CN104110765A - 一种空调预控制方法及空调 - Google Patents

一种空调预控制方法及空调 Download PDF

Info

Publication number
CN104110765A
CN104110765A CN201310208086.2A CN201310208086A CN104110765A CN 104110765 A CN104110765 A CN 104110765A CN 201310208086 A CN201310208086 A CN 201310208086A CN 104110765 A CN104110765 A CN 104110765A
Authority
CN
China
Prior art keywords
air
temperature
conditioning
maximum probability
subspace
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.)
Granted
Application number
CN201310208086.2A
Other languages
English (en)
Other versions
CN104110765B (zh
Inventor
岳宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Midea Group Co Ltd
GD Midea Air Conditioning Equipment Co Ltd
Original Assignee
Midea Group Co Ltd
Guangdong Midea Refrigeration Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Midea Group Co Ltd, Guangdong Midea Refrigeration Equipment Co Ltd filed Critical Midea Group Co Ltd
Priority to CN201310208086.2A priority Critical patent/CN104110765B/zh
Publication of CN104110765A publication Critical patent/CN104110765A/zh
Application granted granted Critical
Publication of CN104110765B publication Critical patent/CN104110765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明适用于空调技术领域,提供一种空调预控制方法及一种空调,所述方法包括:在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息;统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置;将空调风口调整到下一时刻点的最大概率位置。本发明以概率统计方法预估用户的位置,进行预先风口控制,当用户在下一时刻点移动到最大概率位置时,可以使得用户不会明显感觉到温度和风量的差异,从而提高用户使用空调的舒适度。

Description

一种空调预控制方法及空调
技术领域
本发明属于空调技术领域,尤其涉及一种空调预控制方法及空调。
背景技术
为了提升用户使用空调的舒适度,目前在家用空调上出现了可以检测使用者所在位置和温度的传感器,可以实现对着用户的位置进行温度和风量控制。但是在实际使用的过程中,用户所在位置可能会随时变动,当从一个区域变动到另外一个区域时,虽然现有技术可以控制空调风口跟向用户所在位置,但是需要等待一定的时间才能够使得让该区域的温度和风量达到所需要的状态,在此期间用户会感受到温度和风量的差异,这样将会降低使用者的舒适感。
发明内容
鉴于上述问题,本发明的目的在于提供一种空调预控制方法及空调,旨在解决在现有空调下,用户移动位置时明显感觉到温度和风量的差异、用户使用空调舒适度不佳的技术问题。
一方面,所述空调预控制方法包括下述步骤:
在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息;
统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置;
将空调风口调整到下一时刻点的最大概率位置。
另一方面,所述空调包括空调主体,所述空调主体上设有风口,所述空调主体上设有检测控制装置,所述检测控制装置包括:
数据记录模块,用于在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息;
数据统计模块,用于统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置;
空调预控制模块,用于将空调风口调整到下一时刻点的最大概率位置。
本发明的有益效果是:本发明以概率统计方法预估下一时刻点用户的位置,预先进行风向控制,具体地,统计每个时刻点下,用户在室内各个子空间的位置的出现概率,预先判断下一时刻点的最大概率位置,然后预先调整风口方向至所述最大概率位置,由于在下一时刻点用户有很大概率移动到所述最大概率位置,当用户移动到所述最大概率位置时,由于空调预先将风口调整到所述最大概率位置,因此用户不会明显感觉到温度和风量的差异,提高用户使用空调的舒适度。
附图说明
图1是本发明实施例提供的空调预控制方法的一种流程图;
图2是本发明实施例提供的空调使用场景图;
图3是本发明实施例提供的空调预控制方法的另一种流程图;
图4是本发明实施例提供的检测控制装置的结构方框图;
图5是本发明实施例提供的空调预控制模块的结构方框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
空调在实际的使用过程中,用户每天在室内的位置和温度一般都有规律可循的,比如每天23:00点在床上休息,每天19:00在餐桌用餐,每天20:00在电脑旁娱乐,每天8:00-18:00房间内无人等。通过对这些规律的统计,可以对用户在某一时刻点出现在某一位置进行预判,而且也可以统计在各个时刻点下室内每个位置处的温度分布情况,本发明根据此原理对用户在下一时刻点的位置和温度进行预判,预先调整空调风口方向,同时相应控制出风温度和风量,使得用户不会因为位置改变而感觉到不舒适。为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
图1示出了本发明第一实施例提供的空调预控制方法的流程,为了便于说明仅示出了与本发明实施例相关的部分。
步骤S101、在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息。
图2示出一种空调使用场景图,本实施例中,将室内空间划分为多个网格字空间,比如图2中所示的子空间a、子空间i等等,考虑到用户作息规律一般是按照天为单位,优选的,本实施例以24小时为一记录周期,这样可以较好的统计到用户的作息规律,提升概率预测准确性。
本实施例中空调可以检测室内各个子空间的位置,以及检测用户具体在哪个子空间内,在具体实现时,可以通过雷达测距或者两点定位方法定位各个子空间,检测用户当前所属具体的子空间可以根据各个子空间的温度变化情况进行判断,或者在用户身上佩戴具有和空调通讯功能的指示定位装置实现,或者在用户身上佩戴具有和空调通讯功能的指示定位装置实现,所述指示定位装置向空调发送用户当前所在的位置信息,这样空调就可以知晓用户当前所在的具体位置。
本实施例将一个记录周期分成多个时刻点,所述相邻时刻点的时间间隔需要根据空调选择一个合适值,时间间隔设置过小将会导致空调频繁切换送风方向,本实施例中,优选的,所述时间间隔设置为10分钟,每天当中从0点开始,每隔10分钟作为一个时刻点,比如0:00为时刻点1,0点10分为时间点2,……,23点40分为时间点143,23点50分为时间点144。记录在每个时刻点下用户当前所在的子空间的位置信息,即记录在每个时间点下,用户出现在哪个子空间。
步骤S102、统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置。
本步骤需要统计在一个统计周期下(包括若干记录周期),在每个时刻点下,用户在各个子空间的出现概率,由于在步骤S101中,已经记录了在每个记录周期下、在每个时刻点下的用户所在的子空间的位置信息,因此本步骤中很容易就可以统计出在每个时刻点下,用户在各个子空间的出现概率,假设在一个统计周期下,在时刻点t时,用户在子空间i出现了Ni次,室内分成M个子空间,那么用户在时刻点t、在子空间i的出现概率然后选择所述出现概率最大的子空间作为最大概率位置,因此每一个时刻点都可以得到一个最大概率位置。
步骤S103、将空调风口调整到下一时刻点的最大概率位置。
在步骤S102中,针对每个时刻点,都可以得到一个最大概率位置,本步骤中,假设当前时刻点为t,用户在子空间a内,那么经过步骤S102的统计计算后,可以知晓下一时刻点t+1的最大概率位置,假设为子空间a',优选的,在所述下一个时刻点到来之前,比如提前3分钟,将空调风口调整到下一时刻点的最大概率位置,即子空间a'。
本实施例通过预估下一时刻点用户最可能出现的位置(即最大概率位置),然后预先将风口调整到所述最大概率位置,当用户移动到所述最大概率位置时,不会因为温度风量突然改变而引起不适感。
实施例二:
图3示出了本发明第二实施例提供的空调预控制方法的流程,具体包括:
步骤S301、在一记录周期中,记录在每个时刻点下室内各个子空间的温度数据,以及在每个时刻点下用户所在子空间的位置信息。
本步骤在步骤S101的基础之上,还需要在记录在每个时刻点下室内各个子空间的温度数据。本实施例中空调不仅可以检测室内各个子空间的位置,还可以检测各个子空间的温度,在具体实现时,可以通过设置红外传感器实现温度检测。
步骤S302、统计在最近的若干个记录周期中,在每个时刻点下各个子空间的温度分布,以及用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置,选择在所述温度分布中出现概率最高的温度范围所对应的温度作为最大概率温度。
本步骤在步骤S102基础之上,还需统计各个子空间的温度分布情况,具体的,本实施例将若干个记录周期设为一个统计周期,所述统计周期需要考虑到季节和气候变化情况,最大以60天为一统计周期,假设当前时刻点为t,空调检测到子空间i的温度为Tt(i)并记录,下面统计在一个月内(即30个记录周期,一个记录周期为1天),在每个时刻点t下,子空间i的温度分布,例如,已经记录了30天、在时刻点t下的温度数据Tt(i),如下表:
表1
日期 Tt(i) 日期 Tt(i) 日期 Tt(i)
day1 31.3 day11 29.6 day21 30.1
day2 31 day12 29.8 day22 29.4
day3 28.5 day13 30.5 day23 26.9
day4 32.9 day14 29.6 day24 28.8
day5 28.6 day15 30 day25 30.4
day6 29.3 day16 30.8 day26 28.8
day7 28.9 day17 31.2 day27 32.4
day8 30.9 day18 28.1 day28 29.7
day9 31.2 day19 30.3 day29 30.4
day10 29.1 day20 27.3 day30 30
统计上表的温度分布情况,具体如下表:
表2
温度范围 出现次数 出现概率
26.5≤Tt(i)<27.5 2 7%
27.5≤Tt(i)<28.5 1 3%
28.5≤Tt(i)<29.5 8 27%
29.5≤Tt(i)<30.5 10 33%
30.5≤Tt(i)<31.5 6 20%
31.5≤Tt(i)<32.5 2 7%
32.5≤Tt(i)<33.5 1 3%
所述温度范围根据具体的季节和气候选取,比如在夏天,可以选出如表2所示的温度范围作为统计标准,从表2中,可以看出,在一个月中的每天的时刻点t下,在29.5≤Tt(i)<30.5的范围内,子空间i的温度出现的概率最大,因此将29.5~30.5℃的温度范围所对应的温度作为子空间i的最大概率温度,比如可以将29.5~30.5℃的温度范围的中间值30℃作为子空间i的最大概率温度,也可以将在29.5~30.5℃的温度范围的10次温度的平均值作为最大概率温度。因此经过本步骤统计,可以知晓每一时刻点的最大概率位置,以及每一时刻点各个子空间的最大概率温度。
步骤S303,将空调风口调整到下一时刻点的最大概率位置,并根据当前时刻点用户所在子空间的温度与下一时刻点的最大概率位置的最大概率温度的关系以及空调运行模式,相应调整空调出风温度和风量。
步骤S103中,在得到下一时刻点的最大概率位置后,将风口调整到所述最大概率位置,本步骤中,进一步的,获取到下一时刻点的最大概率位置的最大概率温度,根据所述当前时刻点用户所在子空间的温度与所述最大概率温度的关系以及空调当前的运行模式,进一步调整空调出风温度和风量。
本实施例中,针对每个时刻点,都可以得到一个最大概率位置,而且每个子空间都有一个最大概率温度,本步骤中,假设当前时刻点为t,用户在子空间a内,那么经过步骤S302的统计计算后,可以知晓下一时刻点t+1的最大概率位置,假设为子空间a',而且所述最大概率位置具有一个最大概率温度,因此本步骤中,优选的,在所述下一个时刻点到来之前,比如提前3分钟,将空调风口调整到下一时刻点的最大概率位置,即子空间a',然后根据用户当前时刻点t所在子空间的温度与下一时刻点t+1的最大概率位置对应的最大概率温度的关系以及空调运行模式,相应调整空调出风温度和风量,因为根据概率统计,用户很可能在时刻点t+1移动到子空间a',这样预先将空调风口2调整到子空间a'进行出风温度和风量控制,将出风温度和风量调整到合适状态,这样当用户移动到子空间a'后,不会因为出风温度和风量差异较大而出现不适现象。
本实施例在实施例一的基础上,不仅要预估下一时刻用户最可能出现的位置(即最大概率位置),还需要预估在所述最大概率位置处最可能的出现的温度(即最大概率温度),因为在不同的时刻点,用户所需的最适宜出风温度和风量是不同的,这样更具预估的最大概率温度,对应调整空调出风温度和风量,可以进一步提供空调使用舒适度。
作为一种具体优选实现方式,所述步骤S303具体包括:
将空调风口调整到下一时刻点的最大概率位置,获取当前时刻点用户所在子空间的温度、下一时刻点用户的最大概率位置的最大概率温度,计算所述最大概率温度与当前时刻点用户所在子空间的温度的温度差值;
当空调的运行模式为制冷模式时,若所述温度差值大于预设温度判断范围上限,则增大空调输出和增大风量,若所述温度差值小于预设温度判断范围的下限,则减小空调输出和减小风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变;
当空调的运行模式为制热模式时,若所述温度差值大于预设温度判断范围上限,则减小空调输出和减小风量,若所述温度差值小于预设温度范围的下限,则增大空调输出和增大风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变。
本优选方式中,假设当前时刻点为t,用户所在子空间a的温度为Tt(a),下一时刻点用户的最大概率位置为a',对应的最大概率温度为T(t+1)(a'),计算T(t+1)(a')-Tt(a)的值,假设预设温度判断范围为-1~1℃,
在制冷模式下:
若T(t+1)(a')-Tt(a)>1℃,则增大空调输出,增大风量;
若-1℃≤T(t+1)(a')-Tt(a)≤1℃,则保持现有输出不变,风量不变;
若T(t+1)(a')-Tt(a)<-1℃,则减小空调输出,减小风量。
在制热模式下:
若T(t+1)(a')-T(a)>1℃,减小空调输出,减小风量;
若-1℃≤T(t+1)(a')-T(a)≤1℃,保持现有输出不变,风量不变;
若T(t+1)(a')-T(a)<-1℃,增大空调输出,增大风量。
所述将空调风口调整到所述最大概率位置通过调整空调的上下导风板和左右摆叶实现,增大空调输出和减小空调输出可以通过调整压缩机频率实现。
进一步作为优选实施方式,所述空调风口具有两个送风区域,所述将空调风口调整到所述最大概率位置时,其中一送风区域覆盖所述最大概率位置,另一送风区域始终覆盖用户所在子空间,这样就可以避免将风口调整到下一时刻点的最大概率位置时,由于用户吹不到空调而感到不适的问题。具体实现时,可以在风口中设置两组独立的上下导风板和左右摆页,或者直接在空调上设置两个风口,每个风口负责覆盖一个区域。
当然,在实际情况下,比如用户出现位置或温度变化无规律,无法获取到下一时刻点用户的最大概率位置或者最大概率温度,或者所述最大概率温度与当前时刻点用户所在子空间的温度相同,或者空调初始运行无积累数据时,此时优选的,不对风口进行控制,保持空调风口方向不变,始终在用户所在子空间的范围内调整出风温度和风量。
当然用户也可以通过遥控器或者空调面板上的相应按钮触发控制开启本控制功能或关闭本控制功能,使得空调可以适用于更多人群。
实施例三:
参照图2和图4,本发明实施例提供了一种空调,所述空调包括空调主体1,所述空调主体1上设置有风口2,所述空调主体1上还设有检测控制装置3,所述检测控制装置3包括:
数据记录模块31,用于在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息;
数据统计模块32,用于统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置;
空调预控制模块33,用于将空调风口调整到下一时刻点的最大概率位置。
所述数据记录模块31、数据统计模块32和空调预控制模块33对应实现了上述步骤S101-S103,所述子空间的位置信息是由相应传感器采集得到,然后所述传感器将数据发送到所述数据记录模块31,然后数据统计模块32统计各个时刻点的最大概率位置,然后空调预控制模块33将风口调整到所述最大概率位置。
优选的,所述数据记录模块31,还用于在一记录周期中,记录在每个时刻点下室内各个子空间的温度数据;
所述数据统计模块32,还用于统计在最近的若干个记录周期中,在每个时刻点下各个子空间的温度分布,选择在所述温度分布中出现概率最高的温度范围所对应的温度作为最大概率温度;
所述空调预控制模块33,还用于根据当前时刻点用户所在子空间的温度与下一时刻点的最大概率位置的最大概率温度的关系以及空调运行模式,相应调整空调出风温度和风量。
本优选方式中,数据记录模块31除了记录子空间的位置信息外,还需记录每个时刻点下室内各个子空间的温度数据,数据统计模块32统计出每个时刻点下各个子空间的温度分布以及用户在各个子空间的出现概率,空调预控制模块33将风口调整到最大概率位置后,进一步根据预估的最大概率温度调整空调出风温度和风量。
作为一种具体实现方式,参照图5,所述空调预控制模块33包括:
数据获取单元331,用于获取当前时刻点用户所在子空间的温度、下一时刻点用户的最大概率位置的最大概率温度,计算所述最大概率温度与当前时刻点用户所在子空间的温度的温度差值;
第一控制单元332,用于当空调的运行模式为制冷模式时,若所述温度差值大于预设温度判断范围上限,则增大空调输出和增大风量,若所述温度差值小于预设温度判断范围的下限,则减小空调输出和减小风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变;
第二控制单元333,用于当空调的运行模式为制热模式时,若所述温度差值大于预设温度判断范围上限,则减小空调输出和减小风量,若所述温度差值小于预设温度范围的下限,则增大空调输出和增大风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变。
这里公开了空调预控制模块的一种具体的结构,实现了一种具体的风口。出风温度、风量的控制方案。
进一步的,所述检测控制装置3包括:
开关控制模块30,用于在接收到开启指令或关闭指令时,对应开启或关闭所述检测控制装置。通过所述开关控制模块用户可以选择实现是否开启所述检测控制装置3,这样可以满足更多的使用人群。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,尽管参照前述实施例对本发明进行了较详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改、或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种空调预控制方法,其特征在于,所述方法包括:
在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息;
统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置;
将空调风口调整到下一时刻点的最大概率位置。
2.如权利要求1所述方法,其特征在于,所述方法还包括:
在一记录周期中,记录在每个时刻点下室内各个子空间的温度数据;
统计在最近的若干个记录周期中,在每个时刻点下各个子空间的温度分布,选择在所述温度分布中出现概率最高的温度范围所对应的温度作为最大概率温度;
将空调风口调整到下一时刻点的最大概率位置后,根据当前时刻点用户所在子空间的温度与下一时刻点的最大概率位置的最大概率温度的关系以及空调运行模式,相应调整空调出风温度和风量。
3.如权利要求2所述方法,其特征在于,所述根据当前时刻点用户所在子空间的温度与下一时刻点的最大概率位置的最大概率温度的关系以及空调运行模式,相应调整空调出风温度和风量步骤,具体包括:
获取当前时刻点用户所在子空间的温度、下一时刻点用户的最大概率位置的最大概率温度,计算所述最大概率温度与当前时刻点用户所在子空间的温度的温度差值;
当空调的运行模式为制冷模式时,若所述温度差值大于预设温度判断范围上限,则增大空调输出和增大风量,若所述温度差值小于预设温度判断范围的下限,则减小空调输出和减小风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变;
当空调的运行模式为制热模式时,若所述温度差值大于预设温度判断范围上限,则减小空调输出和减小风量,若所述温度差值小于预设温度范围的下限,则增大空调输出和增大风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变。
4.如权利要求1-3任一项所述方法,其特征在于,在下一时刻点到来之前将空调风口调整到所述最大概率位置。
5.如权利要求4所述方法,其特征在于,所述空调风口具有两个送风区域,所述将空调风口调整到所述最大概率位置时,其中一送风区域覆盖所述最大概率位置,另一送风区域始终覆盖用户所在子空间。
6.如权利要求5任一项所述方法,其特征在于,当无法获取到下一时刻点用户的最大概率位置或者所述最大概率位置对应的最大概率温度时,或者所述最大概率温度与当前时刻点用户所在子空间的温度相同时,保持空调风口方向不变。
7.一种空调,所述空调包括空调主体,所述空调主体上设有风口,其特征在于,所述空调主体上设有检测控制装置,所述检测控制装置包括:
数据记录模块,用于在一记录周期中,记录在每个时刻点下用户所在子空间的位置信息;
数据统计模块,用于统计在最近的若干个记录周期中,在每个时刻点下用户在各个子空间的出现概率,选择所述出现概率最大的子空间作为最大概率位置;
空调预控制模块,用于将空调风口调整到下一时刻点的最大概率位置。
8.如权利要求7所述空调,其特征在于,
所述数据记录模块,还用于在一记录周期中,记录在每个时刻点下室内各个子空间的温度数据;
所述数据统计模块,还用于统计在最近的若干个记录周期中,在每个时刻点下各个子空间的温度分布,选择在所述温度分布中出现概率最高的温度范围所对应的温度作为最大概率温度;
所述空调预控制模块,还用于根据当前时刻点用户所在子空间的温度与下一时刻点的最大概率位置的最大概率温度的关系以及空调运行模式,相应调整空调出风温度和风量。
9.如权利要求8所述空调,其特征在于,所述空调预控制模块包括:
数据获取单元,用于获取当前时刻点用户所在子空间的温度、下一时刻点用户的最大概率位置的最大概率温度,计算所述最大概率温度与当前时刻点用户所在子空间的温度的温度差值;
第一控制单元,用于当空调的运行模式为制冷模式时,若所述温度差值大于预设温度判断范围上限,则增大空调输出和增大风量,若所述温度差值小于预设温度判断范围的下限,则减小空调输出和减小风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变;
第二控制单元,用于当空调的运行模式为制热模式时,若所述温度差值大于预设温度判断范围上限,则减小空调输出和减小风量,若所述温度差值小于预设温度范围的下限,则增大空调输出和增大风量,若所述温度差值在所述预设温度判断范围之内,则保持空调现有输出不变和风量不变。
10.如权利要求8或9所述空调,其特征在于,所述检测控制装置包括:
开关控制模块,用于在接收到开启指令或关闭指令时,对应开启或关闭所述检测控制装置。
CN201310208086.2A 2013-05-29 2013-05-29 一种空调预控制方法及空调 Active CN104110765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310208086.2A CN104110765B (zh) 2013-05-29 2013-05-29 一种空调预控制方法及空调

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310208086.2A CN104110765B (zh) 2013-05-29 2013-05-29 一种空调预控制方法及空调

Publications (2)

Publication Number Publication Date
CN104110765A true CN104110765A (zh) 2014-10-22
CN104110765B CN104110765B (zh) 2017-06-16

Family

ID=51707665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310208086.2A Active CN104110765B (zh) 2013-05-29 2013-05-29 一种空调预控制方法及空调

Country Status (1)

Country Link
CN (1) CN104110765B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719392A (zh) * 2016-01-15 2016-06-29 浙江大学 基于神经网络的可预测自学习的智能售货机
CN106568169A (zh) * 2016-10-31 2017-04-19 广州华凌制冷设备有限公司 一种智能空调器温度控制方法、系统及智能空调
CN108458454A (zh) * 2018-03-30 2018-08-28 广东美的制冷设备有限公司 空调器及其的控制方法和计算机可读存储介质
CN108534308A (zh) * 2018-04-17 2018-09-14 广州建翎电子技术有限公司 一种基于大数据的空调出风口调节方法
CN109974242A (zh) * 2019-04-10 2019-07-05 山东建筑大学 基于热成像的空调系统智能调温方法与系统
CN110578999A (zh) * 2019-07-12 2019-12-17 广东美的制冷设备有限公司 空调器及其控制方法、装置和计算机可读存储介质
CN110645630A (zh) * 2019-10-10 2020-01-03 吉林工程技术师范学院 一种供暖的方法及装置
CN114397826A (zh) * 2022-01-13 2022-04-26 魏育华 一种智能家居控制方法、系统和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02183752A (ja) * 1989-01-05 1990-07-18 Daikin Ind Ltd 空気調和機用赤外線検出装置
JPH0658597A (ja) * 1992-08-12 1994-03-01 Toshiba Corp 空気調和装置
JPH07332731A (ja) * 1994-06-06 1995-12-22 Matsushita Seiko Co Ltd 空調制御装置
CN101048624A (zh) * 2004-10-06 2007-10-03 L·凯茨 用于分区供暖和冷却的系统和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02183752A (ja) * 1989-01-05 1990-07-18 Daikin Ind Ltd 空気調和機用赤外線検出装置
JPH0658597A (ja) * 1992-08-12 1994-03-01 Toshiba Corp 空気調和装置
JPH07332731A (ja) * 1994-06-06 1995-12-22 Matsushita Seiko Co Ltd 空調制御装置
CN101048624A (zh) * 2004-10-06 2007-10-03 L·凯茨 用于分区供暖和冷却的系统和方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719392A (zh) * 2016-01-15 2016-06-29 浙江大学 基于神经网络的可预测自学习的智能售货机
CN106568169A (zh) * 2016-10-31 2017-04-19 广州华凌制冷设备有限公司 一种智能空调器温度控制方法、系统及智能空调
CN106568169B (zh) * 2016-10-31 2019-05-17 广州华凌制冷设备有限公司 一种智能空调器温度控制方法、系统及智能空调
CN108458454A (zh) * 2018-03-30 2018-08-28 广东美的制冷设备有限公司 空调器及其的控制方法和计算机可读存储介质
CN108534308A (zh) * 2018-04-17 2018-09-14 广州建翎电子技术有限公司 一种基于大数据的空调出风口调节方法
CN108534308B (zh) * 2018-04-17 2019-09-06 广东德尔智慧工厂科技有限公司 一种基于大数据的空调出风口调节方法
CN109974242A (zh) * 2019-04-10 2019-07-05 山东建筑大学 基于热成像的空调系统智能调温方法与系统
CN110578999A (zh) * 2019-07-12 2019-12-17 广东美的制冷设备有限公司 空调器及其控制方法、装置和计算机可读存储介质
CN110578999B (zh) * 2019-07-12 2021-09-10 广东美的制冷设备有限公司 空调器及其控制方法、装置和计算机可读存储介质
CN110645630A (zh) * 2019-10-10 2020-01-03 吉林工程技术师范学院 一种供暖的方法及装置
CN114397826A (zh) * 2022-01-13 2022-04-26 魏育华 一种智能家居控制方法、系统和装置

Also Published As

Publication number Publication date
CN104110765B (zh) 2017-06-16

Similar Documents

Publication Publication Date Title
CN104110765A (zh) 一种空调预控制方法及空调
CN109631271B (zh) 空调的控制方法、装置、存储介质及计算机设备
CN109539505B (zh) 空调的控制方法、装置、存储介质及计算机设备
US11236924B2 (en) Automatic temperature controlling method and device
Liping et al. Applying natural ventilation for thermal comfort in residential buildings in Singapore
CN106461255B (zh) 空调控制装置以及空调控制方法
US20220205666A1 (en) Control Method for Air Conditioner, and Device for Air Conditioner and Storage Medium
CN110986306B (zh) 基于机器学习的室温调节的方法、装置、设备及存储介质
CN109945439A (zh) 一种室内环境参数控制方法及系统
US20170167740A1 (en) Apparatus and method for controlling temperature in air conditioning system
CN104110783A (zh) 智能空调控制方法、控制装置和智能空调器
CN103471207A (zh) 空调器舒适度控制方法
CN105222266A (zh) 空调器的电量控制方法、装置及系统
CN109237749A (zh) 空调的控制方法及装置、空调器、存储介质
CN112128931A (zh) 空调器及其控制方法
CN112050398A (zh) 空调器及其控制方法
CN103162376A (zh) 空调器系统及其控制方法和装置
KR20180025407A (ko) Pmv를 이용한 냉난방 제어 방법,그 방법을 수행하는 장치 및 컴퓨터 프로그램
CN111306737A (zh) 空调及其控制方法
CN112283893A (zh) 用于控制空调的方法、装置和空调
CN104764144A (zh) 空调器的恒温除湿控制方法和控制系统
CN103017297A (zh) 基于气象变化的空调系统的运行方法
US11781772B2 (en) Air conditioning system, server system, network, method for controlling air conditioning system and method for controlling network with self-tuning for optimal configuration of the air conditioning system
CN113819615B (zh) 用于控制空调器的方法及装置、空调器
JP2017026161A (ja) 空調制御装置、空調制御システム、空調制御方法および空調制御プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant