CN110895011B - 一种空调控制方法、装置、存储介质及空调 - Google Patents
一种空调控制方法、装置、存储介质及空调 Download PDFInfo
- Publication number
- CN110895011B CN110895011B CN201911086136.8A CN201911086136A CN110895011B CN 110895011 B CN110895011 B CN 110895011B CN 201911086136 A CN201911086136 A CN 201911086136A CN 110895011 B CN110895011 B CN 110895011B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- parameter
- set operation
- environmental
- neural network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims abstract description 131
- 238000003062 neural network model Methods 0.000 claims abstract description 85
- 230000008859 change Effects 0.000 claims abstract description 78
- 238000012544 monitoring process Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 26
- 238000004378 air conditioning Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- 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
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/79—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling the direction of the supplied air
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
-
- 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
- F24F11/88—Electrical aspects, e.g. circuits
-
- 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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/20—Humidity
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种空调控制方法、装置、存储介质及空调,所述方法包括:检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化;当检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置;获取预先建立的用于调整所述空调的设定运行参数的神经网络模型;将获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数;根据输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。本发明方案能够在环境参数和/或环境影响因素变化时快速作出响应调整运行参数,减小室内温度和PMV值波动。
Description
技术领域
本发明涉及控制领域,尤其涉及一种空调控制方法、装置、存储介质及空调。
背景技术
随着智能算法的发展,家用空调开始逐渐使用智能算法对空调进行控制。然而,现有技术中在控制时以人体PMV值为目标,当PMV值不满足要求时根据实际情况调整设定温度和出风状态。但是由于温控系统是一个具有延时性的系统,当控制系统监测到人体PMV值发生变动之后再进行控制,恢复到最适温度也需要些许时间,因此人体PMV值其实会有一些波动,对人体的舒适性会有一定的影响。
发明内容
本发明的主要目的在于克服上述现有技术的缺陷,提供一种空调控制方法、装置、存储介质及空调,以解决现有技术中由于温控系统具有延时性,当监测到人体PMV值发生变动之后再控制人体PMV值会影响人体舒适性的问题。
本发明一方面提供了一种空调控制方法,包括:检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化;当检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置;获取预先建立的用于调整所述空调的设定运行参数的神经网络模型;将获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数;根据输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。
可选地,预先建立用于调整所述空调的设定运行参数的神经网络模型,包括:在所述空调的运行过程中,监测所处环境的第二环境参数和/或环境影响因素的第二变化信息,并监测用户所在的第二位置及所述第二位置的PMV值;根据所述第二位置和所述第二位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求;和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整;记录所述PMV值达到预设的PMV值要求时和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整后所述空调的第二设定运行参数;基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型。
可选地,基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型,包括:将所述第二环境参数和第二变化信息中的至少之一,以及所述第二位置作为输入量,将所述第二设定运行参数作为输出量进行神经网络模型训练,以建立所述用于调整所述空调的设定运行参数的神经网络模型。
可选地,还包括:在调整所述空调的当前的设定运行参数后,监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值;若所处环境的室内温度在预设时间内的温度波动值未超过预设阈值,则监测用户所在第三位置以及所述第三位置处的PMV值;根据所述第三位置和所述PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。
可选地,所述环境参数,包括:室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化;和/或,所述设定运行参数,包括:设定温度、上下出风口的风量和/或出风角度;和/或,获取用户所在的第一位置,包括:通过红外线传感器检测当前用户所在的第一位置。
本发明另一方面提供了一种空调控制装置,包括:检测单元,用于检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化;第一获取单元,用于当所述检测单元检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置;第二获取单元,用于获取预先建立的用于调整所述空调的设定运行参数的神经网络模型;参数输出单元,用于将所述第二获取单元获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数;第一调整单元,用于根据所述参数输出单元输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。
可选地,还包括:模型建立单元,用于预先建立用于调整所述空调的设定运行参数的神经网络模型,包括:在所述空调的运行过程中,监测所处环境的第二环境参数和/或环境影响因素的第二变化信息,并监测用户所在的第二位置及所述第二位置的PMV值;根据所述第二位置和所述第二位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求;和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整;记录所述PMV值达到预设的PMV值要求时和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整后所述空调的第二设定运行参数;基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型。
可选地,所述模型建立单元,基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型,包括:将所述第二环境参数和第二变化信息中的至少之一,以及所述第二位置作为输入量,将所述第二设定运行参数作为输出量进行神经网络模型训练,以建立所述用于调整所述空调的设定运行参数的神经网络模型。
可选地,还包括:第一监测单元,用于在所述第一调整单元调整所述空调的当前的设定运行参数后,监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值;第二监测单元,用于若所述第一监测单元监测但所处环境的室内温度在预设时间内的温度波动值未超过预设阈值,则监测用户所在第三位置以及所述第三位置处的PMV值;第二调整单元,用于根据所述第三位置和所述PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。
可选地,所述环境参数,包括:室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化;和/或,所述设定运行参数,包括:设定温度、上下出风口的风量和/或出风角度;和/或,获取用户所在的第一位置,包括:通过红外线传感器检测当前用户所在的第一位置。
本发明又一方面提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现前述任一所述方法的步骤。
本发明再一方面提供了一种空调,包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述任一所述方法的步骤。
本发明再一方面提供了一种空调,包括前述任一所述的空调控制装置。
根据本发明的技术方案,利用神经网络算法基于环境参数和/或环境影响因素中的至少之一,以及人体位置进行神经网络模型训练,能在环境参数和/或环境影响因素变化时快速作出响应,调整设定运行参数(设定温度和上下出风口的出风量和出风角度),能在室内温度和/或人体PMV值发生变动前改变空调的设定运行参数,减小PMV至的波动,保证用户的舒适性。并且,本发明能够根据用户对空调的使用情况,对控制过程中使用的神经网络模型进行调整,使其能根据用户习惯进行个性化控制。
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,构成本发明的一部分,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是本发明提供的空调控制方法的一实施例的方法示意图;
图2是本发明预先建立用于调整所述空调的设定运行参数的神经网络模型的一具体实施方式的流程示意图;
图3是本发明提供的空调控制方法的另一实施例的方法示意图;
图4是本发明提供的空调控制方法的一具体实施例的方法示意图;
图5是本发明提供的空调控制装置的一实施例的结构示意图;
图6是本发明提供的空调控制装置的一实施例的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例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。
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。
本发明提供一种空调控制方法。所述空调控制方法具体可以用于具有上下出风口的空调。该空调上下出风口的风量和角度均能独立进行控制。
图1是本发明提供的空调控制方法的一实施例的方法示意图。
如图1所示,根据本发明的一个实施例,所述空调控制方法至少包括步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
步骤S110,检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化。
所述环境参数具体可以包括室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化。例如检测所述空调所处环境的室外温度、湿度是否发生变化,例如室外温度的变化值和/或湿度的变化值是否超过相应的阈值,若超过相应的阈值,则确定室外温度和/或湿度发生变化。又例如,检测门窗的开闭状态是否发生变化,室内是否有新的热源。
步骤S120,当检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置。
具体地,当检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息。所述第一环境参数包括室外温度和/或湿度。所述环境影响因素的第一变化信息具体可以包括门窗开闭状态变化和/或室内热源变化。
步骤S130,获取预先建立的用于调整所述空调的设定运行参数的神经网络模型。
具体地,预先建立用于调整所述空调的设定运行参数的神经网络模型具体可以包括以下步骤S1~S5。
步骤S1,在所述空调的运行过程中,监测所处环境的第二环境参数和/或环境影响因素的第二变化信息,并监测用户所在的第二位置及所述第二位置的PMV值。
具体地,所述空调开机时获取云端数据平台保存的所述空调的第一参数设置数据和/或本地保存的所述空调的第二参数设置数据;基于开机时的初始环境参数,依据所述第一参数设置数据和/或第二参数设置数据设置所述空调的初始设定运行参数;控制所述空调按照设置的所述初始设定运行参数运行。
所述第一参数设置数据具体可以为云端数据平台保存的多个用户的参数设置数据,所述第二参数设置数据具体可以为本地保存的用户对所述空调的参数设置数据。例如,若室外温度为33度时,云端数据中大部分用户喜好的设定温度为25度,风量中高档;若室外温度为28度时,云端数据中大部分用户喜好的温度设定为27度,风量中低档;而本空调使用者(本地数据)在室外温度为33度时,手动设定为温度24度,风量高档,在室外温度为28度时,手动设定为温度25度,风量中高档,那么当室外温度为28度时,空调会将温度设定为26度,风量中档,并控制空调按照设定温度26度、风量中档运行。
具体而言,可以通过红外传感器检测用户所在第二位置和第二位置处的PMV值。所述第二环境参数具体可以包括室外环境温度和/或室外环境湿度。所述PMV值可以根据室内温度、湿度、风速、辐射温度进行计算得到,其中,风速根据用户所在第二位置和出风口的风量计算得到,辐射温度与室内温度成正比,室内温度和湿度可以通过空调自带的温湿度传感器检测得到,以上PMV值的计算为现有技术,故此处不加赘述。
步骤S2,根据所述第二位置和所述第二位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求;和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整。
具体地,根据所述第二位置和所述PMV值调整所述空调的上下出风口的风量和/或出风角度,使用户所在位置周围的PMV值达到预设的PMV值要求;和/或,在环境参数和/或环境影响因素发生变化时,用户可能会手动调整空调的运行参数,此时接收用户的参数调整指令,若接收到用户的参数调整指令,则根据用户的调整指令进行相应的设定运行参数的调整。例如,PMV值与风速有关,因此可以根据用户所在的第二位置(例如该位置与空调的距离)控制出风量(例如上下出风口的风量)和出风角度角度,使用户周围的风速适宜。
步骤S3,记录所述PMV值达到预设的PMV值要求时和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整后所述空调的第二设定运行参数。
在根据所述第二位置和所述PMV值调整所述空调的上下出风口的风量和/或出风角度,使用户所在位置的PMV值达到预设的PMV值要求时,记录下所述第二环境参数、所述第二位置以及所述PMV值达到预设的PMV值要求时所述空调的第二设定运行参数,例如包括设定温度、上下出风口的风量和/或出风角度(用户在不同的位置,距空调不同距离时设置的上下出风口的风量和/或出风角度)。和/或,在接收到用户的参数调整指令,并根据用户的调整指令进行相应的设定运行参数的调整后,记录调整后的所述空调的设定运行参数,例如包括设定温度、上下出风口的风量和/或出风角度。
例如,打开门窗、室外温度发生变化等情况,那么空调也会针对性调整风量和出风角度,保证空调舒适性,并将调整好的数据记录下来,作为进行神经网络模型训练的样本数据,或者当下次监测到类似情况的时候,将在温度发生变化前直接根据经验数据改变空调的设定温度、出风量和出风角度,保证人体舒适性不发生波动。
步骤S4,基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型。
具体地,将所述第二环境参数和第二变化信息中的至少之一,以及所述第二位置作为输入量,将所述第二设定运行参数作为输出量进行神经网络模型训练,以建立所述用于调整所述空调的设定运行参数的神经网络模型。
上述神经网络模型基于环境参数和/或环境影响因素,人体位置和PMV值达到预设的PMV值要求时的设定运行参数进行神经网络模型训练,能够在环境参数、环境影响因素和/或用户位置发生变化时快速作出响应,从而保证用户的舒适性。
例如,图2是本发明预先建立用于调整所述空调的设定运行参数的神经网络模型的一具体实施方式的流程示意图。参考图2所示,空调初始的BP神经网络可以由云端数据进行训练确定,输入为人体位置、室外温度、湿度、门窗开闭情况等,输出为空调的设定温度和上下出风口的风量、出风角度。该BP网络能在用户使用的过程中根据用户的使用情况(本地数据)不断进行适应学习,最终实现具有用户个性化设定的网络,使空调能根据用户的喜好进行智能控制。
步骤S140,将获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数。
所述神经网络模型的输入量为环境参数、环境影响因素变化信息和用户所在位置,输出量为设定运行参数,因此将所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,能够输出所述空调当前的第一设定运行参数。所述第一设定运行参数包括空调的设定温度、上下出风口的风量和/或出风角度。
步骤S150,根据输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。
也就是说,将所述空调当前的设定运行参数调整为所述第一设定运行参数,使空调按照调整后的设定运行参数运行。例如,使空调按照调整后的设定温度、上下出风口的风量和/或出风角度运行。
根据本发明上述实施例,利用神经网络算法基于环境参数和/或环境影响因素中的至少之一,以及人体位置进行神经网络模型训练,能在环境参数和/或环境影响因素变化时快速作出响应,调整设定运行参数(设定温度和上下出风口的出风量和出风角度),能在室内环境温度和/或人体PMV值发生变动前改变空调的设定运行参数,减小PMV值的波动,保证用户的舒适性。
图3是本发明提供的空调控制方法的另一实施例的方法示意图。如图3所示,根据本发明的另一个实施例,所述空调控制方法还包括步骤S160、步骤S170和步骤S180。
步骤S160,在调整所述空调的当前的设定运行参数后,监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值。
步骤S170,若所处环境的室内温度在预设时间内的温度波动值未超过预设阈值,则监测用户所在第三位置以及所述第三位置处的PMV值。
步骤S180,根据所述第三位置和所述PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。
具体地,在调整所述空调的当前的设定运行参数后,检测室内温度是否趋于稳定。其中,通过监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值来确定调整后的室内温度是否趋于稳定,若温度波动值未超过预设阈值,则可以确定为室内温度趋于稳定。若确定室内环境温度趋于稳定,则监测用户所在第三位置以及所述第三位置处的PMV值,并根据所述第三位置和所述PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。例如,根据神经网络模型得到的设定运行参数对空调进行调整,当室内温度趋于稳定之后,再检测PMV值,根据得到的结果对设定温度和上下出风口风量及出风角度做出相应的改变,可选地,还可以将调整后的设定运行参数作为进行神经网络模型调整的训练样本数据,例如,将调整后的运行参数数据更新到本地数据,对神经网络进行训练。
为清楚说明本发明技术方案,下面再以一个具体实施例对本发明提供的空调控制方法的执行流程进行描述。
图4是本发明提供的空调控制方法的一具体实施例的方法示意图。如图4所示,开机之后,空调根据云端数据和本地数据确定初始的温度(初始设定温度)和初始风量及出风角度,然后通过红外传感器监测人体位置和PMV值,并根据PMV值是否达标对出风量和出风角度进行针对性的调整,直至满足用户的PMV值要求,并将此时的数据记录下来进行神经网络学习。如果用户发出了切换为人工操作的指令,那么空调将转为人工操作直至用户切换为自动控制指令;如果用户发出了除了切换为人工操作之外的其他指令,如温度调整、出风量调整等,空调在实时根据指令进行调整的同时会将调整后的参数更新到本地数据。如果环境因素发生了改变,如打开门窗户、室外温度发生变化等,那么空调也会针对性调整出风量和出风角度,使用的神经网络的输入包括了人体位置,室外温度及其变化情况,门窗开闭情况等,然后会输出此时的设定温度、出风量、出风角度等。假如突然打开了一扇窗户,那么神经网络的输入发生了变化(即门窗开闭状态变化),输出也会发生变化,可能体现在出风量增大,或者根据用户位置调整出风角度,使用户身边的风更大,获得更多制冷量。而具体实际空调会把出风量增大多少,是通过使用被上述的几种数据训练过后的神经网络模型计算得到。
本发明还提供一种空调控制装置。所述空调控制装置具体可以用于具有上下出风口的空调。该空调上下出风口的风量和角度均能独立进行控制。
图5是本发明提供的空调控制装置的一实施例的结构示意图。如图5所示,所述空调控制装置100包括检测单元110、第一获取单元120、第二获取单元130、参数输出单元140和第一调整单元150。
检测单元110用于检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化。
所述环境参数具体可以包括室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化。例如检测单元110检测所述空调所处环境的室外温度、湿度是否发生变化,例如室外温度的变化值和/或湿度的变化值是否超过相应的阈值,若超过相应的阈值,则确定室外温度和/或湿度发生变化。又例如,检测单元110检测门窗的开闭状态是否发生变化,室内是否有新的热源。
第一获取单元120用于当所述检测单元检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置。
具体地,当检测单元110检测到所述环境参数和/或环境影响因素发生变化时,第一获取单元120获取当前的第一环境参数和/或环境影响因素的第一变化信息。所述第一环境参数包括室外温度和/或湿度。所述环境影响因素的第一变化信息具体可以包括门窗开闭状态变化和/或室内热源变化。
第二获取单元130用于获取预先建立的用于调整所述空调的设定运行参数的神经网络模型。
具体地,所述装置100还包括模型建立单元,用于预先建立用于调整所述空调的设定运行参数的神经网络模型。所述模型建立单元预先建立用于调整所述空调的设定运行参数的神经网络模型具体可以包括以下步骤S1~S4。
步骤S1,在所述空调的运行过程中,监测所处环境的第二环境参数和/或环境影响因素的第二变化信息,并监测用户所在的第二位置及所述第二位置的PMV值。
具体地,所述空调开机时获取云端数据平台保存的所述空调的第一参数设置数据和/或本地保存的所述空调的第二参数设置数据;基于开机时的初始环境参数,依据所述第一参数设置数据和/或第二参数设置数据设置所述空调的初始设定运行参数;控制所述空调按照设置的所述初始设定运行参数运行。
所述第一参数设置数据具体可以为云端数据平台保存的多个用户的参数设置数据,所述第二参数设置数据具体可以为本地保存的用户对所述空调的参数设置数据。例如,若室外温度为33度时,云端数据中大部分用户喜好的设定温度为25度,风量中高档;若室外温度为28度时,云端数据中大部分用户喜好的温度设定为27度,风量中低档;而本空调使用者(本地数据)在室外温度为33度时,手动设定为温度24度,风量高档,在室外温度为28度时,手动设定为温度25度,风量中高档,那么当室外温度为28度时,空调会将温度设定为26度,风量中档,并控制空调按照设定温度26度、风量中档运行。
具体而言,可以通过红外传感器检测用户所在第二位置和第二位置处的PMV值。所述第二环境参数具体可以包括室外环境温度和/或室外环境湿度。所述PMV值可以根据室内温度、湿度、风速、辐射温度进行计算得到,其中,风速根据用户所在第二位置和出风口的风量计算得到,辐射温度与室内温度成正比,室内温度和湿度可以通过空调自带的温湿度传感器检测得到,以上PMV值的计算为现有技术,故此处不加赘述。
步骤S2,根据所述第二位置和所述第二位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求;和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整。
具体地,根据所述第二位置和所述PMV值调整所述空调的上下出风口的风量和/或出风角度,使用户所在位置周围的PMV值达到预设的PMV值要求;和/或,在环境参数和/或环境影响因素发生变化时,用户可能会手动调整空调的运行参数,此时接收用户的参数调整指令,若接收到用户的参数调整指令,则根据用户的调整指令进行相应的设定运行参数的调整。例如,PMV值与风速有关,因此可以根据用户所在的第二位置(例如该位置与空调的距离)控制出风量(例如上下出风口的风量)和出风角度角度,使用户周围的风速适宜。
步骤S3,记录所述PMV值达到预设的PMV值要求时和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整后所述空调的第二设定运行参数。
在根据所述第二位置和所述PMV值调整所述空调的上下出风口的风量和/或出风角度,使用户所在位置的PMV值达到预设的PMV值要求时,记录下所述第二环境参数、所述第二位置以及所述PMV值达到预设的PMV值要求时所述空调的第二设定运行参数,例如包括设定温度、上下出风口的风量和/或出风角度(用户在不同的位置,距空调不同距离时设置的上下出风口的风量和/或出风角度)。和/或,在接收到用户的参数调整指令,并根据用户的调整指令进行相应的设定运行参数的调整后,记录调整后的所述空调的设定运行参数,例如包括设定温度、上下出风口的风量和/或出风角度。例如,打开门窗、室外温度发生变化等情况,那么空调也会针对性调整风量和出风角度,保证空调舒适性,并将调整好的数据记录下来,作为进行神经网络模型训练的样本数据,或者当下次监测到类似情况的时候,将在温度发生变化前直接根据经验数据改变空调的设定温度、出风量和出风角度,保证人体舒适性不发生波动。
步骤S4,基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型。
具体地,将所述第二环境参数和第二变化信息中的至少之一,以及所述第二位置作为输入量,将所述第二设定运行参数作为输出量进行神经网络模型训练,以建立所述用于调整所述空调的设定运行参数的神经网络模型。
上述神经网络模型基于环境参数和/或环境影响因素,人体位置和PMV值达到预设的PMV值要求时的设定运行参数进行神经网络模型训练,能够在环境参数、环境影响因素和/或用户位置发生变化时快速作出响应,从而保证用户的舒适性。
例如,图2是本发明预先建立用于确定所述空调的设定运行参数的神经网络模型的一具体实施方式的流程示意图。参考图2所示,空调初始的BP神经网络可以由云端数据进行训练确定,输入为人体位置、室外温度、湿度、门窗开闭情况等,输出为空调的设定温度和上下出风口的风量、出风角度。该BP网络能在用户使用的过程中根据用户的使用情况不断进行适应学习,最终实现具有用户个性化设定的网络,使空调能根据用户的喜好进行智能控制。
参数输出单元140用于将所述第二获取单元获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数。
所述神经网络模型的输入量为环境参数、环境影响因素变化信息和用户所在位置,输出量为设定运行参数,因此参数输出单元140将所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,能够输出所述空调当前的第一设定运行参数。所述第一设定运行参数包括空调的设定温度、上下出风口的风量和/或出风角度。
第一调整单元150用于根据所述参数输出单元输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。
也就是说,第一调整单元150将所述空调当前的设定运行参数调整为所述第一设定运行参数,使空调按照调整后的设定运行参数运行。例如,使空调按照调整后的设定温度、上下出风口的风量和/或出风角度运行。
根据本发明上述实施例,利用神经网络算法基于环境参数和/或环境影响因素中的至少之一,以及人体位置进行神经网络模型训练,能在环境参数和/或环境影响因素变化时快速作出响应,调整设定运行参数(设定温度和上下出风口的出风量和出风角度),能在室内环境温度和/或人体PMV值发生变动前改变空调的设定运行参数,减小PMV至的波动,保证用户的舒适性。
图6是本发明提供的空调控制装置的一实施例的结构示意图。如图6所示,所述空调控制装置100包括第一监测单元160、第二监测单元170和第二调整单元180。
第一监测单元160用于在所述第一调整单元调整所述空调的当前的设定运行参数后,监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值。
第二监测单元170用于若所述第一监测单元监测但所处环境的室内温度在预设时间内的温度波动值未超过预设阈值,则监测用户所在第三位置以及所述第三位置处的PMV值。
第二调整单元180用于根据所述第三位置和所述PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。
具体地,在调整所述空调的当前的设定运行参数后,检测室内温度是否趋于稳定。其中,通过监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值来确定调整后的室内温度是否趋于稳定,若温度波动值未超过预设阈值,则可以确定为室内温度趋于稳定。若确定室内环境温度趋于稳定,则监测用户所在第三位置以及所述第三位置处的PMV值,并根据所述第三位置和所述PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。例如,根据神经网络模型得到的设定运行参数对空调进行调整,当室内温度趋于稳定之后,再检测PMV值,根据得到的结果对设定温度和上下出风口风量及出风角度做出相应的改变,可选地,还可以将调整后的设定运行参数作为进行神经网络模型调整的训练样本数据,例如,将调整后的运行参数数据更新到本地数据,对神经网络进行训练。
本发明还提供对应于所述空调控制方法的一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现前述任一所述方法的步骤。
本发明还提供对应于所述空调控制方法的一种空调,包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述任一所述方法的步骤。
本发明还提供对应于所述空调控制装置的一种空调,包括前述任一所述的空调控制装置。
据此,本发明提供的方案,利用神经网络算法基于环境参数和/或环境影响因素中的至少之一,以及人体位置进行神经网络模型训练,能在环境参数和/或环境影响因素变化时快速作出响应,调整设定运行参数(设定温度和上下出风口的出风量和出风角度),能在室内温度和/或人体PMV值发生变动前改变空调的设定运行参数,减小室内温度和PMV值的波动,保证用户的舒适性。并且,本发明能够根据用户对空调的使用情况,对控制过程中使用的神经网络模型进行调整,使其能根据用户习惯进行个性化控制。
本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果在由处理器执行的软件中实施,那么可将功能作为一或多个指令或代码存储于计算机可读媒体上或经由计算机可读媒体予以传输。其它实例及实施方案在本发明及所附权利要求书的范围及精神内。举例来说,归因于软件的性质,上文所描述的功能可使用由处理器、硬件、固件、硬连线或这些中的任何者的组合执行的软件实施。此外,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。
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,作为控制装置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。
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。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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权利要求范围之内。
Claims (14)
1.一种空调控制方法,其特征在于,包括:
检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化;
当检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置;
获取预先建立的用于调整所述空调的设定运行参数的神经网络模型;神经网络模型基于环境参数和/或环境影响因素,人体位置和PMV值达到预设的PMV值要求时的设定运行参数,进行神经网络模型训练;
将获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数;
根据输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。
2.根据权利要求1所述的方法,其特征在于,预先建立用于调整所述空调的设定运行参数的神经网络模型,包括:
在所述空调的运行过程中,监测所处环境的第二环境参数和/或环境影响因素的第二变化信息,并监测用户所在的第二位置及所述第二位置的PMV值;
根据所述第二位置和所述第二位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求;和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整;
记录所述PMV值达到预设的PMV值要求时和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整后所述空调的第二设定运行参数;
基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型。
3.根据权利要求2所述的方法,其特征在于,基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型,包括:
将所述第二环境参数和第二变化信息中的至少之一,以及所述第二位置作为输入量,将所述第二设定运行参数作为输出量进行神经网络模型训练,以建立所述用于调整所述空调的设定运行参数的神经网络模型。
4.根据权利要求1-3任一项所述的方法,其特征在于,还包括:
在调整所述空调的当前的设定运行参数后,监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值;
若所处环境的室内温度在预设时间内的温度波动值未超过预设阈值,则监测用户所在第三位置以及所述第三位置处的PMV值;
根据所述第三位置和所述第三位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。
5.根据权利要求1-3任一项所述的方法,其特征在于,
所述环境参数,包括:室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化;
和/或,
所述设定运行参数,包括:设定温度、上下出风口的风量和/或出风角度;
和/或,
获取用户所在的第一位置,包括:通过红外线传感器检测当前用户所在的第一位置。
6.根据权利要求4所述的方法,其特征在于,
所述环境参数,包括:室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化;
和/或,
所述设定运行参数,包括:设定温度、上下出风口的风量和/或出风角度;
和/或,
获取用户所在的第一位置,包括:通过红外线传感器检测当前用户所在的第一位置。
7.一种空调控制装置,其特征在于,包括:
检测单元,用于检测所述空调所处环境的环境参数和/或环境影响因素是否发生变化;
第一获取单元,用于当所述检测单元检测到所述环境参数和/或环境影响因素发生变化时,获取当前的第一环境参数和/或环境影响因素的第一变化信息,并获取用户所在的第一位置;
第二获取单元,用于获取预先建立的用于调整所述空调的设定运行参数的神经网络模型;神经网络模型基于环境参数和/或环境影响因素,人体位置和PMV值达到预设的PMV值要求时的设定运行参数,进行神经网络模型训练;
参数输出单元,用于将所述第二获取单元获取的所述第一环境参数和第一变化信息中的至少之一,以及所述第一位置输入所述神经网络模型中,输出第一设定运行参数;
第一调整单元,用于根据所述参数输出单元输出的所述第一设定运行参数,调整所述空调的当前的设定运行参数。
8.根据权利要求7所述的装置,其特征在于,还包括:模型建立单元,用于预先建立用于调整所述空调的设定运行参数的神经网络模型,包括:
在所述空调的运行过程中,监测所处环境的第二环境参数和/或环境影响因素的第二变化信息,并监测用户所在的第二位置及所述第二位置的PMV值;
根据所述第二位置和所述第二位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求;和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整;
记录所述PMV值达到预设的PMV值要求时和/或根据接收到的参数调整指令对所述空调的设定运行参数进行调整后所述空调的第二设定运行参数;
基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型。
9.根据权利要求8所述的装置,其特征在于,所述模型建立单元,基于所述第二环境参数和第二变化信息中的至少之一、所述第二位置和所述第二设定运行参数进行神经网络模型训练,建立用于调整所述空调的设定运行参数的神经网络模型,包括:
将所述第二环境参数和第二变化信息中的至少之一,以及所述第二位置作为输入量,将所述第二设定运行参数作为输出量进行神经网络模型训练,以建立所述用于调整所述空调的设定运行参数的神经网络模型。
10.根据权利要求7-9任一项所述的装置,其特征在于,还包括:
第一监测单元,用于在所述第一调整单元调整所述空调的当前的设定运行参数后,监测所处环境的室内温度在预设时间内的温度波动值是否超过预设阈值;
第二监测单元,用于若所述第一监测单元监测但所处环境的室内温度在预设时间内的温度波动值未超过预设阈值,则监测用户所在第三位置以及所述第三位置处的PMV值;
第二调整单元,用于根据所述第三位置和所述第三位置处的PMV值对所述空调的设定运行参数进行调整,直到所述PMV值达到预设的PMV值要求。
11.根据权利要求7-9任一项所述的装置,其特征在于,
所述环境参数,包括:室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化;
和/或,
所述设定运行参数,包括:设定温度、上下出风口的风量和/或出风角度;
和/或,
获取用户所在的第一位置,包括:通过红外线传感器检测当前用户所在的第一位置。
12.根据权利要求10所述的装置,其特征在于,
所述环境参数,包括:室外温度和/或湿度;和/或,所述环境影响因素,包括:门窗开闭状态、室内热源变化;
和/或,
所述设定运行参数,包括:设定温度、上下出风口的风量和/或出风角度;
和/或,
获取用户所在的第一位置,包括:通过红外线传感器检测当前用户所在的第一位置。
13.一种存储介质,其特征在于,其上存储有计算机程序,所述程序被处理器执行时实现权利要求1-6任一所述方法的步骤。
14.一种空调,其特征在于,包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-6任一所述方法的步骤,或者包括如权利要求7-12任一所述的空调控制装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086136.8A CN110895011B (zh) | 2019-11-08 | 2019-11-08 | 一种空调控制方法、装置、存储介质及空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086136.8A CN110895011B (zh) | 2019-11-08 | 2019-11-08 | 一种空调控制方法、装置、存储介质及空调 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110895011A CN110895011A (zh) | 2020-03-20 |
CN110895011B true CN110895011B (zh) | 2020-12-18 |
Family
ID=69787477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911086136.8A Active CN110895011B (zh) | 2019-11-08 | 2019-11-08 | 一种空调控制方法、装置、存储介质及空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110895011B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111609464B (zh) * | 2020-05-29 | 2022-04-15 | 佛山市万物互联科技有限公司 | 空调的控制方法、空调及计算机存储介质 |
CN111928423B (zh) * | 2020-06-30 | 2023-05-26 | 青岛海尔空调电子有限公司 | 用于空调机组的除霜控制方法 |
CN111928420B (zh) * | 2020-07-17 | 2022-02-11 | 珠海格力电器股份有限公司 | 空调控制方法、装置、电子设备和存储介质 |
CN113375322A (zh) * | 2021-06-29 | 2021-09-10 | 日立楼宇技术(广州)有限公司 | 一种空调恒温控制的方法、系统、设备及介质 |
CN113669880A (zh) * | 2021-07-29 | 2021-11-19 | 青岛海尔空调器有限总公司 | 空调控制方法、装置、电子设备及存储介质 |
CN113665531B (zh) * | 2021-09-08 | 2023-06-06 | 东风柳州汽车有限公司 | 车辆除雾方法、装置、设备及存储介质 |
CN115789889B (zh) * | 2022-11-29 | 2024-09-03 | 珠海格力电器股份有限公司 | 一种空调的控制方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101936136B1 (ko) * | 2017-01-11 | 2019-01-09 | 인하대학교 산학협력단 | 기계 학습 기반의 온열 환경 예측 장치 및 그 방법 |
CN107676936A (zh) * | 2017-09-30 | 2018-02-09 | 珠海格力电器股份有限公司 | 空调设备的控制方法及装置 |
CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
CN109140673B (zh) * | 2018-08-16 | 2020-10-23 | 上海交通大学 | 一种基于人体热调节能力的跟踪式中央空调系统 |
CN109163425B (zh) * | 2018-09-19 | 2020-03-06 | 珠海格力电器股份有限公司 | 一种空调控制方法、空调器及计算机可读存储介质 |
CN109471369A (zh) * | 2018-10-15 | 2019-03-15 | 珠海格力电器股份有限公司 | 设备控制方法和装置 |
CN109631255A (zh) * | 2018-12-10 | 2019-04-16 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置、存储介质及空调 |
-
2019
- 2019-11-08 CN CN201911086136.8A patent/CN110895011B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110895011A (zh) | 2020-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110895011B (zh) | 一种空调控制方法、装置、存储介质及空调 | |
CN110895012A (zh) | 一种空调控制方法、装置、存储介质及空调 | |
CN110410964B (zh) | 空调器的控制方法及控制系统 | |
US10126010B2 (en) | Controlling system for environmental comfort degree and controlling method of the controlling system | |
US10408483B2 (en) | Dynamic climate control adjustment system | |
CN107883539B (zh) | 空调控制器、空调器及其控制方法以及存储介质 | |
CN107883536B (zh) | 空调设备的参数调整方法及装置、终端 | |
CN108036474A (zh) | 一种空调温度调节方法及系统 | |
CN108981070A (zh) | 一种空调及控制方法和装置 | |
CN112432345B (zh) | 空调器及其开机模式的控制方法、存储介质 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN105652808A (zh) | 家庭服务机器人及具有其的家庭服务系统 | |
WO2020078076A1 (zh) | 控制空调的方法及系统、空调器、家用电器 | |
CN110736232A (zh) | 空调控制方法及装置 | |
CN108731217A (zh) | 一种空调内外循环控制方法、空调控制器和空调 | |
CN110779147B (zh) | 空调的控制方法及装置、空调器 | |
CN113339965A (zh) | 用于空调控制的方法、装置和空调 | |
CN112432343A (zh) | 空调器及其开机模式的控制方法、存储介质 | |
CN111256325A (zh) | 温度控制方法、空气调节设备及控制设备和存储介质 | |
CN111092796A (zh) | 自适应调节的远程控制方法及装置 | |
CN112013517A (zh) | 空气调节设备及其控制方法、终端控制设备和存储介质 | |
CN110966726A (zh) | 用于空调系统的控制方法及装置、空调系统、计算机设备、存储介质 | |
CN108419439B (zh) | 家用设备学习方法、及服务器 | |
CN113685987A (zh) | 一种空调器智能控制方法、控制装置、存储介质及空调器 | |
CN110953701A (zh) | 运行控制方法、运行控制装置、空调器和存储介质 |
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 |