CN111207498B

CN111207498B - 空调设备及其控制方法、服务器、计算机可读存储介质

Info

Publication number: CN111207498B
Application number: CN201911378933.3A
Authority: CN
Inventors: 闫锐; 徐利宇; 刘华芳
Original assignee: Midea Group Co Ltd; Guangdong Midea White Goods Technology Innovation Center Co Ltd
Current assignee: Midea Group Co Ltd; Guangdong Midea White Goods Technology Innovation Center Co Ltd
Priority date: 2019-12-27
Filing date: 2019-12-27
Publication date: 2021-11-09
Anticipated expiration: 2039-12-27
Also published as: CN111207498A

Abstract

本申请公开了一种空调设备及其控制方法、服务器、计算机可读存储介质，该空调设备的控制方法包括：目标空调设备获取初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据；其中，预设控制模式是基于大数据分类得到的；采用第一控制数据对目标空调设备进行控制。通过上述方式，能够从大数据中为用户定制符合用户要求的控制模式，提高用户的个性化体验。

Description

空调设备及其控制方法、服务器、计算机可读存储介质

技术领域

本申请涉及家电控制技术领域，特别是涉及一种空调设备及其控制方法、服务器、计算机可读存储介质。

背景技术

空调即空气调节器(Air Conditioner)。是指用人工手段，对建筑或构筑物内环境空气的温度、湿度、风速等参数进行调节和控制的设备。

传统的空调都是采用遥控器或者无线(如蓝牙)连接的移动终端(如手机)对空调的工作模式、温度、湿度、风速等参数进行调节。这些调节方式都是在用户已感知到空调的设置参数不符合自身的要求时，才会主动进行调节，对用户来说较为繁琐。并且，在用户睡觉的时候，对空调进行调节极为不便，只有在热醒了或冷醒了才会主动进行调节，降低用户体验。

发明内容

为解决上述问题，本申请提供了一种空调设备及其控制方法、服务器、计算机可读存储介质，能够从大数据中为用户定制符合用户要求的控制模式，提高用户的个性化体验。

本申请采用的一个技术方案是：提供一种空调设备的控制方法，该方法包括：目标空调设备获取初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据；其中，预设控制模式是基于大数据分类得到的；采用第一控制数据对目标空调设备进行控制。

其中，大数据是所述服务器获取的设定数量的空调设备的空调综合数据；其中，空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种。

其中，空调属性数据包括空调类型和空调功率中的至少一种；和/或环境数据包括位置信息、时间信息、天气信息、环境温度信息、环境湿度信息、PM2.5中的至少一种；和/或控制数据包括空调温度、空调湿度、空调风速中的至少一种。

其中，控制数据为设定时间段内的温度控制曲线。

其中，方法还包括：将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数和目标空调设备的历史控制数据相匹配的第二控制模式，并接收服务器发送的与第二控制模式对应的第二控制数据；其中，历史控制数据由目标空调设备接收输入的控制指令产生；采用第二控制数据对目标空调设备进行控制。

其中，采用第一控制数据对空调设备进行控制之后，还包括：响应于实时接收的参数修改指令，以获得实时设置参数；将实时设置参数发送给服务器，以使服务器重新从预设控制模式中，选择与实时设置参数相匹配的第三控制模式，并接收服务器发送的第三控制数据；采用第三控制数据对空调设备进行控制。

本申请采用的另一个技术方案是：提供空调设备，该空调设备包括处理器以及与处理器连接的存储器和通信模组；通信模组用于与服务器进行数据交互，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的方法。

本申请采用的另一个技术方案是：提供一种空调设备的控制方法，该方法包括：获取目标空调设备发送的初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式；其中，预设控制模式是基于大数据分类得到的；将与第一控制模式对应的第一控制数据发送给目标空调设备，以使目标空调设备采用第一控制数据对目标空调设备进行控制。

其中，方法还包括：获取设定数量的空调设备的空调综合数据；其中，空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种；对空调综合数据中空调属性数据和环境数据进行分类，以使每一类空调综合数据的空调属性数据和环境数据相同；对每一类空调综合数据中的控制数据进行分类，以得到对应每一类空调综合数据的多个预设控制模式，以及对应每个预设控制模式的代表控制数据。

其中，方法还包括：获取目标空调设备的目标空调属性数据和目标环境数据；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，包括：确定与目标空调属性数据和目标环境数据相匹配的预设控制模式；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式。

其中，对每一类空调综合数据中的控制数据进行分类，以得到对应每一类空调综合数据的多个预设控制模式，以及对应每个预设控制模式的代表控制数据，包括：对每一类空调综合数据中的控制数据进行聚类，得到多个预设控制模式；分别对每个预设控制模式中的多个控制数据进行平均处理，以得到对应每个预设控制模式的代表控制数据。

其中，控制数据为设定时间段内的温度控制曲线。

其中，设定时间段为对应不同位置信息的睡眠时间段。

其中，方法还包括：从预设控制模式中，选择与初始设置参数和目标空调设备的历史控制数据相匹配的第二控制模式；将与第二控制模式对应的第二控制数据发送给目标空调设备，以使目标空调设备采用第二控制数据对目标空调设备进行控制。

其中，将与第一控制模式对应的第一控制数据发送给目标空调设备之后，还包括：获取目标空调设备发送的实时设置参数；其中，实时设置参数是目标空调设备响应于实时接收的参数修改指令获得的；从预设控制模式中，选择与实时设置参数相匹配的第三控制模式；将与第三控制模式对应的第三控制数据发送给目标空调设备，以使目标空调设备采用第三控制数据对目标空调设备进行控制。

本申请采用的另一个技术方案是：提供一种服务器，该服务器包括处理器以及与处理器连接的存储器和通信模组；通信模组用于与空调设备进行数据交互，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的方法。

本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质中存储有程序数据，程序数据在被处理器执行时，用以实现如上述的方法。

本申请提供的空调设备的控制方法包括：目标空调设备获取初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据；其中，预设控制模式是基于大数据分类得到的；采用第一控制数据对目标空调设备进行控制。通过上述方式，一方面将大数据作为参考，能够获取大量用户的使用习惯，以得到满足不同用户习惯的多个控制模式，另一方面将初始设置参数作为查找条件，能够减小模式的匹配效率，快速查找到符合用户要求的控制模式，并能够使用户适应该控制模式，综上能够结合大数据为用户定制个性化的控制模式，提高了用户的体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：

图1是本申请提供的空调控制系统一实施例的结构示意图；

图2是本申请提供的空调设备的控制方法第一实施例的流程示意图；

图3是本申请提供的空调设备的控制方法第二实施例的流程示意图；

图4是本申请提供的空调设备的控制方法第三实施例的流程示意图；

图5是本申请提供的预设控制模式的分类方法的流程示意图；

图6是步骤53的流程示意图；

图7是采用Dunn-index聚类的示意图；

图8是本申请提供的空调设备一实施例的结构示意图；

图9是本申请提供的服务器一实施例的结构示意图；

图10是本申请提供的计算机可读存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参阅图1，图1是本申请提供的空调控制系统一实施例的结构示意图，该空调控制系统10包括服务器11、空调设备12和移动终端13。

其中，服务器11和空调设备12通过无线网络连接，例如WIFI网络，空调设备12可以向服务器11发送空调属性数据、环境数据、控制数据等。其中，空调属性数据包括空调类型(如挂机、柜机等)、空调功率(如1匹、大1匹、1.5匹、2匹等)等，环境数据可以是位置信息(如经纬度、时区等)、时间信息(包括季节、月份、一天中的某时)、天气信息、环境温度信息(包括室内温度、室外温度)、环境湿度信息、PM2.5等，控制数据可以是空调当前设置的空调温度、空调湿度、空调风速等。

具体地，其中的环境数据可以通过空调设备12上安装的传感器采集得到。如，空调设备12上安装有温度传感器，用于检测室内温度；空调设备12上安装有湿度传感器，用于检测湿度；另外，室外温度可以通过移动终端13连接网络获取，例如，移动终端13可以获取到当前位置的天气信息，并进一步获取到室外温度。

其中，空调设备12和移动终端13通过无线网络连接，例如WIFI网络、蓝牙、红外等。可选地，移动终端13可以是手机、平板电脑或其他智能穿戴设备，移动终端13中安装有空调控制APP(application，应用程序)，用户可以操作该APP对空调设备12进行控制。

进一步，移动终端13上可以显示空调设备12的空调属性数据、环境数据、控制数据等，并可以对这些参数进行修改，并反馈至服务器11。

下面通过几种具体的实施例对本申请进行说明：

参阅图2，图2是本申请提供的空调设备的控制方法第一实施例的流程示意图，该方法应用于空调设备12，该方法包括：

步骤21：目标空调设备获取初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种。

在一实施例中，该初始设置参数为空调设备开机时默认的设置参数，以温度为例，若空调设备开机时，温度为25℃，则该初始设置参数为25℃。其中，空调设备开机可以是冷启动开机，也可以是热启动开机，若是冷启动开机，该初始设置参数为默认出厂设置的参数，若是热启动开机，则该初始设置参数为上一次关机时的参数。

在另一实施例中，该初始设置参数也可以是空调设备开机后的一定时间段内，获取到用户的调节指令设置的参数。例如，一般空调设备刚开机后，用户会对其温度进行调节，如若空调设备开机时，温度为25℃，在一定时间段内，若获取到用户的调节指令调节至27℃，则该初始设置参数为27℃。

步骤22：将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据。

其中，预设控制模式是基于大数据分类得到的。

在一可选的实施例中，大数据是所述服务器获取的设定数量的空调设备的空调综合数据；其中，空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种。具体的分类方式在后面的实施例将会详述，这里不再赘述。

下面通过以控制数据为睡眠时间(以当日23:00-次日7：00为例，对应不同时区的睡眠时间可能不同)的温度控制曲线(用于表示不同时间的温度设置)、初始设置参数为初始设置温度为例。

具体可以通过一个表格的方式来呈现服务器存储的预设控制模式的控制数据，如下表(1)：

控制模式	初始设置温度(对应23:00)	温度控制曲线
			控制模式1	温度A	曲线A
控制模式2	温度B	曲线B
			控制模式3	温度C	曲线C
……	……	……

可选地，在一实施例中，若服务器在23:00之前获取到目标空调发送的初始设置温度，则不会匹配相应的控制模式；或者，若目标空调在23:00之前获取到初始设置温度，则不会发送至服务器。

可选地，在一实施例中，若服务器在23:00获取到目标空调发送的初始设置温度，则从上表(1)中选择与该初始设置温度相匹配的温度控制曲线，并将该温度控制曲线发送给目标空调设备，目标空调设备则根据该温度控制曲线，在对应的时间自动调节温度。

可选地，在一实施例中，若服务器在23:00之后获取到目标空调发送的初始设置温度，可以从上表(1)中的多个温度控制曲线中对应的时间去进行匹配。例如，服务器在00:00获取到目标空调发送的初始设置温度，则对应获取每个温度控制曲线在00:00时的温度来进行匹配。

可以理解地，服务器中的预设控制模式是与空调属性参数和环境参数对应的。以空调属性参数是空调类型、空调功率，环境参数为位置信息为例，如：“挂机-2匹-北京地区”对应了多个预设控制模式，“柜机-2.5匹-上海地区”对应了多个预设控制模式。因此，在获取目标空调设备发送的初始设置参数，也会同时获取(或者之前已获取到)目标空调设备的空调类型、空调功率、位置信息，并在相应的分类下进行匹配。

步骤23：采用第一控制数据对目标空调设备进行控制。

可以理解地，第一控制数据若为温度控制数据，则其包括了对应每个时间段的温度设定，空调设备在运行时，根据第一控制数据在设定的时间自动调节温度。当然，第一控制数据可以不仅包括温度设定，还可以包括开关机、湿度设定、风速设定等等。

区别于现有技术，本实施例提供的空调设备的控制方法包括：目标空调设备获取初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据；其中，预设控制模式是基于大数据分类得到的；采用第一控制数据对目标空调设备进行控制。通过上述方式，一方面将大数据作为参考，能够获取大量用户的使用习惯，以得到满足不同用户习惯的多个控制模式，另一方面将初始设置参数作为查找条件，能够减小模式的匹配效率，快速查找到符合用户要求的控制模式，并能够使用户适应该控制模式，综上能够结合大数据为用户定制个性化的控制模式，提高了用户的体验。

参阅图3，图3是本申请提供的空调设备的控制方法第二实施例的流程示意图，该方法应用于空调设备12，该方法包括：

步骤31：目标空调设备获取初始设置参数；其中，初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种。

步骤32：将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数和目标空调设备的历史控制数据相匹配的第二控制模式，并接收服务器发送的与第二控制模式对应的第二控制数据。

其中，历史控制数据由目标空调设备接收输入的控制指令产生。

可以理解地，历史控制数据为每次空调设备工作过程的温度控制曲线，预设的多个控制模式中，每个控制模式也对应一个温度控制曲线，其中，在匹配时，要注意时间的一致性，例如当前的时间为A，那么在获取历史数据和模式选择时，需要选择A时间以及A时间之后的温度控制曲线。

具体可以通过一个表格的方式来呈现服务器存储的预设控制模式，如下表(2)：

控制模式	初始设置温度	温度控制曲线
			控制模式1	温度A	曲线A
控制模式2	温度B	曲线B
			控制模式3	温度C	曲线C
……	……	……

具体可以通过一个表格的方式来呈现空调设备的历史控制数据，如下表(3)：

历史数据	初始设置温度	温度控制曲线
			历史数据1	温度a	曲线a
历史数据2	温度b	曲线b
			历史数据3	温度c	曲线c
……	……	……

在一实施例中，可以按照下面的步骤进行：

1)根据当前的初始设置温度，在表(2)中查找符合要求的控制模式，并进一步得到多个第一类温度控制曲线；

2)根据当前的初始设置温度，在表(3)中查找符合要求的第二类温度控制曲线；

3)将第一类温度控制曲线和第二类温度控制曲线进行匹配，在第一类温度控制曲线中找到与第二类温度控制曲线最相似的一个，并将其对应的控制模式作为第一控制模式。

具体地，在步骤2)中，若找到多个符合要求的温度控制曲线，可以对多个温度控制曲线进行加权平均处理。例如，有10条符合要求的温度控制曲线，则按照时间段对每个时间段的温度进行加权平均，例如，将1-2点之间的10个温度加权平均，得到1-2点之间的温度平均值，逐步对每个时间段进行加权平均，得到最终的温度控制曲线。其中，加权平均所用到的权值可以根据历史控制数据所采集的时间距离当前时间的远近来决定，距离当前时间越远的数据，其对应的权值越小。

步骤33：采用第二控制数据对目标空调设备进行控制。

进一步，在上述图2和图3的实施中，还可以包括：响应于实时接收的参数修改指令，以获得实时设置参数；将实时设置参数发送给服务器，以使服务器重新从预设控制模式中，选择与实时设置参数相匹配的第三控制模式，并接收服务器发送的第三控制数据；采用第三控制数据对空调设备进行控制。

可以理解地，空调设备在获取到第一控制模式后，如在使用期间感受较差，会主动会空调设备进行调节，此时，空调设备将实时控制指令发送给服务器，以使服务器根据该实时控制指令再次确定第三控制模式，以及对应的第三控制数据。

例如，当前用户的实时控制指令为调高温度，服务器在获取到该指令后，会再次从预设控制模式中查找与该调高后的温度匹配的第三控制模式。当然，在第三模式的匹配过程中，也可以结合之前的历史控制数据一起考虑。

参阅图4，图4是本申请提供的空调设备的控制方法第三实施例的流程示意图，该方法应用于服务器11，该方法包括：

步骤41：获取目标空调设备发送的初始设置参数；其中，初始设置参数包括初始温度值、初始风速值、初始工作模式中的至少一种。

步骤42：从预设控制模式中，选择与初始设置参数相匹配的第一控制模式。

步骤43：将与第一控制模式对应的第一控制数据发送给目标空调设备，以使目标空调设备采用第一控制数据对目标空调设备进行控制。

上述步骤41-步骤43与上述实施例步骤21-步骤23类似，这里不再赘述。

下面结合图5，图5是本申请提供的预设控制模式的分类方法的流程示意图，该方法包括：

步骤51：获取设定数量的空调设备的空调综合数据；其中，空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种。

其中，空调属性数据包括空调类型和空调功率中的至少一种；环境数据包括位置信息、时间信息、天气信息、环境温度信息、环境湿度信息、PM2.5中的至少一种；控制数据包括空调温度、空调湿度、空调风速中的至少一种。

步骤52：对空调综合数据中空调属性数据和环境数据进行分类，以使每一类空调综合数据的空调属性数据和环境数据相同。

以空调属性参数是空调类型、空调功率，环境参数为位置信息为例，如：“挂机-2匹-北京地区”对应了多个控制数据，“柜机-2.5匹-上海地区”对应了多个控制数据。

步骤53：对每一类空调综合数据中的控制数据进行分类，以得到对应每一类空调综合数据的多个预设控制模式，以及对应每个预设控制模式的代表控制数据。

其中，该代表控制数据是对一种预设控制模式中的多个控制数据进行处理得到的具有代表性的一个控制数据。

因此，在另一实施例中，步骤41的同时，还可以包括：获取目标空调设备的目标空调属性数据和目标环境数据。可选地，目标空调属性数据和目标环境数据可以是目标空调设备发送的，另外，目标环境数据也可以是服务器通过网络获取的，例如，服务器在获取到目标空调设备的位置信息后，可以通过网络获取对该位置信息对应的温度信息、湿度信息等。步骤42可以具体为：确定与目标空调属性数据和目标环境数据相匹配的预设控制模式；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式。

例如，获取目标空调为“挂机-1.5匹-北京地区”，服务器在进行模式匹配时，则先查找与“挂机-1.5匹-北京地区”对应的预设控制模型，再根据初始设置参数从这些预设控制模型中查找匹配的代表控制数据。

可选地，继续参阅图6，图6是步骤53的流程示意图，步骤53可以具体包括：

步骤531：对每一类空调综合数据中的控制数据进行聚类，得到多个预设控制模式。

可选地，在步骤531之前，可以先对多个控制数据进行预处理。

数据预处理部分主要包含：数据归一化、缺失与异常值处理、数据融合。

数据归一化是指将所有数值型数据归一化到平均值为0，标准差为1sigma的数据，消除不同数据计量单位不同带来的影响。

缺失值处理主要使用线性插值的方式。最多一次对两个连续缺失值(如连续两小时)进行插值补充，如果连续缺失超过两个小时，这过滤当天睡眠数据。异常值主要是严重偏离正常数据范围的离群点数值。

在一可选的实施例中，使用箱型图的方式(大于Q3+1.5IQR或小于Q1-1.5IQR)的方式，过滤数值数据的离群点。

数据融合主要包括对来源于不同数据源的数据按时间进行拼接组合。

在预处理之后，对多个控制数据进行聚类：

在一可选的实施例中，可以使用K-means的方式，并基于欧式距离，对用户设定时间段的温度设定曲线进行聚类，并使用Dunn-index(邓恩指数，类内的最短距离和类间的最大距离之比)找出合适的聚类个数。在使用Dunn-index时，先确定可能聚类个数的范围(如3-10)。然后针对每一聚类个数计算Dunn-index，最后找出Dunn-index最大时对应的聚类个数作为实际个数。如图7所示，图7是采用Dunn-index聚类的示意图，在5-15个类别范围内，确认的聚类个数为11。

例如，在对应同一空调属性数据和同一环境数据对应的分类下，共有10000个控制数据，要对这10000个控制数据进行聚类。首先，可能的聚类个数的范围，例如5-10个，然后计算每一聚类个数对应的Dunn-index，最后找出Dunn-index最大时对应的聚类个数作为实际个数，即将实际个数作为预设控制模式的个数。

步骤532：分别对每个预设控制模式中的多个控制数据进行平均处理，以得到对应每个预设控制模式的代表控制数据。

下面通过当日23：00-次日7:00小时的温度统计为例，在某一个聚类中有n个温度控制曲线，如下表(4)所示：

(单位：时)

23-0

0-1

1-2

2-3

3-4

4-5

5-6

6-7

曲线1

A1

B1

C1

D1

E1

F1

G1

H1

曲线2

A2

B2

C2

D2

E2

F2

G2

H2

……

曲线n

An

Bn

Cn

Dn

En

Fn

Gn

Hn

均值

A

B

C

D

E

F

G

H

其中，曲线1由多段组成，包括曲线A1、B1……H1，曲线2-曲线n类似。

那么，对于每一段曲线，可以在其中取一特征温度值，例如，可以是该段曲线的初始值、中间值或者结束值，也可以是这一段曲线中多个点对应的温度值的平均值，例如，初始值、中间值或者结束值的平均值，将曲线A1的特征值记为a1，曲线B1的特征值记为b2……。

那么，A＝(a1+a2+……an)/n，依次可以计算出B、C、D、E、F、G、H，那么，再有A、B、C、D、E、F、G、H的温度值形成该聚类(即该预设控制模式)的温度控制曲线，作为该预设控制模式的代表温度控制曲线。

以上实施方式只是计算均值A的一种方式，本申请对计算均值A的方式不作限定。

进一步，在上述图4实施中，是根据初始设置参数来匹配相应的控制模式，在另一实施例中：还可以从预设控制模式中，选择与初始设置参数和目标空调设备的历史控制数据相匹配的第二控制模式；将与第二控制模式对应的第二控制数据发送给目标空调设备，以使目标空调设备采用第二控制数据对目标空调设备进行控制。

其中，具体的匹配过程可以参考上述实施例，这里不再赘述。

进一步，在上述实施中，还可以包括：获取目标空调设备发送的实时设置参数；其中，实时设置参数是目标空调设备响应于实时接收的参数修改指令获得的；从预设控制模式中，选择与实时设置参数相匹配的第三控制模式；将与第三控制模式对应的第三控制数据发送给目标空调设备，以使目标空调设备采用第三控制数据对目标空调设备进行控制。

参阅图8，图8是本申请提供的空调设备一实施例的结构示意图，该空调设备12包括第一处理器121以及与第一处理器121连接的第一存储器122和第一通信模组123。

第一通信模组123用于与服务器11进行数据交互，第一存储器122用于存储程序数据，第一处理器121用于执行程序数据以实现如下的方法步骤：

获取初始设置参数；其中，初始设置参数包括初始温度值、初始风速值、初始工作模式中的至少一种；将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据；其中，预设控制模式是基于大数据分类得到的；采用第一控制数据对目标空调设备进行控制。

可选地，还用于执行：将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数和目标空调设备的历史控制数据相匹配的第二控制模式，并接收服务器发送的与第二控制模式对应的第二控制数据；其中，历史控制数据由目标空调设备接收输入的控制指令产生；采用第二控制数据对目标空调设备进行控制。

可选地，还用于执行：响应于实时接收的参数修改指令，以获得实时设置参数；将实时设置参数发送给服务器，以使服务器重新从预设控制模式中，选择与实时设置参数相匹配的第三控制模式，并接收服务器发送的第三控制数据；采用第三控制数据对空调设备进行控制。

参阅图9，图9是本申请提供的服务器一实施例的结构示意图，该服务器11包括第二处理器111以及与第二处理器111连接的第二存储器112和第二通信模组113。

第二通信模组113用于与空调设备12进行数据交互，第二存储器112用于存储程序数据，第二处理器111用于执行程序数据以实现如下的方法步骤：

获取目标空调设备发送的初始设置参数；其中，初始设置参数包括初始温度值、初始风速值、初始工作模式中的至少一种；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式；其中，预设控制模式是基于大数据分类得到的；将与第一控制模式对应的第一控制数据发送给目标空调设备，以使目标空调设备采用第一控制数据对目标空调设备进行控制。

可选地，还用于执行：获取设定数量的空调设备的空调综合数据；其中，空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种；对空调综合数据中空调属性数据和环境数据进行分类，以使每一类空调综合数据的空调属性数据和环境数据相同；对每一类空调综合数据中的控制数据进行分类，以得到对应每一类空调综合数据的多个预设控制模式，以及对应每个预设控制模式的代表控制数据。

可选地，还用于执行：获取目标空调设备的目标空调属性数据和目标环境数据；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，包括：确定与目标空调属性数据和目标环境数据相匹配的预设控制模式；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式。

可选地，还用于执行：对每一类空调综合数据中的控制数据进行聚类，得到多个预设控制模式；分别对每个预设控制模式中的多个控制数据进行平均处理，以得到对应每个预设控制模式的代表控制数据。

可选地，还用于执行：从预设控制模式中，选择与初始设置参数和目标空调设备的历史控制数据相匹配的第二控制模式；将与第二控制模式对应的第二控制数据发送给目标空调设备，以使目标空调设备采用第二控制数据对目标空调设备进行控制。

可选地，还用于执行：获取目标空调设备发送的实时设置参数；其中，实时设置参数是目标空调设备响应于实时接收的参数修改指令获得的；从预设控制模式中，选择与实时设置参数相匹配的第三控制模式；将与第三控制模式对应的第三控制数据发送给目标空调设备，以使目标空调设备采用第三控制数据对目标空调设备进行控制。

参阅图10，图10是本申请提供的计算机可读存储介质一实施例的结构示意图，该计算机可读存储介质100中存储有程序数据101。

该计算机可读存储介质100运用于空调设备12时，该程序数据101在被处理器执行时，用以实现以下的方法步骤：获取初始设置参数；其中，初始设置参数包括初始温度值、初始风速值、初始工作模式中的至少一种；将初始设置参数发送给服务器，以使服务器从预设控制模式中，选择与初始设置参数相匹配的第一控制模式，并接收服务器发送的与第一控制模式对应的第一控制数据；其中，预设控制模式是基于大数据分类得到的；采用第一控制数据对目标空调设备进行控制。

该计算机可读存储介质80运用于服务器11时，该程序数据81在被处理器执行时，用以实现以下的方法步骤：获取目标空调设备发送的初始设置参数；其中，初始设置参数包括初始温度值、初始风速值、初始工作模式中的至少一种；从预设控制模式中，选择与初始设置参数相匹配的第一控制模式；其中，预设控制模式是基于大数据分类得到的；将与第一控制模式对应的第一控制数据发送给目标空调设备，以使目标空调设备采用第一控制数据对目标空调设备进行控制。

在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅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。

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网络单元上。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方式方案的目的。

另外，在本申请各个实施方式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。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims

1.一种空调设备的控制方法，其特征在于，所述方法包括：

目标空调设备获取初始设置参数；其中，所述初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；

将所述初始设置参数发送给服务器，以使所述服务器从预设控制模式中，选择与所述初始设置参数相匹配的第一控制模式，并接收所述服务器发送的与所述第一控制模式对应的第一控制数据；其中，所述预设控制模式是基于大数据分类得到的；

采用所述第一控制数据对所述目标空调设备进行控制；

其中，所述控制数据包括设定时间段内的温度控制曲线。

2.根据权利要求1所述的方法，其特征在于，

所述大数据是所述服务器获取的设定数量的空调设备的空调综合数据；其中，所述空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种。

3.根据权利要求2所述的方法，其特征在于，

所述空调属性数据包括空调类型和空调功率中的至少一种；和/或

所述环境数据包括位置信息、时间信息、天气信息、环境温度信息、环境湿度信息、PM2.5中的至少一种；和/或

所述控制数据包括空调温度、空调湿度、空调风速中的至少一种。

4.根据权利要求1所述的方法，其特征在于，

所述方法还包括：

将所述初始设置参数发送给服务器，以使所述服务器从预设控制模式中，选择与所述初始设置参数和所述目标空调设备的历史控制数据相匹配的第二控制模式，并接收所述服务器发送的与所述第二控制模式对应的第二控制数据；其中，所述历史控制数据由所述目标空调设备接收输入的控制指令产生；

采用所述第二控制数据对所述目标空调设备进行控制。

5.根据权利要求1所述的方法，其特征在于，

所述采用所述第一控制数据对所述空调设备进行控制之后，还包括：

响应于实时接收的参数修改指令，以获得实时设置参数；

将所述实时设置参数发送给服务器，以使所述服务器重新从所述预设控制模式中，选择与所述实时设置参数相匹配的第三控制模式，并接收所述服务器发送的第三控制数据；

采用所述第三控制数据对所述空调设备进行控制。

6.一种空调设备，其特征在于，所述空调设备包括处理器以及与所述处理器连接的存储器和通信模组；

所述通信模组用于与服务器进行数据交互，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-5任一项所述的方法。

7.一种空调设备的控制方法，其特征在于，所述方法包括：

获取目标空调设备发送的初始设置参数；其中，所述初始设置参数包括初始设置温度、初始风速值、初始工作模式中的至少一种；

从预设控制模式中，选择与所述初始设置参数相匹配的第一控制模式；其中，所述预设控制模式是基于大数据分类得到的；

将与所述第一控制模式对应的第一控制数据发送给所述目标空调设备，以使所述目标空调设备采用所述第一控制数据对所述目标空调设备进行控制；

其中，所述控制数据包括设定时间段内的温度控制曲线。

8.根据权利要求7所述的方法，其特征在于，

所述方法还包括：

获取设定数量的空调设备的空调综合数据；其中，所述空调综合数据包括空调属性数据、环境数据和控制数据中的至少一种；

对所述空调综合数据中空调属性数据和环境数据进行分类，以使每一类空调综合数据的空调属性数据和环境数据相同；

对每一类空调综合数据中的控制数据进行分类，以得到对应每一类空调综合数据的多个预设控制模式，以及对应每个所述预设控制模式的代表控制数据。

9.根据权利要求8所述的方法，其特征在于，

所述方法还包括：

获取目标空调设备的目标空调属性数据和目标环境数据；

所述从预设控制模式中，选择与所述初始设置参数相匹配的第一控制模式，包括：

确定与所述目标空调属性数据和目标环境数据相匹配的所述预设控制模式；

从预设控制模式中，选择与所述初始设置参数相匹配的第一控制模式。

10.根据权利要求8所述的方法，其特征在于，

所述对每一类空调综合数据中的控制数据进行分类，以得到对应每一类空调综合数据的多个预设控制模式，以及对应每个预设控制模式的代表控制数据，包括：

对每一类空调综合数据中的控制数据进行聚类，得到多个预设控制模式；

分别对每个所述预设控制模式中的多个控制数据进行平均处理，以得到对应每个预设控制模式的代表控制数据。

11.根据权利要求10所述的方法，其特征在于，

所述设定时间段为对应不同位置信息的睡眠时间段。

12.根据权利要求7所述的方法，其特征在于，

所述方法还包括：

从预设控制模式中，选择与所述初始设置参数和所述目标空调设备的历史控制数据相匹配的第二控制模式；

将与所述第二控制模式对应的第二控制数据发送给所述目标空调设备，以使所述目标空调设备采用所述第二控制数据对所述目标空调设备进行控制。

13.根据权利要求7所述的方法，其特征在于，

所述将与所述第一控制模式对应的第一控制数据发送给所述目标空调设备之后，还包括：

获取目标空调设备发送的实时设置参数；其中，所述实时设置参数是所述目标空调设备响应于实时接收的参数修改指令获得的；

从所述预设控制模式中，选择与所述实时设置参数相匹配的第三控制模式；

将与所述第三控制模式对应的第三控制数据发送给所述目标空调设备，以使所述目标空调设备采用所述第三控制数据对所述目标空调设备进行控制。

14.一种服务器，其特征在于，所述服务器包括处理器以及与所述处理器连接的存储器和通信模组；

所述通信模组用于与空调设备进行数据交互，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求7-13任一项所述的方法。

15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序数据，所述程序数据在被处理器执行时，用以实现如权利要求1-5、7-13任一项所述的方法。