CN109974242B - 基于热成像的空调系统智能调温方法与系统 - Google Patents

基于热成像的空调系统智能调温方法与系统 Download PDF

Info

Publication number
CN109974242B
CN109974242B CN201910283622.2A CN201910283622A CN109974242B CN 109974242 B CN109974242 B CN 109974242B CN 201910283622 A CN201910283622 A CN 201910283622A CN 109974242 B CN109974242 B CN 109974242B
Authority
CN
China
Prior art keywords
temperature
air conditioner
person
personnel
indoor
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
Application number
CN201910283622.2A
Other languages
English (en)
Other versions
CN109974242A (zh
Inventor
李成栋
周长庚
李银萍
彭伟
张桂青
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.)
Tongfang Decheng Shandong Technology Co ltd
Original Assignee
Shandong Jianzhu University
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 Shandong Jianzhu University filed Critical Shandong Jianzhu University
Priority to CN201910283622.2A priority Critical patent/CN109974242B/zh
Publication of CN109974242A publication Critical patent/CN109974242A/zh
Application granted granted Critical
Publication of CN109974242B publication Critical patent/CN109974242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种基于热成像的空调系统智能调温方法与系统，步骤是：采集大量的空调使用信息，进行预处理，构建历史数据库；根据历史数据构建由人员表面温度频率模型和室内温度概率模型组成的人员温度需求模型；采集实时热量分布图，实时热量分布图预处理之后，匹配相应模型，得到空调系统的最佳调节参数。本发明根据人员表面温度进行空调温度的调节，使得设定的空调温度更加符合人们的需求，更加的人性化。采用物联网系统，实现空调系统的自动控制，节省人力，使得办公环境更加智能化。空调设定温度随着人员表面温度的变化进行调节，提高了空调的使用效率，节约了电力资源。

Description

基于热成像的空调系统智能调温方法与系统
技术领域
本发明涉及一种空调系统调温方法，具体涉及一种基于热成像传感器且实现智能调温的方法，属于智能家居技术领域。
背景技术
随着社会经济的不断发展，空调在日常生活中的使用越来越频繁，但是在日常空调的使用中，也存在着许多的问题与不便。尤其在日常的办公环境中，忘关空调、设定空调温度过低的情景时有发生，既造成了电力资源的浪费，也使得人员舒适性大打折扣；另外，在个人办公室内，人们处于不同的状态对于室内的温度需求也不同。但是这些问题并没有得到很好的解决，为此，人们需要一种智能的空调系统调温方法为人们创造一个节能、舒适的办公环境。
从目前空调系统的调温方法来看，更多的是人们根据自身的主观感受来进行空调参数的调节，进而达到一个舒适的环境，但该方法不能实时的根据人员状态变化进行空调温度调节，保持人员最舒适的温度，导致调节方式过于单一，缺乏智能化；此外，可以根据检测办公场所人员的存在与否来实现空调的自动控制，但是该方法仅能控制空调开关但不能进行温度的调节，空调长期处于一种工作状态，缺乏人性化。从而已有的两种方案均不能精确、人性化的进行空调系统的温度调节。
中国专利201610131574.1公开了一种空调温度智能控制方法及装置，包括：判断当前的空调温度是否符合调高温度的条件；若所述当前的空调温度符合所述调高温度的条件，则调高当前的空调温度。该发明实施例提供的技术方案有利于提升空调在工作过程中的节能性和舒适性。但是其“调高温度的条件”中第一推荐温度为根据室外环境计算得到的普遍需求温度，第二推荐温度为根据用户历史使用习惯计算得到的用户喜好温度。该发明仍然不能实时的根据人员状态变化进行空调温度调节，保持人员最舒适的温度。
因此，有必要开发新的空调系统智能调温方法，实现个人办公环境空调系统的智能控制，节约电力资源，并且为工作人员提供一个舒适惬意的办公环境，提高工作效率。
发明内容
为克服现有技术中的不足，本发明的目的在于提供的一种基于热成像的空调系统智能调温方法与系统。
为实现上述目的，本发明采用下述技术方案：
本发明提供了一种基于热成像的空调系统智能调温方法，包括以下步骤：
步骤1：通过空调使用信息构建历史数据库，其中空调使用信息包括室内温度、人员表面温度，以及相对应的空调系统参数；
步骤2：构建人员表面温度频率模型μ1(m1，σ1)，其中μ1表示正态分布，m1为其中心，σ1为其标准差，基于该模型，得到最常出现的人员表面温度区间[m1-σ1，m1+σ1]；基于最常出现的人员表面温度区间，构建室内温度概率模型μ2(m2，σ2)，其中μ2表示正态分布，m2为其中心，σ2为其标准差，进而得到最佳室内温度区间[m2-σ2，m2+σ2]；
步骤3：获取实时室内温度和实时人员表面温度，通过调高或者调低空调温度的设定值，使得人员表面温度落入区间[m1-σ1，m1+σ1]内，室内温度落入区间[m2-σ2，m2+σ2]内。
优选的，所述步骤1中空调使用信息是实时(连续或间隔)获取并存储的。
优选的，所述空调系统参数包括设定温度，或者包括设定温度和风速。
优选的，所述步骤3中的实时室内温度通过温度传感器获取。
优选的，所述步骤3中的实时人员表面温度通过热成像摄像头获取，方法是：
(1)通过热成像摄像头拍摄热量分布图；
(2)对以采集的热量分布图进行分割处理；
(3)读取热量分布图的人员表面温度。
优选的，所述步骤3中调高或者调低空调温度的设定值的温度调节规则是：
a.当人员表面温大于m1+σ1，室内温度大于m2+σ2时，则空调设定温度值T≤m2-σ2，直到人员表面温度与室内温度落入各自对应的温度区间内；
b.当人员表面温度小于m1-σ1，室内温度小于m2-σ2时，则空调设定温度值T≥m2+σ2，直到人员表面温度与室内温度落入各自对应的温度区间内；
c.当人员表面温度大于m1+σ1，室内温度小于m2-σ2时，则空调设定温度值T保持不变，直到人员表面温度与室内温度落入各自对应的温度区间内；
d.当人员表面温度小于m1-σ1，室内温度大于m2+σ2时，则空调设定温度值T保持不变，直到人员表面温度与室内温度落入各自对应的温度区间内；
e.当人员表面温度位于[m1-σ1，m1+σ1]内，室内温度大于m2+σ2时，则空调设定温度T≤m2+σ2，直到室内温度落入对应的温度区间内；
f.当人员表面温度位于[m1-σ1，m1+σ1]内，室内温度小于m2-σ2，则空调设定温度值T≥m2-σ2，直到室内温度落入对应的温度区间内；
g.当人员表面温度大于m1+σ1，室内温度位于[m2-σ2，m2+σ2]时，则空调设定温度T应大于m2-σ2，小于此时的室内温度，直到人员表面温度落入对应的温度区间内；
h.当人员表面温度小于m1-σ1，室内温度位于[m2-σ2，m2+σ2]时，则空调设定温度T应大于此时室内温度，小于m2+σ2，直到人员表面温度落入对应的温度区间内；
i.当人员表面温度位于[m1-σ1，m1+σ1]内，室内温度位于[m2-σ2，m2+σ2]时，空调设定温度值T保持不变。
优选的，还包括检测人员存在的步骤：若未检测到人员，室内无人，则发送指令关闭空调；若检测到人员，则获取实时人员表面温度与实时室内温度。
优选的，所述检测人员存在的方法是：
通过人体红外传感器检测，和/或，
通过热成像摄像头拍摄热量分布图，对以采集的热量分布图进行分割处理，若在分割的图像中，温度[α，β]内，其中[α，β]为人员表面温度最常出现的温度区间，且该区域的面积大于θ，其中θ为人员出现时热量分布图的最小面积，则判定人员存在。
本发明另外提供了一种基于热成像的空调系统智能调温系统，用于在执行时实现上述的基于热成像的空调系统的智能调温方法，其包括：
历史数据的采集模块，该模块用于执行步骤1的方法；
空调温度调节决策模块，该模块用于执行步骤2的方法；
实时匹配与处理模块，该模块用于执行步骤3的方法。
由于采用上述技术方案，本发明的有益效果是：
(1)根据人员表面温度进行空调温度的调节，使得设定的空调温度更加符合人们的需求，更加的人性化。
(2)采用物联网系统，实现空调系统的自动控制，节省人力，使得办公环境更加智能化。
(3)空调设定温度随着人员表面温度的变化进行调节，提高了空调的使用效率，节约了电力资源。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明中人员表面温度频率模型；
图2是本发明基于热成像的空调系统智能调温方法与系统总流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
实施例1
如图1所示，一种基于热成像的空调系统智能调温方法及系统。
本发明通过热成像摄像头采集单人办公室的热量分布图，记录办公室内空调系统的工作信息来构建历史数据库，进而建立人员温度需求模型；利用热成像摄像头实时数据采集之后，通过与已建立的模型进行实时匹配，进而实现了根据人员表面温度进行空调温度调节，保证了工作环境的舒适、节能。
本发明主要有三个核心模块构成，分别为历史数据的采集模块、空调温度调节决策模块、实时匹配与处理模块。历史数据的采集主要是利用热成像摄像头拍摄办公室内的热量分布图，记录与之对应工作场所的空调使用信息，并对采集图像进行预处理，进而构建历史数据库；空调温度调节决策模块主要是通过对所采集的数据构建人员表面温度频率模型与室内温度概率模型，并制定温度调节规则；实时匹配与处理模块主要是根据实时数据，与空调调温模块进行匹配，进而给出最佳的空调调节状态。
各个模块的具体功能如下：
1.历史数据的采集
本模块主要通过采集大量的历史空调信息数据，进行预处理，构建历史数据库。且与空调温度调节决策模块、实时匹配与处理模块相通信。
(1)在工作场合安装嵌有窄带物联网(NB-IoT)模块的热成像摄像头和温度传感器，拍摄热量分布图，采集室内温度，并且记录相对应的空调系统参数，包括设定温度、风速。
(2)对以采集的热量分布图进行分割处理。
本发明中使用K-均值聚类的方法进行图像分割。
基于K-均值聚类方法的图像分割原理如下：
首先随机从图像数据集中选取K个点作为初始聚类中心，然后计算各个样本到聚类中心的距离，把样本归到离它最近的那个聚类中心所在的类。计算新形成的每一个聚类的数据对象的平均值来得到新的聚类中心，如果相邻两次的聚类中心没有任何的变化，说明样本调整结束，聚类准则函数已经收敛。
(3)在进行图像分割之后，根据不同的颜色，将一张图分割为不同的部分，因为人员表面温度几乎一致，如果有人员存在，一定处于某一个分区类，具有人体的形状。
人体特征的识别方法：若在分割的图像中，温度[α，β]内，其中[α，β]为人员表面温度最常出现的温度区间，且该区域的面积大于θ，其中θ为人员出现时热量分布图的最小面积，则判定人员存在
根据图像分割的结果，提取人员特征，检测人员的存在。若人员存在，则读取热量分布图的人员表面温度与室内温度，并且将其对应的空调设定温度、风速存入同一个集合中。
(4)将所有的数据集合存储到云端服务器。
2.空调温度调节决策模块
本模块主要是根据历史数据构建人员温度需求模型，且与历史数据的采集模块、实时匹配与处理模块相通信。
(1)根据空调的使用情况，将所有情形分为夏天和冬天两种模式进行智能调温。附图1为夏天人员表面温度频率模型，冬天模式的方法与夏天模式一致。
(2)人员表面温度频率模型。对已采集的夏天人员表面温度数据进行预处理，获得夏天人员表面温度的分布规律，进而构建夏天的人员表面温度频率模型μ1(m1，σ1)，其中μ1表示正态分布，m1为其中心，σ1为其标准差，如图1所示，基于该模型，可以得到最常出现的人员表面温度区间[m1-σ1，m1+σ1]。
(3)室内温度概率模型。取最常出现的人员表面温度区间内的人员表面温度对应的室内温度，构建室内温度概率模型μ2(m2，σ2)，其中μ2表示正态分布，m2为其中心，σ2为其标准差，进而可以得到最佳室内温度区间[m2-σ2，m2+σ2]。
有利地，在构建室内温度概率模型之前还可以先进行数据挖掘，本发明中采用Apriori算法对关联规则进行挖掘，其主要步骤为：1.找出事务(本发明中指每次调节空调参数)数据库内所有的频繁项集(项集的支持度不小于预先设定的最小支持度阈值，称此项集为频繁项集)；2.由频繁项集产生强关联规则(可表示为一个逻辑蕴涵式
Figure BDA0002022526900000061
其中A和B为两个不同的非空子项集)，既满足最小支持度(事务数据库中包含AUB的事务在全部事务中占的百分比即为关联规则
Figure BDA0002022526900000062
的支持度)和最小置信度(事务数据库中包含A的事务中同时也包含B事务的百分比即为关联规则
Figure BDA0002022526900000063
的置信度)的规则。
(4)温度调节规则：通过调高或者调低空调温度的设定值，使得人员表面温度落入区间[m1-σ1，m1+σ1]内，室内温度落入区间[m2-σ2，m2+σ2]内。例如：
a.当人员表面温度大于m1+σ1，室内温度大于m2+σ2时，则空调设定温度值T≤m2-σ2，直到人员表面温度与室内温度落入各自对应的温度区间内。
b.当人员表面温度小于m1-σ1，室内温度小于m2-σ2时，则空调设定温度值T≥m2+σ2，直到人员表面温度与室内温度落入各自对应的温度区间内。
c.当人员表面温度大于m1+σ1，室内温度小于m2-σ2时，则空调设定温度值T保持不变，直到人员表面温度与室内温度落入各自对应的温度区间内。
d.当人员表面温度小于m1-σ1，室内温度大于m2+σ2时，则空调设定温度值T保持不变，直到人员表面温度与室内温度落入各自对应的温度区间内。
e.当人员表面温度位于[m1-σ1，m1+σ1]内，室内温度大于m2+σ2时，则空调设定温度T≤m2+σ2，直到室内温度落入对应的温度区间内。
f.当人员表面温度位于[m1-σ1，m1+σ1]内，室内温度小于m2-σ2，则空调设定温度值T≥m2-σ2，直到室内温度落入对应的温度区间内。
g.当人员表面温度大于m1+σ1，室内温度位于[m2-σ2，m2+σ2]时，则空调设定温度T应大于m2-σ2，小于此时的室内温度，直到人员表面温度落入对应的温度区间内。
h.当人员表面温度小于m1-σ1，室内温度位于[m2-σ2，m2+σ2]时，则空调设定温度T应大于此时室内温度，小于m2+σ2，直到人员表面温度落入对应的温度区间内；
i.当人员表面温度位于[m1-σ1，m1+σ1]内，室内温度位于[m2-σ2，m2+σ2]时，空调设定温度值T保持不变。
3.实时匹配与处理模块
本模块主要是采集实时热量分布图，实时热量分布图预处理之后，匹配相应模型，得到空调系统的最佳调节参数。且与历史数据的采集模块、空调温度调节决策模块相通信。
(1)利用热成像摄像头拍摄实时热量分布图。
(2)提取热量分布图的主要信息。主要信息包括：人员、人员表面温度、室内温度。
(3)若未检测到人员，室内无人，则关闭空调；若检测到人员，调用空调温度调节决策模块，给出人员最佳的空调温度设定值。
本发明整体步骤如图2所示。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种基于热成像的空调系统智能调温方法，其特征在于，包括以下步骤：
步骤1：通过空调使用信息构建历史数据库，其中空调使用信息包括室内温度、人员表面温度，以及相对应的空调系统参数；
步骤2：根据空调的使用情况，将所有情形分为夏天和冬天两种模式进行智能调温；构建夏天或冬天人员表面温度频率模型μ1(m1,σ1)，其中μ1表示正态分布，m1为其中心，σ1为其标准差，基于该模型，得到最常出现的人员表面温度区间[m1-σ1,m1+σ1]；基于最常出现的人员表面温度区间，构建室内温度概率模型μ2(m2,σ2)，其中μ2表示正态分布，m2为其中心，σ2为其标准差，进而得到最佳室内温度区间[m2-σ2,m2+σ2]；
步骤3：获取实时室内温度和实时人员表面温度，通过调高或者调低空调温度的设定值，使得人员表面温度落入区间[m1-σ1,m1+σ1]内，室内温度落入区间[m2-σ2,m2+σ2]内；
所述步骤1中空调使用信息是实时获取并存储的；所述步骤2在构建室内温度概率模型之前还采用Apriori算法对关联规则进行挖掘。
2.根据权利要求1所述的基于热成像的空调系统智能调温方法，其特征在于，所述空调系统参数包括设定温度，或者包括设定温度和风速。
3.根据权利要求1所述的基于热成像的空调系统智能调温方法，其特征在于，所述步骤3中的实时室内温度通过温度传感器获取。
4.根据权利要求1所述的基于热成像的空调系统智能调温方法，其特征在于，所述步骤3中的实时人员表面温度通过热成像摄像头获取，方法是：
(1)通过热成像摄像头拍摄热量分布图；
(2)对以采集的热量分布图进行分割处理；
(3)读取热量分布图的人员表面温度。
5.根据权利要求1所述的基于热成像的空调系统智能调温方法，其特征在于，所述步骤3中调高或者调低空调温度的设定值的温度调节规则是：
a.当人员表面温度大于m1+σ1，室内温度大于m2+σ2时，则空调设定温度值T≤m2-σ2，直到人员表面温度与室内温度落入各自对应的温度区间内；
b.当人员表面温度小于m1-σ1，室内温度小于m2-σ2时，则空调设定温度值T≥m2+σ2，直到人员表面温度与室内温度落入各自对应的温度区间内；
c.当人员表面温度大于m1+σ1，室内温度小于m2-σ2时，则空调设定温度值T保持不变，直到人员表面温度与室内温度落入各自对应的温度区间内；
d.当人员表面温度小于m1-σ1，室内温度大于m2+σ2时，则空调设定温度值T保持不变，直到人员表面温度与室内温度落入各自对应的温度区间内；
e.当人员表面温度位于[m1-σ1,m1+σ1]内，室内温度大于m2+σ2时，则空调设定温度T≤m2+σ2，直到室内温度落入对应的温度区间内；
f.当人员表面温度位于[m1-σ1,m1+σ1]内，室内温度小于m2-σ2，则空调设定温度值T≥m2-σ2，直到室内温度落入对应的温度区间内；
g.当人员表面温度大于m1+σ1，室内温度位于[m2-σ2,m2+σ2]时，则空调设定温度T应大于m2-σ2，小于此时的室内温度，直到人员表面温度落入对应的温度区间内；
h.当人员表面温度小于m1-σ1，室内温度位于[m2-σ2,m2+σ2]时，则空调设定温度T应大于此时室内温度，小于m2+σ2，直到人员表面温度落入对应的温度区间内；
i.当人员表面温度位于[m1-σ1,m1+σ1]内，室内温度位于[m2-σ2,m2+σ2]时，空调设定温度值T保持不变。
6.根据权利要求1所述的基于热成像的空调系统智能调温方法，其特征在于，还包括检测人员存在的步骤：若未检测到人员，室内无人，则发送指令关闭空调；若检测到人员，则获取实时人员表面温度与实时室内温度。
7.根据权利要求6所述的基于热成像的空调系统智能调温方法，其特征在于，所述检测人员存在的方法是：
通过热释电红外传感器检测，和/或，
通过热成像摄像头拍摄热量分布图，对以采集的热量分布图进行分割处理，若在分割的图像中，温度[α，β]内，其中[α，β]为人员表面温度最常出现的温度区间，且该区域的面积大于θ，其中θ为人员出现时热量分布图的最小面积，则判定人员存在。
8.一种基于热成像的空调系统智能调温系统，其特征在于，用于在执行时实现权利要求1-7任一项所述的基于热成像的空调系统的智能调温方法，其包括：
历史数据的采集模块，该模块用于执行步骤1的方法；
空调温度调节决策模块，该模块用于执行步骤2的方法；
实时匹配与处理模块，该模块用于执行步骤3的方法。
CN201910283622.2A 2019-04-10 2019-04-10 基于热成像的空调系统智能调温方法与系统 Active CN109974242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910283622.2A CN109974242B (zh) 2019-04-10 2019-04-10 基于热成像的空调系统智能调温方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910283622.2A CN109974242B (zh) 2019-04-10 2019-04-10 基于热成像的空调系统智能调温方法与系统

Publications (2)

Publication Number Publication Date
CN109974242A CN109974242A (zh) 2019-07-05
CN109974242B true CN109974242B (zh) 2021-10-08

Family

ID=67083800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910283622.2A Active CN109974242B (zh) 2019-04-10 2019-04-10 基于热成像的空调系统智能调温方法与系统

Country Status (1)

Country Link
CN (1) CN109974242B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110805992A (zh) * 2019-10-23 2020-02-18 深圳鹄恩电子科技有限公司 一种基于智能手环的空调调节方法及系统
CN110986329A (zh) * 2019-12-13 2020-04-10 珠海格力电器股份有限公司 一种移动式空调器的控制方法、计算机可读存储介质及空调器
CN112229045B (zh) * 2020-10-23 2021-12-31 深圳市华创智能工程技术有限公司 一种矩阵切换系统的智能温度控制方法、装置和系统
CN113311740A (zh) * 2021-03-25 2021-08-27 珠海荣邦智能科技有限公司 一种电器设备的控制方法和装置
CN113587387A (zh) * 2021-07-19 2021-11-02 上海佐竹冷热控制技术有限公司 空气调节设备预警方法和系统
CN115218268A (zh) * 2022-06-17 2022-10-21 史登峰 供热量输出控制方法、装置、设备、存储介质及程序产品

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7209838B1 (en) * 2003-09-29 2007-04-24 Rockwell Automation Technologies, Inc. System and method for energy monitoring and management using a backplane
US7200524B2 (en) * 2004-05-06 2007-04-03 Carrier Corporation Sensor fault diagnostics and prognostics using component model and time scale orthogonal expansions
US7927196B2 (en) * 2007-07-12 2011-04-19 Evapco, Inc. Louver module
JP5409148B2 (ja) * 2009-07-10 2014-02-05 三菱電機株式会社 生体状態取得装置、生体状態取得プログラム、生体状態取得装置を備えた機器及び空気調和機
CN104110765B (zh) * 2013-05-29 2017-06-16 广东美的制冷设备有限公司 一种空调预控制方法及空调
JP5788037B2 (ja) * 2014-02-10 2015-09-30 三菱電機株式会社 空気調和装置
CN105020837A (zh) * 2014-04-17 2015-11-04 美的集团股份有限公司 空调器的舒适性控制方法及装置
EP3183698A1 (en) * 2014-08-20 2017-06-28 Cassantec AG Malfunction prediction for components and units of technical entities
CN104879888B (zh) * 2015-04-30 2018-04-10 广东美的制冷设备有限公司 家电参数的自动设置方法及装置
CN105202721B (zh) * 2015-07-31 2018-05-11 广东美的制冷设备有限公司 空调器及其控制方法
CN105371435B (zh) * 2015-12-01 2019-01-15 青岛海尔空调器有限总公司 空调舒适性控制方法
CN105890121B (zh) * 2016-05-09 2019-03-08 珠海格力电器股份有限公司 一种空调的控制方法、装置及空调
WO2017203603A1 (ja) * 2016-05-24 2017-11-30 三菱電機株式会社 空調制御装置、空気調和機、及び空調システム
CN107024497B (zh) * 2016-08-11 2024-04-05 中国标准化研究院 室内热环境舒适性评价用暖体假人系统及其评价方法
CN106839305A (zh) * 2017-01-24 2017-06-13 深圳企管加企业服务有限公司 一种基于物联网的非智能空调监控方法及系统
CN107120782B (zh) * 2017-02-28 2019-11-05 上海交通大学 一种基于多用户热舒适度数据的暖通系统控制方法
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
US10458671B2 (en) * 2017-04-11 2019-10-29 Ademco Inc. Building control device having probability distribution based sensing
CN107560113B (zh) * 2017-08-18 2019-12-31 青岛海尔空调器有限总公司 一种智能空调器控制方法及空调器
CN108180608A (zh) * 2017-12-28 2018-06-19 广东美的制冷设备有限公司 空调控制方法、装置及计算机可读存储介质
CN109282450A (zh) * 2018-09-20 2019-01-29 珠海格力电器股份有限公司 一种电器盒子及其自动控制方法
CN109305183B (zh) * 2018-12-28 2019-03-22 新誉轨道交通科技有限公司 一种空调温度调节方法、系统、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN109974242A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109974242B (zh) 基于热成像的空调系统智能调温方法与系统
CN109883005B (zh) 航站楼末端空调设备智能控制系统、方法、介质和设备
CN109579232A (zh) 提高空调睡眠模式舒适性的控制方法和系统
CN105546756A (zh) 空调控制方法和装置
CN105371436A (zh) 空调睡眠控制方法
CN105371435A (zh) 空调舒适性控制方法
CN106499656B (zh) 一种风扇风速智能控制方法
CN107676935A (zh) 智能空调节能控制方法
CN109044272A (zh) 睡眠状态监测及睡眠环境参数调控方法、系统及终端设备
CN103884083B (zh) 一种节能环保智能空调系统及其工作方式
CN115451556A (zh) 一种家用中央空调的智能控制系统及方法
CN111503844A (zh) 一种空调控制方法及系统
CN112923525A (zh) 机器学习型舒适节能空调智能控制方法
CN118224112A (zh) 基于物联网技术的智能电风扇控制系统及方法
CN117646984A (zh) 一种空调控制方法、装置、电子设备及存储介质
CN204943790U (zh) 一种变风量节能控制系统
CN111189201A (zh) 一种基于机器视觉的空调预测控制方法
CN116045459A (zh) 一种空调节能运行方法及设备
CN107860076B (zh) 基于人工智能的多用户动态调温中央空调系统及方法
CN115574447A (zh) 中央空调节能控制系统
CN104515247B (zh) 一种复合控温系统及其控制方法
CN118328530B (zh) 一种辐射空调智能恒温控制系统
CN107062526B (zh) 空调舒适性控制方法
CN105184408A (zh) 基于电器用电效用分级和用户用电行为识别的节能方法
CN104329775B (zh) 空调器及其制冷的控制方法

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
TR01 Transfer of patent right

Effective date of registration: 20240914

Address after: Room 7-901, China Railway Financial Intelligence Center, No. 59 Gongye South Road, High tech Zone, Jinan City, Shandong Province, 250000

Patentee after: Tongfang Decheng (Shandong) Technology Co.,Ltd.

Country or region after: China

Address before: 250101 1000, Feng Ming Road, Lingang Development Zone, Licheng District, Ji'nan, Shandong

Patentee before: SHANDONG JIANZHU University

Country or region before: China

TR01 Transfer of patent right