其中，正常运行数据为电子膨胀阀处于正常运行状态时，多联机空调系统的运行数据；故障运行数据为电子膨胀阀处于故障运行状态时，多联机空调系统的运行数据。
[0175]
s2、控制器将正常运行数据和故障运行数据输入至初始gat模型。
[0176]
可选的，初始gat模型通过gnn模型进行训练。
[0177]
需要说明的是，关于gnn模型对初始gat模型的训练方式如上述步骤s21所述，此处不再赘述。
[0178]
在一些实施例中，控制器先将正常运行数据和故障运行数据输入至初始gat模型的故障检测模型中，通过gnn模型将正常运行数据和故障运行数据转换为图结构，根据图结构确定多联机空调系统的电子膨胀阀是否处于故障运行状态。
[0179]
进一步的，当控制器确定多联机空调系统的电子膨胀阀处于故障运行状态时，控制器将正常运行数据和故障运行数据输入至初始gat模型的故障定位模型中，定位处于故障运行状态下的电子膨胀阀的内机序号。
[0180]
s3、当通过初始gat模型输出的电子膨胀阀故障状态不正确，或，通过gat模型输出的电子膨胀阀故障状态正确但处于故障运行状态下的电子膨胀阀的内机序号均不正确时，控制器更新初始gat模型的参数。
[0181]
s4、当通过初始gat模型输出的电子膨胀阀故障状态和处于故障运行状态下的电子膨胀阀的内机序号均正确时，初始gat模型成功训练为预设gat模型。
[0182]
s5、控制器获取多联机空调的实时运行数据输入值预设gat模型。
[0183]
在一些实施例中，控制器先将实时运行数据输入至预设gat模型的故障检测模型中，通过gnn模型将实时运行数据转换为图结构，根据图结构确定多联机空调系统的电子膨胀阀是否处于故障运行状态。
[0184]
进一步的，当控制器确定多联机空调系统的电子膨胀阀处于故障运行状态时，控制器将实时运行数据输入至预设gat模型的故障定位模型中，定位处于故障运行状态下的电子膨胀阀的内机序号。
[0185]
s6、当通过预设gat模型输出的电子膨胀阀故障状态和处于故障运行状态下的电子膨胀阀的内机序号均正确时，控制器控制预设gat模型自学习；当通过初始gat模型输出的电子膨胀阀故障状态不正确，或，通过gat模型输出的电子膨胀阀故障状态正确但处于故障运行状态下的电子膨胀阀的内机序号均不正确时，控制器控制执行上述步骤s3。
[0186]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得计算机执行如上述实施例提供的方法。
[0187]
本发明实施例还提供一种计算机程序产品，该计算机程序产品可直接加载到存储器中，并含有软件代码，该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的方法。
[0188]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0189]
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
[0190]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示例性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0191]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0192]
以上，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种多联机空调系统，其特征在于，包括：室外机；至少一个室内机，每个室内机与所述室外机之间设置有电子膨胀阀；控制器，被配置为：获取所述多联机空调系统的实时运行数据；通过预设图注意力模型对所述实时运行数据进行故障识别，得到故障识别结果，所述故障识别结果包括所述多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态；在所述多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，通过所述预设图注意力模型对所述电子膨胀阀进行故障定位，以确定所述电子膨胀阀的内机序号。2.根据权利要求1所述的多联机空调系统，其特征在于，所述实时运行数据包括：室外机的实时运行数据和室内机的实时运行数据；其中，所述室外机的运行实时数据包括压缩机频率、压力值、压顶温度值、排气过热度值、化霜温度值以及环境温度值；所述室内机的实时运行数据包括变频散热度值、液管温度值、气管温度值、回风温度值以及出风温度值。3.根据权利要求1所述的多联机空调系统，其特征在于，所述控制器，还被配置为：获取所述多联机空调系统的正常运行数据和故障运行数据；其中，所述正常运行数据为所述电子膨胀阀处于正常运行状态时，所述多联机空调系统的运行数据；所述故障运行数据为所述电子膨胀阀处于故障运行状态时，所述多联机空调系统的运行数据；根据所述正常运行数据和所述故障运行数据，对初始图注意力模型进行训练，得到训练完成后的所述预设图注意力模型。4.根据权利要求3所述的多联机空调系统，其特征在于，在所述控制器，被配置为根据所述正常运行数据和所述故障运行数据，对初始图注意力模型进行训练之前，所述控制器，还被配置为：通过预设图神经网络模型将所述正常运行数据和故障运行数据转换为图结构；所述图结构包括原始节点特征向量和所述原始节点特征向量之间的连接关系；其中，所述原始节点特征向量为所述正常运行数据和所述故障运行数据的向量表现形式。5.根据权利要求4所述的多联机空调系统，其特征在于，所述控制器，还被配置为：将两个所述原始节点特征向量之间的不同数据信息进行皮尔逊相关系数计算；若所述皮尔逊相关系数大于预设阈值，则所述两个原始节点特征向量之间以边连接；若所述皮尔逊相关系数小于所述预设阈值，则所述两个所述原始节点特征向量之间不以边连接。6.根据权利要求4所述的多联机空调系统，其特征在于，所述控制器，被配置为所述根据所述正常运行数据和所述故障运行数据，对初始图注意力模型进行训练，具体被配置为：将所述原始节点特征向量转换为目标节点特征向量，并为所述目标节点特征向量分配注意力系数；根据所述注意力系数，对所述目标节点特征向量进行聚合操作；通过所述预设图神经网络模型的迭代，对所述预设图注意力模型进行更新，确定所述
原始节点特征向量是否达到预设收敛条件；在所述原始节点特征向量未达到预设收敛条件的情况下，更新所述注意力系数；在所述原始节点特征向量达到预设收敛条件的情况下，停止对初始图注意力模型的训练，以得到训练完成后的所述预设图注意力模型。7.一种多联机空调系统的故障检测方法，其特征在于，应用于多联机空调系统，所述多联机空调系统包括室外机和多个室内机，每个所述室内机与所述室外机之间设置有电子膨胀阀，所述方法包括：获取所述多联机空调系统的实时运行数据；通过预设图注意力模型对所述实时运行数据进行故障识别，得到故障识别结果，所述故障识别结果包括所述多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态；在所述多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，通过所述预设图注意力模型对所述电子膨胀阀进行故障定位，以确定所述电子膨胀阀的内机序号。8.根据权利要求7所述的方法，其特征在于，所述实时运行数据包括：室外机的实时运行数据和室内机的实时运行数据；其中，所述室外机的运行实时数据包括压缩机频率、压力值、压顶温度值、排气过热度值、化霜温度值以及环境温度值；所述室内机的实时运行数据包括变频散热度值、液管温度值、气管温度值、回风温度值以及出风温度值。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：获取所述多联机空调系统的正常运行数据和故障运行数据；其中，所述正常运行数据为所述电子膨胀阀处于正常运行状态时，所述多联机空调系统的运行数据；所述故障运行数据为所述电子膨胀阀处于故障运行状态时，所述多联机空调系统的运行数据；根据所述正常运行数据和所述故障运行数据，对初始图注意力模型进行训练，得到训练完成后的所述预设图注意力模型。10.根据权利要求8所述的方法，其特征在于，所述方法还包括：将原始节点特征向量转换为目标节点特征向量，并为所述目标节点特征向量分配注意力系数；根据所述注意力系数，对所述目标节点特征向量进行聚合操作；通过预设图神经网络模型的迭代，对所述预设图注意力模型进行更新，确定所述原始节点特征向量是否达到预设收敛条件；在所述原始节点特征向量未达到预设收敛条件的情况下，更新所述注意力系数；在所述原始节点特征向量达到预设收敛条件的情况下，停止对初始图注意力模型的训练，以得到训练完成后的所述预设图注意力模型。

技术总结
本申请实施例公开了一种多联机空调系统及故障检测方法，涉及多联机空调技术领域，用于提高电子膨胀阀故障检测与定位的效率和准确性，该多联机空调系统，包括：室外机；至少一个室内机，每个室内机与室外机之间设置有电子膨胀阀；控制器，被配置为：获取多联机空调系统的实时运行数据；通过预设图注意力模型对实时运行数据进行故障识别，得到故障识别结果，故障识别结果包括多联机空调系统中的电子膨胀阀处于故障运行状态或正常运行状态；在多联机空调系统中的电子膨胀阀处于故障运行状态的情况下，通过预设图注意力模型对电子膨胀阀进行故障定位，以确定电子膨胀阀的内机序号。以确定电子膨胀阀的内机序号。以确定电子膨胀阀的内机序号。


技术研发人员：盛凯 石靖峰 矫晓龙
受保护的技术使用者：青岛海信日立空调系统有限公司
技术研发日：2023.04.20
技术公布日：2023/9/7