随着夏季的到来，确保供暖、通风和空调（HVAC）系统完全正常运行对住宅和商业建筑的功能至关重要。它们调节温度和空气质量，在整体舒适度和能源管理方面发挥着至关重要的作用。然而，这些系统也很容易磨损，尤其是在夏季，因为暖通空调系统要加班加点地工作，以保持较低的室内温度。
人工智能（AI）的创新引入了检测和预防暖通空调故障的新方法，实现了主动维护和更高的系统可靠性。在本文中，我们将探讨如何将人工智能应用于预测暖通空调故障、当前的挑战和未来的机遇，以及定义未来预测性暖通空调维护的公司。
人工智能如何改善暖通空调维护
在高层次上，人工智能可用于分析暖通空调系统的历史数据和实时数据，以识别可洞察潜在故障的模式和异常现象。智能传感器等物联网设备可直接安装到暖通空调系统中，以收集和分析边缘情报。
先进的智能传感器可以检测系统行为的细微变化，从而根据温度、压力、湿度、声音和能耗等环境因素识别潜在问题。人工智能使承包商和业主能够采取主动措施，而不是简单地等待问题出现。这可以大大降低维修成本，延长系统的使用寿命，并消除服务中断。
人工智能还可用于规范性维护。例如，假设暖通空调系统因压缩机故障而开始停滞。在这种情况下，人工智能可以建议采取具体措施，如调整运行参数或安排压缩机更换，以减轻或防止这些故障。
暖通空调预测性维护实例
预测性维护技术已经通过传感器和软件进行了整合，利用人工智能来防止昂贵的维修费用或业务功能的延误。以下是现实世界中引领这一创新的一些公司：
酷自动化
CoolAutomation1的暖通空调预测性维护解决方案由一个直观的云应用程序和一个名为 CloudBox 的物联网边缘设备组成。该解决方案即插即用，可通过一组特定参数进行培训，就运行过程中可能出现的故障或异常情况提供推送通知，以便维护团队在系统问题出现之前进行修复，防止其恶化为系统故障。
调谐
Attune2资产 状态监测 (ACM) 平台 该解决方案使用部署在建筑物各处的无线传感器来收集温度、湿度、空气质量和能耗等各种参数的实时数据。该解决方案可检测异常情况并预测潜在的暖通空调故障。没有更新楼宇自动化系统（BAS）的老旧楼宇仍可受益于 ACM 平台，Attune 可提供其他改造方案，通过与云连接的虚拟 BAS 获取相同的数据。
特灵
特灵技术公司（Trane Tecnologies）3 是一家开发创新气候技术的财富 100 强公司，它使用手持式振动分析工具来进行预测性维护。这些手持式工具收集振动信息，并利用机器学习来诊断和识别近乎实时的异常情况。它还可以监听潜在的泄漏，从而在问题出现之前就能立即导致系统故障。
当前暖通空调预测性维护面临的挑战
然而，尽管在暖通空调维护方面进行了创新，但要使暖通空调系统的预测性维护更加有效和可靠，仍存在一些挑战。
能源消耗
与许多电池供电的物联网设备一样，人工智能传感器也需要大量的处理能力。用于物联网设备的超低功耗半导体可使传感器更有效地工作，并延长电池寿命。较低能耗下的高计算能力有利于更复杂的人工智能应用和优化。
网络可靠性
为了分析海量数据，设备通常会将数据发送到云端进行处理。这就需要连接互联网，将原始数据传送到中央服务器。边缘计算可在设备上进行处理和存储，这样传感器就不必依赖持续连接就能有效运行。
延迟和带宽
预测性维护依赖于对暖通空调系统数据的实时监控。数据传输的延迟和有限的带宽会延迟传感器数据的传输和设备准确预测故障的能力。本地人工智能处理大大降低了这一挑战，因为无需传输数据进行分析。
未来的人工智能暖通空调
物联网（IoT）为提高暖通空调性能、降低故障成本和最大限度地利用能源带来了机遇。人工智能的创新使预测系统错误和确定哪些部件需要维护以避免故障变得前所未有的简单。有了正确的技术，承包商和业主就能控制他们的运营，最大限度地提高舒适度和价值。
随着人工智能变得越来越复杂，预测性维护将成为最大限度延长住宅和商业暖通空���设备使用寿命和效率的不可或缺的工具。
Ambiq 如何做出贡献
要使技术能够在设备上执行复杂的人工智能计算（如实时预测性维护），并且不消耗电源预算，这是一项独特的挑战，而强大的微控制器可以解决这一问题。Ambiq 提供一系列片上系统 (SoC) 解决方案，使电池供电设备能够实现设备上的智能和无与伦比的能效。在此探索 Ambiq 的其他应用。
参考资料
