1.洗衣机的故障代码及处理措施，再也不怕洗衣机的突然故障了

在家洗衣服的时候，最怕衣服洗到一半，洗衣机特然出现故障，这就让人很是头疼，一时半会儿也不知道如何是好，不要担心，小啄今天就来更大家讲解一下洗衣机的故障代码及处理措施 。

【需要电器维修，可以点击下方小程序哦！】

（此处已添加小程序，请到今日头条客户端查看）

E2:排水故障{4分钟水未排尽}:排水泵不良、电脑板上排水电路故障
Err8 超水位保护(进排水故障) HTD、BS68、D08A、BS58、D09、D08、S06A、60-HT、BS08 联系检修
Err9 超水位保护（但洗涤水位未检测到） D08A、BS58、D08
Err9 烘干温度传感器故障 HTD68、 联系检修
Err10 水位传感器故障 HTD68、 联系检修
Err11 称重传感器故障 HTD68、 联系检修

Err12 烘干水位异常 HTD68、 联系检修
Err13 启动后机门异常 HTD68、 洗衣机启动后机门没有关好
Err14 甩干分布不平衡 HTD68、 请将筒衣物抖散
AL-E 选择烘干程序后筒衣物过多 HTD68、 请筒衣物适当取出部分
E2EE 存储芯片故障 HTD68、 联系检修

如果家里电器方面出现问题了，可以在支付宝里搜索啄木鸟电器维修小程序，里面有各种维修清洗服务，我们的维修师傅会进行全方位的上门维修，给您的家庭带来更好的维修保障。详细咨询4000021221

2.「本期期刊封面文章推介」基于自编码器的冰箱压缩机振动信号特征提取及故障检测

刘恒1 冯涛1 王晶1 杨伟成2

1. 北京工商大学

2. 中国家用电器研究院

摘要

Abstract

异音检测是压缩机质量控制的重要环节，针对压缩机故障样本信号稀少的特点，提出了一种利用自编码器提取冰箱压缩机正常信号样本共性特征进而实现故障检测的方法。在大量正常信号样本的基础上提取出共性特征，由于正常和故障样本的重构误差不同，可确定最优阈值作为故障分类标准。研究结果表明：在故障信号样本稀少的条件下，应用冰箱压缩机正常信号样本的共性特征对其故障信号样本进行检测，判断准确率可达97.4%。

关键词

Keywords

自编码器；声信号；共性特征；故障稀少

DOI:10.19784/j.cnki.issn1672-0172.2022.04.006

0 引言

异音检测是压缩机产线质量检测的重要工序环节，许多专家学者在压缩机检测方向进行了深入研究并取得了优质的成果[1-4]。近年来，随着机器学习的快速发展，深度学习被引入到机械故障检测中，并取得了成果。通常，故障检测包括特征提取和分类两个步骤。从原始信号中提取故障特征，然后通过人工经验判断或模态识别技术进行分类[5-7]。尽管这些方法取得了一定成果，但其良好的性能需要大量标记数据。对于实际使用的压缩机，很难收集到足够的标记数据。杨斌等人[8]提出了一种基于特征的迁移神经网络（FTNN），利用实验室机器的诊断知识来识别实际机器的健康状态以解决样本数据少的问题。李春阳等[9]利用数据增强的方式开发出一种基于卷积生成对抗网络模型用以解决训练样本稀少的问题。在实际中，压缩机大多在正常状态下运行，呈现正常信号样本丰富，故障信号样本稀少的特点。为解决冰箱压缩机故障信号样本稀少的难题，本文应用自编码器模型，以大量正常信号样本为基础，研究冰箱压缩机正常信号样本共性特征的提取方法，进而实现压缩机的异音检测。

1 自编码器模型

自编码器由编码器和解码器两部分构成，编码环节通过输入原始数据对数据进行压缩，得到低维数据空间中的特征向量，该特征包括原始特征的本质信息。而解码环节通过前向传播对自编码器的参数进行优化调整，最终学习到原始数据的特征。如图1所示。

自编码器编码、解码过程可表示为[10]：

编码过程：

其中，σα为激活函数，在编码阶段采用的为Relu激活函数，W为输入数据的权重，b为偏置。

解码过程：

其中，σβ为激活函数，在编码阶段采用的为Relu和Sigmoid激活函数相结合的方式，W'为输出数据的权重，取W' = WT，b'为偏置。通过不断更新各层的调节权重和偏置参数，使重构误差达到最小，达到最优网络。

Adam算法（Adaptive Moment Estimation Algorithm, Adam）广泛用于深度学习优化的学习，不仅可以采用动量法作为参数的更新方向，还可以通过矩估计法调节每个参数的学习率。由于Adam算法对超参数具有很强的鲁棒性，因而在深度学习领域被广泛应用。Adam算法参数的更新差值为[11]：

其中，Δθt为需要更新的参数；

为对一阶梯度的校正，可以提供增大学习率的参数，加速训练能力；

为对二阶梯度的校正，提供减少学习率的能力；

为常数；α为学习率。

2 自编码器特征提取方法

自编码器声信号共性特征提取流程如图2所示，步骤如下：

（1）采集原始振动信号。

（2）对采集的信号进行预处理，图3 a)、图4 a)分别为采集到的正常样本信号通过不同预处理后的频谱图。

（3）划分为训练集和测试集。

（4）把训练集的样本作为自编码器的输入、将解码后的输出当作重构目标，损失函数为：

（5）将正常样本输入到编码器中得到的输出即为正常信号的共性特征信息，提取到的隐藏层共性特征如图3 b)、图4 b)所示。

（6）将测试集中的振动信号输入网络通过重构误差对比进行故障检测分类。

由于故障样本较难收集，考虑到测试集数据正负样本差距较大，需对故障样本进行重叠采样以建立一个平衡的数据集，本文对原始样本进行一定重叠比例分割的方法。采用重叠分割的方法对数据进行扩充，样本扩充示意图如图5所示，这样做既可以保证数据信息不会损失，同时还能提高样本数量。在选择样本长度的问题上，过短的信号样本会导致信息量不足，过长的样本又会使整体模型学习时间过长，所以选择一个适合的样本长度也是至关重要的。

样本扩充公式如下：

其中，N为以重叠率η分割后的样本数量，L为一段声信号样本的长度，len为预先设置分割后的样本长度。

3 检测结果与讨论

以某型冰箱压缩机为研究对象，在生产线上采集其壳体振动信号，振动信号采集过程中所使用的设备主要包括带有Pulse系统的计算机、采集卡及加速度传感器。采集过程如图6所示，将加速度传感器贴在处于工作状态中的压缩机外表面，并用Pulse系统将压缩机的振动信号录制下来。采集到的振动信号由专业人员进行分类，包括正常和异常两种压缩机振动信号。涉及的故障类型主要包括无油、内排气管焊堵、阀减震弹簧与内排气管间隙大、吸油管脱落、内排气管碰壳。采集到正常数据893个，故障数据52个，采用预处理后得到正常信号样本4937个，故障信号样本为532个。其中训练集只包括正常样本，数量为2000个；测试集包括正常和故障样本两类，分别取500个，训练集与测试集的样本并不重叠。

自编码器模型使用正常数据训练得到，正常数据的重构结果与正常原始数据相差较小；但是将故障数据代入该自编码器模型中，所得到的重构结果就会与故障原始数据有较大的误差，可以对重构误差设置相应的阈值以实现故障机的识别，通过均方差计算可确定最优阈值作为故障分类标准。图7为采用频域FFT对数谱的数据处理方式得到的正常、故障样本均方差图，从图中可以看出正常样本与故障样本的均方差分布以6100左右为界限，最后可进行细化测试，找到最佳阈值的位置。

选择合适的数据处理方式在学习模型中起到了一个关键的作用，考虑样本为一维时域信号，通常信号数据处理方式有时域处理、FFT频域处理等处理方式，这里选用FFT频域处理和FFT频域对数处理两种方式进行不同学习率对学习模型的影响，为了消除随机误差的影响对每组分别进行5次测试，并以测试集最终的平均准确率为结果。表1为不同数据处理方式和学习率实验结果。

使用频域FFT及频域FFT对数谱的数据处理分别在不同学习率下的故障分类准确率如表1所示。由表1的结果可以看出，利用频域FFT及频域FFT对数谱进行数据处理时，最优的准确率出现在学习率为1e-4和频域对数谱的数据处理方式上。随着学习率的增加，识别准确率出现了不同程度的下降。从图8的PR曲线来看，频域FFT对数谱和频域FFT均具有较好的学习性能，但使用频域FFT对数谱要更胜一筹。分析其原因，使用频域FFT数据处理时，不仅可以避免信号的多样性及不确定性，还可以提高频率的分辨率。而使用频率FFT对数谱的数据处理方式，对数谱数值小的部分差异的敏感程度要比数值大的部分的差异敏感程度更高，且信号更接近于人耳实际听取的声音，所以更有利于增加其分辨能力。

4 结论

为了在少量故障压缩机样本的条件下进行故障检测，本文提出了一种共性特征提取及检测的自编码器系统。学习模型由全连接层的自编码器网络堆叠而成，并用两种数据处理方式进行对比分析，利用非标记数据样本来发掘数据中的内部结构，根据测试结果可以得出：使用频域FFT对数谱的数据处理方式且在学习率为1e-4的条件下，具有较好的分类结果，准确率达到97.4%。

综上所述，在选定合适的自编码器参数和频域FFT对数谱的条件下，自编码器可以用于压缩机的异常振动监测。本文所有的样本数据虽然采集于往复式冰箱压缩机，但是本文所用到的自编码器模型并不限于适用往复式冰箱压缩机，也适用于其他类型压缩机。

参考文献

[1] 王晶, 冯涛, 杨伟成, 等. 家电异音在线自动检测的技术途径和系统架构研究[J]. 家电科技, 2018(06): 37-39.

[2] Ossama, Abdel-Hamid, Abdel-Rahman, et al. Convolutional neural networks for speech recognition[J]. IEEE/ACM Transactions on Audio, Speech and Language Processing (TASLP), 2014, 22(10): 1533-1545.

[3] Tao Y, Ren M, Zhang H, et al. Recent progress in acoustic materials and noise control strategies – A review[J]. Applied Materials Today, 2021, 24(238): 101141.

[4] 杨光, 郦磊, 王帝. 基于改进主元分析方法的往复式压缩机故障检测[J]. 机械设计, 2019, 36(zk): 56-58.

[5] Potocnik P, Govekar E. Semi-supervised vibration-based classification and condition monitoring of compressors[J]. Mechanical Systems and Signal Processing, 2017, 93(09): 51-65.

[6] Qi G, Zhu Z, Erqinhu K, et al. Fault-diagnosis for reciprocating compressors using big data and machine learning[J]. Simulation Modelling Practice and Theory, 2018, 80: 104-127.

[7] Zhipeng, Feng, And, et al. Recent advances in time–frequency analysis methods for machinery fault diagnosis: A review with application examples[J]. Mechanical Systems & Signal Processing, 2013, 38(01): 165-205.

[8] Yang B, Lei Y, Jia F, et al. An intelligent fault diagnosis approach based on transfer learning from laboratory bearings to locomotive bearings[J]. Mechanical Systems and Signal Processing, 2019, 122: 692-706.

[9] 李春阳, 李楠, 冯涛, 等. 基于深度学习的洗衣机异常音检测[J]. 山东大学学报(工学版), 2020, 50(02): 108-117.

[10] Rifai S, Vincent P, Muller X, et al. Contractive Auto-Encoders: Explicit Invariance During Feature Extraction[C]. ICML, 2011.

[11] Kingma D, Ba J. Adam: A Method for Stochastic Optimization[J]. Computer Science, 2014.

（责任编辑：张晏榕）

欢迎广大读者/作者撰文时根据议题内容

引用《家电科技》所刊文章！

3.这么多年居然都用错了！5张图教你正确使用冰箱

有小伙伴迫切想要知道《冰箱的正确使用方法》，毕竟夏天续命，除了空调还有冰箱。

天气一热，冰箱的使用率就蹭蹭往上涨！

但是怎么用真的要注意，否则你的冰箱，很有可能会成为家里真正的“垃圾桶”，危害全家人的健康。

话不多说，这就献上我们整理出来的《冰箱使用指南》，学会后全年无忧，稳坐一家之主（打扫）的地位了~

1、这些食物可以放冰箱（但不要放太久）

2、这些食物不属于冰箱（放了坏更快）

3、冰箱建议这样摆（整齐好看又科学）

4、“扔”比除臭更重要（定期整理很必要）

5、冰箱值得拥有的好帮手

收纳-除臭-清理一条龙

冰箱不是保险箱，所有食物都有过期的时候，千万别让它成为伤害家人健康的“隐藏杀手”。

这份指南虽然看起来条条框框，其实都是随手就可以做到的小事，开始尝试接受，慢慢就会成为一种习惯。

今天就回家理一理自己的冰箱吧~

该吃吃，该扔扔，美好的夏天回忆，冰箱也算一份。

4.金羚洗衣机故障代码

一、金羚洗衣机故障代码（适用于所有金羚洗衣机）

E1 进水或补水超时 开闭门盖,查进水阀等

E2 排水进行 6 分钟后,水位传感器仍不能复位 开闭门盖,查排水管等

E3 脱水前门未合 关闭门盖

E4 同次工序中,发生第三次撞桶 关闭门盖,同时将衣物均匀分布桶内

E5 底电压保护 待电网电压升高后自动恢复运行

E6 预约时间不够 按预约键增加预约时间

E7 称重校正时非空桶状态 恢复空桶状态

E8 水位传感器损坏或接触不良 检查水位传感器及其电路是否接好

E9 自动称重失灵 检查信号传输线路系统装配，如无异常，则更换电脑板

E10 没有设定现在时 先设定现在时间,才可设定预约时间

E11 现在时间与预约时间的间隔过短 设顶现在时间与预约时间的间隔超过洗 衣时间

F0 电源开关故障 不可解除，更换电源开关

F2 E?PROM 自检出错 不可解除，更换电脑板

F4 过零检测线路故障 不可解除，更换电脑板

F8 水位传感器损坏或接触不良 不可解除，检查水位传感器

L5/LU 低压保护 待电网电压升高后自动恢复运行

HU 高压保护 立即切断电源，检查电源电压

FF 不明故障 将电源插头拔下,进行故障检查并维修

E2:排水故障{4 分钟内水未排尽}:排水泵不良、电脑板上排水电路故障

Err8 超水位保护(进排水故障) HTD、BS68、D08A、BS58、D09、D08、S06A、60-HT、BS08 联系检修

Err9 超水位保护(但洗涤水位未检测到) D08A、BS58、D08 Err9 烘干温度传感器故障 HTD68、 联系检修

Err10 水位传感器故障 HTD68、 联系检修

Err11 称重传感器故障 HTD68、 联系检修

Err12 烘干水位异常 HTD68、 联系检修

Err13 启动后机门异常 HTD68、 洗衣机启动后机门没有关好

Err14 甩干分布不平衡 HTD68、 请将筒内衣物抖散 AL-E 选择烘干程序后筒内衣物过多 HTD68、 请筒内衣物适当取出部分

E2EE 存储芯片故障 HTD68、 联系检修。

二、只是适用于金羚全自动滚筒洗衣机：

F1:金羚洗衣机水位传感器接触不良

E1：金羚洗衣机排水超时，检查排水管是否被堵

E2：金羚洗衣机上盖没有盖好

E3：金羚洗衣机脱水不平衡，把衣服重新抖散开来再脱水

E4：金羚洗衣机进水超时，检查水压，进水阀是否脏堵

E5：金羚洗衣机水温超过50度

E6:金羚洗衣机烘干故障

E7:金羚洗衣机电机工作

E8:金羚洗衣机水位故障

E9:金羚洗衣机烘干传感器故障

E10：金羚洗衣机水位传感器故障

E11:金羚洗衣机称重传感器故障

E12：金羚洗衣机烘干水位异常

E13：金羚洗衣机门锁故障金羚洗衣机维修

E14：金羚洗衣机甩干不平衡

E31:金羚洗衣机电机自我保护 S1216、HDB 电机运行时测速电机反馈信号8秒不变

EA3:金羚洗衣机干燥时水位异常 S1216、HDB 烘干时超过烘干设定水位5 q8 Z3

EC2:金羚洗衣机水温传感器异常 S1216、HDB 水温传感器开路或短路

EC1:金羚洗衣机加热管异常 S1216、HDB 加热10分钟内水温无变化

EC3:金羚洗衣机水位传感器异常 S1216、HDB 水位传感器开路或短路

EC4:金羚洗衣机出风口温度异常 S1216、HDB 烘干30分钟内5分钟没有变化;

EC5:金羚洗衣机烘干温度传感器异常 S1216、HDB 烘干温度传感器开路或短路

U01:金羚洗衣机门锁解除异常 S1216、HDB 4次解除门锁仍未解锁

U02:金羚洗衣机门锁异常 S1216、HDB 4次进行门锁后仍未锁住

U03:金羚洗衣机脱水异常 S1216、HDB 最后脱水时，不平衡判定为1200克以上

E22:金羚洗衣机断电记忆失效 S1216、HDB EEPROM储存错误

FEA3:金羚洗衣机不运转、阳光丽人西门子滚筒洗衣机系列、检查排水管位置

EC5:金羚洗衣机干燥时间过长、阳光丽人系列、衣物过多，甩干时间过短，水龙头未打开。

DEE1:金羚洗衣机操作结束后出现该故障代码、阳光丽人系列、洗涤剂过量，

L4 dH:金羚洗衣机该洗衣机盖无法打开、1是否使用热水过程中运行中将洗衣机暂停。2烘干过程中将洗衣机暂停

PU2:金羚洗衣机不运转、滚筒门是否已经关闭

QU3:金羚洗衣机不脱水、脱水时处理的衣物较大较重，衣物缠绕，洗衣机倾斜，分布不均

U4:金羚洗衣机不运转、机门是否打开

U5:金羚洗衣机不运转、洗衣机中间的盖未完全盖好

UL:金羚洗衣机盖无法打开、是否设置童锁功能。