CN111442501A - 空气调节设备及其控制方法与装置 - Google Patents

Abstract

本申请公开了一种空气调节设备及其控制方法与装置，控制方法包括：响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式；获取与空气调节设备的运行参数相关的特征信息，将特征信息输入至目标模型中，得到运行参数的推荐值，运行参数包括温度和/或风速；根据推荐值和运行参数的设定值，确定运行参数的运行值，以及控制空气调节设备按照运行值运行。该方法在多维调节模式中，可以根据与空气调节设备的运行参数相关的特征信息，确定出运行参数的推荐值，根据推荐值和运行参数的设定值，确定运行参数的运行值，控制空气调节设备按照运行值运行，使得在多维调节模式中空气调节设备的运行情况与用户的需求相匹配，提升客户满意度。

Description

空气调节设备及其控制方法与装置

技术领域

本申请涉及电器技术领域，特别是涉及一种空调器及其控制方法与装置。

背景技术

目前，空气调节设备广泛应用于调节室内温度、湿度等参数，提高了用户的舒适度。然而，现有的空气调节设备的空气调节功能较为单一，不够灵活，无法满足用户需求。

发明内容

本申请旨在至少一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提供一种空气调节设备的控制方法，在多维调节模式中使得空气调节设备的运行情况与用户的需求相匹配，提升客户满意度。

本申请的第二个目的在于提供一种空气调节设备的控制装置。

本申请的第三个目的在于提出一种空气调节设备。

本申请的第四个目的在于提出一种电子设备。

本申请的第五个目的在于提出一种计算机可读存储介质。

本申请第一方面实施例提供了一种空气调节设备的控制方法，所述控制方法包括：

响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式；

获取与所述空气调节设备的运行参数相关的特征信息，将所述特征信息输入至目标模型中，得到所述运行参数的推荐值，其中，所述运行参数包括温度和/或风速；

根据所述推荐值和所述运行参数的设定值，确定所述运行参数的运行值，以及控制所述空气调节设备按照所述运行值运行。

根据本申请的一个实施例，所述根据所述推荐值和所述运行参数的设定值，确定所述运行参数的运行值，包括：

获取所述推荐值与所述设定值之间的偏差值；

识别所述偏差值大于或等于预设偏差阈值，确定所述运行参数的运行值为所述推荐值；

识别所述偏差值小于所述预设偏差阈值，确定所述运行参数的运行值为所述设定值。

根据本申请的一个实施例，所述将所述特征信息输入至目标模型中之前，还包括：

获取用户的身份信息，根据所述身份信息识别所述用户的类型；

根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息。

根据本申请的一个实施例，所述根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息，包括：

识别所述用户为第一类用户；

获取所述第一类用户对应的第一学习模型，作为所述目标模型；

获取所述用户使用所述空气调节设备的历史使用数据、所处环境的当前环境数据、当前时间信息以及所述空气调节设备的当前状态信息作为所述特征信息。

根据本申请的一个实施例，所述根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息，包括：

识别所述用户为第二类用户；

获取所述第二类用户对应的第二学习模型，作为所述目标模型；

获取所述用户所处环境的当前环境数据、当前时间信息和所述空气调节设备的当前状态信息作为所述特性信息。

根据本申请的一个实施例，还包括：

将其他用户所对应的特征信息输入至第一学习模型中，得到所述其他用户的群体属性，其中，所述其他用户所对应的特征信息中包括所述其他用户使用所述空气调节设备的历史使用数据；

根据所述群体属性，获取所述群体用户对应的所述推荐值，作为所述用户的所述推荐值。

根据本申请的一个实施例，还包括：

获取所述运行参数为温度时的温度推荐值；

对所述特征信息和所述温度推荐值进行学习，获取所述运行参数为风速时的风速推荐值。

本申请第二方面实施例还提供了一种空气调节设备的控制装置，所述控制装置包括：

响应模块，用于响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式；

获取模块，用于获取与所述空气调节设备的运行参数相关的特征信息，将所述特征信息输入至目标模型中，得到所述运行参数的推荐值，其中，所述运行参数包括温度、风速；

确定模块，用于根据所述推荐值和所述运行参数的设定值，确定所述运行参数的运行值，以及控制所述空气调节设备按照所述运行值运行。

根据本申请的一个实施例，所述确定模块，还用于：

获取所述推荐值与所述设定值之间的偏差值；

识别所述偏差值大于或等于预设偏差阈值，确定所述运行参数的运行值为所述推荐值；

识别所述偏差值小于所述预设偏差阈值，确定所述运行参数的运行值为所述设定值。

根据本申请的一个实施例，所述获取模块，还用于：

获取用户的身份信息，根据所述身份信息识别所述用户的类型；

根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息。

根据本申请的一个实施例，所述获取模块，还用于：

识别所述用户为第一类用户；

获取所述第一类用户对应的第一学习模型，作为所述目标模型；

获取所述用户使用所述空气调节设备的历史使用数据、所处环境的当前环境数据、当前时间信息以及所述空气调节设备的当前状态信息作为所述特征信息。

根据本申请的一个实施例，所述获取模块，还用于：

识别所述用户为第二类用户；

获取所述第二类用户对应的第二学习模型，作为所述目标模型；

获取所述用户所处环境的当前环境数据、当前时间信息和所述空气调节设备的当前状态信息作为所述特性信息。

根据本申请的一个实施例，所述获取模块，还用于：

将其他用户所对应的特征信息输入至第一学习模型中，得到所述其他用户的群体属性，其中，所述其他用户所对应的特征信息中包括所述其他用户使用所述空气调节设备的历史使用数据；

根据所述群体属性，获取所述群体用户对应的所述推荐值，作为所述用户的所述推荐值。

根据本申请的一个实施例，所述获取模块，还用于：

获取所述运行参数为温度时的温度推荐值；

对所述特征信息和所述温度推荐值进行学习，获取所述运行参数为风速时的风速推荐值。

本申请实施例还提供了一种空气调节设备，包括如第二方面中所述的空气调节设备的控制装置。

本申请实施例还提供了一种电子设备，包括存储器、处理器；

其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现上述实施例中所述的空气调节设备的控制方法。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中所述的空气调节设备的控制方法。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、在多维调节模式中，可以根据与空气调节设备的运行参数相关的特征信息，确定出运行参数的推荐值，并根据推荐值和运行参数的设定值，确定运行参数的运行值，并控制空气调节设备按照运行值运行，从而实现了在多维调节模式中使得空气调节设备的运行情况与用户的需求相匹配，提升客户满意度。

2、基于推荐值与设定值之间的偏差值，确定运行参数的运行值，提升了控制的准确度。

4、针对不同的用户，确定不同的学习模型和特征信息，并获取推荐值，使得空气调节设备能够满足不同用户的需求，提升了用户满意度。

5、基于特征信息和温度推荐值，获取运行参数为风速时的风速推荐值，提升了控制精准度。

附图说明

图1是本申请公开的一个实施例的空气调节设备的控制方法的流程示意图；

图2是本申请公开的一个实施例的空气调节设备的控制方法中根据特征信息，获取运行参数的推荐值的步骤示意图；

图3是本申请公开的一个实施例的空气调节设备的控制方法中根据类型，确定用于获取推荐值的目标模型和目标模型所需的特征信息的步骤示意图；

图4是本申请公开的另一个实施例的空气调节设备的控制方法中根据类型，确定用于获取推荐值的目标模型和目标模型所需的特征信息的步骤示意图；

图5是本申请公开的一个实施例的空气调节设备的控制方法中根据推荐值和运行参数的设定值，确定运行参数的运行值的步骤示意图；

图6是本申请公开的一个实施例的空气调节设备的控制方法中利用群体属性获取推荐值的步骤示意图

图7是本申请公开的一个实施例的空气调节设备的控制方法中将温度推荐值作为获取风速推荐值的参考因素的步骤示意图；

图8是本申请公开的一个实施例的空气调节设备的控制装置的结构示意图；

图9是本申请公开的一个实施例的空气调节设备的结构示意图；

图10是本申请公开的一个实施例的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的空气调节设备及其控制方法与装置。

图1为本申请公开的一个实施例中空气调节设备的控制方法的流程示意图。如图1所示，本申请实施例的空气调节设备的控制方法，具体包括以下步骤：

S101、响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式。

需要说明的是，在本实施例中，空气调节设备具有多维调节模式，可对两个或者两个以上的监控参数进行调节。其中，监控参数可根据实际情况进行标定，并预先设置在空气调节设备的存储空间中。例如，监控参数可包括湿度、温度、风速、空气中污染物含量、空气质量指数(Air Quality Index，简称“AQI”)、二氧化碳浓度中的两个及两个以上。其中，空气中污染物含量可包括PM2.5的浓度。

可选地，用户可通过遥控器、移动终端中的空气调节设备APP、空气调节设备的机身上的操控面板，通过语言、手势等非接触类方式向空气调节设备发出用于开启多维调节模式的第一指令。

可选地，第一指令可包括开机指令，从而在用户向空气调节设备发出开机指令后，空气调节设备可在开机后自动进入多维调节模式，避免了现有技术中在空气调节设备开机后，还需要用户再发出开启多维调节模式的指令，比较简便。

S102、获取与空气调节设备的运行参数相关的特征信息，将特征信息输入至目标模型中，得到运行参数的推荐值，其中，运行参数包括温度和/或风速。

具体地，本实施例中，空气调节设备的运行参数包括温度和/或风速；与空气调节设备的运行参数相关的特征信息包括：用户使用空气调节设备的历史使用数据、所处环境的当前环境数据和当前时间信息等。其中，用户使用空气调节设备的历史使用数据可包括用户之前主动设置的温度信息、湿度信息、风挡信息、扫风模式、新风模式、运行模式、累计使用次数、累计使用时长等数据。所处环境的当前环境数据可包括用户所处的省份、城市、气候区域、室内温度、室外温度、室内湿度、室外湿度、PM2.5浓度、二氧化碳浓度、空气质量指数等数据。当前时间信息可包括月份、节气、具体时间段(上午、下午、晚上)、是否处于工作日等数据。

需要说明的是，用户每次使用空气调节设备的使用数据可存储在空气调节设备的存储空间中。

可选的，可通过无线网络装置查询来获取用户所处环境的当前环境数据，例如，可通过无线网络装置查询来获取用户所处的省份、城市、室外温度、室外湿度。还可以通过检测装置来获取用户所处环境的当前环境数据，例如，可在空气调节设备的室内机上安装温度传感器来获取用户所处环境的室内温度。可通过查询空气调节设备的系统时间来获取当前时间信息。

进一步地，获取到特征信息，即可以将特征信息输入至目标模型中，从而得到运行参数的推荐值。其中，可预先建立自学习模型，并将获取到的特征信息输入至预先建立的自学习模型(即目标模型)中，就可以得到运行参数的推荐值。

可选地，将特征信息输入至目标模型之前时，还可以根据用户的身份信息确定目标模型和目标模型所需的特征信息，以提升控制的精准度。如图2所示，包括以下步骤：

S201、获取用户的身份信息，根据身份信息识别用户的类型。

其中，用户的身份信息可包括用户使用空气调节设备的账号，以及装载空气调节设备APP的设备的标识信息等，其中，标识信息可包括设备码。

可选地，根据身份信息识别用户的类型，可包括识别用户的身份信息是否在空气调节设备的用户列表中，若识别用户的身份信息在空气调节设备的用户列表中，说明该用户已经使用过空气调节设备，可识别用户为老用户。若识别用户的身份信息不在空气调节设备的用户列表中，说明该用户未使用过空气调节设备，可识别用户为新用户。

可选地，获取用户的身份信息后，还可根据用户的身份信息，获取用户使用空气调节设备的历史使用数据。应说明的是，用户使用空气调节设备的历史使用数据可包括用户之前主动设置的温度信息、湿度信息、风挡信息、扫风模式、新风模式、运行模式、累计使用次数、累计使用时长等数据。

其中，可预先建立用户使用空气调节设备的历史使用数据与用户的类型之间的映射关系或者映射表，在获取到用户使用空气调节设备的历史使用数据后，查询映射关系或者映射表，能够确定出用户的类型。其中，映射关系或者映射表均可预先设置在空气调节设备的存储空间中。

可选地，可根据用户使用空气调节设备的累计使用次数和累计使用时长，识别用户的类型。

例如，可获取用户使用空气调节设备的累计使用次数和累计使用时长，若识别累计使用次数大于预设第一阈值，或者识别累计使用时长大于预设第二阈值，说明用户使用空气调节设备的使用次数较多，或者使用时长较长，即用户为老用户，可识别用户为第一类用户。

或者，若识别累计使用次数小于预设第一阈值，且识别累计使用时长也小于预设第二阈值，说明用户使用空气调节设备的使用次数较少，且使用时长较短，即用户为新用户，可识别用户为第二类用户。

其中，预设第一阈值、预设第二阈值均可根据实际情况进行标定，例如，预设第一阈值可标定为3，预设第二阈值可标定为36小时，且预设第一阈值、预设第二阈值均可预先设置在空气调节设备的存储空间中。

此外，识别累计使用次数大于预设第一阈值，或者识别累计使用时长大于预设第二阈值后，还可继续获取用户对多维监控参数中的任意一维监控参数进行主动调节的累计次数，可根据用户对任意一维监控参数进行主动调节的累计次数和累计使用次数，识别用户相对于每维监控参数的用户类型。

其中，若用户对任意一维监控参数进行主动调节的累计次数与累计使用次数的比值大于或者等于预设第三阈值，说明用户对任意一维监控参数进行主动调节的次数较多，可最终识别用户相对于任意一维监控参数为第一类用户。

或者，若用户对任意一维监控参数进行主动调节的累计次数与累计使用次数的比值小于预设第三阈值，说明用户对任意一维监控参数进行主动调节的次数较少，可最终识别用户相对于任意一维监控参数为第二类用户。

其中，预设第三阈值可根据实际情况进行标定，例如，可标定为0.5，预设第三阈值可预先设置在空气调节设备的存储空间中。

该方法可根据用户对任意一维监控参数进行主动调节的累计次数与累计使用次数的比值，识别用户相对于任意一维监控参数的用户类型，从而不同的监控参数可对应不同的用户类型，准确度和灵活性更高。

S202、根据类型，确定目标模型和目标模型所需的特征信息。

作为一种可能的实现方式，如图3所示，包括以下步骤：

S301、识别用户为第一类用户。

详见上述描述，在此就不在一一赘述。

S302、获取第一类用户对应的第一学习模型，作为目标模型。

空气调节设备具有自学习模式，当确定出用户为第一类用户(即老用户)时，根据第一类用户与空气调节设备中自学习模式之间的映射关系，即可以获取到第一类用户对于的第一学习模型；然后，将其作为目标模型。

S303、获取用户使用空气调节设备的历史使用数据、所处环境的当前环境数据、当前时间信息以及空气调节设备的当前状态信息作为特征信息。

识别用户为第一类用户时，说明用户为老用户或者用户对任意一维监控参数进行主动调节的次数较多或者使用时间较长，此时用户使用空气调节设备的历史使用数据能够反映出用户对空气调节设备的使用习惯和需求，或者能够反映出用户对任意一维监控参数的调节习惯和需求，为了使推荐值贴近用户的习惯和需求，可将获取到的用户使用空气调节设备的历史使用数据、所处环境的当前环境数据、当前时间信息以及空气调节设备的当前状态信息作为特征信息。

作为另一种可能的实现方式，如图4所示，包括以下步骤：、

S401、识别用户为第二类用户。

详见上述描述，在此就不在一一赘述。

S402、获取第二类用户对应的第二学习模型，作为目标模型。

空气调节设备具有自学习模式，当确定出用户为第二类用户(即新用户)时，根据第二类用户与空气调节设备中自学习模式之间的映射关系，即可以获取到第二类用户对于的第二学习模型；然后，将其作为目标模型。

S403、获取用户所处环境的当前环境数据、当前时间信息和空气调节设备的当前状态信息作为特性信息。

识别用户为第二类用户时，说明用户为新用户或者用户对任意一维监控参数进行主动调节的次数较少或者使用时间较短，此时用户使用空气调节设备的历史使用数据不能映出用户对空气调节设备的使用习惯和需求，或者不能反映出用户对任意一维监控参数的调节习惯和需求，不将用户使用空气调节设备的历史使用数据作为特征信息。因此，可近将获取到所处环境的当前环境数据、当前时间信息以及空气调节设备的当前状态信息作为特征信息。

S103、根据推荐值和运行参数的设定值，确定运行参数的运行值，以及控制空气调节设备按照运行值运行。

确定出运行参数的推荐值后，就可以根据推荐值和运行参数的设定值，确定运行参数的运行值。其中，运行参数的设定值可以但不限于为用户当次对运行参数的调整值。

可选地，如图5所示，包括以下步骤：

S501、获取推荐值与设定值之间的偏差值。

将推荐值和设定值进行数学运算，即可以获取到两者之间的偏差值。可选地，偏差值为两者之间的比值或者绝对差值。

S502、识别偏差值大于或等于预设偏差阈值，确定运行参数的运行值为推荐值。

将偏差值与预设偏差阈值进行对比，即可以确定出两者之间的大小关系。当偏差值大于或等于预设偏差阈值时，表明设定值与推荐值之间相差较大，存在设定值出现错误的情况，此时则无法满足用户需求；因此，将推荐值作为运行参数的运行值，以满足用户需求。

S503、识别偏差值小于预设偏差阈值，确定运行参数的运行值为设定值。

当偏差值小于预设偏差阈值时，表明设定值与推荐值之间相差较小，设定值未出现错误；因此，此时则将设定值作为运行参数的运行值，以满足用户需求。

进一步地，在确定出运行参数的运行值后，则控制空气调节设备按照运行值运行。

在一些实施例中，当识别出用户为第二类用户时，为了使得根据特征信息获取到推荐值更符合实际情况，则可以根据其他用户的使用情况来确定推荐值，即利用群体属性获取推荐值。如图6所示，包括以下步骤：

S601、将其他用户所对应的特征信息输入至第一学习模型中，得到其他用户的群体属性，其中，其他用户所对应的特征信息中包括其他用户使用空气调节设备的历史使用数据。

将其他用户所对应的特征信息输入至第一学习模型中，即可以获取到其他用户的推荐值，并将获取到的其他用户的推荐值，作为其他用户的群体属性。

S602、根据群体属性，获取群体用户对应的推荐值，作为用户的推荐值。

将其他用户的群体属性中的各个推荐值进行数学运算，如加权平均等，即可以获取到群体用户对应的推荐值，并将其作为第二类用户的推荐值。

在一些实施例中，在获取运行参数为风速时的推荐值时，还可以将运行参数为温度时的温度推荐值作为参考因素，以提升控制的精准度。如图7所示，包括以下步骤：

S701、获取运行参数为温度时的温度推荐值。

详见上述步骤S102中的描述，在此就不再一一赘述。

S702、对特征信息和温度推荐值进行学习，获取运行参数为风速时的风速推荐值。

将相应的特征信息和温度推荐值，输入至确定出的目标模型中，即可以获取到运行参数为风速时的风速推荐值。对于相应的特征信息的获取过程，详见上述步骤S102中的描述，在此就不再一一赘述。

综上所述本申请实施例中的技术方案，至少具有如下技术效果或优点：

1、在多维调节模式中，可以根据与空气调节设备的运行参数相关的特征信息，确定出运行参数的推荐值，并根据推荐值和运行参数的设定值，确定运行参数的运行值，并控制空气调节设备按照运行值运行，从而实现了在多维调节模式中使得空气调节设备的运行情况与用户的需求相匹配，提升客户满意度。

2、基于推荐值与设定值之间的偏差值，确定运行参数的运行值，提升了控制的准确度。

4、针对不同的用户，确定不同的学习模型和特征信息，并获取推荐值，使得空气调节设备能够满足不同用户的需求，提升了用户满意度。

5、基于特征信息和温度推荐值，获取运行参数为风速时的风速推荐值，提升了控制精准度。

基于同一发明构思，本申请实施例还提供了与上述实施例中方法对应的装置。

图8是本申请公开的一个实施例的空气调节设备的控制装置的结构示意图。如图8所示，空气调节设备的控制装置100包括：

响应模块11，用于响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式；

获取模块12，用于获取与空气调节设备的运行参数相关的特征信息，将特征信息输入至目标模型中，得到运行参数的推荐值，其中，运行参数包括温度、风速；

确定模块13，用于根据推荐值和运行参数的设定值，确定运行参数的运行值，以及控制空气调节设备按照运行值运行。

进一步地，获取模块12，还用于：

获取推荐值与设定值之间的偏差值；

识别偏差值大于或等于预设偏差阈值，确定运行参数的运行值为推荐值；

识别偏差值小于预设偏差阈值，确定运行参数的运行值为设定值。

进一步地，获取模块12，还用于：

获取用户的身份信息，根据身份信息识别用户的类型；

根据类型，确定目标模型和目标模型所需的特征信息。

进一步地，获取模块12，还用于：

识别用户为第一类用户；

获取第一类用户对应的第一学习模型，作为目标模型；

获取用户使用空气调节设备的历史使用数据、所处环境的当前环境数据、当前时间信息以及空气调节设备的当前状态信息作为特征信息。

进一步地，获取模块12，还用于：

识别用户为第二类用户；

获取第二类用户对应的第二学习模型，作为目标模型；

获取用户所处环境的当前环境数据、当前时间信息和空气调节设备的当前状态信息作为特性信息。

进一步地，获取模块12，还用于：

将其他用户所对应的特征信息输入至第一学习模型中，得到其他用户的群体属性，其中，其他用户所对应的特征信息中包括其他用户使用空气调节设备的历史使用数据；

根据群体属性，获取群体用户对应的推荐值，作为用户的推荐值。

进一步地，获取模块12，还用于：

获取运行参数为温度时的温度推荐值；

对特征信息和温度推荐值进行学习，获取运行参数为风速时的风速推荐值。

应当理解的是，上述装置用于执行上述实施例中的方法，装置中相应的程序模块，其实现原理和技术效果与上述方法中的描述类似，该装置的工作过程可参考上述方法中的对应过程，此处不再赘述。

综上所述本申请实施例中的技术方案，至少具有如下技术效果或优点：

1、在多维调节模式中，可以根据与空气调节设备的运行参数相关的特征信息，确定出运行参数的推荐值，并根据推荐值和运行参数的设定值，确定运行参数的运行值，并控制空气调节设备按照运行值运行，从而实现了在多维调节模式中使得空气调节设备的运行情况与用户的需求相匹配，提升客户满意度。

2、基于推荐值与设定值之间的偏差值，确定运行参数的运行值，提升了控制的准确度。

4、针对不同的用户，确定不同的学习模型和特征信息，并获取推荐值，使得空气调节设备能够满足不同用户的需求，提升了用户满意度。

5、基于特征信息和温度推荐值，获取运行参数为风速时的风速推荐值，提升了控制精准度。

为了实现上述实施例，本申请还提供了一种空气调节设备，如图9所示，该空气调节设备包括上述空气调节设备的控制装置100。

为了实现上述实施例，本申请还提供了一种电子设备，如图10所示，该电子设备200包括存储器21、处理器22；其中，处理器22通过读取存储器21中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现上文方法的各个步骤。

为了实现上述实施例的方法，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中方法的各个步骤。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种空气调节设备的控制方法，其特征在于，所述控制方法包括：

响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式；

获取与所述空气调节设备的运行参数相关的特征信息，将所述特征信息输入至目标模型中，得到所述运行参数的推荐值，其中，所述运行参数包括温度和/或风速；

根据所述推荐值和所述运行参数的设定值，确定所述运行参数的运行值，以及控制所述空气调节设备按照所述运行值运行。

2.根据权利要求1所述的方法，其特征在于，所述根据所述推荐值和所述运行参数的设定值，确定所述运行参数的运行值，包括：

获取所述推荐值与所述设定值之间的偏差值；

识别所述偏差值大于或等于预设偏差阈值，确定所述运行参数的运行值为所述推荐值；

识别所述偏差值小于所述预设偏差阈值，确定所述运行参数的运行值为所述设定值。

3.根据权利要求1所述的方法，其特征在于，所述将所述特征信息输入至目标模型之前，还包括：

获取用户的身份信息，根据所述身份信息识别所述用户的类型；

根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息，包括：

识别所述用户为第一类用户；

获取所述第一类用户对应的第一学习模型，作为所述目标模型；

获取所述用户使用所述空气调节设备的历史使用数据、所处环境的当前环境数据、当前时间信息以及所述空气调节设备的当前状态信息作为所述特征信息。

5.根据权利要求3所述的方法，其特征在于，所述根据所述类型，确定所述目标模型和所述目标模型所需的所述特征信息，包括：

识别所述用户为第二类用户；

获取所述第二类用户对应的第二学习模型，作为所述目标模型；

获取所述用户所处环境的当前环境数据、当前时间信息和所述空气调节设备的当前状态信息作为所述特性信息。

6.根据权利要求5所述的方法，其特征在于，还包括：

将其他用户所对应的特征信息输入至第一学习模型中，得到所述其他用户的群体属性，其中，所述其他用户所对应的特征信息中包括所述其他用户使用所述空气调节设备的历史使用数据；

根据所述群体属性，获取所述群体用户对应的所述推荐值，作为所述用户的所述推荐值。

7.根据权利要求3-6中任一项所述的方法，其特征在于，还包括：

获取所述运行参数为温度时的温度推荐值；

对所述特征信息和所述温度推荐值进行学习，获取所述运行参数为风速时的风速推荐值。

8.一种空气调节设备的控制装置，其特征在于，所述控制装置包括：

响应模块，用于响应用于开启空气调节设备的多维调节模式的第一指令，以进入多维调节模式；

获取模块，用于获取与所述空气调节设备的运行参数相关的特征信息，将所述特征信息输入至目标模型中，得到所述运行参数的推荐值，其中，所述运行参数包括温度、风速；

确定模块，用于根据所述推荐值和所述运行参数的设定值，确定所述运行参数的运行值，以及控制所述空气调节设备按照所述运行值运行。

9.一种空气调节设备，其特征在于，包括如权利要求8所述的空气调节设备的控制装置。

10.一种电子设备，其特征在于，包括存储器、处理器；

其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-7中任一项所述的空气调节设备的控制方法。

11.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的空气调节设备的控制方法。

Images