CN108709291B - 基于机器学习的空调控制方法及空调器 - Google Patents
基于机器学习的空调控制方法及空调器 Download PDFInfo
- Publication number
- CN108709291B CN108709291B CN201810340104.5A CN201810340104A CN108709291B CN 108709291 B CN108709291 B CN 108709291B CN 201810340104 A CN201810340104 A CN 201810340104A CN 108709291 B CN108709291 B CN 108709291B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- reflection
- arc
- biological
- arcs
- 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.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
Abstract
本发明提供了一种基于机器学习的空调控制方法及空调器。其中,基于机器学习的空调控制方法包括:当侦测到空调器的调节区域内出现人员变化,动态采集调节区域内的生物特征;将采集的生物特征与反射弧进行比对,以获得比对结果;若比对结果为存在至少一条反射弧与采集的生物特征匹配,则根据匹配的反射弧获取对应的目标环境参数;依据目标环境参数,控制空调器的运行状态,以使调节区域对应的环境参数达到目标环境参数。从而实现在无人工干预的情况下,控制空调器将调节区域调节至调节区域内的人员满意的环境条件。使空调器更加智能,更加贴近市场的需求。
Description
技术领域
本发明涉及空调技术领域,特别涉及一种基于机器学习的空调控制方法及空调器。
背景技术
随着技术的进步,空调器的智能化程度已经逐渐成为用户对空调器新的需求。因此,改进空调器,使其逐步智能化已成为各大空调制造企业的主要研究方向。
当前空调器依然需要通过人手动调节来设置温度、湿度和送风速的大小等控制参数。显然这种方式已经逐渐无法满足用户对空调智能化的要求。因此,亟需研发一种空调器,使其在较少的人工干预下能够自动调节到适应人的温度、湿度及风速。
发明内容
有鉴于此,本发明旨在提出一种基于机器学习的空调控制方法,以改善上述问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于机器学习的空调控制方法,应用于空调器,所述空调器内存储多条反射弧,所述反射弧为至少一个生物特征与环境参数之间的对应关系,所述基于机器学习的空调控制方法包括:当侦测到所述空调器的调节区域内出现人员变化,采集所述调节区域内的生物特征;将采集的所述生物特征与所述反射弧进行比对,以获得比对结果;若所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配,则根据匹配的所述反射弧获取对应的目标环境参数;依据所述目标环境参数,控制所述空调器的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数。
进一步地,所述基于机器学习的空调控制方法还包括:若所述比对结果为不存在与采集的所述生物特征匹配的所述反射弧,在所述空调器启动运行预设时长之后,采集表征所述调节区域的环境参数;将采集的所述环境参数与侦测到的所述生物特征之间的对应关系作为反射弧进行存储。
进一步地,所述将采集的所述生物特征与所述反射弧进行比对的步骤包括:将采集的所述生物特征与每一所述反射弧中的生物特征进行比较;当所述反射弧中的生物特征与采集的所述生物特征的数量相同且所述反射弧中的生物特征与采集的所述生物特征之间的相似度超过预设值时,则判断该反射弧与采集到的所述生物特征匹配。
进一步地,所述根据匹配的所述反射弧获取对应的目标环境参数的步骤包括:将所述反射弧对应的环境参数作为目标环境参数。
进一步地,所述将采集的所述生物特征与所述反射弧进行比对的步骤还包括:当所述反射弧中的生物特征与采集到的所述生物特征的数量不同且所述反射弧中的生物特征与至少一个采集到的所述生物特征之间的相似度超过预设值,则判断该反射弧中的生物特征与采集到的所述生物特征匹配。
进一步地,所述根据匹配的所述反射弧获取对应的目标环境参数的步骤包括:若匹配出一个所述反射弧,则将所述反射弧对应的环境参数作为所述目标环境参数;若匹配出多个所述反射弧,则将多个所述反射弧对应的环境参数的均值作为所述目标环境参数,以便在所述空调器以该目标环境参数运行所述预设时长之后,将该目标环境参数与采集的所述生物特征之间的对应关系作为反射弧进行存储。
进一步地,所述基于机器学习的空调控制方法还包括:若所述空调器运行过程中响应用户操作变更控制参数,在响应所述用户操作运行预设时长之后,采集表征所述调节区域的环境参数以及当前的所述调节区域内生物特征;利用所述环境参数与采集到的所述生物特征之间的对应关系更新所述反射弧。
相对于现有技术,本发明所述的基于机器学习的空调控制方法具有以下优势:
本发明所述的一种基于机器学习的空调控制方法,在侦测到所述空调器的调节区域内出现人员变化时,采集空调器调节区域内的生物特征。再通过将采集的生物特征与所述反射弧进行比对,若比对出至少一条反射弧与采集的所述生物特征匹配,则可以根据匹配的反射弧获取适宜位于调节区域内人员的目标环境参数。依据目标环境参数自动控制空调器的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数。从而实现在无人工干预的情况下,控制空调器将调节区域调节至调节区域内的人员满意的环境条件。使空调器更加智能,更加贴近市场的需求。
本发明的另一目的在于提出一种空调器,以改善上述问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种空调器,所述空调器内存储多条反射弧,所述反射弧为至少一个生物特征与环境参数之间的对应关系,所述空调器包括采集单元、处理器及控制器;所述采集单元,用于当侦测到所述空调器的调节区域内出现人员变化,采集所述调节区域内的生物特征;所述处理器,用于将采集的所述生物特征与所述反射弧进行比对,以获得比对结果;所述处理器,还用于在所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配时,根据匹配的所述反射弧获取对应的目标环境参数;所述控制器,用于依据所述目标环境参数,控制所述空调器的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数。
进一步地,所述采集单元还用于在所述比对结果为不存在与采集的所述生物特征匹配的所述反射弧,且所述空调器启动运行预设时长之后,采集表征所述调节区域的环境参数,以便根据采集表征所述调节区域的环境参数生成新增的所述反射弧。
进一步地,所述空调器还包括存储器,所述存储器,用于将采集的所述环境参数与侦测到的所述生物特征之间的对应关系作为反射弧进行存储。
所述空调器与上述基于机器学习的空调控制方法相对于现有技术所具有的优势相同,在此不再赘述。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,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为本发明实施例所述的基于机器学习的空调控制方法的步骤流程图;
图2为图1中步骤S102的子步骤流程图;
图3为本发明实施例所述的基于机器学习的空调控制方法的步骤流程图的另一部分;
图4为本发明实施例所述的空调器的示意图。
附图标记说明:
1-空调器,2-采集单元,3-处理器,4-控制器,5-存储器。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
另外,在本发明的实施例中所提到的反射弧,是指至少一个生物特征与环境参数之间的对应关系。也就是,反射弧既可以包括一个生物特征与一环境参数之间的对应关系,也可以是多个生物特征之间的组合与一环境参数之间的对应关系。例如,反射弧a可以是生物特征a与环境参数a之间的对应关系,反射弧b可以是生物特征a和生物特征b的组合与环境参数b之间的对应关系。需要说明的是,空调器内可以预先存储一些设定的反射弧,并在运行过程中不断通过机器学习新增或更新存储的反射弧。
在本发明的实施例中所提到的环境参数包括温度值、湿度值、风速值及出风角度等。在本发明的实施例中所提到的调节区域,是指对应的温度、湿度、风速等环境参数由空调器调节的空间。例如,空调器室内机安装的房间或客厅或者是办公室均可以作为该空调器的调节区域。
在本发明的实施例中所提到的生物特征,是指进入调节区域的人员的特征,每一个生物特征对应一个进入调节区域的人员。进一步地,每一个生物特征均可以包括人脸特征、声音特征及人体红外热辐射特征中的至少一个。
下面将参考附图并结合实施例来详细说明本发明。
第一实施例
请参考图1,是本发明较佳实施例提供的基于机器学习的空调控制方法的流程图。基于机器学习的空调控制方法包括以下步骤:
步骤S101,当侦测到所述空调器1的调节区域内出现人员变化,采集所述调节区域内的生物特征。
在本发明实施例中,在空调器1启动工作之后,启动侦测调节区域内是否出现人员变化。
作为一种实施方式,空调器1与至少一个图像采集设备电性连接,图像采集设备设置于调节区域内的至少一个位置,从至少一个角度采集调控区域内的图像信息。空调器1利用图像采集设备按照预设的时间间隔采集调节区域内的图像信息,并对图像信息进行人脸识别,在当前时间间隔内识别出的人脸与相邻上一个时间间隔内识别出的人脸不同时,判断出现人员变化。具体地,当前时间间隔内识别出的人脸与相邻上一个时间间隔内识别出的人脸之间的不同可以是识别出的人脸数量的不同,也可以是存在不一样的人脸。需要说明的是,在空调器1启动工作的第一个时间间隔时,若检测到调节区域内出现人脸,则默认为调节区域内出现人员变化。
进一步地,空调器1还分别与至少一个热红外采集器及声音采集器电性连接。采集所述调节区域内的生物特征可以是从该时间间隔采集到的图像信息中提取人脸特征,再从该时间间隔内声音采集器采集到的声音信息中提取声音特征及利用热红外采集器进行人体红外热辐射特征采集。需要说明的是,每一个人对应一生物特征。
可以理解的,采集生物特征的目的为识别出调节区域内出现的人员,因此,在可以识别出调节区域内的人员的前提下,采集所述调节区域内的生物特征可以是获取人脸特征、声音特征以及人体红外热辐射特征中的至少一项。
步骤S102,将采集的所述生物特征与所述反射弧进行比对,以获得比对结果。
在本发明实施例中,采集的所述生物特征与所述反射弧进行比对可以是同类特征之间的比较,可选地,如图2所示,步骤S102包括以下子步骤:
子步骤S1021,将采集的生物特征与每一所述反射弧中的生物特征进行比较。
在本发明实施例中,若从调节区域中采集到至少一个人脸特征,则将该人脸特征依次与已存储的反射弧中对应的生物特征的人脸特征进行比较。若从调节区域中采集到至少一个声音特征,则将该声音特征依次与已存储的反射弧中对应的生物特征的声音特征进行比较。若从调节区域中采集到至少一个人体红外热辐射特征,则将该人体红外热辐射特征依次与已存储的反射弧中对应的生物特征的人体红外热辐射特征进行比较。
可以理解的是,除了单独采用声音特征、人体红外热辐射特征或者人脸特征比对匹配的反射弧,还是可以同时采用声音特征、人体红外热辐射特征和人脸特征中的至少两项比对匹配的反射弧。
子步骤S1022,当所述反射弧中的生物特征与采集的所述生物特征的数量相同且所述反射弧中的生物特征与采集的所述生物特征之间的相似度超过预设值时,则判断该反射弧与采集到的所述生物特征匹配。例如,采集到人脸特征a和人脸特征b,且预先存储的反射弧a对应的生物特征中包括人脸特征c和人脸特征d。若此时,通过比较确定人脸特征a与人脸特征c相同,人脸特征b与人脸特征d相同,则可确定该反射弧a与采集到的生物特征匹配。若此时,通过比较确定人脸特征a与人脸特征c不同,人脸特征b与人脸特征d相同,则可确定该反射弧a与采集到的生物特征不匹配。若反射弧a对应的生物特征还包括人脸特征f,则即使人脸特征a与人脸特征c相同,人脸特征b与人脸特征d相同,也认定该反射弧a与采集到的生物特征不匹配。
在本发明实施例中,上述反射弧中的生物特征与采集的所述生物特征之间的相似度可以是利用预选评估算法获得的二者之间的相似比值,相应的预设值可以选定大于80%的比值。
反射弧中的生物特征与采集的所述生物特征之间的相似度还可以是:采集到的声音特征与该反射弧对应的声音特征均之间的相似度,以及采集到的人体红外热辐射特征与该反射弧对应的人体红外热辐射特征均之间的相似度。
子步骤S1023,当反射弧中的生物特征与采集到的生物特征的数量不同且反射弧中的生物特征与至少一个采集到的所述生物特征之间的相似度超过预设值,则判断该反射弧中的生物特征与采集到的所述生物特征匹配。
在本发明实施例中,在采集到的所述生物特征包括多个人脸特征、多个声音特征或者多个人体红外热辐射特征时。若反射弧对应的人脸特征与至少一个采集到的人脸特征之间的相似度超过预设值,或反射弧对应的声音特征与至少一个采集到的声音特征之间的相似度超过预设值,再或者反射弧对应的人体红外热辐射特征与至少一个采集到的人体红外热辐射特征之间的相似度超过预设值,均可判断该反射弧中的生物特征与采集到的所述生物特征匹配。例如,人脸特征a和人脸特征b,且预先存储的反射弧a对应的生物特征中包括人脸特征c,通过比较确定人脸特征a与人脸特征c相同,则判断该反射弧a与采集到的所述生物特征匹配。
步骤S103,若所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配,则根据匹配的所述反射弧获取对应的目标环境参数。
在本发明实施例中,若通过子步骤S1022匹配出的一反射弧,则将所述反射弧对应的环境参数作为目标环境参数。若通过子步骤S1023匹配出反射弧且匹配出一个所述反射弧,则将所述反射弧对应的环境参数作为所述目标环境参数。若通过子步骤S1023匹配出反射弧且匹配出多个所述反射弧,则将多个所述反射弧对应的环境参数的均值作为所述目标环境参数,并在所述空调器以该目标环境参数运行所述预设时长之后,将该目标环境参数与采集的所述生物特征之间的对应关系作为反射弧进行存储。可选地,可以是将多个反射弧对应的温度值的均值作为为目标环境参数对应的目标温度值,将多个反射弧对应的湿度值的均值作为为目标环境参数对应的目标湿度值,将多个反射弧对应的风速值的均值作为为目标环境参数对应的目标风速值;将多个反射弧对应的出风角度的均值作为为目标环境参数对应的目标出风角度。
步骤S104,依据所述目标环境参数,控制所述空调器1的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数。
在本发明实施例中,自动调节空调器1的控制参数,以控制空调器1的运行状态,直至调节区域对应的环境参数达到所述目标环境参数。
进一步地,如图3所示,本发明较佳实施例提供的基于机器学习的空调控制方法还包括以下步骤:
步骤S201,若所述比对结果为不存在与采集的所述生物特征匹配的所述反射弧,在所述空调器1启动运行预设时长之后,采集表征所述调节区域的所述环境参数。
在本发明实施例中,上述预设时长可以设定为10分钟。在运行预设时长之后,若未收到用户调整空调器1的控制参数,则采集表征所述调节区域的所述环境参数。具体地,采集表征所述调节区域的环境参数可以是使用空调器1的温度传感器采集当前调节区域内的温度值,使用空调器1的湿度传感器采集当前调节区域内的湿度值,以及使用设置于空调器1出风口的风速传感器采集当前空调器1出风口的风速值。
需要说明的是,当仅匹配出一反射弧,且采集到的人脸特征中的至少有一个是匹配出的反射弧对应的生物特征不包括的,则在空调器1将调节区域内的环境参数调节至目标环境参数并运行预设时长之后,将采集到的生物特征与目标环境参数之间的关系作为新的反射弧存储。当仅匹配出一反射弧,且采集到的声音特征中的至少有一个是匹配出的反射弧对应的生物特征不包括的,则在空调器1将调节区域内的环境参数调节至目标环境参数并运行预设时长之后,将采集到的生物特征与目标环境参数之间的关系作为新的反射弧存储。当仅匹配出一反射弧,且采集到的声音特征中的至少有一个是匹配出的反射弧对应的生物特征不包括的,则在空调器1将调节区域内的环境参数调节至目标环境参数并运行预设时长之后,将采集到的生物特征与目标环境参数之间的关系作为新的反射弧存储。针对其他生物特征也同理。
步骤S202,将采集的所述环境参数与侦测到的所述生物特征之间的对应关系作为反射弧进行存储。
进一步地,若空调器1运行过程中响应用户操作变更控制参数,在响应用户操作,且空调器1依据变更后的控制参数运行预设时长之后,采集表征所述调节区域的环境参数以及当前的所述调节区域内生物特征,利用所述环境参数与采集到的所述生物特征之间的对应关系更新所述反射弧。更新所述反射弧的方式可以是以新的反射弧替代原存储的生物特征与采集到的生物特征相同的反射弧。
下面以几个具体的应用实例进一步对本发明实施例提供的基于机器学习的空调控制方法进行说明:
(1)用户A在客厅安装了本发明实施例提供的空调器,用户A启动空调,空调器启动后侦测到用户A,采集用户A的生物特征a,将与空调器内存储的反射弧一一进行比较,比较到反射弧a(生物特征a1-环境参数a),由于采集到的生物特征a与反射弧a中的生物特征a1之间的相似度超过预定值,因此,确定反射弧a为匹配的反射弧。将环境参数a作为目标环境参数,空调器通过自动调节,将客厅对应的环境参数调节至环境参数a。
(2)常客B来到用户A的客厅,用户A与常客B均在客厅内,空调器侦测到客厅内人员发生变化,新来了常客B。空调器对客厅内的生物特征时,分别采集到用户A的生物特征a和常客B的生物特征b,将采集到的生物特征a和b与已存储的反射弧进行比较,比较到反射弧ab(生物特征a1、b1-环境参数ab),由于采集到的生物特征a与反射弧ab中的生物特征a1之间的相似度超过预定值,生物特征b与反射弧ab中的生物特征b1之间的相似度超过预定值,因此,确定反射弧ab为匹配的反射弧。将环境参数ab作为目标环境参数,空调器通过自动调节,将客厅对应的环境参数调节至环境参数ab。
(3)用户A使用遥控器变更空调器的控制参数,在空调器以变更的控制参数运行预设时长后,空调器采集到当前客厅内的生物特征为用户A的生物特征a和常客B的生物特征b,再采集到当前客厅的环境参数为环境参数c,则将(生物特征a、b-环境参数c)作为新的反射弧ab。
(4)陌生人D来到客厅,用户A、常客B和陌生人D均在客厅内,空调器侦测到人员发生变化,对客厅内的生物特征进行采集,分别采集到用户A的生物特征a、常客B的生物特征b和陌生人D的生物特征d,仅匹配出反射弧ab(生物特征a、b-环境参数c),没有与生物特征d相关的反射弧,因此以反射弧ab作为匹配的反射弧,将环境参数c作为目标环境参数,空调器通过自动调节,将客厅对应的环境参数调节至环境参数c。若空调器将客厅的环境参数调节至环境参数c之后运行了预设时长,则将(生物特征a、b、d-环境参数c)作为新的反射弧进行存储。
(5)用户F来到客厅,用户A、常客B、陌生人D和用户F均在客厅。空调器侦测到人员发生变化,对客厅内的生物特征进行采集,分别采集到用户A的生物特征a、常客B的生物特征b和陌生人D的生物特征d和用户F的生物特征f。通过与已存储的反射弧比较,匹配出的反射弧包括:反射弧abd(生物特征a、b、d-环境参数c)、反射弧f(生物特征f-环境参数f)、反射弧af(生物特征a、f-环境参数af)和反射弧fb(生物特征b、f-环境参数bf),则根据环境参数c、环境参数f、环境参数af、环境参数bf之间的均值环境参数abdf作为目标环境参数,空调器通过自动调节,将客厅对应的环境参数调节至环境参数abdf,若空调器将客厅的环境参数调节至环境参数abdf之后运行了预设时长,则将(生物特征a、b、d、f-环境参数abdf)作为新的反射弧进行存储。
(6)租户g初次使用该空调器,仅租户g在客厅,在开启空调器后,空调器采集到租户g的生物特征g,但已存储的反射弧中没有与租户g匹配的反射弧,因此,等租户g控制空调器运行预设时长后,空调器采集当前客厅内的环境参数g,并将环境参数g与生物特征g之间的对应关系作为新的反射弧g(生物特征g-环境参数g)进行存储,以便以后使用。
第二实施例
请参考图4,是本发明较佳实施例提供的一种空调器1的示意图。所述空调器1内存储多条反射弧,所述反射弧为至少一个生物特征与环境参数之间的对应关系,所述空调器1包括采集单元2、处理器3、控制器4以及存储器5;
所述采集单元2,用于当侦测到所述空调器1的调节区域内出现人员变化,采集所述调节区域内的生物特征。所述采集单元2还用于在所述比对结果为不存在与采集的所述生物特征匹配的所述反射弧,且所述空调器1启动运行预设时长之后,采集表征所述调节区域的环境参数,以便根据采集表征所述调节区域的环境参数生成新增的所述反射弧。
在本发明实施例中,采集单元2可以包括图像采集设备、热红外采集器及声音采集器。图像采集设备、热红外采集器及声音采集器分别与处理器3电性连接,以便将分别将采集到的数据发送至处理器3。
所述处理器3,用于将采集的所述生物特征与所述反射弧进行比对,以获得比对结果。
在本发明实施例中,处理器3依据获得的生物特征依次与已存储于存储器5的反射弧进行比对。
所述处理器3,还用于在所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配时,根据匹配的所述反射弧获取对应的目标环境参数。
所述控制器4,用于依据所述目标环境参数,控制所述空调器1的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数。
所述存储器5,用于将采集的所述环境参数与侦测到的所述生物特征之间的对应关系作为反射弧进行存储。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
综上所述,本发明实施例提供了一种基于机器学习的空调控制方法及空调器。其中,基于机器学习的空调控制方法应用于空调器,所述空调器内存储多条反射弧,所述反射弧为至少一个生物特征与环境参数之间的对应关系,所述基于机器学习的空调控制方法包括:当侦测到所述空调器的调节区域内出现人员变化,采集所述调节区域内的生物特征,将采集的所述生物特征与所述反射弧进行比对,以获得比对结果。若所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配,则根据匹配的所述反射弧获取对应的目标环境参数。依据所述目标环境参数,控制所述空调器的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数。从而实现在无人工干预的情况下,控制空调器将调节区域调节至调节区域内的人员满意的环境条件。使空调器更加智能,更加贴近市场的需求。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于机器学习的空调控制方法,其特征在于,应用于空调器(1),所述空调器(1)内存储多条反射弧,所述反射弧为至少一个生物特征与环境参数之间的对应关系,其中,所述反射弧包括多个生物特征之间的组合与一环境参数之间的对应关系;每一个用户对应一个所述生物特征;所述基于机器学习的空调控制方法包括:
当侦测到所述空调器(1)的调节区域内出现人员变化,采集所述调节区域内的生物特征;
将采集的所述生物特征与所述反射弧进行比对,以获得比对结果;其中,包括:将采集的所述生物特征与每一所述反射弧中的生物特征进行比较;当所述反射弧中的生物特征与采集的所述生物特征的数量相同且所述反射弧中的生物特征与采集的所述生物特征之间的相似度超过预设值时,则判断该反射弧与采集到的所述生物特征匹配;若所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配,则根据匹配的所述反射弧获取对应的目标环境参数;
其中,所述根据匹配的所述反射弧获取对应的目标环境参数的步骤包括:若匹配出多个所述反射弧,则将多个所述反射弧对应的环境参数的均值作为所述目标环境参数,以便在所述空调器以该目标环境参数运行预设时长之后,将该目标环境参数与采集的所述生物特征之间的对应关系作为新的反射弧进行存储;依据所述目标环境参数,控制所述空调器(1)的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数;
若所述空调器(1)运行过程中响应用户操作变更控制参数,在响应所述用户操作运行预设时长之后,采集表征所述调节区域的环境参数以及当前的所述调节区域内生物特征;利用所述环境参数与采集到的所述生物特征之间的对应关系更新所述反射弧。
2.根据权利要求1所述的基于机器学习的空调控制方法,其特征在于,所述基于机器学习的空调控制方法还包括:
若所述比对结果为不存在与采集的所述生物特征匹配的所述反射弧,在所述空调器(1)启动运行预设时长之后,采集表征所述调节区域的所述环境参数;
将采集的所述环境参数与侦测到的所述生物特征之间的对应关系作为反射弧进行存储。
3.根据权利要求1所述的基于机器学习的空调控制方法,其特征在于,所述根据匹配的所述反射弧获取对应的目标环境参数的步骤包括:
将所述反射弧对应的环境参数作为目标环境参数。
4.根据权利要求1所述的基于机器学习的空调控制方法,其特征在于,所述将采集的所述生物特征与所述反射弧进行比对的步骤还包括:当所述反射弧中的生物特征与采集到的所述生物特征的数量不同且所述反射弧中的生物特征与至少一个采集到的所述生物特征之间的相似度超过预设值,则判断该反射弧中的生物特征与采集到的所述生物特征匹配。
5.根据权利要求4所述的基于机器学习的空调控制方法,其特征在于,所述根据匹配的所述反射弧获取对应的目标环境参数的步骤包括:
若匹配出一个所述反射弧,则将所述反射弧对应的环境参数作为所述目标环境参数。
6.一种空调器,其特征在于,所述空调器(1)内存储多条反射弧,所述反射弧为至少一个生物特征与环境参数之间的对应关系,其中,所述反射弧包括多个生物特征之间的组合与一环境参数之间的对应关系;每一个用户对应一个所述生物特征;所述空调器(1)包括采集单元(2)、处理器(3)及控制器(4);
所述采集单元(2),用于当侦测到所述空调器(1)的调节区域内出现人员变化,采集所述调节区域内的生物特征;
所述处理器(3),用于将采集的所述生物特征与所述反射弧进行比对,以获得比对结果;其中,具体用于将采集的所述生物特征与每一所述反射弧中的生物特征进行比较;当所述反射弧中的生物特征与采集的所述生物特征的数量相同且所述反射弧中的生物特征与采集的所述生物特征之间的相似度超过预设值时,则判断该反射弧与采集到的所述生物特征匹配;
所述处理器(3),还用于在所述比对结果为存在至少一条所述反射弧与采集的所述生物特征匹配时,根据匹配的所述反射弧获取对应的目标环境参数;其中,所述处理器(3),还用于若匹配出多个所述反射弧,则将多个所述反射弧对应的环境参数的均值作为所述目标环境参数,以便在所述空调器(1)以该目标环境参数运行预设时长之后,将该目标环境参数与采集的所述生物特征之间的对应关系作为新的反射弧进行存储;所述控制器(4),用于依据所述目标环境参数,控制所述空调器(1)的运行状态,以使所述调节区域对应的环境参数达到所述目标环境参数;
所述处理器(3),还用于若所述空调器(1)运行过程中响应用户操作变更控制参数,在响应所述用户操作运行预设时长之后,采集表征所述调节区域的环境参数以及当前的所述调节区域内生物特征;利用所述环境参数与采集到的所述生物特征之间的对应关系更新所述反射弧。
7.根据权利要求6所述的空调器,其特征在于,
所述采集单元(2),还用于在所述比对结果为不存在与采集的所述生物特征匹配的所述反射弧,且所述空调器(1)启动运行预设时长之后,采集表征所述调节区域的环境参数,以便根据采集表征所述调节区域的环境参数生成新增的所述反射弧。
8.根据权利要求6所述的空调器,其特征在于,所述空调器(1)还包括存储器(5),所述存储器(5)用于将采集的所述环境参数与侦测到的所述生物特征之间的对应关系作为反射弧进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810340104.5A CN108709291B (zh) | 2018-04-16 | 2018-04-16 | 基于机器学习的空调控制方法及空调器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810340104.5A CN108709291B (zh) | 2018-04-16 | 2018-04-16 | 基于机器学习的空调控制方法及空调器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108709291A CN108709291A (zh) | 2018-10-26 |
CN108709291B true CN108709291B (zh) | 2021-01-26 |
Family
ID=63867295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810340104.5A Active CN108709291B (zh) | 2018-04-16 | 2018-04-16 | 基于机器学习的空调控制方法及空调器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108709291B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631259A (zh) * | 2018-12-21 | 2019-04-16 | 奥克斯空调股份有限公司 | 空调控制方法、装置及空调器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571302A (zh) * | 2008-05-02 | 2009-11-04 | Lg电子株式会社 | 空调机及其动作方法 |
CN101673094A (zh) * | 2009-09-23 | 2010-03-17 | 曾昭兴 | 一种家电控制装置和控制方法 |
CN102927660A (zh) * | 2012-11-30 | 2013-02-13 | 四川长虹电器股份有限公司 | 基于自适应温控技术的智能空调控制方法及系统 |
CN105180355A (zh) * | 2015-08-26 | 2015-12-23 | 广东美的暖通设备有限公司 | 空调集中控制器及其控制方法 |
CN107490154A (zh) * | 2017-09-19 | 2017-12-19 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103090503B (zh) * | 2011-10-27 | 2015-08-05 | 海尔集团公司 | 一种空调装置及其控制方法 |
-
2018
- 2018-04-16 CN CN201810340104.5A patent/CN108709291B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571302A (zh) * | 2008-05-02 | 2009-11-04 | Lg电子株式会社 | 空调机及其动作方法 |
CN101673094A (zh) * | 2009-09-23 | 2010-03-17 | 曾昭兴 | 一种家电控制装置和控制方法 |
CN102927660A (zh) * | 2012-11-30 | 2013-02-13 | 四川长虹电器股份有限公司 | 基于自适应温控技术的智能空调控制方法及系统 |
CN105180355A (zh) * | 2015-08-26 | 2015-12-23 | 广东美的暖通设备有限公司 | 空调集中控制器及其控制方法 |
CN107490154A (zh) * | 2017-09-19 | 2017-12-19 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN108709291A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN109974235B (zh) | 控制家电设备的方法、装置和家电设备 | |
EP3379163A2 (en) | Air conditioner and control method thereof | |
CN108009414B (zh) | 一种基于生物识别的多用户智能控制台系统和控制方法 | |
CN108006889B (zh) | 空调控制方法和装置 | |
CN109269041B (zh) | 空调、空调控制方法及计算机可读存储介质 | |
CN112051743A (zh) | 设备控制方法、冲突处理方法、相应的装置及电子设备 | |
CN110799978B (zh) | 居住环境中的人脸识别 | |
CN103868188A (zh) | 通过人脸识别实现空调控制的方法及系统 | |
JP2005529548A (ja) | 局所環境の環境性を局所環境内の場所及び人の好みに適応させるシステム及び方法 | |
CN110186167B (zh) | 空调器的控制方法、装置、空调器及存储介质 | |
CN112558491A (zh) | 基于语音识别的家庭场景联动智能家居系统及其控制方法、控制装置 | |
CN114237069A (zh) | 室内环境控制方法、装置、系统及存储介质 | |
KR20030017980A (ko) | 개인화된 네트워크 환경을 자동적으로 제어하기 위한 방법및 시스템 | |
CN110908340A (zh) | 智能家居的控制方法及装置 | |
CN109059176B (zh) | 空气调节器及其控制方法和控制装置 | |
CN108709291B (zh) | 基于机器学习的空调控制方法及空调器 | |
WO2022242143A1 (zh) | 用于空调控制的方法、装置和空调 | |
CN113251610A (zh) | 用于空调控制的方法、装置和空调 | |
CN110715416A (zh) | 空气调节设备、温度控制方法和装置 | |
CN113091245B (zh) | 用于空调的控制方法、装置及空调 | |
JPWO2019097567A1 (ja) | 制御システム、設備機器、制御方法、及び、プログラム | |
CN109737563B (zh) | 基于感应阵列的控制方法、装置、存储介质及计算机设备 | |
CN114413420A (zh) | 空调的控制方法以及空调 | |
CN111273556B (zh) | 家居控制方法、装置和门锁 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |