CN112178861A - 健身房空调器的控制方法、装置、控制器及空调系统 - Google Patents
健身房空调器的控制方法、装置、控制器及空调系统 Download PDFInfo
- Publication number
- CN112178861A CN112178861A CN202011040972.5A CN202011040972A CN112178861A CN 112178861 A CN112178861 A CN 112178861A CN 202011040972 A CN202011040972 A CN 202011040972A CN 112178861 A CN112178861 A CN 112178861A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- data
- gymnasium
- personnel
- human body
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004378 air conditioning Methods 0.000 title claims abstract description 14
- 238000005192 partition Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims abstract description 22
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims description 11
- 230000036772 blood pressure Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 210000004556 brain Anatomy 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 230000037323 metabolic rate Effects 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 6
- 230000001276 controlling effect Effects 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- F24F11/80—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
-
- 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
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
本发明涉及一种健身房空调器的控制方法、装置、控制器及空调系统，所述健身房空调器的控制方法，包括：获取健身房环境数据、功能分区数据和人体数据；根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；根据所述空调器最优运行参数对空调进行控制；本发明通过健身房对空调器的实际需求情况，将健身房不同功能区域进行分类，并将人员在不同应用场景下的使用条件数据作为控制空调器运行的输入条件，应用机器学习方法得到人员在不同应用场景和使用条件下的空调器最优运行参数，使用该空调器最优运行参数控制空调器运行，既能满足不同人员的使用习惯，又能实现对各功能区域的空调进行精准控制，有利于实现节能。
Description
技术领域
本发明涉及空调控制技术领域，具体涉及一种健身房空调器的控制方法、装置、控制器及空调系统。
背景技术
随着人工智能技术的发展以及家电技术的不断创新，智能家居的技术已步入人们生活中，随着人民生活水平的不断提高，人们对于家电的节能需求以及智能化程度要求不断变大。
健身房作为需要耗费大量能源的空调使用场所，其对运行节能的需求也相对较大，但目前健身房多采用常规的中央空调系统，控制相对简单，运行节能效果相对较差。而现有技术中针对健身房使用场景的既能实现运行节能又能满足人员使用习惯的智能空调基本没有。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种健身房空调器的控制方法、装置、控制器及空调系统。
为实现以上目的，本发明采用如下技术方案：一种健身房空调器的控制方法，包括：
获取健身房环境数据、功能分区数据和人体数据；
根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
根据所述空调器最优运行参数对空调进行控制。
可选的，所述健身房环境数据包括如下项中的一项或多项：
健身房不同区域的温度、湿度、风速、空气质量、室外环境温度、室外环境湿度。
可选的，所述功能分区数据包括：
所述功能分区的图片或所述功能分区内器材的标识信息。
可选的，所述人体数据包括：人员数量和人体运动强度数据；
其中，所述人体运动强度数据包括如下项中的一项或多项：
心电、心率、血氧、血压、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率。
可选的，所述根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数，具体包括：
根据所述健身房环境数据、功能分区数据和人体数据确定确定人员所处的应用场景和此场景下人员使用条件；
将所述应用场景和此场景下人员使用条件输入到学习模型，通过所述学习模型确定出符合当前应用场景和人员使用条件的空调器最优运行参数。
可选的，所述学习模型是通过如下过程建立的：
步骤一：预先获取不同应用场景、人员使用条件下的多组空调器运行数据；
步骤二：分别对相同应用场景和人员使用条件下的多组空调器运行数据进行分析，以确定出该应用场景和人员使用条件下最节能的空调器运行数据，并将该空调器运行数据作为该应用场景和人员使用条件下的空调器最优运行参数；
步骤三：按照步骤二的方法确定出每一种应用场景和人员使用条件下的空调器最优运行参数；
步骤四：根据机器学习方法，利用步骤三得到的每一种应用场景和人员使用条件下的空调器最优运行参数对所述学习模型进行训练，以建立出所述学习模块；
所述学习模型能够反映不同应用场景和人员使用条件与空调器最优运行参数之间的对应关系。
可选的，所述控制方法还包括：
在空调器运行特定时间后，重新获取健身房环境数据、功能分区数据、人体数据以及空调器运行数据；
根据重新获取的健身房环境数据、功能分区数据、人体数据以及空调器运行数据对所述学习模型进行修正，得到修正后的学习模型，此后通过所述修正后的学习模型获取符合当前应用场景和人员使用条件的空调器最优运行参数。
本发明还提供了一种控制器，用于执行前面任一项所述健身房空调器的控制方法。
本发明还提供了一种健身房空调器的控制装置，包括：
数据获取模块，用于获取健身房环境数据、功能分区数据和人体数据；
确定模块，用于根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
控制模块，用于根据所述空调器最优运行参数对空调进行控制。
本发明还提供了一种空调系统，包括：前面所述健身房空调器的控制装置和健身房空调器。
本发明采用以上技术方案，所述一种健身房空调器的控制方法，包括：获取健身房环境数据、功能分区数据和人体数据；根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；根据所述空调器最优运行参数对空调进行控制；本发明通过健身房对空调器的实际需求情况，将健身房不同功能区域进行分类，并将人员在不同应用场景下的使用条件数据作为控制空调器运行的输入条件，应用机器学习方法得到人员在不同应用场景和使用条件下的空调器最优运行参数，使用该空调器最优运行参数控制空调器运行，既能满足不同人员的使用习惯，又能实现对各功能区域的空调进行精准控制，有利于实现节能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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。
图1是本发明一种健身房空调器的控制方法实施例一提供的流程示意图；
图2是本发明一种健身房空调器的控制方法实施例二提供的流程示意图；
图3是本发明一种健身房空调器的控制装置一个实施例提供的结构示意图。
图中：1、数据获取模块；2、确定模块；3、控制模块。
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，下面将对本发明的技术方案进行详细的描述。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做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
图1是本发明一种健身房空调器的控制方法实施例一提供的流程示意图。
如图1所示，本实施例所述的一种健身房空调器的控制方法，包括：
S11：获取健身房环境数据、功能分区数据和人体数据；
进一步的，所述健身房环境数据包括如下项中的一项或多项：
健身房不同区域的温度、湿度、风速、空气质量、室外环境温度、室外环境湿度。
进一步的，所述功能分区数据包括：
所述功能分区的图片或所述功能分区内器材的标识信息。
进一步的，所述人体数据包括：人员数量和人体运动强度数据；
其中，所述人体运动强度数据包括如下项中的一项或多项：
心电、心率、血氧、血压、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率。
S12：根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
进一步的，所述根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数，具体包括：
根据所述健身房环境数据、功能分区数据和人体数据确定确定人员所处的应用场景和此场景下人员使用条件；
将所述应用场景和此场景下人员使用条件输入到学习模型，通过所述学习模型确定出符合当前应用场景和人员使用条件的空调器最优运行参数。
进一步的，所述学习模型是通过如下过程建立的：
步骤一：预先获取不同应用场景、人员使用条件下的多组空调器运行数据；
步骤二：分别对相同应用场景和人员使用条件下的多组空调器运行数据进行分析，以确定出该应用场景和人员使用条件下最节能的空调器运行数据，并将该空调器运行数据作为该应用场景和人员使用条件下的空调器最优运行参数；
步骤三：按照步骤二的方法确定出每一种应用场景和人员使用条件下的空调器最优运行参数；
步骤四：根据机器学习方法，利用步骤三得到的每一种应用场景和人员使用条件下的空调器最优运行参数对所述学习模型进行训练，以建立出所述学习模块；
所述学习模型能够反映不同应用场景和人员使用条件与空调器最优运行参数之间的对应关系。
S13：根据所述空调器最优运行参数对空调进行控制。
本实施例所述的控制方法在实际执行时，第一步，预先将健身房的不同功能区域、人员数量及人体运动强度进行分类。
根据健身房的不同功能区域进行分类，具体分类见下表。可以通过检测设备或手动输入等方式确定健身房的不同功能分区。需要指出的是，以上分类方法只是本申请的一种分类实施方式，本领域的技术人员基于以上思路的其他分类方法并未偏离本申请的保护范围。
在确定健身房功能区域分类的同时，同步确定健身房不同区域的人员情况。包括确定人员数量和人员运动强度：人员数量分为1、2、3、4等；人员运动强度可分为轻微、弱、中、强四种，其分类方法可以基于心电、心率、血氧、血压、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率等人体指标的一种或多种。
将健身房的不同功能区域、人员数量及人体运动强度的分类结果进行组合，得到包含各因素的最终应用场景。
第二步，获取健身房环境数据、功能分区数据、人体数据及空调器运行数据。具体的，所述健身房环境数据包括健身房不同区域的温度、湿度、风速、空气质量、室外环境温度、室外环境湿度等数据；所述人体数据包括人员数量和人体运动强度数据，其中人体运动强度数据为心电、心率、血氧、血压、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率等人体指标的一种或多种。所述空调器运行数据包括但不限于压缩机频率、出水温度、水流量、各风机转速、换气次数、设定温度、设定湿度等。
可以理解的是，所述健身房环境数据是通过健身房环境监测设备获取的，所述健身房环境监测设备包括温度监测设备、湿度监测设备、风速检测设备、空气质量检测设备。所述人体数据是通过人员及生理参数监测设备获取的，所述人员及生理参数监测设备可以是以下设备的一种或多种：穿戴式生理信号采集装置、可携带终端装置、数字摄像头、人体红外传感器、质量传感器、温度传感器、血压传感器和其他无线感应设备。健身房功能分区的检测设备可以是数字摄像头，或该功能分区内器材上的电子标签，通过所述电子标签能够获取该器材的标识信息，该标识信息与所在功能分区相对应，即通过该标识信息就能够确定其所在的功能分区。
第三步，基于各运行数据，确定人员所处的应用场景和此场景下人员使用条件。
健身房不同功能区域人员的运动强度不同、不同时段各功能区域的人员分布情况不同，不同人员对空气质量的要求也不相同，因此在不同时段、不同区域、人员对空气质量的要求也不相同。可以根据第一步的分类方式以及第二步获取的数据确定人员所处的应用场景以及人员在不同时间、各种场景下的空调使用习惯。
例如，周一上午健身房各区域人员数较少，有氧训练区有20人，运动强度为强和中，瑜伽房有10人，运动强度为弱，则两个区域对应不同的空调运行策略。另外，人员对空气质量(如空气温度或湿度)的需求不同，会手动调整空调参数，所述空调参数就可以表明人员使用条件，比如用户习惯将空调的目标温度设为20℃，则表明该场景下的空调使用习惯是目标温度20℃，可将周一上午的空调使用习惯进行保存。
第四步，通过机器学习模型获得不同应用场景、人员使用条件下的最优控制参数。
获取不同应用场景、人员使用条件、环境数据及空调系统运行数据后，可以基于机器学习模型对数据进行分析，得到不同应用场景下既符合人员使用习惯又能实现节能的最优运行数据。其中，机器学习模型用于建立不同应用场景、人员习惯数据与空调系统最优运行参数之间的对应关系。可以先让空调器获取人员一段时间内的运行数据(第二步和第三步)，基于此数据训练得到合适的模型。然后在之后的运行过程中，基于该训练模型获取符合当前应用场景、人员使用条件的最优控制参数。
具体的，所述学习模型是通过如下过程建立的：
步骤一：预先获取不同应用场景、人员使用条件下的多组空调器运行数据；
步骤二：分别对相同应用场景和人员使用条件下的多组空调器运行数据进行分析，以确定出该应用场景和人员使用条件下最节能的空调器运行数据，并将该空调器运行数据作为该应用场景和人员使用条件下的空调器最优运行参数；
步骤三：按照步骤二的方法确定出每一种应用场景和人员使用条件下的空调器最优运行参数；
步骤四：根据机器学习方法，利用步骤三得到的每一种应用场景和人员使用条件下的空调器最优运行参数对所述学习模型进行训练，以建立出所述学习模块。
所述空调器最优运行参数包括但不限于压缩机频率、出水温度、水流量、各风机转速、换气次数等参数。最优运行参数是指在当前环境条件、应用场景、人员使用条件下，采用该最优运行参数控制空调器运行时，空调器的能耗最小。
第五步，通过最优控制参数控制空调系统的运行。
本实施例所述的控制方法通过建立分类方法和条件，将健身房的应用场景进行精细化分类，解决不能精准控制各功能区域空调运行参数的问题；采集人员在不同应用场景下的使用条件数据，在控制空调器运行时考虑该数据的影响，解决无法满足人员个性化舒适度体验的问题，提高了空调器的智能化程度；本控制方法通过建立机器学习模型控制空调器运行参数，既能精细化控制各功能区域空调器参数，实现节能，又能满足不同人员的使用习惯。
图2是本发明一种健身房空调器的控制方法实施例二提供的流程示意图。
如图2所示，本实施例所述的一种健身房空调器的控制方法，包括：
S21：根据预先获取的健身房环境数据、功能分区数据、人体数据和空调器运行参数建立学习模型；
S22：获取健身房环境数据、功能分区数据和人体数据；
S23：根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
S24：根据所述空调器最优运行参数对空调进行控制；
S25：在空调器运行特定时间后，重新获取健身房环境数据、功能分区数据、人体数据以及空调器运行数据；
S26：根据重新获取的健身房环境数据、功能分区数据、人体数据以及空调器运行数据对所述学习模型进行修正，得到修正后的学习模型，此后通过所述修正后的学习模型获取符合当前应用场景和人员使用条件的空调器最优运行参数。
本实施例通过健身房对空调器的实际需求情况，将健身房不同功能区域进行分类，并将人员在不同应用场景下的使用条件数据作为控制空调器运行的输入条件，应用机器学习方法得到人员在不同应用场景和使用条件下的空调器最优运行参数，使用该空调器最优运行参数控制空调器运行，同时，在空调器运行特定时间后，还能对所述学习模型进行修正，此后通过所述修正后的学习模型获取符合当前应用场景和人员使用条件的空调器最优运行参数，既能满足不同人员的使用习惯，又能实现对各功能区域的空调进行精准控制，实现节能。
本发明还提供了一种控制器，用于执行图1或图2所述健身房空调器的控制方法。
图3是本发明一种健身房空调器的控制装置一个实施例提供的结构示意图。
如图3所示，本实施例所述的一种健身房空调器的控制装置，包括：
数据获取模块1，用于获取健身房环境数据、功能分区数据和人体数据；
确定模块2，用于根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
控制模块3，用于根据所述空调器最优运行参数对空调进行控制。
本实施例所述一种健身房空调器的控制装置的工作原理与上文图1或图2所述一种健身房空调器的控制方法的工作原理相同，在此不再赘述。
此外，本发明还提供了一种空调系统，所述空调系统包括：如图3所述的健身房空调器的控制装置和健身房空调器。
所述控制装置可以是与空调器之间能够相互接收和发送数据信息的独立装置，也可以是集成在空调器中的一个模块。在获得空调器最优运行参数后，所述控制装置控制空调器执行该参数下的相应动作，使不同功能区域达到最佳运行效果。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种健身房空调器的控制方法，其特征在于，包括：
获取健身房环境数据、功能分区数据和人体数据；
根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
根据所述空调器最优运行参数对空调进行控制。
2.根据权利要求1所述的控制方法，其特征在于，所述健身房环境数据包括如下项中的一项或多项：
健身房不同区域的温度、湿度、风速、空气质量、室外环境温度、室外环境湿度。
3.根据权利要求1所述的控制方法，其特征在于，所述功能分区数据包括：
所述功能分区的图片或所述功能分区内器材的标识信息。
4.根据权利要求1所述的控制方法，其特征在于，所述人体数据包括：人员数量和人体运动强度数据；
其中，所述人体运动强度数据包括如下项中的一项或多项：
心电、心率、血氧、血压、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率。
5.根据权利要求1所述的控制方法，其特征在于，所述根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数，具体包括：
根据所述健身房环境数据、功能分区数据和人体数据确定确定人员所处的应用场景和此场景下人员使用条件；
将所述应用场景和此场景下人员使用条件输入到学习模型，通过所述学习模型确定出符合当前应用场景和人员使用条件的空调器最优运行参数。
6.根据权利要求5所述的控制方法，其特征在于，所述学习模型是通过如下过程建立的：
步骤一：预先获取不同应用场景、人员使用条件下的多组空调器运行数据；
步骤二：分别对相同应用场景和人员使用条件下的多组空调器运行数据进行分析，以确定出该应用场景和人员使用条件下最节能的空调器运行数据，并将该空调器运行数据作为该应用场景和人员使用条件下的空调器最优运行参数；
步骤三：按照步骤二的方法确定出每一种应用场景和人员使用条件下的空调器最优运行参数；
步骤四：根据机器学习方法，利用步骤三得到的每一种应用场景和人员使用条件下的空调器最优运行参数对所述学习模型进行训练，以建立出所述学习模块；
所述学习模型能够反映不同应用场景和人员使用条件与空调器最优运行参数之间的对应关系。
7.根据权利要求1至6任一项所述的控制方法，其特征在于，还包括：
在空调器运行特定时间后，重新获取健身房环境数据、功能分区数据、人体数据以及空调器运行数据；
根据重新获取的健身房环境数据、功能分区数据、人体数据以及空调器运行数据对所述学习模型进行修正，得到修正后的学习模型，此后通过所述修正后的学习模型获取符合当前应用场景和人员使用条件的空调器最优运行参数。
8.一种控制器，其特征在于，用于执行权利要求1至7任一项所述健身房空调器的控制方法。
9.一种健身房空调器的控制装置，其特征在于，包括：
数据获取模块，用于获取健身房环境数据、功能分区数据和人体数据；
确定模块，用于根据所述健身房环境数据、功能分区数据和人体数据确定空调器最优运行参数；
控制模块，用于根据所述空调器最优运行参数对空调进行控制。
10.一种空调系统，其特征在于，包括：权利要求9所述健身房空调器的控制装置和健身房空调器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011040972.5A CN112178861B (zh) | 2020-09-28 | 2020-09-28 | 健身房空调器的控制方法、装置、控制器及空调系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011040972.5A CN112178861B (zh) | 2020-09-28 | 2020-09-28 | 健身房空调器的控制方法、装置、控制器及空调系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112178861A true CN112178861A (zh) | 2021-01-05 |
| CN112178861B CN112178861B (zh) | 2021-08-27 |
Family
ID=73944754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011040972.5A Active CN112178861B (zh) | 2020-09-28 | 2020-09-28 | 健身房空调器的控制方法、装置、控制器及空调系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112178861B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113357773A (zh) * | 2021-05-31 | 2021-09-07 | 青岛海尔空调器有限总公司 | 用于空调控制的方法、装置和空调 |
| CN113587278A (zh) * | 2021-06-16 | 2021-11-02 | 重庆海尔空调器有限公司 | 室内儿童活动区的环境控制方法 |
| CN113685965A (zh) * | 2021-10-27 | 2021-11-23 | 南通峰帆运动用品有限公司 | 基于人工智能的健身房温度自适应调控方法 |
| CN115435457A (zh) * | 2022-08-20 | 2022-12-06 | 北京圣福伦电气技术有限公司 | 基于边缘计算的空调控制方法、系统及服务器 |
| WO2023273654A1 (zh) * | 2021-06-29 | 2023-01-05 | 青岛海尔空调器有限总公司 | 用于空调的控制方法及装置、空调 |
| WO2023015876A1 (zh) * | 2021-08-10 | 2023-02-16 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调、存储介质 |
| CN115789868A (zh) * | 2022-11-18 | 2023-03-14 | 珠海格力电器股份有限公司 | 空调控制方法及空调 |
| WO2023142510A1 (zh) * | 2022-01-28 | 2023-08-03 | 青岛海尔空调器有限总公司 | 用于场景模拟的方法及装置、空调器 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1851338A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的中央空调节能控制装置 |
| CN101629747A (zh) * | 2008-12-23 | 2010-01-20 | 刘忠波 | 智能式房屋温度调节系统 |
| CN102759152A (zh) * | 2010-01-05 | 2012-10-31 | 李洪均 | 一种氧舱式健身房空气调节系统及其工作方法 |
| KR20160107500A (ko) * | 2015-03-04 | 2016-09-19 | 서울과학기술대학교 산학협력단 | 소음진동 정보를 활용한 자동제어시스템 |
| CN108266862A (zh) * | 2017-12-06 | 2018-07-10 | 珠海格力电器股份有限公司 | 空调控制方法和装置、存储介质及处理器 |
| CN109269036A (zh) * | 2018-09-14 | 2019-01-25 | 青岛海信日立空调系统有限公司 | 多联机空调的云端控制方法以及多联机空调系统 |
| CN109405232A (zh) * | 2018-09-04 | 2019-03-01 | 重庆工业职业技术学院 | 基于红外温度感测及人体动态的空调自动调节方法 |
| CN110836514A (zh) * | 2018-08-17 | 2020-02-25 | 珠海格力电器股份有限公司 | 空调组的控制方法和装置 |
-
2020
- 2020-09-28 CN CN202011040972.5A patent/CN112178861B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1851338A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的中央空调节能控制装置 |
| CN101629747A (zh) * | 2008-12-23 | 2010-01-20 | 刘忠波 | 智能式房屋温度调节系统 |
| CN102759152A (zh) * | 2010-01-05 | 2012-10-31 | 李洪均 | 一种氧舱式健身房空气调节系统及其工作方法 |
| KR20160107500A (ko) * | 2015-03-04 | 2016-09-19 | 서울과학기술대학교 산학협력단 | 소음진동 정보를 활용한 자동제어시스템 |
| CN108266862A (zh) * | 2017-12-06 | 2018-07-10 | 珠海格力电器股份有限公司 | 空调控制方法和装置、存储介质及处理器 |
| CN110836514A (zh) * | 2018-08-17 | 2020-02-25 | 珠海格力电器股份有限公司 | 空调组的控制方法和装置 |
| CN109405232A (zh) * | 2018-09-04 | 2019-03-01 | 重庆工业职业技术学院 | 基于红外温度感测及人体动态的空调自动调节方法 |
| CN109269036A (zh) * | 2018-09-14 | 2019-01-25 | 青岛海信日立空调系统有限公司 | 多联机空调的云端控制方法以及多联机空调系统 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113357773A (zh) * | 2021-05-31 | 2021-09-07 | 青岛海尔空调器有限总公司 | 用于空调控制的方法、装置和空调 |
| CN113587278A (zh) * | 2021-06-16 | 2021-11-02 | 重庆海尔空调器有限公司 | 室内儿童活动区的环境控制方法 |
| WO2023273654A1 (zh) * | 2021-06-29 | 2023-01-05 | 青岛海尔空调器有限总公司 | 用于空调的控制方法及装置、空调 |
| WO2023015876A1 (zh) * | 2021-08-10 | 2023-02-16 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调、存储介质 |
| CN113685965A (zh) * | 2021-10-27 | 2021-11-23 | 南通峰帆运动用品有限公司 | 基于人工智能的健身房温度自适应调控方法 |
| WO2023142510A1 (zh) * | 2022-01-28 | 2023-08-03 | 青岛海尔空调器有限总公司 | 用于场景模拟的方法及装置、空调器 |
| CN115435457A (zh) * | 2022-08-20 | 2022-12-06 | 北京圣福伦电气技术有限公司 | 基于边缘计算的空调控制方法、系统及服务器 |
| CN115789868A (zh) * | 2022-11-18 | 2023-03-14 | 珠海格力电器股份有限公司 | 空调控制方法及空调 |
| CN115789868B (zh) * | 2022-11-18 | 2024-08-20 | 珠海格力电器股份有限公司 | 空调控制方法及空调 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112178861B (zh) | 2021-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112178861B (zh) | 健身房空调器的控制方法、装置、控制器及空调系统 | |
| CN109114741B (zh) | 一种空调控制方法、装置、存储介质及空调 | |
| CN109099551A (zh) | 一种空调器的控制方法、装置、存储介质及空调器 | |
| CN114237069B (zh) | 室内环境控制方法、装置、系统及存储介质 | |
| WO2017008321A1 (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
| CN113819619B (zh) | 用于控制空调的方法及装置、空调、存储介质 | |
| US20170123442A1 (en) | System and Method of Smart and Energy-Saving Environmental Control | |
| CN103673194B (zh) | 空调器及其控制方法 | |
| CN107817688A (zh) | 一种控制方法及穿戴式电子设备 | |
| CN103673197B (zh) | 空调器及其控制方法 | |
| CN112361544A (zh) | 酒店空调的控制方法、装置及酒店空调 | |
| CN103363615A (zh) | 空调器及其控制方法和装置 | |
| CN103673195B (zh) | 空调器及其控制方法 | |
| CN105716201B (zh) | 一种空调自学交互方法 | |
| CN110701750A (zh) | 运行控制方法、运行控制装置、空调器和存储介质 | |
| CN112361542B (zh) | 厨房空调器的控制方法、装置、控制器及一种电器系统 | |
| CN110749051A (zh) | 智能空调控制方法及智能空调 | |
| CN112050398A (zh) | 空调器及其控制方法 | |
| CN112880141A (zh) | 空调器的控制方法及空调器控制系统 | |
| CN110260468A (zh) | 新风控制方法、装置、具有新风功能的设备 | |
| CN111561764A (zh) | 用于新风系统的控制方法、装置及存储介质 | |
| CN113790503A (zh) | 一种智能调节供氧状态的弥散供氧终端机及其控制方法 | |
| CN111594992A (zh) | 一种睡眠环境控制方法及系统 | |
| CN110779143B (zh) | 空调的控制方法、装置、设备和空调 | |
| CN112671623A (zh) | 基于投影的叫醒方法、装置、投影设备和计算机存储介质 |
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 |