CN107701481B - 风扇控制方法、装置及风扇 - Google Patents

Abstract

本发明公开了一种风扇控制方法、装置及风扇。其中，该方法包括：采集风扇所处预定空间内的空气干燥程度，以及预定空间内预定平面上灰尘的灰尘程度；通过风扇控制策略模型，确定与采集的空气干燥程度和灰尘程度对应的风扇控制策略，其中，风扇控制策略模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动风扇运作的风扇控制策略；根据确定的风扇控制策略，驱动风扇运作。本发明解决了由于智能化程度不高，风扇在不同情况下不能自动识别并选择合适运行模式且功能单一的技术问题。

Description

风扇控制方法、装置及风扇

技术领域

本发明涉及电器控制领域，具体而言，涉及一种风扇控制方法、装置及风扇。

背景技术

作为用户常用的制风制冷工具，几百年来，风扇在社会生活和商业中均发挥了重要的作用。而随着近一个世纪来空调业迅速发展，风扇的使用局限性日渐凸显，相比之下用户体验度也逐步降低。近来年，传统风扇制造厂商均在调整风扇送风模式及远程遥控方式上做了诸多改进，但多是围绕传统风扇送风功能的调整，仍不能满足用户对电器功能多样化的需求。且针对工业及家居逐步智能化的发展，风扇只能靠用户操作被动改变工作模式的控制方式已不能达到电器智能化的要求。针对由于智能化程度不高，风扇在不同情况下不能自动识别并选择合适运行模式且功能单一的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种风扇控制方法、装置及风扇，以至少解决由于智能化程度不高，风扇在不同情况下不能自动识别并选择合适运行模式且功能单一的技术问题。

根据本发明实施例的一个方面，提供了一种风扇控制装置，该装置包括：采集器，用于采集所述风扇所处预定空间内的空气干燥程度，以及所述预定空间内预定平面上灰尘的灰尘程度；处理器，用于通过风扇控制策略模型，确定与所述采集器采集的所述空气干燥程度和所述灰尘程度对应的风扇控制策略，其中，所述风扇控制策略模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动所述风扇运作的风扇控制策略；驱动器，用于根据所述处理器确定的所述风扇控制策略，驱动所述风扇运作。

可选的，所述采集器，还用于采集所述风扇在不同时间所处所述预定空间内的多个空气干燥程度，以及所述预定空间内所述预定平面上灰尘的多个灰尘程度；所述处理器，还用于对所述多个空气干燥程度和所述多个灰尘程度，和与所述多个空气干燥程度和所述多个灰尘程度对应的多个风扇控制策略进行训练，得到所述风扇控制策略模型。

可选的，所述采集器包括：湿度感应器，用于感应所述风扇所处预定空间内的所述空气干燥程度；红绿蓝RGB识别器，用于通过对所述预定平面的RGB图像进行识别，获得所述预定空间内所述预定平面上灰尘的所述灰尘程度。

可选的，该装置还包括：第一判断器，用于判断所述采集器所采集的所述空气干燥程度是否大于第一预定阈值；所述处理器，还用于在所述第一判断器的判断结果为是的情况下，向预定加湿器发送加湿指令，用于指示所述预定加湿器对所述风扇所处预定空间内加湿。

可选的，该装置还包括：还包括：第二判断器，用于判断所述采集器所采集的所述灰尘程度是否大于第二预定阈值；所述处理器，还用于在所述第二判断器的判断结果为是的情况下，向预定除尘器发送除尘指令，用于指示所述预定除尘器对所述风扇所处预定空间内的所述预定平面进行除尘。

可选的，所述驱动器包括：第一驱动芯片，用于根据所述处理器确定的所述风扇控制策略驱动所述风扇上的风页驱动马达，控制所述风页按照所述风扇控制策略所包括的送风策略进行送风；第二驱动芯片，用于根据所述处理器确定的所述风扇控制策略驱动所述风扇上的加湿器的马达，控制所述加湿器按照所述风扇控制策略所包括的加湿策略进行加湿。

根据本发明的另一方面，还提供了一种风扇，所述风扇包括上述任一项所述的风扇控制装置。

根据本发明实施例的另一方面，还提供了一种风扇控制方法，包括：采集所述风扇所处预定空间内的空气干燥程度，以及所述预定空间内预定平面上灰尘的灰尘程度；通过风扇控制策略模型，确定与采集的所述空气干燥程度和所述灰尘程度对应的风扇控制策略，其中，所述风扇控制策略模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动所述风扇运作的风扇控制策略；根据确定的所述风扇控制策略，驱动所述风扇运作。

可选的，在通过所述风扇控制策略模型，确定与采集的所述空气干燥程度和所述灰尘程度对应的风扇控制策略之前，还包括：采集所述风扇在不同时间所处所述预定空间内的多个空气干燥程度，以及所述预定空间内所述预定平面上灰尘的多个灰尘程度；对所述多个空气干燥程度和所述多个灰尘程度，和与所述多个空气干燥程度和所述多个灰尘程度对应的多个风扇控制策略进行训练，得到所述风扇控制策略模型。

可选的，在采集所述风扇所处预定空间内的所述空气干燥程度之后，还包括：判断采集的所述空气干燥程度是否大于第一预定阈值；在判断结果为是的情况下，向预定加湿器发送加湿指令，用于指示所述预定加湿器对所述风扇所处预定空间内加湿。

可选的，在采集所述风扇所处所述预定空间内预定平面上灰尘的所述灰尘程度之后，还包括：判断采集的所述灰尘程度是否大于第二预定阈值；在判断结果为是的情况下，向预定除尘器发送除尘指令，用于指示所述预定除尘器对所述风扇所处预定空间内的所述预定平面进行除尘。

可选的，所述方法中，根据确定的所述风扇控制策略，驱动所述风扇运作包括：根据所述风扇控制策略驱动所述风扇上的风页驱动马达，控制所述风页按照所述风扇控制策略所包括的送风策略进行送风；和/或，根据所述风扇控制策略驱动所述风扇上的加湿器的马达，控制所述加湿器按照所述风扇控制策略所包括的加湿策略进行加湿。

在本发明实施例中，通过采集风扇所处预定空间内的空气干燥程度，以及预定空间内预定平面上灰尘的灰尘程度，制定风扇控制策略模型，确定与采集的空气干燥程度和灰尘程度对应的风扇控制策略，根据确定的风扇控制策略，驱动所述风扇运作，其中，所述风扇控制策略模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动所述风扇运作的风扇控制策略。采用人工智能的方式，达到了风扇依靠识别室内空气的干燥程度和预定平面上的灰尘程度来自动调节送风方式和加湿强度的目的，进而解决了由于智能化程度不高，风扇在不同情况下不能自动识别并选择合适运行模式且功能单一的技术问题，实现了风扇智能化多功能控制从而提升用户体验的技术效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的风扇控制方法的流程图；

图2是根据本发明实施例的风扇控制装置示意图；

图3是根据本发明实施例的风扇控制装置中采集器22的优选结构示意图；

图4是根据本发明实施例的风扇控制装置的优选结构示意图一；

图5是根据本发明实施例的风扇控制装置的优选结构示意图二；

图6是根据本发明实施例的风扇控制装置中驱动器26的优选结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种风扇控制的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的风扇控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，采集风扇所处预定空间内的空气干燥程度，以及预定空间内预定平面上灰尘的灰尘程度；

步骤S104，通过风扇控制策略模型，确定与采集的空气干燥程度和灰尘程度对应的风扇控制策略，其中，风扇控制策略模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动风扇运作的风扇控制策略；

步骤S106，根据确定的风扇控制策略，驱动风扇运作。

通过上述步骤，可以实现通过采集风扇所处预定空间内的空气干燥程度，以及预定空间内预定平面上灰尘的灰尘程度，确定风扇的控制策略，驱动风扇运作。其中，采用人工智能的方式，确定上述风扇控制策略对应的模型，该模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动风扇运作的风扇控制策略。根据该实施例的控制方法，达到了风扇依靠识别室内空气的干燥程度和预定平面上的灰尘程度来自动调节送风方式和加湿强度的目的，进而解决了由于智能化程度不高，风扇在不同情况下不能自动识别并选择合适运行模式且功能单一的技术问题，实现了风扇智能化多功能控制从而提升用户体验的技术效果。

需要说明的是，在步骤S102中，可借助安装在风扇中或与风扇距离一定位置的采集模块来获取空气干燥程度及灰尘程度，其中，空气干燥程度采集模块可为空气湿度检测仪等类似湿度检测装置，空气灰尘程度采集模块可为空气污染检测仪等类似气体检测装置及图像RGB采集等图像采集装置的组合，或其中一种，来对空气灰尘程度进行灰尘浓度采集或拍摄。

可选地，在步骤S104中，通过风扇控制策略模型，确定与采集的预定空间内空气干燥程度和灰尘程度对应的风扇控制策略。系统通过前期统计的大量数据利用机器学习预先建立起丰富模型，确定各种空气干燥程度和灰尘程度所代表的风扇控制指令，从而根据识别出的空气干燥程度和灰尘程度进行迅速识别及模型选择，进而对该风扇在该预定空间内做出相应的控制。

优选的，在通过风扇控制策略模型，确定与采集的空气干燥程度和灰尘程度对应的风扇控制策略之前，还包括：采集风扇在不同时间所处预定空间内的多个空气干燥程度，以及预定空间内预定平面上灰尘的多个灰尘程度；对多个空气干燥程度和多个灰尘程度，和与多个空气干燥程度和多个灰尘程度对应的多个风扇控制策略进行训练，得到风扇控制策略模型。

对于上述实施方式，训练数据可以是通过实验室得到的，也可以是大量风扇自动控制使用过程中不断采集积累上报的，通过对已经销售出去的风扇来进行追踪，从而得到大量的数据均可以用于训练。可选的，在可自动控制的风扇中可以预先设置通讯模块，多个风扇可以将实时采集到的数据上传到服务器中，以供机器训练使用。其中，通讯模块可以包括但不限于：无线网卡、蓝牙等。

优选的，在采集风扇所处预定空间内的空气干燥程度之后，还包括：判断采集的空气干燥程度是否大于第一预定阈值；在判断结果为是的情况下，向预定加湿器发送加湿指令，用于指示预定加湿器对风扇所处预定空间内加湿。

在各类空间中，空气的风速和湿度为影响用户体感舒适度的主要空气指标。传统风扇中仅有送风功能，达到了用户对降温的需求，但因风吹室内空间，容易造成水分蒸发，故同时也很容易影响空气湿度，造成空气干燥，从而降低用户体感舒适度。故通过此实施例，判断采集到的空气干燥程度与预设值的对比，使风扇对空气进行加湿，并设定不同的加湿强度，以保证风扇提供的风速达到用户需求的同时也不影响空气湿度变化对用户舒适度的感受变化。

优选的，在采集风扇所处预定空间内预定平面上灰尘的灰尘程度之后，还包括：判断采集的灰尘程度是否大于第二预定阈值；在判断结果为是的情况下，向预定除尘器发送除尘指令，用于指示预定除尘器对风扇所处预定空间内的预定平面进行除尘。

传统风扇在满足给用户降温的同时，除了会明显影响空气湿度，还有另一对空间内空气的直接影响，即为空气中的灰尘度。无论是原本弥漫在空气中的灰尘，还是散落在空间内各个角落和平面上的灰尘，风扇的送风均会引起其状态的变化，进而明显影响空气中的灰尘程度，降低用户体验。通过此实施方式，可有效地缓解风扇送风对空间内空气灰尘造成的污染程度的影响，极大地提升用户体验。同时，随着近年大气污染程度加重，雾霾程度逐步加深，该实施方式对降低室内空气污染亦能起到良好的作用。

优选的，根据确定的风扇控制策略，驱动风扇运作包括：根据风扇控制策略驱动风扇上的风页驱动马达，控制风页按照风扇控制策略所包括的送风策略进行送风；和/或，根据风扇控制策略驱动风扇上的加湿器的马达，控制加湿器按照风扇控制策略所包括的加湿策略进行加湿。

根据上述实施例的控制方法，可通过采集、检测空气干燥程度信息与通过图像RGB识别空间内桌面灰尘程度进行风扇送风、加湿控制，达到了风扇依靠识别室内空气的干燥程度和预定平面上的灰尘程度来自动调节送风方式和加湿强度的目的，进而实现了风扇智能化多功能控制后提升用户体验的技术效果。

根据本发明实施例的另外一个方面，提供了装置，图2是根据本发明实施例的风扇控制装置示意图，如图2所示，该风扇控制装置包括：采集器22，处理器24，驱动器26。下面对该风扇控制装置进行详细说明。

采集器22，用于采集风扇所处预定空间内的空气干燥程度，以及预定空间内预定平面上灰尘的灰尘程度；

处理器24，连接至上述采集器22，用于通过风扇控制策略模型，确定与采集器采集的空气干燥程度和灰尘程度对应的风扇控制策略，其中，风扇控制策略模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动风扇运作的风扇控制策略；

驱动器26，连接至上述处理器24，用于根据处理器确定的风扇控制策略，驱动风扇运作。

图3是根据本发明实施例的风扇控制装置中采集器22的优选结构示意图，如图3所示，该采集器22包括：湿度感应器34，红绿蓝RGB识别器36，下面对该采集器22进行详细说明。

湿度感应器34，用于感应风扇所处预定空间内的空气干燥程度；

红绿蓝RGB识别器36，用于通过对预定平面的RGB图像进行识别，获得预定空间内预定平面上灰尘的灰尘程度。

图4是根据本发明实施例的风扇控制装置的优选结构示意图一，如图4所示，该风扇控制装置还包括：第一判断器42，下面对该第一判断器42进行详细说明。

第一判断器42，连接至上述采集器22和处理器24之间，用于判断采集器所采集的空气干燥程度是否大于第一预定阈值。

图5是根据本发明实施例的风扇控制装置的优选结构示意图二，如图5所示，该风扇控制装置还包括：第二判断器52，下面对该第二判断器52进行详细说明。

第二判断器52，连接至上述采集器22和处理器24之间，用于判断采集器所采集的灰尘程度是否大于第二预定阈值。

图6是根据本发明实施例的风扇控制装置中驱动器26的优选结构示意图，如图3所示，该驱动器26包括：第一驱动芯片62，第二驱动芯片64，下面对该驱动器26进行详细说明。

第一驱动芯片62，用于根据处理器确定的风扇控制策略驱动风扇上的风页驱动马达，控制风页按照风扇控制策略所包括的送风策略进行送风；

第二驱动芯片64，用于根据处理器确定的风扇控制策略驱动风扇上的加湿器的马达，控制加湿器按照风扇控制策略所包括的加湿策略进行加湿。

根据本发明的另一方面，还提供了一种风扇，风扇包括上述任一项的风扇控制装置。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅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，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种风扇控制装置，其特征在于，包括：

采集器，用于采集所述风扇所处预定空间内的空气干燥程度，以及所述预定空间内预定平面上灰尘的灰尘程度；

处理器，用于通过风扇控制策略模型，确定与所述采集器采集的所述空气干燥程度和所述灰尘程度对应的风扇控制策略，其中，所述风扇控制策略模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动所述风扇运作的风扇控制策略；

驱动器，用于根据所述处理器确定的所述风扇控制策略，驱动所述风扇运作；

其中,所述装置还包括：第二判断器，用于判断所述采集器所采集的所述灰尘程度是否大于第二预定阈值；

所述处理器，还用于在所述第二判断器的判断结果为是的情况下，向预定除尘器发送除尘指令，用于指示所述预定除尘器对所述风扇所处预定空间内的所述预定平面进行除尘。

2.根据权利要求1所述的装置，其特征在于，

所述采集器，还用于采集所述风扇在不同时间所处所述预定空间内的多个空气干燥程度，以及所述预定空间内所述预定平面上灰尘的多个灰尘程度；

所述处理器，还用于对所述多个空气干燥程度和所述多个灰尘程度，和与所述多个空气干燥程度和所述多个灰尘程度对应的多个风扇控制策略进行训练，得到所述风扇控制策略模型。

3.根据权利要求1所述的装置，其特征在于，所述采集器包括：

湿度感应器，用于感应所述风扇所处预定空间内的所述空气干燥程度；

红绿蓝RGB识别器，用于通过对所述预定平面的RGB图像进行识别，获得所述预定空间内所述预定平面上灰尘的所述灰尘程度。

4.根据权利要求1所述的装置，其特征在于，还包括：

第一判断器，用于判断所述采集器所采集的所述空气干燥程度是否大于第一预定阈值；

所述处理器，还用于在所述第一判断器的判断结果为是的情况下，向预定加湿器发送加湿指令，用于指示所述预定加湿器对所述风扇所处预定空间内加湿。

5.根据权利要求1至4中任一项所述的装置，其特征在于，所述驱动器包括：

第一驱动芯片，用于根据所述处理器确定的所述风扇控制策略驱动所述风扇上的风页驱动马达，控制所述风页按照所述风扇控制策略所包括的送风策略进行送风；

第二驱动芯片，用于根据所述处理器确定的所述风扇控制策略驱动所述风扇上的加湿器的马达，控制所述加湿器按照所述风扇控制策略所包括的加湿策略进行加湿。

6.一种风扇，其特征在于，包括权利要求1至5中任一项所述的装置。

7.一种风扇控制方法，其特征在于，包括：

采集所述风扇所处预定空间内的空气干燥程度，以及所述预定空间内预定平面上灰尘的灰尘程度；

通过风扇控制策略模型，确定与采集的所述空气干燥程度和所述灰尘程度对应的风扇控制策略，其中，所述风扇控制策略模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：空气干燥程度和灰尘程度，与在该预定空间内驱动所述风扇运作的风扇控制策略；

根据确定的所述风扇控制策略，驱动所述风扇运作；

其中，在采集所述风扇所处所述预定空间内预定平面上灰尘的所述灰尘程度之后，还包括：判断采集的所述灰尘程度是否大于第二预定阈值；在判断结果为是的情况下，向预定除尘器发送除尘指令，用于指示所述预定除尘器对所述风扇所处预定空间内的所述预定平面进行除尘。

8.根据权利要求7所述的方法，其特征在于，在通过所述风扇控制策略模型，确定与采集的所述空气干燥程度和所述灰尘程度对应的风扇控制策略之前，还包括：

采集所述风扇在不同时间所处所述预定空间内的多个空气干燥程度，以及所述预定空间内所述预定平面上灰尘的多个灰尘程度；

对所述多个空气干燥程度和所述多个灰尘程度，和与所述多个空气干燥程度和所述多个灰尘程度对应的多个风扇控制策略进行训练，得到所述风扇控制策略模型。

9.根据权利要求7所述的方法，其特征在于，在采集所述风扇所处预定空间内的所述空气干燥程度之后，还包括：

判断采集的所述空气干燥程度是否大于第一预定阈值；

在判断结果为是的情况下，向预定加湿器发送加湿指令，用于指示所述预定加湿器对所述风扇所处预定空间内加湿。

10.根据权利要求7至9中任一项所述的方法，其特征在于，根据确定的所述风扇控制策略，驱动所述风扇运作包括：

根据所述风扇控制策略驱动所述风扇上的风页驱动马达，控制所述风页按照所述风扇控制策略所包括的送风策略进行送风；

和/或，

根据所述风扇控制策略驱动所述风扇上的加湿器的马达，控制所述加湿器按照所述风扇控制策略所包括的加湿策略进行加湿。

Images