CN111895625A - 基于神经网络算法的室内环境改善方法、系统及存储介质 - Google Patents
基于神经网络算法的室内环境改善方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111895625A CN111895625A CN202010614820.5A CN202010614820A CN111895625A CN 111895625 A CN111895625 A CN 111895625A CN 202010614820 A CN202010614820 A CN 202010614820A CN 111895625 A CN111895625 A CN 111895625A
- Authority
- CN
- China
- Prior art keywords
- indoor environment
- user
- neural network
- feedback data
- household appliance
- 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.)
- Pending
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
- F24F11/62—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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- 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
-
- 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
- F24F2110/50—Air quality properties
- F24F2110/65—Concentration of specific substances or contaminants
- F24F2110/70—Carbon dioxide
-
- 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
- F24F2120/20—Feedback from users
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/20—Sunlight
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
本发明公开了一种基于神经网络算法的室内环境改善方法,包括:在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;根据所述基于用户体验的室内环境值控制智能家电运行。本发明实现根据用户反馈的数据自动学习对室内环境的喜好,设置最优舒适性指标,以满足不同场所,不同人群的个性化环境舒适度需求。
Description
技术领域
本发明涉及室内环境技术领域,特别是涉及一种基于神经网络算法的室内环境改善方法、系统及存储介质。
背景技术
通常根据各个地区的气候特点研究并确定了符合当地气候特点的室内环境的舒适性指标,作为室内环境调节技术领域的最基本参数,通过调节空调、暖气、加湿器、抽湿机、空气净化器等家电设备控制温度、湿度、二氧化碳含量等,以达到室内环境的舒适性指标的参数。
现有技术中,采用分别设置不同的家电设备满足不同的参数,但是不同场所不同人群对环境舒适度的需要有一定差异,以同一舒适性指标调节室内环境很难满足不同场所和不同人群的需求,且控制参数单一,控制过程机械化。
发明内容
本发明提供一种基于神经网络算法的室内环境改善方法、系统及存储介质,实现了根据不同使用场景、使用人群差异化室内环境控制。
本发明一个实施例提供一种基于神经网络算法的室内环境改善方法,包括:
在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;
获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;
将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;
根据所述基于用户体验的室内环境值控制智能家电运行。
进一步地,所述的一种基于神经网络算法的室内环境改善方法,还包括:
探测智能家电的连接情况;所述智能家电包括:空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器;
若任一智能家电连接异常,则进行报警操作。
进一步地,所述的一种基于神经网络算法的室内环境改善方法,还包括:
探测监控设备的连接情况;所述监控设备包括:温度传感器、湿度检测器、碳含量检测器、光照强度传感器;
若任一智能家电连接异常,则进行报警操作。
进一步地,所述的一种基于神经网络算法的室内环境改善方法,还包括:
获取用户进入室内时长;
若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。
本发明一个实施例提供一种基于神经网络算法的室内环境改善系统,包括:
室内环境值检测模块,用于在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;
反馈数据获取模块,用于获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;
室内环境值计算模块,用于将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;
智能家电运行控制模块,用于根据所述基于用户体验的室内环境值控制智能家电运行。
进一步地,所述的一种基于神经网络算法的室内环境改善系统,还包括:
智能家电监控模块,用于探测智能家电的连接情况;所述智能家电包括:空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器;
若任一智能家电连接异常,则进行报警操作。
进一步地,所述的一种基于神经网络算法的室内环境改善系统,还包括:
监控设备检测模块,用于探测监控设备的连接情况;所述监控设备包括:温度传感器、湿度检测器、碳含量检测器、光照强度传感器;
若任一智能家电连接异常,则进行报警操作。
进一步地,所述的一种基于神经网络算法的室内环境改善系统,还包括:
时长获取模块,用于获取用户进入室内时长;
若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。
一种基于神经网络算法的室内环境改善终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的基于神经网络算法的室内环境改善方法。
本发明一个实施例提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4任一项所述的基于神经网络算法的室内环境改善方法。
与现有技术相比,本发明实施例的有益效果在于:
本发明实施例公开了一种基于神经网络算法的室内环境改善方法,包括:在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;根据所述基于用户体验的室内环境值控制智能家电运行。本发明实现根据用户反馈的数据自动学习对室内环境的喜好,设置最优舒适性指标,以满足不同场所,不同人群的个性化环境舒适度需求。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式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发明的一些实施方式,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。
图1是本发明某一实施例提供的一种基于神经网络算法的室内环境改善方法的流程图;
图2是本发明另一实施例提供的一种基于神经网络算法的室内环境改善方法的流程图;
图3是本发明某一实施例提供的一种基于神经网络算法的室内环境改善系统的结构图;
图4是本发明另一实施例提供的一种基于神经网络算法的室内环境改善系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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,都属于本发明保护的范围。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
第一方面。
请参阅图1,本发明某一实施例提供的一种基于神经网络算法的室内环境改善方法,包括:
S10、在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量。
根据各个地区气候特点研究确定了室内环境的舒适性指标,作为室内环境调节技术领域的最基本参数。不同场所不同人群对环境舒适度的需要有一定差异,以同一舒适性指标调节室内环境很难满足不同场所和不同人群的需求。但同时我们发现,在固定室内场所,使用群体通常相对较固定,对室内环境的需求较接近,需求就没有考虑到使用者本身的需求,相对较固定人群对室内环境的的需求有同一性,充分考虑使用者的需求,以体表温度、环境温度等为输入变量,使用者对环境满意度的反馈为输出变量,进行神经网络训练,预测最满意舒适性指标,以获得更适宜使用群体的室内环境控制参数。
在某一具体实施例中,室内环境根据预设值进行控制,温度传感器、湿度检测器、光照强度传感器及碳含量检测器对室内环境进行检测。
S20、获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈。
在某一具体实施例中,采集并获取处于与预设环境舒适度指标下的室内用户的舒适度反馈数据;所述用户至少为两人时,则对每项数据进行加权平均计算,以得到最终反馈数据;所述用户为一人时,则该用户的反馈数据即为最终的反馈数据。
S30、将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值。
在某一具体实施例中,所述神经网络训练模型为输入反馈数据,经过室内环境舒适度算法计算,得到基于用户体验的室内环境值。
S40、根据所述基于用户体验的室内环境值控制智能家电运行。
根据所述基于用户体验的室内环境值调节并运行室内家电。
本发明实施例公开了一种基于神经网络算法的室内环境改善方法,包括:在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;根据所述基于用户体验的室内环境值控制智能家电运行。本发明实现根据用户反馈的数据自动学习对室内环境的喜好,设置最优舒适性指标,以满足不同场所,不同人群的个性化环境舒适度需求。
请参阅图2,本发明某一实施例提供的一种基于神经网络算法的室内环境改善方法,还包括:
S01、探测智能家电的连接情况;所述智能家电包括:空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器;若任一智能家电连接异常,则进行报警操作。
S02、探测监控设备的连接情况;所述监控设备包括:温度传感器、湿度检测器、碳含量检测器、光照强度传感器;若任一智能家电连接异常,则进行报警操作。
S11、获取用户进入室内时长;若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。
在某一具体的实施例中,探测智能家电的连接情况,若所述家电如空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器处于正常连接及运行状态,则进行下一步;若所述家电处于异常连接状态或运行状态,则进行报警操作,即将家电异常信息反馈至用户移动终端处。探测监控设备的连接情况,若所述监控设备包如温度传感器、湿度检测器、碳含量检测器、光照强度传感器处于正常连接及运行状态,则进行下一步;若所述监控设备处于异常连接状态或运行状态,则进行报警操作,即将监控设备异常信息反馈至用户移动终端处。根据预设值进行控制室内环境,温度传感器、湿度检测器、光照强度传感器及碳含量检测器对室内环境进行检测。获取用户进入室内时长,若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。采集并获取处于与预设环境舒适度指标下的室内用户的舒适度反馈数据;所述用户至少为两人时,则对每项数据进行加权平均计算,以得到最终反馈数据;所述用户为一人时,则该用户的反馈数据即为最终的反馈数据。所述神经网络训练模型为输入反馈数据,经过室内环境舒适度算法计算,得到基于用户体验的室内环境值。根据所述基于用户体验的室内环境值调节并运行室内家电,即完成基于神经网络算法的室内环境改善方法。
第二方面。
请参阅图3,本发明某一实施例提供的一种基于神经网络算法的室内环境改善系统,包括:室内环境值检测模块10、反馈数据获取模块20、室内环境值计算模块30及智能家电运行控制模块40;其中,
室内环境值检测模块10,用于在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量。
在某一具体实施例中,室内环境根据预设值进行控制,温度传感器、湿度检测器、光照强度传感器及碳含量检测器对室内环境进行检测。
反馈数据获取模块20,用于获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈。
在某一具体实施例中,采集并获取处于与预设环境舒适度指标下的室内用户的舒适度反馈数据;所述用户至少为两人时,则对每项数据进行加权平均计算,以得到最终反馈数据;所述用户为一人时,则该用户的反馈数据即为最终的反馈数据。
室内环境值计算模块30,用于将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值。
在某一具体实施例中,所述神经网络训练模型为输入反馈数据,经过室内环境舒适度算法计算,得到基于用户体验的室内环境值。
智能家电运行控制模块40,用于根据所述基于用户体验的室内环境值控制智能家电运行。
根据所述基于用户体验的室内环境值调节并运行室内家电。
请参阅图4,本发明某一实施例提供的一种基于神经网络算法的室内环境改善系统,还包括:智能家电监控模块50、监控设备检测模块60及时长获取模块70;其中
智能家电监控模块50,用于探测智能家电的连接情况;所述智能家电包括:空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器;若任一智能家电连接异常,则进行报警操作。
监控设备检测模块60,用于探测监控设备的连接情况;所述监控设备包括:温度传感器、湿度检测器、碳含量检测器、光照强度传感器;若任一智能家电连接异常,则进行报警操作。
时长获取模块70,用于获取用户进入室内时长;若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。
在某一具体的实施例中,探测智能家电的连接情况,若所述家电如空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器处于正常连接及运行状态,则进行下一步;若所述家电处于异常连接状态或运行状态,则进行报警操作,即将家电异常信息反馈至用户移动终端处。探测监控设备的连接情况,若所述监控设备包如温度传感器、湿度检测器、碳含量检测器、光照强度传感器处于正常连接及运行状态,则进行下一步;若所述监控设备处于异常连接状态或运行状态,则进行报警操作,即将监控设备异常信息反馈至用户移动终端处。根据预设值进行控制室内环境,温度传感器、湿度检测器、光照强度传感器及碳含量检测器对室内环境进行检测。获取用户进入室内时长,若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。采集并获取处于与预设环境舒适度指标下的室内用户的舒适度反馈数据;所述用户至少为两人时,则对每项数据进行加权平均计算,以得到最终反馈数据;所述用户为一人时,则该用户的反馈数据即为最终的反馈数据。所述神经网络训练模型为输入反馈数据,经过室内环境舒适度算法计算,得到基于用户体验的室内环境值。根据所述基于用户体验的室内环境值调节并运行室内家电,即完成基于神经网络算法的室内环境改善方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于神经网络算法的室内环境改善方法,其特征在于,包括:
在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;
获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;
将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;
根据所述基于用户体验的室内环境值控制智能家电运行。
2.如权利要求1所述的一种基于神经网络算法的室内环境改善方法,其特征在于,还包括:
探测智能家电的连接情况;所述智能家电包括:空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器;
若任一智能家电连接异常,则进行报警操作。
3.如权利要求1所述的一种基于神经网络算法的室内环境改善方法,其特征在于,还包括:
探测监控设备的连接情况;所述监控设备包括:温度传感器、湿度检测器、碳含量检测器、光照强度传感器;
若任一智能家电连接异常,则进行报警操作。
4.如权利要求1所述的一种基于神经网络算法的室内环境改善方法,其特征在于,所述获取用户舒适度反馈数据之前还包括:
获取用户进入室内时长;
若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。
5.一种基于神经网络算法的室内环境改善系统,其特征在于,包括:
室内环境值检测模块,用于在预设室内环境的舒适性指标值下,检测室内环境值;其中,室内环境值包括温度、湿度、光照强度及二氧化碳含量;
反馈数据获取模块,用于获取用户舒适度反馈数据;其中,所述用户舒适度反馈数据为在所述预设室内环境的舒适性指标值下,用户对所述室内环境值的感受反馈;
室内环境值计算模块,用于将所述反馈数据输入至神经网络训练模型,以得到基于用户体验的室内环境最优值;
智能家电运行控制模块,用于根据所述基于用户体验的室内环境值控制智能家电运行。
6.如权利要求5所述的一种基于神经网络算法的室内环境改善系统,其特征在于,还包括:
智能家电监控模块,用于探测智能家电的连接情况;所述智能家电包括:空调、暖气、加湿器、抽湿机、空气净化器、窗帘控制器、开窗器;
若任一智能家电连接异常,则进行报警操作。
7.如权利要求5所述的一种基于神经网络算法的室内环境改善系统,其特征在于,还包括:
监控设备检测模块,用于探测监控设备的连接情况;所述监控设备包括:温度传感器、湿度检测器、碳含量检测器、光照强度传感器;
若任一智能家电连接异常,则进行报警操作。
8.如权利要求5所述的一种基于神经网络算法的室内环境改善系统,其特征在于,还包括:
时长获取模块,用于获取用户进入室内时长;
若所述用户进入室内时长满足预设阈值,则获取用户舒适度反馈数据。
9.一种基于神经网络算法的室内环境改善终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的基于神经网络算法的室内环境改善方法。
10.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4任一项所述的基于神经网络算法的室内环境改善方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010614820.5A CN111895625A (zh) | 2020-06-30 | 2020-06-30 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010614820.5A CN111895625A (zh) | 2020-06-30 | 2020-06-30 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111895625A true CN111895625A (zh) | 2020-11-06 |
Family
ID=73206525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010614820.5A Pending CN111895625A (zh) | 2020-06-30 | 2020-06-30 | 基于神经网络算法的室内环境改善方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111895625A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359486A (zh) * | 2021-04-01 | 2021-09-07 | 中国地质大学(武汉) | 一种基于神经网络算法调控的智能窗户系统及调节方法 |
CN114153256A (zh) * | 2021-12-25 | 2022-03-08 | 广州番禺职业技术学院 | 基于用户反馈的共享空间环境集成监控系统 |
CN114281192A (zh) * | 2021-12-22 | 2022-04-05 | 珠海格力电器股份有限公司 | 家居设备控制方法、装置、电子设备及存储介质 |
US11371739B2 (en) * | 2017-04-25 | 2022-06-28 | Johnson Controls Technology Company | Predictive building control system with neural network based comfort prediction |
CN115056690A (zh) * | 2022-06-21 | 2022-09-16 | 一汽奔腾轿车有限公司 | 一种基于神经网络的汽车智能加热垫系统、方法、设备及存储介质 |
US11480360B2 (en) | 2019-08-06 | 2022-10-25 | Johnson Controls Tyco IP Holdings LLP | Building HVAC system with modular cascaded model |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865927A (zh) * | 2015-03-27 | 2015-08-26 | 北京海尔广科数字技术有限公司 | 构建用户模型的方法和装置、以及设备控制方法和装置 |
CN105588290A (zh) * | 2016-03-02 | 2016-05-18 | 广东工业大学 | 用于调节空调温度的控制终端、系统及方法 |
CN107461890A (zh) * | 2017-08-08 | 2017-12-12 | 珠海格力电器股份有限公司 | 一种空调器的控制方法及控制系统 |
CN108413588A (zh) * | 2018-02-12 | 2018-08-17 | 北京工业大学 | 一种基于热成像及bp神经网络的个性化空调控制系统及方法 |
CN109674449A (zh) * | 2018-12-24 | 2019-04-26 | 深圳和而泰数据资源与云技术有限公司 | 一种数据处理的方法及装置 |
CN110836509A (zh) * | 2018-08-17 | 2020-02-25 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
US20200158369A1 (en) * | 2018-11-20 | 2020-05-21 | Distech Controls Inc. | Computing device and method for inferring an airflow of a vav appliance operating in an area of a building |
US20200200423A1 (en) * | 2018-12-19 | 2020-06-25 | Distech Controls Inc. | Computing device and method for inferring via a neural network a two-dimensional temperature mapping of an area |
-
2020
- 2020-06-30 CN CN202010614820.5A patent/CN111895625A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865927A (zh) * | 2015-03-27 | 2015-08-26 | 北京海尔广科数字技术有限公司 | 构建用户模型的方法和装置、以及设备控制方法和装置 |
CN105588290A (zh) * | 2016-03-02 | 2016-05-18 | 广东工业大学 | 用于调节空调温度的控制终端、系统及方法 |
CN107461890A (zh) * | 2017-08-08 | 2017-12-12 | 珠海格力电器股份有限公司 | 一种空调器的控制方法及控制系统 |
CN108413588A (zh) * | 2018-02-12 | 2018-08-17 | 北京工业大学 | 一种基于热成像及bp神经网络的个性化空调控制系统及方法 |
CN110836509A (zh) * | 2018-08-17 | 2020-02-25 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
US20200158369A1 (en) * | 2018-11-20 | 2020-05-21 | Distech Controls Inc. | Computing device and method for inferring an airflow of a vav appliance operating in an area of a building |
US20200200423A1 (en) * | 2018-12-19 | 2020-06-25 | Distech Controls Inc. | Computing device and method for inferring via a neural network a two-dimensional temperature mapping of an area |
CN109674449A (zh) * | 2018-12-24 | 2019-04-26 | 深圳和而泰数据资源与云技术有限公司 | 一种数据处理的方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11371739B2 (en) * | 2017-04-25 | 2022-06-28 | Johnson Controls Technology Company | Predictive building control system with neural network based comfort prediction |
US11480360B2 (en) | 2019-08-06 | 2022-10-25 | Johnson Controls Tyco IP Holdings LLP | Building HVAC system with modular cascaded model |
CN113359486A (zh) * | 2021-04-01 | 2021-09-07 | 中国地质大学(武汉) | 一种基于神经网络算法调控的智能窗户系统及调节方法 |
CN114281192A (zh) * | 2021-12-22 | 2022-04-05 | 珠海格力电器股份有限公司 | 家居设备控制方法、装置、电子设备及存储介质 |
CN114281192B (zh) * | 2021-12-22 | 2023-09-08 | 珠海格力电器股份有限公司 | 家居设备控制方法、装置、电子设备及存储介质 |
CN114153256A (zh) * | 2021-12-25 | 2022-03-08 | 广州番禺职业技术学院 | 基于用户反馈的共享空间环境集成监控系统 |
CN115056690A (zh) * | 2022-06-21 | 2022-09-16 | 一汽奔腾轿车有限公司 | 一种基于神经网络的汽车智能加热垫系统、方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111895625A (zh) | 基于神经网络算法的室内环境改善方法、系统及存储介质 | |
CN109489212B (zh) | 一种空调智能睡眠控制方法、调整系统及设备 | |
CN108181819A (zh) | 家电设备的联动控制方法、装置、系统及家电设备 | |
CN109357352B (zh) | 基于决策树分类算法的空调智能温控系统及方法 | |
CN111442420A (zh) | 环境场景的智能调控方法及环境调节系统 | |
CN110836509A (zh) | 一种家居设备控制方法、装置、控制设备及可读存储介质 | |
CN106919056A (zh) | 智能家居自动控制方法及装置 | |
CN112147911A (zh) | 一种设备控制方法和装置 | |
CN113819620B (zh) | 用于控制空调的方法及装置、空调、存储介质 | |
CN113847714A (zh) | 基于家庭边缘计算的室内环境自动调节方法及装置 | |
CN107355946A (zh) | 一种基于用户体验的家居智能舒适节能控制系统及方法 | |
CN112128934A (zh) | 空调器的智能控制方法与智能控制设备 | |
WO2023010950A1 (zh) | 用于湿度调节的方法及装置、空气调节设备 | |
CN111043733B (zh) | 基于空间布局特征的空调器送风模式控制方法及空调器 | |
CN112128935B (zh) | 空调器的智能控制方法与智能控制设备 | |
CN114740740A (zh) | 智能家居系统的控制方法、控制装置和智能家居系统 | |
CN105241001A (zh) | 一种参数调整方法及空调 | |
CN116859768A (zh) | 应用于智能家居的能源调度方法及装置 | |
CN107806692A (zh) | 一种基于无线信道状态信息的智能空调及其控制方法 | |
CN108036473B (zh) | 一种智能温湿度控制方法与装置 | |
CN110986327A (zh) | 空调器的睡眠模式控制方法与空调器 | |
CN114034088B (zh) | 湿度控制系统和加湿装置以及加湿控制方法 | |
CN108681686A (zh) | 电暖器及其控制方法、装置、存储介质和处理器 | |
CN111452588B (zh) | 一种出行工具的环境调节设备的控制方法及装置 | |
Flessner et al. | Perception based method for indoor air quality control |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201106 |