CN104075402A - 智能空调控制方法和系统 - Google Patents
智能空调控制方法和系统 Download PDFInfo
- Publication number
- CN104075402A CN104075402A CN201410277389.4A CN201410277389A CN104075402A CN 104075402 A CN104075402 A CN 104075402A CN 201410277389 A CN201410277389 A CN 201410277389A CN 104075402 A CN104075402 A CN 104075402A
- Authority
- CN
- China
- Prior art keywords
- comfort level
- value
- intelligent air
- level data
- air conditioner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开一种智能空调控制方法,包括:采集舒适度数据实际值;根据舒适度数据历史值和实际值得到舒适度最优值;根据所述最优值与实际值的偏差生成控制信号;根据所述控制信号控制空调设备。还公开了一种智能空调控制系统,包括:数据采集单元,用于采集舒适度数据实际值;最优值获取单元,用于根据舒适度数据历史值和实际值得到舒适度最优值;分析单元,用于根据所述最优值与实际值的偏差生成控制信号;控制单元,用于根据所述控制信号控制空调设备。本发明使控制更精确、室内环境更舒适,同时解决了现有的空调控制方法其响应速度慢、精度低的技术问题。
Description
技术领域
本发明涉及家电控制领域,特别涉及智能空调控制方法和系统。
背景技术
智能空调的控制目标是使室内环境更为舒适,目前,衡量人体热舒适度的方法有很多,最为著名的是热舒适指数(Predicted Mean Vote,PMV),但是这种方法有很复杂的计算公式,一般要在计算机上完成计算,实际应用中比较困难。神经网络是一种较常用的智能控制方法,神经网络的种类有许多,选择何种神经网络对控制器的控制效果、响应速度有很大的影响。
目前,智能控制器的相关技术多采用BP(Back Propagation)神经网络,BP神经网络具有结构简单、响应速度较快等优点,但也具有以下缺陷:
(1)基本的BP神经网络容易陷入“极值”,从而使控制器陷入瘫痪状态;
(2)由遗传算法等优化的神经网络则会严重影响控制器的响应速度;
(3)随着空调的运行,历史数据会不断累积,也会影响控制器的响应速度,同时也会影响响应精度。
发明内容
本发明实施例中提供一种智能空调控制方法和系统,使控制更精确、室内环境更舒适,同时解决了现有的空调控制方法其响应速度慢、精度低的技术问题。
为解决上述技术问题,本发明实施例提供一种智能空调控制方法,包括:采集舒适度数据实际值;根据舒适度数据历史值和实际值得到舒适度最优值;根据所述最优值与实际值的偏差生成控制信号;根据所述控制信号控制空调设备。
作为优选,所述舒适度数据包括以下中的至少一个:空气温度、湿度、空气流速和平均辐射温度。
作为优选,所述舒适度数据还包括人体的活动量和/或衣着量。
作为优选,所述根据舒适度数据历史值和实际值得到舒适度最优值是通过CMAC预测器得到的。
作为优选,所述根据所述最优值与实际值的偏差生成控制信号是通过比较器生成的。
作为优选,所述根据所述控制信号控制空调设备是通过CMAC控制器控制的。
作为优选,所述舒适度数据历史值为存储在数据库中的人工控制模式下用户设定的舒适度数据。
本发明实施例还提供一种智能空调控制系统,包括:数据采集单元,用于采集舒适度数据实际值;最优值获取单元,用于根据舒适度数据历史值和实际值得到舒适度最优值;分析单元,用于根据所述最优值与实际值的偏差生成控制信号;控制单元,用于根据所述控制信号控制空调设备。
作为优选,所述舒适度数据包括以下中的至少一个:空气温度、湿度、空气流速和平均辐射温度。
作为优选,所述舒适度数据还包括人体的活动量和/或衣着量。
作为优选,所述最优值获取单元是CMAC预测器。
作为优选,所述分析单元是比较器。
作为优选,所述控制单元是CMAC控制器。
作为优选,所述舒适度数据历史值为存储在数据库中的人工控制模式下用户设定的舒适度数据。
本发明的智能空调控制方法采用基于“平衡学习”的小脑神经网络算法,该算法根据舒适度数据历史值和实际值得到舒适度最优值,基于“平衡学习”的小脑神经网络会在新的数据学习到一定程度时“遗忘”一定程度的历史数据,因此,响应速度优于其它神经网络且结果更精确,从而解决了随着空调的运行,历史数据不断增多导致增加系统的响应时间的问题。基于小脑神经网络的控制使得响应速度快且精度更高,这种舒适性控制可以使室内环境更舒适。
附图说明
图1是本发明实施例的智能空调控制方法的流程图。
图2是本发明实施例的智能空调控制系统的框图。
图3是本发明实施例的智能空调控制系统的一个实例的结构图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
本发明实施例公开了一种智能空调控制方法。图1是本发明实施例的智能空调控制方法的流程图。如图1所示,本发明的智能空调控制方法包括:采集舒适度数据实际值;根据舒适度数据历史值和实际值得到舒适度最优值;根据所述最优值与实际值的偏差生成控制信号;根据所述控制信号控制空调设备。舒适度数据可以包括以下中的至少一个:空气温度、湿度、空气流速和平均辐射温度,它们为环境特征数据。当然,舒适度数据还可以包括人体的活动量和/或衣着量,它们为人体特征数据。上述环境特征数据可以由环境特征数据传感器采集,环境特征数据传感器例如可以包括空气温度传感器、湿度传感器、空气流速传感器和平均辐射温度传感器中的任一种或多种。上述人体特征数据的采集可以通过人体特征数据输入器采集人工输入的数据来实现。根据情况,可以选择上述参数之一或若干作为需要采集的舒适度数据。
以下描述该控制方法的具体应用。本例中,以舒适度数据为空气温度、湿度、空气流速、平均辐射温度、人体的活动量和衣着量为例进行说明。当然,本领域的技术人员应该理解的是,舒适度数据可以为这些参数之一或它们的任意组合。
空调启动后,用户可以选择人工控制模式或者智能控制模式。选择智能控制模式的话,就执行本发明所提出的智能空调控制方法。
以下介绍智能空调控制方法的实例。首先,可以由环境特征数据传感器采集空气温度、湿度、空气流速和平均辐射温度的实际值,可以通过人体特征数据输入器采集人工输入的人体的活动量和衣着量。然后,根据这些舒适度数据历史值和实际值得到空气温度、湿度、空气流速和平均辐射温度的最优值,这里舒适度数据历史值可以从数据库中调取,数据库中存储了用户每次人工控制模式下设定的空气温度、湿度、空气流速、平均辐射温度、人体的活动量和衣着量这些历史采样数据。例如,根据舒适度数据历史值和实际值得到舒适度最优值可以通过CMAC预测器得到。接着,比较器根据最优值与实际值的偏差生成控制信号。最后,由CMAC控制器根据控制信号来控制空调设备。
实际应用中如果用户对上述模式下设置的舒适度不满意,那么用户可以选择人工控制模式。此时执行常规的控制方法,即由用户自主设定空气温度、湿度、空气流速、平均辐射温度,这为常规技术,不再赘述。此时用户所设置的信息会存储在数据库中成为舒适度数据历史值,这样随着用户使用时间的增加,数据库中的历史值信息会越来越符合用户的要求。随着空调的使用时间的增加,数据库中的数据可能会越来越多,这会影响系统的响应速度和精度,这时CMAC神经网络的优势会得到充分的体现。因为CMAC神经网络在运行的过程中并不会利用数据库中的全部数据,而是合理的选择与当前输入接近的数据进行激活来得到输出值。
这里,介绍下CMAC(Cerebellar Model Arithmetic Computer)神经网络。其是仿照小脑控制肢体运动的原理而建立的神经网络模型,本质上是一种神经计算模型、人工神经系统或人工神经网络,又称小脑神经网络,它的工作原理为:在输入空间给出一个状态,从存储单元中找到对应于该状态的地址,将这些存储单元的内容求和到CMAC神经网络的输出,将此响应值与输出的期望值进行比较,并根据学习算法来修改这些激活的存储单元的内容。也就是说,CMAC神经网络会在输入和输出之间建立适当的映射关系,并根据学习到的数据不断调整该映射关系。CMAC神经网络作为一种具有联想功能的神经网络,具有很强的局部推广能力,相似的输入则产生相似的输出,反之则产生独立的输出,且收敛速度比BP神经网络等快得多,且不存在局部极小问题。
本发明实施例还公开了一种智能空调控制系统。图2是本发明实施例的智能空调控制系统的框图。如图2所示,本发明的智能空调控制系统包括:数据采集单元,用于采集舒适度数据实际值;最优值获取单元,用于根据舒适度数据历史值和实际值得到舒适度最优值;分析单元,用于根据所述最优值与实际值的偏差生成控制信号;控制单元,用于根据所述控制信号控制空调设备。
图3是本发明实施例的智能空调控制系统的一个实例的结构图。如图3所示,在该例子中,数据采集单元可以包括环境特征数据传感器1和人体特征数据输入器2,环境特征数据传感器1可以为空气温度传感器、湿度传感器、空气流速传感器和平均辐射温度传感器中的任一种或多种,人体特征数据输入器2可以为常规设备,其可采集人工输入的人体的活动量和/或衣着量。最优值获取单元由CMAC预测器4实现,CMAC预测器4根据数据库3中的舒适度数据历史值以及采集到的实际值得到舒适度最优值。分析单元由比较器5实现。控制单元由CMAC控制器6实现。图中还示出了数据库3,其中存储着空调运行过程中形成的舒适度数据历史值。
在本发明中,CMAC预测器4是利用CMAC神经网络的高度的自学习与映射能力来实现舒适度最优值的智能预测。在获得舒适度最优值后,CMAC预测器4将舒适度最优值发送至比较器5,比较器5将根据舒适度最优值与实际值的偏差给定控制信号,并将控制信号输入至CMAC控制器6,CMAC控制器6实现对空调设备7各环节的控制,从而实现室内环境的自动调节。
当然,以上是本发明的优选实施方式。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明基本原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (14)
1.一种智能空调控制方法,其特征在于,包括:
采集舒适度数据实际值;
根据舒适度数据历史值和实际值得到舒适度最优值;
根据所述最优值与实际值的偏差生成控制信号;
根据所述控制信号控制空调设备。
2.根据权利要求1所述的智能空调控制方法,其特征在于,所述舒适度数据包括以下中的至少一个:空气温度、湿度、空气流速和平均辐射温度。
3.根据权利要求2所述的智能空调控制方法,其特征在于,所述舒适度数据还包括人体的活动量和/或衣着量。
4.根据权利要求1所述的智能空调控制方法,其特征在于,所述根据舒适度数据历史值和实际值得到舒适度最优值是通过CMAC预测器得到的。
5.根据权利要求1所述的智能空调控制方法,其特征在于,所述根据所述最优值与实际值的偏差生成控制信号是通过比较器生成的。
6.根据权利要求1所述的智能空调控制方法,其特征在于,所述根据所述控制信号控制空调设备是通过CMAC控制器控制的。
7.根据权利要求1所述的智能空调控制方法,其特征在于,所述舒适度数据历史值为存储在数据库中的人工控制模式下用户设定的舒适度数据。
8.一种智能空调控制系统,其特征在于,包括:
数据采集单元,用于采集舒适度数据实际值;
最优值获取单元,用于根据舒适度数据历史值和实际值得到舒适度最优值;
分析单元,用于根据所述最优值与实际值的偏差生成控制信号;
控制单元,用于根据所述控制信号控制空调设备。
9.根据权利要求8所述的智能空调控制系统,其特征在于,所述舒适度数据包括以下中的至少一个:空气温度、湿度、空气流速和平均辐射温度。
10.根据权利要求9所述的智能空调控制系统,其特征在于,所述舒适度数据还包括人体的活动量和/或衣着量。
11.根据权利要求8所述的智能空调控制系统,其特征在于,所述最优值获取单元是CMAC预测器。
12.根据权利要求8所述的智能空调控制系统,其特征在于,所述分析单元是比较器。
13.根据权利要求8所述的智能空调控制系统,其特征在于,所述控制单元是CMAC控制器。
14.根据权利要求8所述的智能空调控制系统,其特征在于,所述舒适度数据历史值为存储在数据库中的人工控制模式下用户设定的舒适度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410277389.4A CN104075402A (zh) | 2014-06-19 | 2014-06-19 | 智能空调控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410277389.4A CN104075402A (zh) | 2014-06-19 | 2014-06-19 | 智能空调控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104075402A true CN104075402A (zh) | 2014-10-01 |
Family
ID=51596850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410277389.4A Pending CN104075402A (zh) | 2014-06-19 | 2014-06-19 | 智能空调控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104075402A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833063A (zh) * | 2015-06-04 | 2015-08-12 | 安徽建筑大学 | 一种空调控制方法及系统 |
CN105589742A (zh) * | 2014-11-12 | 2016-05-18 | 中国移动通信集团公司 | 一种信息处理方法和电子设备 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN106403207A (zh) * | 2016-10-24 | 2017-02-15 | 珠海格力电器股份有限公司 | 用于暖通空调系统的基于负荷预测的控制系统和控制方法 |
CN106885343A (zh) * | 2017-03-28 | 2017-06-23 | 新奥科技发展有限公司 | 一种空调控制方法 |
CN107314501A (zh) * | 2017-06-07 | 2017-11-03 | 美的集团股份有限公司 | 温度调节设备及其控制方法、系统和穿戴式设备 |
CN107735738A (zh) * | 2015-06-12 | 2018-02-23 | 三星电子株式会社 | 用于控制室内设备的方法和装置 |
CN107883535A (zh) * | 2017-10-24 | 2018-04-06 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
CN108981072A (zh) * | 2018-07-31 | 2018-12-11 | 珠海格力电器股份有限公司 | 环境舒适度推送方法 |
CN109269027A (zh) * | 2018-06-20 | 2019-01-25 | 广东海悟科技有限公司 | 一种自动寻优的空调制冷控制方法、系统及装置 |
CN110057045A (zh) * | 2019-03-20 | 2019-07-26 | 青岛海尔空调器有限总公司 | 用于空调器的控制方法 |
CN111486554A (zh) * | 2020-04-21 | 2020-08-04 | 同济人工智能研究院(苏州)有限公司 | 一种基于在线学习的空调温度无感化控制方法 |
CN112577165A (zh) * | 2019-09-30 | 2021-03-30 | 广东美的制冷设备有限公司 | 空调器的控制方法、控制装置及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05322284A (ja) * | 1992-05-21 | 1993-12-07 | Daikin Ind Ltd | 空気調和における快適度算出装置 |
CN2215091Y (zh) * | 1994-07-16 | 1995-12-13 | 清华大学 | 基于神经网络与模糊逻辑的智能空调控制器 |
CN1595323A (zh) * | 2004-06-18 | 2005-03-16 | 山东建筑工程学院 | 智能型热量计量与温度调节一体化装置 |
CN101140450A (zh) * | 2006-09-08 | 2008-03-12 | 香港中文大学精密工程研究所 | 节能型热舒适控制器及控制方法 |
CN102563808A (zh) * | 2012-01-11 | 2012-07-11 | 华南理工大学 | 一种室内环境舒适度的自动控制方法 |
-
2014
- 2014-06-19 CN CN201410277389.4A patent/CN104075402A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05322284A (ja) * | 1992-05-21 | 1993-12-07 | Daikin Ind Ltd | 空気調和における快適度算出装置 |
CN2215091Y (zh) * | 1994-07-16 | 1995-12-13 | 清华大学 | 基于神经网络与模糊逻辑的智能空调控制器 |
CN1595323A (zh) * | 2004-06-18 | 2005-03-16 | 山东建筑工程学院 | 智能型热量计量与温度调节一体化装置 |
CN101140450A (zh) * | 2006-09-08 | 2008-03-12 | 香港中文大学精密工程研究所 | 节能型热舒适控制器及控制方法 |
CN102563808A (zh) * | 2012-01-11 | 2012-07-11 | 华南理工大学 | 一种室内环境舒适度的自动控制方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105589742A (zh) * | 2014-11-12 | 2016-05-18 | 中国移动通信集团公司 | 一种信息处理方法和电子设备 |
CN105589742B (zh) * | 2014-11-12 | 2019-03-26 | 中国移动通信集团公司 | 一种信息处理方法和电子设备 |
CN104833063B (zh) * | 2015-06-04 | 2017-12-01 | 安徽建筑大学 | 一种空调控制方法及系统 |
CN104833063A (zh) * | 2015-06-04 | 2015-08-12 | 安徽建筑大学 | 一种空调控制方法及系统 |
CN107735738A (zh) * | 2015-06-12 | 2018-02-23 | 三星电子株式会社 | 用于控制室内设备的方法和装置 |
CN106338127B (zh) * | 2016-09-20 | 2018-06-22 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN106338127A (zh) * | 2016-09-20 | 2017-01-18 | 珠海格力电器股份有限公司 | 用于地铁暖通空调系统的负荷预测和控制系统及其方法 |
CN106403207A (zh) * | 2016-10-24 | 2017-02-15 | 珠海格力电器股份有限公司 | 用于暖通空调系统的基于负荷预测的控制系统和控制方法 |
CN106885343A (zh) * | 2017-03-28 | 2017-06-23 | 新奥科技发展有限公司 | 一种空调控制方法 |
CN107314501A (zh) * | 2017-06-07 | 2017-11-03 | 美的集团股份有限公司 | 温度调节设备及其控制方法、系统和穿戴式设备 |
CN107314501B (zh) * | 2017-06-07 | 2019-10-29 | 美的集团股份有限公司 | 温度调节设备及其控制方法、系统和穿戴式设备 |
CN107883535A (zh) * | 2017-10-24 | 2018-04-06 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
CN109269027A (zh) * | 2018-06-20 | 2019-01-25 | 广东海悟科技有限公司 | 一种自动寻优的空调制冷控制方法、系统及装置 |
CN109269027B (zh) * | 2018-06-20 | 2023-04-07 | 广东海悟科技有限公司 | 一种自动寻优的空调制冷控制方法、系统及装置 |
CN108981072A (zh) * | 2018-07-31 | 2018-12-11 | 珠海格力电器股份有限公司 | 环境舒适度推送方法 |
CN108981072B (zh) * | 2018-07-31 | 2023-10-03 | 珠海格力电器股份有限公司 | 环境舒适度推送方法 |
CN110057045B (zh) * | 2019-03-20 | 2021-10-29 | 青岛海尔空调器有限总公司 | 用于空调器的控制方法 |
CN110057045A (zh) * | 2019-03-20 | 2019-07-26 | 青岛海尔空调器有限总公司 | 用于空调器的控制方法 |
CN112577165A (zh) * | 2019-09-30 | 2021-03-30 | 广东美的制冷设备有限公司 | 空调器的控制方法、控制装置及可读存储介质 |
CN112577165B (zh) * | 2019-09-30 | 2023-05-26 | 广东美的制冷设备有限公司 | 空调器的控制方法、控制装置及可读存储介质 |
CN111486554A (zh) * | 2020-04-21 | 2020-08-04 | 同济人工智能研究院(苏州)有限公司 | 一种基于在线学习的空调温度无感化控制方法 |
CN111486554B (zh) * | 2020-04-21 | 2022-05-24 | 同济人工智能研究院(苏州)有限公司 | 一种基于在线学习的空调温度无感化控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104075402A (zh) | 智能空调控制方法和系统 | |
KR102553299B1 (ko) | 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법 | |
CN107223195B (zh) | 用于hvac系统的可变风量建模 | |
CN104374053A (zh) | 一种智能控制方法、装置及系统 | |
US20200334574A1 (en) | Machine learning device, machine learning method, and storage medium | |
EP3025099B1 (en) | Control device and method for buildings | |
Mustafaraj et al. | Prediction of room temperature and relative humidity by autoregressive linear and nonlinear neural network models for an open office | |
CN106842914B (zh) | 一种温度控制节能处理方法、装置及系统 | |
JP7279445B2 (ja) | 予測方法、予測プログラムおよび情報処理装置 | |
CN106233321A (zh) | 用于优化电力消耗的智能系统的操作方法和装置 | |
KR102267180B1 (ko) | 공조시스템 및 그 제어 방법 | |
CN103398451A (zh) | 基于学习用户行为的多维舒适度室内环境控制方法及系统 | |
CN102563808A (zh) | 一种室内环境舒适度的自动控制方法 | |
CN107314506B (zh) | 空气调节器及其运行控制调节方法以及系统 | |
CN103282841A (zh) | 建筑自动化系统 | |
JP7231403B2 (ja) | 空調制御システム及び方法 | |
CN109028480A (zh) | 一种恒温恒湿控制系统及其方法 | |
CN109140660A (zh) | 用于空调的智能控温装置方法及装置、空调、存储介质 | |
CN108615097A (zh) | 一种风速预测方法、系统、设备及计算机可读存储介质 | |
CN109839889A (zh) | 设备推荐系统及方法 | |
Tan et al. | Support vector machine algorithm for artificial intelligence optimization | |
CN114838470A (zh) | 一种暖通空调的控制方法和系统 | |
JP7389369B2 (ja) | 移動体制御システム | |
CN113821903A (zh) | 温度控制方法和设备、模块化数据中心及存储介质 | |
KR101959886B1 (ko) | 온실의 구동기의 파라미터를 결정하는 서버 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141001 |