四川虹美智能科技有限公司 何 艳

随着家电的物联网化，原来仅能提供功能的家电设备，在拥有了物联网功能后，能将设备运行的状态上报到云端，对这些数据进行处理和分析后能用于设备健康状态的判定，对故障进行诊断甚至是预判。

在故障诊断和预判的领域，多数人都将重心放在了算法方面，忽略了数据采集对模型预测的影响。目前图像识别发展较快也相对比较成熟，但图像识别是基于图片清晰度和像素属性规范的数据输入的基础上做出来的，输入参数是丰富而完整的。而家电产品的故障自动诊断中，哪些参数与故障诊断相关性较强，这些数据又如何获取，这会是决定算法模型好坏的最根本因素。

本文主要讨论为做家电产品故障自动诊断而采集数据和处理数据的方法。

1 数据输入

基于PHM思想，参考美国机械信息管理开放标准联盟提出的OSA/CBM体系结构，状态监测部分和故障预测部分是系统实现的关键。其中，状态监测子系统主要包括数据采集（Data Acquire）和数据处理(Data Processing)两个模块。

数据采集模块中，借助传感器、自动测试设备、传统测试工具或者人工目测，采集被测对相关的各种红参数和相关信息。

在家电产品中，由于产品数量多，且受硬件成本的限制，数据采集无法采用离线人工采集的方式，也无法应用传统测试工具或者专业自动测试设备采集相关数据，数据采集的来源范围受限制。

输入数据维度：家电设备运行过程中可采集的数据主要有三类：设备运行设定参数、设备运行状态数据、传感器采集的数据。……