CN107461890A - 一种空调器的控制方法及控制系统 - Google Patents
一种空调器的控制方法及控制系统 Download PDFInfo
- Publication number
- CN107461890A CN107461890A CN201710670477.4A CN201710670477A CN107461890A CN 107461890 A CN107461890 A CN 107461890A CN 201710670477 A CN201710670477 A CN 201710670477A CN 107461890 A CN107461890 A CN 107461890A
- Authority
- CN
- China
- Prior art keywords
- hotness
- index
- air conditioner
- average
- parameter
- 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
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调器的控制方法及控制系统,包括:获取用户特征参数;在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;控制所述空调器开启,并按预设时序监测室内环境参数;控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。根据用户特征参数确定平均热感觉指数区间,而后在空调器运行过程中,使用户特征参数、平均热感觉指数区间和室内环境参数相匹配,达到满足用户舒适度的要求的目的;同时在上述基础上智能的控制空调器的运行,避免出现空调器运行过程中能耗高的情况。
Description
技术领域
本发明涉及空调器的控制技术领域,更为具体的说,涉及一种空调器的控制方法及控制系统。
背景技术
中国作为人口大国,中国家庭的能源消耗浪费惊人,对我国的资源、环境和电力行业造成巨大了压力,家庭节能减排,构建“低碳生活”,是世界各国关注的目标。相应的,室内环境与人们的健康和切身感受息息相关,人们对室内环境的舒适性、安全性的要求也越来越高,这对在智能家庭研究中基于开放式体系架构的情况下,满足个体用户的不同具体需求,实现个性化和智能化的解决方案提出更高的要求。智能家居尽管发展了20多年,但对于解决我国住宅家庭设备耗能问题突出,智能家居产品在满足用户的个性化需求,提高家庭舒适度上的解决方案上没有突破性进展和产品。
发明内容
由于现有智能家居(如空调器)不能满足用户舒适度需求。有鉴于此,本发明提供了一种空调器的控制方法及控制系统,根据用户特征参数确定平均热感觉指数区间,而后在空调器运行过程中,使用户特征参数、平均热感觉指数区间和室内环境参数相匹配,达到满足用户舒适度的要求的目的;同时在上述基础上智能的控制空调器的运行,避免出现空调器运行过程中能耗高的情况。
为实现上述目的,本发明提供的技术方案如下:
一种空调器的控制方法,包括:
获取用户特征参数;
在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;
控制所述空调器开启,并按预设时序监测室内环境参数;
控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
可选的,所述预设数据库中任意一用户特征参数对应平均热感觉指数区间的数据信息的建立包括:
控制所述空调器开启;
在室内温度达到用户承受最高温度时确定当前的平均热感觉指数为最高平均热感觉指数,及在室内温度达到用户承受最低温度时确定当前的平均热感觉指数为最低平均热感觉指数,并根据所述最高平均热感觉指数和所述最低平均热感觉指数确定平均热感觉指数区间;
将所述用户当前的用户特征参数及所述平均热感觉指数区间对应存储至所述预设数据库。
可选的,所述控制所述空调器的运行状态包括:
根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数;
判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,且根据判断结果对所述空调器的运行状态进行控制。
可选的,所述当前平均热感觉指数基于神经网络算法计算得到。
可选的,所述用户特征参数包括:人体代谢率和服装热阻;
及,所述室内环境参数包括:室内温度、气流速度、平均热辐射温度和相对湿度;
其中,所述神经网络算法的输入层节点数为6个,分别为所述人体代谢率、服装热阻、室内温度、气流速度、平均热辐射温度和相对湿度;及,所述神经网络算法的输出层节点数为1个,为所述当前平均热感觉指数。
相应的,本发明还提供了一种空调器的控制系统,包括:
获取单元,所述获取单元用于获取用户特征参数;
查找单元,所述查找单元用于在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;
采集单元,所述采集单元用于在控制所述空调器开启后,按预设时序监测室内环境参数;
及,控制单元,所述控制单元用于控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
可选的,所述控制系统包括:数据库建立单元,所述数据库建立单元用于建立所述预设数据库;
其中,所述数据库建立单元包括:
确定子模块,所述确定子模块用于在控制所述空调器开启后,在室内温度达到用户承受最高温度时确定当前的平均热感觉指数为最高平均热感觉指数,及在室内温度达到用户承受最低温度时确定当前的平均热感觉指数为最低平均热感觉指数,并根据所述最高平均热感觉指数和所述最低平均热感觉指数确定平均热感觉指数区间;
及,存储子模块,所述存储子模块用于将所述用户当前的用户特征参数及所述平均热感觉指数区间对应存储至所述预设数据库。
可选的,所述控制单元包括:
计算子模块,所述计算子模块用于根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数;
及,判断控制子模块,所述判断控制子模块用于判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,且根据判断结果对所述空调器的运行状态进行控制。
可选的,所述当前平均热感觉指数基于神经网络算法计算得到。
可选的,所述用户特征参数包括:人体代谢率和服装热阻;
及,所述室内环境参数包括:室内温度、气流速度、平均热辐射温度和相对湿度;
其中,所述神经网络算法的输入层节点数为6个,分别为所述人体代谢率、服装热阻、室内温度、气流速度、平均热辐射温度和相对湿度;及,所述神经网络算法的输出层节点数为1个,为所述当前平均热感觉指数。
相较于现有技术,本发明提供的技术方案至少具有以下优点:
本发明提供了一种空调器的控制方法及控制系统,包括:获取用户特征参数;在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;控制所述空调器开启,并按预设时序监测室内环境参数;控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
由上述内容可知,本发明提供的技术方案,根据用户特征参数确定平均热感觉指数区间,而后在空调器运行过程中,使用户特征参数、平均热感觉指数区间和室内环境参数相匹配,达到满足用户舒适度的要求的目的;同时在上述基础上智能的控制空调器的运行,避免出现空调器运行过程中能耗高的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种空调器的控制方法的流程图;
图2为本申请实施例提供的一种用户特征参数对应平均热感觉指数区间的数据信息的建立方法的流程图;
图3为本申请实施例提供的一种控制空调器的运行状态的方法的流程图;
图4为本申请实施例提供的一种空调器的控制系统的结构示意图;
图5为本申请实施例提供的另一种空调器的控制系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
正如背景技术所述,智能家居尽管发展了20多年,但对于解决我国住宅家庭设备耗能问题突出,智能家居产品在满足用户的个性化需求,提高家庭舒适度上的解决方案上没有突破性进展和产品。
基于此,本申请实施例提供了一种空调器的控制方法及控制系统,根据用户特征参数确定平均热感觉指数区间,而后在空调器运行过程中,使用户特征参数、平均热感觉指数区间和室内环境参数相匹配,达到满足用户舒适度的要求的目的;同时在上述基础上智能的控制空调器的运行,避免出现空调器运行过程中能耗高的情况。为实现上述目的,本申请实施例提供的技术方案如下,具体结合图1至图5对本申请实施例提供的技术方案进行详细的描述。
参考图1所示,为本申请实施例提供的一种空调器的控制方法的流程图,其中,控制方法包括:
S1、获取用户特征参数;
S2、在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;
S3、控制所述空调器开启,并按预设时序监测室内环境参数;
S4、控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
需要说明的是,平均热感觉指数(Predicted Mean Vote,PMV)表征人体热反应的评价指标,代表了同一环境中大多数人的冷热感觉的平均,其可以评价舒适度。故而,在本申请下面描述过程中,舒适度指标与平均热感觉指数为同一含义。
由上述内容可知,本申请实施例提供的技术方案,根据用户特征参数确定平均热感觉指数区间,而后在空调器运行过程中,使用户特征参数、平均热感觉指数区间和室内环境参数相匹配,达到满足用户舒适度的要求的目的;同时在上述基础上智能的控制空调器的运行,避免出现空调器运行过程中能耗高的情况。尤其的,当空调器应用至多联机空调中时,且空调器作为室内机负责室内环境控制时,不同用户可以根据各自的不同需求,对其拥有的空调器进行控制,达到满足不同用户对舒适度不同需求的同时,满足用户自身个性化需求。
以及,应用该控制方法的控制系统,其可以与空调器通过无线传感设备实现控制连接,或者,还可以通过有线设备与空调器实现控制连接;进而,在空调器应用至多联机空调时,能够实现不同室内的空调器的控制,实现满足不同用户对舒适度不同需求的同时,满足用户自身个性化需求;同时,提高空调器的利用率,实现节能的效果。
在本申请一实施例中,预设数据库存储的数据信息可以为空调器出厂时默认数据信息;此外,预设数据库存储的数据信息还可以为用户主观调节后的信息。参考图2所示,为本申请实施例提供的一种用户特征参数对应平均热感觉指数区间的数据信息的建立方法的流程图,其中,所述预设数据库中任意一用户特征参数对应平均热感觉指数区间的数据信息的建立包括:
S21、控制所述空调器开启;
S22、在室内温度达到用户承受最高温度时确定当前的平均热感觉指数为最高平均热感觉指数,及在室内温度达到用户承受最低温度时确定当前的平均热感觉指数为最低平均热感觉指数,并根据所述最高平均热感觉指数和所述最低平均热感觉指数确定平均热感觉指数区间;
S23、将所述用户当前的用户特征参数及所述平均热感觉指数区间对应存储至所述预设数据库。
对于不同人而言舒适度感觉会有所不同,在相同的热环境中,相同的温度对于不同的人的感觉是不同的,一些人会感觉偏冷,而另外一些人会感觉舒适,比如有些人的舒适度指标区间范围在[-0.5,0.5]之内,而有些人的舒适度指标区间范围确在[0.3,0.7]之内,故而,本申请实施例提供的预设数据库的主观建立方法,能够使不同用户都能够达到自身适应舒适度的需求,能够设置与自身相匹配的平均热感觉指数区间,
在本申请一实施例中,可以对控制系统设定一调节模式,在调节模式下主观进行用户特征参数对应平均热感觉指数区间的数据信息的建立。如,在调节模式下控制空调器开启,且控制空调器进入制冷模式;在制冷模式下,空调器将控制室内温度不断下降,可以按照一设定时序(如每隔10分钟)监测室内温度,直至室内温度降低到用户认为室内温度的下限时,对控制系统发出信号,以记录当前的温度为最低温度,且记录当前的平均热感觉指数为最低平均热感觉指数;而后控制空调器进入待机状态,室内温度将不断回升,可以按照一设定时序(如每隔10分钟)监测室内温度,直至在室内温度升高到用户认为室内温度的上限时,对控制系统发出信号,以记录当前的温度为最高温度,且记录当前的平均热感觉指数为最高平均热感觉指数,以此,能够确定平均热感觉指数区间为[最低平均热感觉指数,最高平均热感觉指数]。
同理,在调节模式下控制空调器开启,且控制空调器进入制热模式;在制热模式下,空调器将控制室内温度不断上升,可以按照一设定时序(如每隔10分钟)监测室内温度,直至室内温度升高到用户认为室内温度的上限时,对控制系统发出信号,以记录当前的温度为最高温度,且记录当前的平均热感觉指数为最高平均热感觉指数;而后控制空调器进入待机状态,室内温度将不断下降,可以按照一设定时序(如每隔10分钟)监测室内温度,直至在室内温度下降到用户认为室内温度的下限时,对控制系统发出信号,以记录当前的温度为最低温度,且记录当前的平均热感觉指数为最低平均热感觉指数,以此,能够确定平均热感觉指数区间为[最低平均热感觉指数,最高平均热感觉指数]。
在根据用户特征参数确定了平均热感觉指数区间后,控制空调器开启运行,在运行过程中控制空调器的运行状态,以保证当前平均热感觉指数在平均热感觉指数区间内。参考图3所示,为本申请实施例提供的一种控制空调器的运行状态的方法流程图,其中,所述控制所述空调器的运行状态包括:
S31、根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数;
S32、判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,且根据判断结果对所述空调器的运行状态进行控制。其中,在空调器为制冷模式时,判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,若低于所述平均热感觉指数区间,则控制所述空调器待机;若高于所述平均热感觉指数区间,则控制所述空调器运行。以及,在空调器为制热模式时,判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,若低于所述平均热感觉指数区间,则控制所述空调器继续运行;若高于所述平均热感觉指数区间,则控制所述空调器待机。此外,在判断当前平均热感觉指数是在所述平均热感觉指数区间内时,可以控制空调器待机,还可以控制空调器继续运行,对此本申请不做具体限制。
在控制空调器运行过程中,为了满足用户舒适度的需求,需要保证当前平均热感觉指数在平均热感觉指数区间内,对此需要对空调器的运行进行状态进行控制控制。在本申请一实施例中,通过上述判断当前平均热感觉指数与平均热感觉指数区间的关系,以对空调器的运行状态进行不同控制。如,在空调器开启制冷模式时,开启空调器后,温度不断下降,且控制系统以预设时序监测室内环境参数,如温度等,在每次监测室内环境参数后,根据当前的室内环境参数和用户特征参数计算当前平均热感觉指数,而后判断当前热感觉指数小于平均热感觉指数区间(即小于最低平均热感觉指数时),控制空调器进入待机状态;而后室内温度不断上升,且当判断当前热感觉指数大于平均热感觉指数区间(即大于最高平均热感觉指数时),控制空调器继续运行。
以及,在空调器开启制热模式时,开启空调器后,温度不断上升,且控制系统以预设时序监测室内环境参数,如温度等,在每次监测室内环境参数后,根据当前的室内环境参数和用户特征参数计算当前平均热感觉指数,而后判断当前热感觉指数大于平均热感觉指数区间(即大于最高平均热感觉指数时),控制空调器进入待机状态;而后室内温度不断下降,且当判断当前热感觉指数小于平均热感觉指数区间(即小于最高平均热感觉指数时),控制空调器继续运行。
在本申请一实施例中,本申请提供的所述当前平均热感觉指数基于神经网络算法计算得到。其中,本申请实施例提供的神经网络算法可以为BP神经网络算法。
可选的,本申请实施例提供的平均热感觉指数PMV可以通过计算公式得到,PMV的计算公式为:
其中,M为人体代谢率,单位为W/m2;W为)人体所做的机械功,单位为W/m2;Pa为人体周围空气的水蒸气分压力,Pa与空气湿度有关;ta为人体周围空气温度,单位为℃;为房间的平均辐射温度,单位为℃;fcl为人体穿衣后外表面积与人体裸身外表面积之比,tcl为服装外表温度,单位为℃;hc为表面传热系数,单位为W/m2.K。
其中,中Pa、fcl、hc、tcl的计算公式为:
其中,φa为相对湿度,单位为%;Icl为表示服装的基本热阻值,单位为col;va为空气流速,单位为m/s。
由上述公式一至公式五可以得出平均热感觉指数与各个输入参数(用户特征参数和室内环境参数)有着复杂的非线性关系,PMV计算公式的计算繁琐并且存在迭代计算,其计算时间过长,同时需要存放中间的迭代计算结果,会占用大量的空间,故而,本申请实施例优选的采用神经网络算法计算平均热感觉指数。具体如下:
在本申请一实施例中,基于神经网路算法计算平均热感觉指数时,本申请提供的所述用户特征参数包括:人体代谢率和服装热阻;
及,所述室内环境参数包括:室内温度、气流速度、平均热辐射温度和相对湿度;
其中,所述神经网络算法的输入层节点数为6个,分别为所述人体代谢率、服装热阻、室内温度、气流速度、平均热辐射温度和相对湿度;及,所述神经网络算法的输出层节点数为1个,为所述当前平均热感觉指数。
其中,用户特征参数可以通过用户根据自身情况输入至控制系统,对此控制系统可以设置一输入模块,通过输入模块将信息输入;进一步的,输入模块可以设置为触控显示屏,在触控输入信息的同时,能够显示输入信息,并且,可以通过显示屏显示控制过程。如,人体代谢率的大小与外界活动情况有关,在室内,用户主要以静坐休息、睡眠等活动为主,故而,可以在控制系统中设置不同坐姿、轻度活动、中度活动、睡眠等选项,且存储每一选项对应该活动相应的人体代谢率数值,用户通过选取相应活动选项,以将人体代谢率输入至控制系统。同样的,服装热阻与服装类型和服装材质相关,同样可以在控制系统中设置不同种类服装、不同材质等相关服装选项,且存储每一选项对应相应服装热阻的数值,用户通过选取相应服装选项,以将服装热阻输入至控制系统。而对于本申请实施例提供的室内环境参数,可以通过设置多个传感器进行不同参数的采集,如设置温度传感器采集室内温度等,对此本申请不做具体限制。
本申请实施例运用BP神经网络算法计算PMV,在BP神经网络算法计算前首先要训练网络,通过训练使网络具有有联想记忆和预测能力。BP神经网路的训练过程包括以下几个步骤:
步骤1、网络初始化。根据系统中输入输出序列,确定网络的输入层节点数、隐含层节点数和输出层节点数,初始化输入层、隐含层和输出层神经元之间的连接权值,与初始化隐含层阈值和输出层阈值,确定神经元激励函数和学习速率;
步骤2、隐含层输出计算。根据输入向量、输入层和隐含层间连接权值及隐含层阈值,计算隐含层输出。其中,隐含层层数通常设为一层,隐含层的激励函数设为sigmoid函数,隐含层的节点数设定为12,学习速率为[0.4,0.6],训练样本数定为[400,600],其训练性能及泛化性能较佳。
步骤3、输出层输出计算。根据隐含层输出、隐含层与输出层的连接权值和输出层阈值,计算BP神经网络预设输出。
步骤4、误差计算。根据BP神经网络预测输出和期望输出,计算网络预测误差。
步骤5、权值更新。根据网络预测误差更新网络连接权值。
步骤6、阈值更新。根据网络预测误差更新网络节点阈值。
步骤7、判断算法迭代是否结束,若没有结束,返回步骤2。
相应的,本申请实施例还提供了一种空调器的控制系统,参考图4所示,为本申请实施例提供的一种空调器的控制系统的结构示意图,其中,控制系统包括:
获取单元100,所述获取单元100用于获取用户特征参数;
查找单元200,所述查找单元200用于在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;
采集单元300,所述采集单元300用于在控制所述空调器开启后,按预设时序监测室内环境参数;
及,控制单元400,所述控制单元400用于控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
在本申请一实施例中,预设数据库存储的数据信息可以为空调器出厂时默认数据信息;此外,预设数据库存储的数据信息还可以为用户主观调节后的信息。参考图5所示,为本申请实施例提供的一种空调器的控制系统的结构示意图,其中,本申请提供的所述控制系统包括:
数据库建立单元500,所述数据库建立单元用于建立所述预设数据库;
其中,所述数据库建立单元包括:
确定子模块,所述确定子模块用于在控制所述空调器开启后,在室内温度达到用户承受最高温度时确定当前的平均热感觉指数为最高平均热感觉指数,及在室内温度达到用户承受最低温度时确定当前的平均热感觉指数为最低平均热感觉指数,并根据所述最高平均热感觉指数和所述最低平均热感觉指数确定平均热感觉指数区间;
及,存储子模块,所述存储子模块用于将所述用户当前的用户特征参数及所述平均热感觉指数区间对应存储至所述预设数据库。
在根据用户特征参数确定了平均热感觉指数区间后,控制空调器开启运行,在运行过程中控制空调器的运行状态,以保证当前平均热感觉指数在平均热感觉指数区间内,本申请实施例提供的所述控制单元包括:
计算子模块,所述计算子模块用于根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数;
及,判断控制子模块,所述判断控制子模块用于判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,且根据判断结果对所述空调器的运行状态进行控制。
在本申请一实施例中,本申请提供的所述当前平均热感觉指数基于神经网络算法计算得到。其中,所述用户特征参数包括:人体代谢率和服装热阻;
及,所述室内环境参数包括:室内温度、气流速度、平均热辐射温度和相对湿度;
其中,所述神经网络算法的输入层节点数为6个,分别为所述人体代谢率、服装热阻、室内温度、气流速度、平均热辐射温度和相对湿度;及,所述神经网络算法的输出层节点数为1个,为所述当前平均热感觉指数。
本申请实施例提供了一种空调器的控制方法及控制系统,包括:获取用户特征参数;在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;控制所述空调器开启,并按预设时序监测室内环境参数;控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
由上述内容可知,本申请实施例提供的技术方案,根据用户特征参数确定平均热感觉指数区间,而后在空调器运行过程中,使用户特征参数、平均热感觉指数区间和室内环境参数相匹配,达到满足用户舒适度的要求的目的;同时在上述基础上智能的控制空调器的运行,避免出现空调器运行过程中能耗高的情况。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种空调器的控制方法,其特征在于,包括:
获取用户特征参数;
在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;
控制所述空调器开启,并按预设时序监测室内环境参数;
控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
2.根据权利要求1所述的空调器的控制方法,其特征在于,所述预设数据库中任意一用户特征参数对应平均热感觉指数区间的数据信息的建立包括:
控制所述空调器开启;
在室内温度达到用户承受最高温度时确定当前的平均热感觉指数为最高平均热感觉指数,及在室内温度达到用户承受最低温度时确定当前的平均热感觉指数为最低平均热感觉指数,并根据所述最高平均热感觉指数和所述最低平均热感觉指数确定平均热感觉指数区间;
将所述用户当前的用户特征参数及所述平均热感觉指数区间对应存储至所述预设数据库。
3.根据权利要求1所述的空调器的控制方法,其特征在于,所述控制所述空调器的运行状态包括:
根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数;
判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,且根据判断结果对所述空调器的运行状态进行控制。
4.根据权利要求1所述的空调器的控制方法,其特征在于,所述当前平均热感觉指数基于神经网络算法计算得到。
5.根据权利要求4所述的空调器的控制方法,其特征在于,所述用户特征参数包括:人体代谢率和服装热阻;
及,所述室内环境参数包括:室内温度、气流速度、平均热辐射温度和相对湿度;
其中,所述神经网络算法的输入层节点数为6个,分别为所述人体代谢率、服装热阻、室内温度、气流速度、平均热辐射温度和相对湿度;及,所述神经网络算法的输出层节点数为1个,为所述当前平均热感觉指数。
6.一种空调器的控制系统,其特征在于,包括:
获取单元,所述获取单元用于获取用户特征参数;
查找单元,所述查找单元用于在预设数据库中查找与所述用户特征参数相应的平均热感觉指数区间,其中,所述预设数据库存储有用户特征参数对应平均热感觉指数区间;
采集单元,所述采集单元用于在控制所述空调器开启后,按预设时序监测室内环境参数;
及,控制单元,所述控制单元用于控制所述空调器的运行状态,以使根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数在所述平均热感觉指数区间。
7.根据权利要求6所述的空调器的控制系统,其特征在于,所述控制系统包括:数据库建立单元,所述数据库建立单元用于建立所述预设数据库;
其中,所述数据库建立单元包括:
确定子模块,所述确定子模块用于在控制所述空调器开启后,在室内温度达到用户承受最高温度时确定当前的平均热感觉指数为最高平均热感觉指数,及在室内温度达到用户承受最低温度时确定当前的平均热感觉指数为最低平均热感觉指数,并根据所述最高平均热感觉指数和所述最低平均热感觉指数确定平均热感觉指数区间;
及,存储子模块,所述存储子模块用于将所述用户当前的用户特征参数及所述平均热感觉指数区间对应存储至所述预设数据库。
8.根据权利要求6所述的空调器的控制系统,其特征在于,所述控制单元包括:
计算子模块,所述计算子模块用于根据所述用户特征参数和所述室内环境参数计算出的当前平均热感觉指数;
及,判断控制子模块,所述判断控制子模块用于判断所述当前平均热感觉指数是否在所述平均热感觉指数区间内,且根据判断结果对所述空调器的运行状态进行控制。
9.根据权利要求6所述的空调器的控制系统,其特征在于,所述当前平均热感觉指数基于神经网络算法计算得到。
10.根据权利要求9所述的空调器的控制系统,其特征在于,所述用户特征参数包括:人体代谢率和服装热阻;
及,所述室内环境参数包括:室内温度、气流速度、平均热辐射温度和相对湿度;
其中,所述神经网络算法的输入层节点数为6个,分别为所述人体代谢率、服装热阻、室内温度、气流速度、平均热辐射温度和相对湿度;及,所述神经网络算法的输出层节点数为1个,为所述当前平均热感觉指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710670477.4A CN107461890A (zh) | 2017-08-08 | 2017-08-08 | 一种空调器的控制方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710670477.4A CN107461890A (zh) | 2017-08-08 | 2017-08-08 | 一种空调器的控制方法及控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107461890A true CN107461890A (zh) | 2017-12-12 |
Family
ID=60547537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710670477.4A Pending CN107461890A (zh) | 2017-08-08 | 2017-08-08 | 一种空调器的控制方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107461890A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108457887A (zh) * | 2018-02-11 | 2018-08-28 | 广东美的环境电器制造有限公司 | 风扇风速控制方法、系统及风扇 |
CN108710947A (zh) * | 2018-04-10 | 2018-10-26 | 杭州善居科技有限公司 | 一种基于lstm的智能家居机器学习系统设计方法 |
CN108919669A (zh) * | 2018-09-11 | 2018-11-30 | 深圳和而泰数据资源与云技术有限公司 | 一种智能家居动态决策方法、装置和服务终端 |
CN108954741A (zh) * | 2018-09-28 | 2018-12-07 | 珠海派诺科技股份有限公司 | 酒店房间空调器舒适度控制方法 |
CN109358678A (zh) * | 2018-11-27 | 2019-02-19 | Oppo广东移动通信有限公司 | 电子装置、室内环境控制方法及相关产品 |
CN110595012A (zh) * | 2019-09-23 | 2019-12-20 | 海信(广东)空调有限公司 | 空调运行模式的推荐方法及装置 |
CN111895625A (zh) * | 2020-06-30 | 2020-11-06 | 广州番禺职业技术学院 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
CN111928458A (zh) * | 2020-07-24 | 2020-11-13 | 重庆大学 | 基于用户实际热舒适度的室内环境温度控制方法、装置 |
TWI795283B (zh) * | 2022-05-04 | 2023-03-01 | 台灣松下電器股份有限公司 | 空調系統的控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009109033A (ja) * | 2007-10-26 | 2009-05-21 | Toshiba Corp | 空調制御支援データ生成装置、空調制御支援データ表示装置、および空調制御支援データ生成方法 |
CN102778002A (zh) * | 2012-07-09 | 2012-11-14 | 广东美的电器股份有限公司 | 控制人体热舒适感觉的空调器及控制方法 |
CN105588290A (zh) * | 2016-03-02 | 2016-05-18 | 广东工业大学 | 用于调节空调温度的控制终端、系统及方法 |
-
2017
- 2017-08-08 CN CN201710670477.4A patent/CN107461890A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009109033A (ja) * | 2007-10-26 | 2009-05-21 | Toshiba Corp | 空調制御支援データ生成装置、空調制御支援データ表示装置、および空調制御支援データ生成方法 |
CN102778002A (zh) * | 2012-07-09 | 2012-11-14 | 广东美的电器股份有限公司 | 控制人体热舒适感觉的空调器及控制方法 |
CN105588290A (zh) * | 2016-03-02 | 2016-05-18 | 广东工业大学 | 用于调节空调温度的控制终端、系统及方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108457887A (zh) * | 2018-02-11 | 2018-08-28 | 广东美的环境电器制造有限公司 | 风扇风速控制方法、系统及风扇 |
CN108457887B (zh) * | 2018-02-11 | 2019-11-29 | 广东美的环境电器制造有限公司 | 风扇风速控制方法、系统及风扇 |
CN108710947A (zh) * | 2018-04-10 | 2018-10-26 | 杭州善居科技有限公司 | 一种基于lstm的智能家居机器学习系统设计方法 |
CN108919669A (zh) * | 2018-09-11 | 2018-11-30 | 深圳和而泰数据资源与云技术有限公司 | 一种智能家居动态决策方法、装置和服务终端 |
CN108919669B (zh) * | 2018-09-11 | 2022-04-29 | 深圳和而泰数据资源与云技术有限公司 | 一种智能家居动态决策方法、装置和服务终端 |
CN108954741A (zh) * | 2018-09-28 | 2018-12-07 | 珠海派诺科技股份有限公司 | 酒店房间空调器舒适度控制方法 |
CN109358678A (zh) * | 2018-11-27 | 2019-02-19 | Oppo广东移动通信有限公司 | 电子装置、室内环境控制方法及相关产品 |
CN110595012A (zh) * | 2019-09-23 | 2019-12-20 | 海信(广东)空调有限公司 | 空调运行模式的推荐方法及装置 |
CN111895625A (zh) * | 2020-06-30 | 2020-11-06 | 广州番禺职业技术学院 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
CN111928458A (zh) * | 2020-07-24 | 2020-11-13 | 重庆大学 | 基于用户实际热舒适度的室内环境温度控制方法、装置 |
CN111928458B (zh) * | 2020-07-24 | 2021-09-07 | 重庆大学 | 基于用户实际热舒适度的室内环境温度控制方法、装置 |
TWI795283B (zh) * | 2022-05-04 | 2023-03-01 | 台灣松下電器股份有限公司 | 空調系統的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107461890A (zh) | 一种空调器的控制方法及控制系统 | |
US11371739B2 (en) | Predictive building control system with neural network based comfort prediction | |
Hurtado et al. | Smart grid and smart building inter-operation using agent-based particle swarm optimization | |
CN104102789B (zh) | 一种建筑热湿环境等级的评估系统及方法 | |
Li et al. | Experimental study of an indoor temperature fuzzy control method for thermal comfort and energy saving using wristband device | |
US20140365017A1 (en) | Methods and systems for optimized hvac operation | |
CN105910225A (zh) | 一种基于人员信息检测的空调负荷控制系统及方法 | |
KR20180056361A (ko) | 지능학습기반의 스마트홈 에너지 기기 제어 장치 및 그 방법 | |
CN110207336B (zh) | 多联机的控制方法、控制装置及可读存储介质 | |
Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
CN104298191B (zh) | 智能建筑中基于热量预测管理的能耗控制方法 | |
CN107676936A (zh) | 空调设备的控制方法及装置 | |
CN113494755A (zh) | 智能终端及室内空气调节方法 | |
Omarov et al. | Design of fuzzy logic based controller for energy efficient operation in smart buildings | |
CN112613232A (zh) | 一种冬季供暖条件下室内人体热舒适预测及评价方法 | |
JP2017027434A (ja) | 冷暖房機器選定支援システム | |
CN107438742A (zh) | 用于自适应地应用中央hvac系统和独立hvac系统的设备和方法 | |
Cheng et al. | Energy efficient thermal comfort control for cyber-physical home system | |
Altayeva et al. | Intelligent microclimate control system based on IoT | |
CN113418286B (zh) | 自适应热感觉机器人及空调温度调整方法 | |
CN107392481A (zh) | 酒店能耗计算方法、装置及系统 | |
Kim et al. | Location-based human-adaptive air conditioning by measuring physical activity with a non-terminal-based indoor positioning system | |
Ito et al. | A practical case study of HVAC control with MET measuring in HEMS environment | |
CN116045459A (zh) | 一种空调节能运行方法及设备 | |
Zhao et al. | Thermal sensation and occupancy-based cooperative control method for multi-zone VAV air-conditioning systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171212 |
|
RJ01 | Rejection of invention patent application after publication |