空调器的控制方法及控制系统
技术领域
本发明涉及空气调节技术领域,具体涉及一种空调器的控制方法及控制系统。
背景技术
随着生活水平的日益提高,人们对居住环境的要求也越来越高,空调作为一种室内环境调节的家电越来越受到人们的青睐。近年来,智能技术发展越发火热,“智能家电”一词也走进了人们的视野,消费者对空调等家电的要求不再是仅仅实现其基础功能那么简单。换句话说,消费者对家电的选择不再是单单注重产品的质量,而是更注重产品能够带来的体验。
目前,市场上出现的智能空调对参数的调节方式大都是根据气温进行调节,或者基于对用户的人体特征参数进行监控进行调节,其智能控制方式简单粗放,无法满足用户的使用要求以及舒适度体验。而更加智能化一些的空调则能够基于用户及场景识别技术对空调进行控制。这种空调大多采用图像采集和识别技术,但是,由于该技术存在技术复杂、成本高昂、实现难度大、对传感器的要求较高等问题,导致识别过程错误率高,为用户带来了极为不好的使用体验。
相应地,本领域需要一种新的空调器的控制方法来解决上述问题。
发明内容
为了解决现有技术中的上述问题,即为了解决现有智能空调存在的识别错误率高、用户体验差的问题,本发明提供了一种空调器的控制方法,所述控制方法包括:
获取所述空调器的历史运行数据;
基于所述历史运行数据,确定所述空调器的工作场景和/或用户类型;
基于所述工作场景和/或所述用户类型,确定所述空调器的运行参数;
基于所述运行参数,控制所述空调器运行。
在上述空调器的控制方法的优选技术方案中,所述控制方法还包括:
基于所述历史运行数据,确定用户的舒适度偏好类型;
基于所述舒适度偏好类型,确定偏置系数;
基于所述偏置系数,调整所述运行参数。
在上述空调器的控制方法的优选技术方案中,“基于所述历史运行数据,确定用户的舒适度偏好类型”的步骤进一步包括:
将所述历史运行数据输入预先训练的分类模型,得到所述舒适度偏好类型;
其中,所述分类模型用于表征所述历史运行数据与所述舒适度偏好类型之间的对应关系。
在上述空调器的控制方法的优选技术方案中,“基于所述历史运行数据,确定所述空调器的工作场景和/或用户类型”的步骤进一步包括:
将所述历史运行数据输入预先训练的分类模型,得到所述空调器的工作场景和/或所述用户类型;
其中,所述分类模型用于表征所述历史运行数据与所述工作场景和/或所述用户类型之间的对应关系。
在上述空调器的控制方法的优选技术方案中,所述分类模型为支持向量机模型或神经网络模型。
在上述空调器的控制方法的优选技术方案中,所述历史运行数据包括室内环境温度、室外环境温度、室内环境湿度、室外环境湿度、空调器的运行时段、送风角度、送风强度和负荷功率中的一种或几种。
在上述空调器的控制方法的优选技术方案中,所述工作场景包括卧室、客厅、餐厅、书房和活动室中的一种或几种;并且/或者所述用户类型包括儿童、成年人、老年人中的一种或几种;并且/或者所述舒适度偏好类型包括喜热、喜冷、喜湿和喜干中的一种或几种。
在上述空调器的控制方法的优选技术方案中,在“基于所述运行参数,控制所述空调器运行”的步骤之后,所述控制方法还包括:
接收人为调整运行参数的控制指令,并基于所述控制指令调整所述空调器的运行参数;
基于调整后的运行参数,重新确定所述空调器的工作场景和/或用户类型。
本发明还提供了一种空调器的控制系统,所述控制系统包括:
采集模块,所述采集模块用于获取所述空调器的历史运行数据;
分类模块,所述分类模块用于基于所述历史运行数据,确定所述空调器对应的工作场景和/或用户类型;
控制模块,所述控制模块基于所述工作场景和/或用户类型,确定所述空调器的运行参数,以及基于所述运行参数,控制所述空调器运行。
在上述空调器的控制系统的优选技术方案中,所述分类模块还用于基于所述历史运行数据,确定用户的舒适度偏好类型;
所述控制模块还用于基于所述舒适度偏好类型,确定偏置系数,以及基于所述偏置系数,调整所述运行参数。
本领域技术人员能够理解的是,在本发明的优选技术方案中,空调器的控制方法包括:获取空调器的历史运行数据;基于历史运行数据,确定空调器的工作场景和/或用户类型;基于工作场景和/或用户类型,确定空调器的运行参数;基于运行参数,控制空调器运行。
通过上述控制方式,本申请的空调器的控制方法提高了智能空调的识别准确率,大幅改善了用户体验。具体而言,通过基于历史运行数据对空调器的工作场景和/或用户类型进行分类,并基于分类结果确定空调器的运行参数,本申请的控制方式仅依靠对历史运行数据的采集和分析即可有效识别出空调器的工作场景和/或用户类型,该方式降低了技术的复杂程度和实现难度,提高了空调器判断识别的准确性,避免了由于图像识别技术的不确定性而带来的识别错误率高的问题,给用户带来了优良的使用体验。并且使用空调器的历史运行数据作为分类的基础数据,控制系统设计简单,无需添加大量传感器,还有利于大幅降低技术成本。
进一步地,通过基于历史运行数据确定用户的舒适度偏好类型,并基于偏好类型确定偏置系数从而对空调器的运行参数进行调整,本申请的控制方法还能够在对工作场景和/或用户类型分类的基础上,进一步基于历史运行数据对用户使用空调的舒适度偏好进行精确分类,从而在基于工作场景和/或用户类型对空调的运行参数进行调整的基础上,基于该舒适度偏好对空调器的运行参数进行二次调整,满足用户使用空调器的不同偏好,使空调器更加智能化和个性化,进一步提升用户体验。并且,通过直接从历史运行数据中寻找规律确定出用户的舒适度偏好,还解决了个人舒适度体偏好以直接数据化的难题。
进一步地,空调器以运行参数运行时,通过接收人为调整运行参数的控制指令,并基于该指令调整空调器的运行参数,以及基于调整后的运行参数重新确定空调器的工作场景和/或用户类型,本申请的空调器的控制方法还能够在工作场景出现变更时及时对工作场景和/或用户类型作出调整,提高空调器的适用性。
附图说明
下面参照附图来描述本发明的空调器的控制方法及控制系统。附图中:
图1为本发明的空调器的控制方法的流程图;
图2为本发明的空调器的控制方法的实施过程示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。例如,以下实施例中虽然将各个步骤按照先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
首先参照图1,对本发明的空调器的卡侬估值方法进行描述。其中,图1为本发明的空调器的控制方法的流程图。
如图1所示,为解决现有智能空调器存在的识别错误率高、用户体验差的问题,本申请的空调器的控制方法主要包括:
S100、获取空调器的历史运行数据;例如,历史运行数据在本实施方式中包括室内环境温度、室外环境温度、室内环境湿度、室外环境湿度、空调器的运行时段、送风角度、送风强度和负荷功率等,在空调器运行过程中,空调器获取并存储上述历史运行数据,并在本步骤执行时调用上述数据。当然,历史运行数据的选取范围并非固定,本领域技术人员可以在本实施方式的基础上进行适当增减,以便其能够适用于更加具体的应用场景,比如历史运行数据还包括运行模式等。
S200、基于历史运行数据,确定空调器的工作场景和/或用户类型;例如,工作场景在本实施方式中可以包括卧室、客厅、餐厅、书房和活动室等,用户类型可以包括儿童、成年人、老年人等,在获取空调器的历史运行数据后,空调器基于该历史运行数据进行分析判断,确定出空调器的工作场景和用户类型。比如,空调器基于历史运行参数只确定出空调器的工作场景为客厅,或者空调器基于历史运行参数同时确定出空调器的工作场景为卧室且用户类型为老年人等。同样地,工作场景和用户类型的选取范围本领域技术人员也可以基于实际情况进行调整,该调整并未偏离本申请的保护范围。比如,工作场景还可以包括储物间或冷藏室等,用户类型还可以进一步细分出青年人等。
S300、基于工作场景和/或用户类型,确定空调器的运行参数;例如,针对每种不同的工作场景和用户类型,提前设定好相应的工作场景和/或用户类型与运行参数的对照表并存储在空调器中,当确定出工作场景和/或用户类型后,直接从对照表中选择相应的运行参数。本领域技术人员能够理解的是,虽然上述运行参数的确定方式是以对照表的形式给出的,但是该确定方式并非只限于此,在不偏离本申请原理的条件下,任何合理的确定方式均在本申请的保护范围之内。例如,运行参数的确定方式还可以基于经验公式等得到,此时只需将工作场景和用户类型分别赋值并将赋值代入公式中即可得出各运行参数。
S400、基于运行参数,控制空调器运行;例如,在确定出空调器的运行参数后,空调器的控制器以该运行参数控制空调器运行,从而实现不同的控制模式。例如,在卧室工作的空调器,控制器会在夜晚逐渐降低其负荷功率,升高空调的温度参数,防止用户因为睡眠状态代谢下降而导致的冷感上升,确保用户在睡眠状态的舒适性;再如客厅工作的空调会依据室外环境的变化调节设定温度和风机转速;餐厅的空调会在用餐时间增大负荷功率,降低温度;儿童或老人房间的空调会适当提升温度,减少室内参数的突变,并减小送风强度,采用上扬送风方式,尽量降低空调器对房间的额外影响,增加其舒适性体验。
由上述描述可以看出,本申请的空调器的控制方法能够提高智能空调的识别准确率,改善用户体验。具体而言,图像识别技术受应用场景的影响很大,尤其在工作场景和用户类型的识别上容易出现错误。例如,在儿童房间可能出现父母等成年人活动,在父母房间同样会有孩子出入,图像识别技术并不能对复杂的问题进行识别判断,且在场景划分上由于房间布置、装修等的多样,错误划分的概率会更大。而本发明使用基于历史运行数据判断工作场景和用户类型的方式,不需要使用图像识别或红外传感器等复杂的技术方法,而是仅依靠对历史运行数据的采集和分析即可有效识别出空调器的工作场景和/或用户类型,由于用户对特定空调的参数设置具有很强的习惯性和规律性,因此该方式能够有效降低识别的复杂程度和实现难度,从而提高空调器判断识别的准确性,避免了由于图像识别技术的不确定性而带来的识别错误率高的问题,给用户带来了优良的使用体验。并且使用空调器的历史运行数据作为分类的基础数据,控制系统设计简单,无需设置大量高精度传感器,还有利于降低空调器的技术成本。
下面参照图1和图2,对本申请的空调器的控制方法进行详细描述。其中,图2为本发明的空调器的控制方法的实施过程示意图。
如图2所示,在一种较为优选的实施方式中,空调器的控制方法还包括:基于历史运行数据,确定用户的舒适度偏好类型;基于舒适度偏好类型,确定偏置系数;以及基于偏置系数,调整运行参数。具体而言:
基于历史运行数据,确定用户的舒适度偏好类型;例如,舒适度偏好类型包括喜热、喜冷、喜干和喜湿等,在确定空调器的工作场景和/或用户类型(即步骤S200)的同时,空调器基于历史运行数据,确定出用户的舒适度偏好类型。如确定出偏好类型为喜干且喜热。当然,本步骤的执行时机并非一成不变,其除了可以与步骤S200同时执行外,还可以在步骤S200之前或之后执行,该执行时机的改变并未偏离本申请的原理。此外,舒适度偏好类型除本实施方式中介绍的几种外,本领域技术人员也可以对其进行适当增减,如还可以包括风力喜好和噪音喜好等。
基于舒适度偏好类型,确定偏置系数;例如,在确定出舒适度偏好类型为喜热时,基于该舒适度偏好类型确定出温度的偏置系数1.02、或者确定出温度的偏置系数为1℃;再如确定出风机风速的偏置系数为0.8、或者风机风速的偏置系数为100r/min等。
基于偏置系数,调整运行参数;例如,在确定出偏置系数后,对由工作场景和/或用户分类确定出的运行参数进行调整,例如将当前设置温度乘以温度的偏置系数1.02或将当前设置温度上调1℃作为调整后的设置温度;再如将风机风速乘以风速的偏置系数0.8或者将风机风速下调100r/min作为调整后的风机风速。
通过基于历史运行数据确定用户的舒适度偏好类型,并基于偏好类型确定偏置系数从而对空调器的运行参数进行调整,本申请的控制方法还能够在对工作场景和/或用户类型分类的基础上,进一步基于历史运行数据对用户使用空调的舒适度偏好进行精确分类,从而在基于工作场景和/或用户类型对空调的运行参数进行调整的基础上,基于该舒适度偏好对空调器的运行参数进行二次调整,满足用户使用空调器的不同偏好,使空调器更加智能化和个性化,进一步提升用户体验。并且,通过直接从历史运行数据中寻找规律确定出用户的舒适度偏好,还解决了个人舒适度体偏好以直接数据化的难题。
进一步参照图2,在一种较为优选的实施方式中,基于历史运行数据,确定空调器的工作场景和/或用户类型,以及用户的舒适度偏好类型可以采用如下方法:
将历史运行数据输入预先训练好的分类模型,由分类模型直接得出工作场景和/或用户类型,以及用户的舒适度偏好。
具体地,训练模型可以为支持向量机模型或神经网络模型等,上述两种模型的建立方法为本领域的常规技术手段,在此不再赘述。建立好分类模型后,对分类模型中工作场景和/或用户类型的训练方法可以为:收集不同类型的用户及工作场景的空调的运行数据作为训练集输入分类模型,得到空调器的运行数据与工作场景和/或用户类型的对应关系。训练好后,将任意历史数据输入该模型中,即可输出该历史数据对应的工作场景和/或用户类型。对分类模型中用户的舒适度偏好类型的训练方法可以为:收集不同空调器的运行数据以及该运行数据对应的舒适度偏好类型输入训练模型,得到历史运行数据与舒适度偏好类型之间的对应关系。训练好后,将任意历史数据输入该模型中,即可得到该历史数据对应的舒适度偏好类型。
例如,室内外的温湿度数据可以较好的反映用户的舒适度偏好;空调器的运行时段和其工作的场景息息相关,如果一个空调器长期只在晚上运行,那么它很可能就是安装在卧室的空调器;如果空调器在运行时总是向上方送风或总是避免对人体直吹,并且运行时总是静音运行,或以较小风速运行,那么它可能是安装在儿童房间或老人房间的空调;如果空调器运行负荷主要受室外环境的影响,那么它很可能安装在客厅;如果空调负荷受室内因素影响较大,那么位于餐厅或活动室的可能性就会很大。
通过采用支持向量机模型或神经网络模型作为分类模型,并根据用户的历史运行数据对空调器的工作场景、用户类型及舒适度偏好进行分类,本申请的控制方法能够实现空调器的参数调节随工作场景、用户类型及用户的偏好做出适应性变化,提高场景识别精准度,提升用户体验。
进一步地,在一种较为优选的实施方式中,分类模型中用户的舒适度偏好类型可以基于PMV指数进行训练。具体地,PMV指数是用于表征人体热反应的评价指标,由丹麦的范格尔教授提出,该指数代表了同一环境中大多数人的冷热感觉的平均值,有7级感觉:冷(-3)、凉(-2)、稍凉(-1)、适中(0)、稍暖(1)、暖(2)、热(3);PMV指数与温度、湿度、风速、平均辐射温度、服装热阻和人体新陈代谢等因素有关。在输入历史运行数据后,可以首先基于该历史运行数据中的开启空调前的环境数据(如空调器开启前的室内外环境温度、室内外环境湿度等)计算出对应的PMV=0时的标准运行参数,然后再基于历史运行数据中开启空调后的环境数据(如空调器开启后的室内外环境温度、室内外环境湿度等)与标准运行参数进行比较的方式,确定出用户的舒适度偏好类型。
由于PMV指标代表了同一环境下绝大多数人的热感觉,但人与人之间存在生理差别,PMV指标并不一定能够代表所有人的感觉。因此范格尔教授又提出了预测不满意百分比PPD指标来表示人群对热环境不满意的百分数。范格尔教授发现,在PMV=0处,PDD约为5%。这意味着,即使室内环境处于最佳热舒适状态,由于人们的生理差别,还有5%的人对环境舒适度不满意。因此只根据气温或人体特征参数来调节空调器的运行参数是不能完全满足用户对舒适度的要求的。而本发明提出的控制系统可以通过对用户历史运行数据的分析,针对用户的舒适度偏好与PMV指标的差异进行分类,确定用户的舒适度偏好类型,然后生成不同的偏置系数对空调器的运行参数进行二次调节,使空调的运行更符合用户的个人舒适感体验。
需要说明的是,虽然上述实施方式中是结合工作场景、用户类型和舒适度偏好由同一个分类模型进行分类确定的,但是,本领域技术人员应该理解的是,本发明对现有技术的贡献体现在于通过历史运行数据确定出工作场景、用户类型和舒适度偏好,而非确定过程由何种模型或几种模型进行,因此,在采用本发明的发明构思的情况下,使用其他模型或装置/模块确定工作场景、用户类型和舒适度偏好,或者工作场景、用户类型和舒适度偏好分别由分不同模型确定的方案也并未偏离本发明的原理。例如,分类模型还以只用来确定工作场景和用户类型,而舒适度偏好由空调器的控制器基于存储在空调器内的舒适度模型与运行数据的对照表完成等。
进一步参照图2,在一种较为优选的实施方式中,空调器的控制方法还包括:
接收人为调整运行参数的控制指令,并基于控制指令调整空调器的运行参数;基于调整后的运行参数,重新确定空调器的工作场景和/或用户类型。举例而言,在空调器基于工作场景、用户类型和舒适度偏好确定的运行参数运行过程中,用户手动调整了空调器的运行参数,那么很可能是由于当前空调器的工作场景、用户类型以及舒适度偏好发生了变更,此时空调器及时记录调整后的运行参数,并基于该调整后的运行参数重新确定空调器的工作场景、用户类型和舒适度偏好类型。
通过空调器以运行参数运行时,接收人为调整运行参数的控制指令,并基于该指令调整空调器的运行参数,以及基于调整后的运行参数重新确定空调器的工作场景和/或用户类型,本申请的空调器的控制方法还能够在工作场景出现变更时及时对工作场景和/或用户类型作出调整,提高空调器的适用性,进一步提升用户体验。
需要说明的是,尽管上文详细描述了本发明方法的详细步骤,但是,在不偏离本发明的基本原理的前提下,本领域技术人员可以对上述步骤进行组合、拆分及调换顺序,如此修改后的技术方案并没有改变本发明的基本构思,因此也落入本发明的保护范围之内。
下面参照图2,对本申请的空调器的控制系统作简要说明。其中,图2为本发明的空调器的控制系统的系统示意图。
如图2所示,与空调器的控制方法对应地,本申请还提供了一种空调器的控制系统,该控制系统主要包括采集模块、分类模块和控制模块,其中:
采集模块用于获取并存储空调器的历史运行数据,如采集模块获取并存储空调器运行时的室内环境温度、室外环境温度、室内环境湿度、室外环境湿度、空调器的运行时段、送风角度、送风强度和负荷功率等运行数据,并在执行空调器的控制方法时调用上述运行数据。
分类模块用于基于历史运行数据,确定空调器对应的工作场景和/或用户类型,例如分类模块为训练好的支持向量机模型或神经网络模型等,将历史运行数据输入该模型后能够得出空调器对应的工作场景和/或用户类型。
控制模块基于工作场景和/或用户类型,确定空调器的运行参数,以及基于运行参数,控制空调器运行;例如,控制模块为空调器的控制器,其能够基于确定的工作场景和/或用户类型选择相适应的运行参数,并控制空调器以运行参数运行。
进一步地,分类模块还用于基于历史运行数据,确定用户的舒适度偏好类型;例如,将历史运行数据输入分类模型后,能够得出用户在使用空调器时的偏好类型,如喜热、喜冷、喜干和喜湿等。
控制模块还用于基于舒适度偏好类型,确定偏置系数,以及基于偏置系数,调整运行参数;例如,空调器的控制器基于确定好的舒适度偏好类型确定温度、风速等参数的偏置系数,并基于该偏置系数调整空调当前的运行参数,以便空调器的运行参数更加符合用户的偏好。
通过上述设置方式,本申请的空调器的控制系统能够根据用户的历史运行数据对空调器的工作场景、用户类型及舒适度偏好进行分类,实现空调器的参数调节随工作场景、用户类型及舒适度偏好做出适应性变化,提升工作场景、用户类型以及舒适度偏好的识别准确率,改善用户体验。
本领域技术人员能够理解的是,上述各模块物理上可以是设置于空调器中的专门用于执行本发明方法的模块,也可以是现有空调器的控制器中的一个功能模块或功能单元。
下面参照图1和图2,对本申请的空调器的一种可能的运行过程进行描述。
如图1和图2所示,在一种可能的实施过程中,用户通过遥控器选择“智能调节”功能后,空调器首先调取空调器的历史运行数据,并基于历史运行数据判断出该空调器设置于老人卧室内,并且该用户使用空调器时舒适度偏好为喜热;然后空调器的控制器基于上述判断结果,首先确定出空调器的标准运行参数为设定温度29℃、导风板上扬、风机转速为300r/min,其次控制器基于用户的舒适度偏好类型,确定出设定温度的偏置系数为1.05,风机转速的偏置系数为0.8,由此调整空调器的运行参数为:设定温度=29×1.05≈30.5℃;风机转速=300×0.8=240r/min;导风板上扬。最后,控制器控制空调器以设定温度30.5℃、风机转速240r/min、导风板上扬运行。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。