CN112283894B - 空调器、自学习和自动控制方法、控制装置和存储介质 - Google Patents

Abstract

本发明公开了一种空调自学习方法，该方法包括：在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；根据各预设时刻获取的第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；根据使用概率在预设设置参数中确定每个预设用户对应的空调偏好参数；根据各预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。本发明还公开一种空调自动控制方法、空调控制装置和可读存储介质。本发明旨在提高空调器自学习的准确性和适用性，从而实现空调可适应于不同用户的偏好准确调整，提高用户舒适性。

Description

空调器、自学习和自动控制方法、控制装置和存储介质

技术领域

本发明涉及空调技术领域，尤其涉及空调自学习方法、空调自动控制方法、空调控制装置、空调器和可读存储介质。

背景技术

目前，为了提高空调器的智能程度，一般通过空调器自学习分析学习用户的使用偏好，基于用户偏好对空调进行控制，以提高用户舒适性。

然而，传统的空调自学习方法一般默认只存在一个用户，通过记录一段时间内空调的历史操作，以分析学习该用户的偏好参数。然后这样自学习方式并没有考虑到多个用户存在不同的参数设置偏好，导致空调自学习的控制规则不准确，使空调器不能适应于不同用户的偏好准确地进行参数调整，影响用户舒适性。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种空调自学习方法，旨在提高空调器自学习的自动控制规则的准确性和适用性，从而实现空调可适应于不同用户的偏好准确调整，提高用户舒适性。

为实现上述目的，本发明提供一种空调自学习方法，所述空调自学习方法包括以下步骤：

在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；

根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；

根据所述使用概率在所述预设设置参数中确定每个所述预设用户对应的空调偏好参数；

根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。可选地，所述根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率的步骤包括：

依据各所述预设时刻对应的第一身份特征信息和目标用户的预设身份特征信息，确定多个预设时刻中所述目标用户的在场时刻；

在所述在场时刻中，确定获取的第一参数为目标参数的时刻，作为目标时刻；

确定所述目标用户在所述目标时刻的加权使用次数；

根据所述加权使用次数，确定所述目标用户对所述目标参数的使用概率；

其中，分别将各所述预设用户作为所述目标用户，分别将各所述预设设置参数作为所述目标参数。

可选地，所述根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则的步骤之前，还包括：

在任意相邻的两个所述预设时刻中，根据先后获取的第一身份特征信息确定所述空调器所在空间内预设用户的人员变化特征，根据先后获取的第一参数确定所述空调器的设置参数的参数变化特征；

根据所述人员变化特征和所述参数变化特征，调整各所述预设用户的优先级；

将各所述预设用户的身份特征信息与其对应的优先级关联。

可选地，所述根据所述人员变化特征和所述参数变化特征，调整各所述预设用户的优先级的步骤包括：

当所述人员变化特征为预设用户的身份增加且预设用户的数量多于两个，以及所述参数变化特征为预设设置参数改变时，根据先后获取的第一身份特征信息确定新增的预设用户；

提高所述新增的预设用户的优先级。

所述空调自学习方法还包括：

获取至少两个预设控制时段；

分别在各所述预设控制时段内，确定所述多个预设时刻；

获取每个所述预设控制时段内生成的空调控制规则；

将获取的空调控制规则与对应的预设控制时段一一对应关联。

可选地，所述根据所述使用概率在所述预设设置参数中确定每个所述预设用户对应的空调偏好参数的步骤包括：

分别将各所述预设用户使用概率最高的预设设置参数，作为各所述预设用户的空调偏好参数。

此外，为了实现上述目的，本申请还提出一种空调自动控制方法，所述空调自动控制方法包括：

获取空调器所在空间内用户的身份特征信息，获取空调控制规则；

根据所述身份特征信息，判断所述空调器所在空间内预设用户的数量是否多于一个；

当预设用户的数量多于一个时，在所述空调控制规则中，确定各所述身份特征信息对应的优先级；

获取优先级最高的身份特征信息对应的空调偏好参数，作为所述目标参数；

根据所述目标参数控制所述空调器运行。

可选地，所述获取空调控制规则的步骤包括：

获取当前时刻；

确定当前时刻所处的控制时段；

根据所述控制时段获取所述空调控制规则。

此外，为了实现上述目的，本申请还提出一种空调控制装置，所述空调控制装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空调控制程序，所述空调控制程序被所述处理器执行时实现如上任一项所述的空调自学习方法和/或如上任一项所述的空调自动控制方法的步骤。

此外，为了实现上述目的，本申请还提出一种空调器，所述空调器包括如上所述的空调控制装置。

此外，为了实现上述目的，本申请还提出一种可读存储介质，所述可读存储介质上存储有空调控制程序，所述空调控制程序被处理器执行时实现如上中任一项所述的空调自学习方法和/或如上任一项所述的空调自动控制方法的步骤。

本发明实施例提出的一种空调自学习方法，该方法在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；根据获取的多个第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；根据使用概率确定每个预设用户对应的空调偏好参数；根据各预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。由于空调控制规则中不再针对单一用户生成偏好参数，而是同时包括多个不同的预设用户对应的空调偏好参数，可适应于多用户的偏好需求，提高空调器自学习空调控制规则的准确性和适用性，从而在应用空调控制规则对空调进行控制时，空调可自动适应于不同用户的偏好准确调整，提高用户舒适性。

附图说明

图1是本发明空调控制装置一实施例的硬件结构示意图；

图2为本发明空调自学习方法第一实施例的流程示意图；

图3为本发明空调自学习方法第二实施例的流程示意图；

图4为本发明空调自学习方法第三实施例的流程示意图；

图5为本发明空调自学习方法第四实施例的流程示意图；

图6为本发明空调自动控制方法一实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；根据获取的多个第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；根据所述使用概率确定每个所述预设用户对应的空调偏好参数；根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。

由于现有技术中，传统的空调自学习用户偏好参数的结果仅局限于单一的用户，导致自学习的空调控制规则局限性较大，准确性不高，适用性不强，导致空调器不能适应于不同用户的偏好准确地进行参数调整，影响用户舒适性。

本发明提供上述的解决方案，旨在提高空调器自学习的自动控制规则的准确性和适用性，从而实现空调可适应于不同用户的偏好准确调整，提高用户舒适性。

本发明提出一种空调控制装置，可应用于分体式空调、柜式空调、窗式空调等所有类型的空调器。

在本发明实施例中，参照图1，空调控制装置包括：处理器1001，例如CPU，存储器1002，身份识别模块1003等。存储器1002可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1002可选的还可以是独立于前述处理器1001的存储装置。

身份识别模块1003具体安装于空调器所在空间内，如安装于空调器的室内机上，用于检测空调器所在空间内用户的身份特征信息。其中，身份特征信息可具体包括人脸信息和步态信息等人体的生物特征信息。身边识别模块1003可具体包括摄像头、压力传感器和/或红外传感器等。

存储器1002可用于存储身份识别模块检测空调器所在空间内用户的身份特征信息、设置参数和空调控制规则等与空调器运行相关的数据。

处理器1001分别与存储器1002和身份识别模块1003连接，获取所需的数据或生成控制数据存储于存储器1002中。

本领域技术人员可以理解，图1中示出的装置结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种可读存储介质的存储器1002中可以包括空调控制程序。在图1所示的装置中，处理器1001可以用于调用存储器1002中存储的空调控制程序，并执行以下实施例中空调自学习方法和/或空调自动控制方法的相关步骤操作。

本发明还提供一种空调自学习方法。

参照图2，提出本发明空调自学习方法第一实施例，所述空调自学习方法包括：

步骤S10，在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；

预设时刻可以根据实际需求进行选取，在多个预设时刻所形成的时间段内多个预设用户对空调器进行使用。在预设时间段内可间隔预设时长选取多个预设时刻，也可在预设时间段内任意选取多个间隔的时刻作为预设时刻，此外，多个预设时刻也可以为连续的时刻。

身份特征信息可具体包括人脸信息、步态信息等生物特征信息，用以区分不同用户的身份，不同的用户对应不同的身份特征信息。身份特征信息识别可具体通过在预设时间段内的多个预设时刻，获取空调器所在空间内的图像信息和/红外信息等，分析所获取的图像信息和/红外信息，可提取每个预设时刻空调器所在空间内用户的第一身份特征信息等。在每个预设时刻获取的第一身份特征信息可包括一个身份特征信息，也可包括多个身份特征信息，依据各个预设时刻空调器所在空间内用户的人数确定。

第一参数可具体包括基于用户设置生成的空调运行参数，如温度、风速和/或风向等类型。

步骤S20，根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；

预设设置参数具体包括基于用户设置生成的空调运行参数，如可包括温度、风速和/或风向等类型。预设设置参数可有多种参数类型，每一类型可设有多个数值不同的预设设置参数。具体的，预设设置参数可依据第一参数确定，首先可对不同预设时刻获取的第一参数按类型(如温度、风速、风向等)进行分类，每一类型第一参数中再按数值差异，提取多个不同的预设设置参数。例如，在多个预设时刻获取的第一参数中包括温度类型的参数24，24，26，26，27，26，25时，包括风速类型的参数40，40，60，60，80，60，20时，依据类型差异可确定预设设置参数具有两个类型(空调设置温度和空调设置风速)，在温度类型的第一参数中依据数值差异可提取得到的空调设置温度为24、25、26、27；在风速类型的第一参数中依据数值差异可提取得到的空调设置风速为20、40、60、80。此外，预设设置参数也可以为预先设置的多个数值不同的预设设置参数，在多个预设时刻获取的数据中提取预设设置参数对应的数据，依据提取的数据统计使用概率。依据各所述预设时刻获取的第一参数的数值差异和类型差异，在所述第一参数中提取多个所述预设设置参数。

多个预设用户可具体为在预设时间段内使用空调器的所有用户，也可以依据用户输入的设置信息，确定具有空调控制权限的多个用户作为预设用户。例如，家庭内的所有成员可具有空调控制权限，可作为预设用户；家庭外部的成员不具有空调控制权限，则不属于预设用户等。

使用概率可以包括使用时长、使用频次等。具体的，可根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，统计多个预设用户分别对多个不同的预设设置参数的使用时长，以表征使用概率；可根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，统计多个预设用户分别对多个不同的预设设置参数的使用频次，以表征使用概率。

预设时间段内，随着空调器所在空间内人员的流动和冷热需求的变化，不同预设时刻对应的第一参数和用户会发生变化。因此，在各个预设时刻可依据第一身份特征信息和每个预设用户的预设身份特征信息比对，则可确定每个预设用户使用空调器的预设时刻，依据所确定的预设时刻与第一参数的对应关系，便可确定预设时间段内每个预设用户使用数值不同的第一参数的频次或总时长。将不同的第一参数分别作为预设设置参数，便可将每个预设用户使用不同的预设设置参数时频次或总时长，作为每个预设用户分别对多个不同的预设设置参数的使用概率。例如，可在多个预设时刻中确定某一预设用户使用某一预设设置参数所对应的预设时刻，将所确定的预设时刻的个数或根据所确定的预设时刻计算得到的累计时长，便可得到预设时间段内该预设用户使用该预设设置参数的总次数或总时长，作为该预设用户对该预设设置参数的使用概率。

步骤S30，根据所述使用概率在所述预设设置参数中确定每个所述预设用户对应的空调偏好参数；

具体的，可在使用概率大于或等于预设阈值的预设设置参数中，确定每个预设用户对应的空调偏好参数。例如，分别将各所述预设用户使用概率最高的预设设置参数，作为各所述预设用户的空调偏好参数。

步骤S40，根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。

每个预设用户具有各自对应的预设身份特征信息，可预先获取预设用户的人脸信息或步态信息等生物特征信息作为预设用户所对应的预设身份特征信息。将预设身份特征信息与对应的空调偏好参数关联，便可作为空调控制规则。

本发明实施例提出的一种空调自学习方法，该方法在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；根据获取的多个第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；根据使用概率确定每个预设用户对应的空调偏好参数；根据各预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。由于空调控制规则中不再针对单一用户生成偏好参数，而是同时包括多个不同的预设用户对应的空调偏好参数，可适应于多用户的偏好需求，提高空调器自学习空调控制规则的准确性和适用性，从而在应用空调控制规则对空调进行控制时，空调可自动适应于不同用户的偏好准确调整，提高用户舒适性。

基于上述第一实施例，提出本发明空调自学习方法的第二实施例。在第二实施例中。参照图3，所述步骤S20包括：

步骤S21，依据各所述预设时刻对应的第一身份特征信息和目标用户的预设身份特征信息，确定多个预设时刻中所述目标用户的在场时刻；

分别将各所述预设用户作为目标用户，分别将各所述预设设置参数作为目标参数。当预设时刻对应的第一身份特征信息中存在目标用户的预设身份特征信息时，表明在该预设时刻目标用户位于空调器所在的空间内，则可将该预设时间作为目标用户的在场时刻；当预设时刻对应的第一身份特征信息中不存在目标用户的预设身份特征信息时，表明在该预设时刻目标用户不在空调器所在的空间内，则不将该预设时间作为目标用户的在场时刻。

在场时刻的数量依据上述的判别结果的不同可有一个或多个。

步骤S22，在所述在场时刻中，确定获取的第一参数为目标参数的时刻，作为目标时刻；

当在场时刻为一个时，若在场时刻对应的第一参数为目标参数，则在场时刻为目标时刻。

当在场时刻多于一个时，若任一在场时刻对应的第一参数为目标参数的，则将该在场时刻作为目标时刻；若任一在场时刻对应的第一参数不为目标参数的，则将该在场时刻不作为目标时刻。

目标时刻的数量依据上述的判别结果的不同可有一个或多个。

步骤S23，确定所述目标用户在所述目标时刻的加权使用次数；

加权使用次数具体为结合目标用户的权重，所确定的目标用户使用目标时刻所对应的第一参数的次数值。加权使用次数可为预先设置的数值，不同的预设用户可对应设置不同的加权使用次数，依据目标用户的身份特征信息可获取对应的预设次数作为加权使用次数。

此外，为了使所确定的加权使用次数更为准确，加权使用次数还可根据目标时刻内空调器所在空间的用户的数量和/或身份等具体确定。具体的，依据所述目标时刻对应的第一身份特征信息，判断所述目标时刻内所述空调器所在空间内预设用户的个数；根据所述个数确定所述目标用户在所述目标时刻的加权使用次数。具体的，将所述目标时刻对应的第一身份特征信息，分别与各所述预设用户的身份特征信息比对；确定所述第一身份特征信息中包含的预设用户的身份特征信息的数量；将所确定的数量作为所述目标时刻内所述空调器所在空间内预设用户的个数。例如，目标时刻对应获取的第一身份特征信息中存在两个预设用户的预设身份特征信息时，可确定目标时刻内所述空调器所在空间内预设用户的个数为2。根据所确定的个数确定目标时刻内所述空调器所在空间内每个预设用户对应的权值。定义所有预设用户对应的权值之和为1，各预设用户对应的权值相等，则各预设用户对应的权值＝1/个数，由此便可得到目标用户对应的权值。可以理解，在目标时刻内空调器所在空间内每个预设用户使用目标时刻所对应的第一参数的实际次数为1次，则目标用户使用目标时刻所对应的第一参数的实际次数和上述确定的目标用户的权值的乘积便可作为目标用户在目标时刻使用目标时刻对应的第一参数的加权使用次数。例如，个数为2时，目标用户对应的权值为1/2，则目标用户对应的加权使用次数为1/2次。

其中，当目标时刻为一个时，确定目标用户在该目标时刻的加权使用次数；当目标时刻多于一个时，确定目标用户在每个目标时刻的加权时刻次数。

步骤S24，根据所述加权使用次数，确定所述目标用户对所述目标参数的使用概率。

当目标时刻为一个时，则将对应的加权使用次数作为目标用户对当前的目标参数的使用频次，并将使用频次作为使用概率；当目标时刻为多于一个时，所确定的加权使用次数多于一个，则将所有加权使用次数之和作为目标用户对当前的目标参数的使用频次，并将使用频次作为使用概率。

具体的，参照下表，结合实际记录数据详细说明本实施例的技术方案，下表记录的是在预设时间段内不同时刻所获取的第一参数(包括温度、风速和风向)、各预设用户是否在场的情况以及空调器所在空间内预设用户的数量。其中，时刻t表示上述的预设时刻；温度、风速、风向分别代表不同类型的空调器的设置参数，位于同一列的温度、风速和风向对应的数值即为该列对应的时刻t内所获取的第一参数，如t₁时刻获取的第一参数包括温度24、风速80和风向1；成员A、成员B和成员C分别代表不同的预设用户，√表示某一时刻预设用户位于空调器所在的空间内，ⅹ表示某一时刻预设用户不位于空调器所在的空间内；人数n表示某一时刻空调器所在空间内预设用户的数量。

时刻t	t<sub>1</sub>	t<sub>2</sub>	t<sub>3</sub>	t<sub>4</sub>	t<sub>5</sub>	t<sub>6</sub>	t<sub>7</sub>	t<sub>8</sub>	t<sub>9</sub>	t<sub>10</sub>	t<sub>11</sub>	t<sub>12</sub>	……
														温度	24	24	24	26	26	25	25	25	26	26	26	25	……
风速	80	80	80	20	20	40	40	40	20	20	20	40	……
														风向	1	1	1	2	2	3	3	3	3	2	2	3	……
成员A	√	√	√	√	√	√	ⅹ	ⅹ	ⅹ	ⅹ	ⅹ	ⅹ	……
														成员B	ⅹ	ⅹ	ⅹ	√	√	√	ⅹ	ⅹ	√	√	√	ⅹ	……
成员C	ⅹ	ⅹ	ⅹ	ⅹ	ⅹ	√	√	√	√	ⅹ	ⅹ	√	……
														人数n	1	1	1	2	2	3	1	1	2	1	1	1	……

基于上述表格，要确定成员A对温度参数24的使用频次时，将成员A作为目标用户，将温度参数24作为目标参数，可确定成员A在t₁至t₆六个时刻位于空调器的所在空间内，其他不在空调器所在空间内。在上述确定的六个时刻中成员A分别在t₁、t₂和t₃使用温度参数24，在其他时刻成员A使用的是其他温度参数。并且t₁、t₂和t₃内空调器所在空间内只有成员A一个预设用户，则预设用户的个数为1，因此可确定成员A在每个t₁、t₂和t₃中每个时刻对应的加权使用次数为1，则可得到成员A对温度参数24的使用频次＝1+1+1＝3。要确定成员A对温度参数26的使用频次时，将成员A作为目标用户，将温度参数26作为目标参数，可确定成员A在t₁至t₆六个时刻位于空调器的所在空间内，其他不在空调器所在空间内。在上述确定的六个时刻中成员A分别在t₄和t₅使用温度参数26，在其他时刻成员A使用的是其他温度参数。并且t₄和t₅内空调器所在空间内有成员A和成员b两个预设用户，则预设用户的个数为2，因此可确定成员A分别t₄和t₅中每个时刻对应的加权使用次数为1/2，则可得到成员A对温度参数26的使用频次＝1/2+1/2＝1。

在本实施例中，结合预设用户在不同时刻对应的加权使用次数，确定各预设用户在不同预设设置参数中的使用频次，有利于所确定的使用频次可准确地反映空调器所在空间内存在多个预设用户使用空调器时每个预设用户的偏好情况，从而使所确定的偏好参数更为准确，有利于应用自动控制规则对空调器进行控制时，保证不同空调用户的舒适性。

进一步的，基于上述任一实施例，提出空调自学习方法的第三实施例。在第三实施例中，参照图4，所述根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则的步骤之前，还包括：

步骤S01，获取各所述预设用户当前的优先级；

这里的优先级可以是基于预设用户的不同身份、不同年龄等舒适需求的高低不同预先设置的优先级，还可以是在每个预设用户对应设置的初始优先级的基础上，结合预设用户在预设时间段内的空调使用情况所确定的优先级。

步骤S02，将各所述预设用户的身份特征信息与其对应的优先级关联。

每个预设用户的身份特征信息与其对应的优先级关联后，可根据关联有优先级的每个预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则。

在本实施例中，通过将优先级与预设用户的身份特征信息关联，从而使应用自动控制规则对空调器进行控制时，即使空调器所在空间内同时存在多个用户，也可准确评估每个用户的舒适需求，以使空调器的设置参数可满足用户的舒适需求。

具体的，在第三实施例中，所述获取各所述预设用户当前的优先级的步骤之前，也就是步骤S40之前，还包括：

步骤S20a，在任意相邻的两个所述预设时刻中，根据先后获取的第一身份特征信息确定所述空调器所在空间内预设用户的人员变化特征，根据先后获取的第一参数确定所述空调器的设置参数的参数变化特征；

人员变化特征具体为后一时刻相较于前一时刻空调器所在空间内预设用户的变化特征，可包括预设用户的个数、身份、类型等减少或增多，上数参数变化后空间内预设用户的特征(数量、身份、类型)等。具体可通过分别将先后获取的第一身份特征信息与多个预设用户的预设身份信息做比对，从而确定两个预设时刻空调器所在空间内预设用户的个数、身份、类型等。当预设用户的身份在后一时刻比前一时刻少时，人员变化特征包括预设用户的身份减少，且/或可将后一时刻的预设用户的个数作为人员变化特征中预设用户的数量；当预设用户的身份在后一时刻比前一时刻多时，人员变化特征包括预设用户的身份增加，且/或可将后一时刻的预设用户的个数作为人员变化特征中预设用户的数量；当后一时刻比前一时刻的预设用户的身份多时，则人员变化特征为预设用户的身份增加；当后一时刻比前一时刻的预设用户的身份少时，则人员变化特征为预设用户的身份减少。

参数变化特征包括空调器的设置参数的改变或未改变。通过比较先后获取的第一参数的数值，便可确定空调器的设置参数是否发生变化，若两次第一参数的数值不同，参数变化特征为空调器的设置参数改变；若两次第一参数的数值相同，参数变化特征为空调器的设置参数未改变。

步骤S20b，根据所述人员变化特征和所述参数变化特征，调整各所述预设用户的优先级。

不同的人员变化特征和参数变化特征的组合可对应不同的预设用户的优先级的调整方式，具体的，调整方式可具体包括提高预设用户的优先级、降低预设用户的优先级和维持预设用户的优先级不变。例如，在参数变化特征为设置参数改变，且人员变化特征为预设用户的身份增加时，可降低在两个时刻均位于空调器的预设用户的优先级；在参数变化特征为设置参数未改变，且人员变化特征为预设用户的身份增加时，预设用户的优先级可维持不变。

在本实施例中，依据相邻两时刻的第一参数和第一身份特征信息，可以确定空调器所在空间内预设用户的变化情况及其使用的设置参数的变化情况，依据不同的情况对预设用户的优先级进行适应性调整，可以使自动控制规则制定更为准确，从而使空调器在多个用户同时使用空调时应用自动控制规则对运行参数自动设置，有利于空调器的运行可适应于空间内复杂的人员流动情况，且可保证每个使用空调器的用户的舒适性。

此外，步骤S20b还包括：当所述人员变化特征为预设用户的身份增加且预设用户的数量多于两个，以及所述参数变化特征为预设设置参数改变时，根据先后获取的第一身份特征信息确定新增的预设用户；提高所述新增的预设用户的优先级。通过此方式，空调器可清楚的识别到在空调器所在空间内有多个用户使用空调器，并且其中一用户刚进入空间内其舒适性需求相较于空间内其他用户不同，因此改变空调器的设置参数，空间内其他用户均以该用户舒适性需求为优先的情况，从而准确的识别到多个用户同时使用空调时彼此之间的优先级大小，进一步提高所确定的自动控制规则的准确性，实现多个用户同时使用空调器时，空调应用自动控制规则自动对参数进行调控，可满足空间内所有用户的舒适性需求。

基于上述任一实施例，提出本申请空调自学习方法的第四实施例。在第四实施例中，参照图5，所述空调自学习方法还包括：

步骤S001，获取至少两个预设控制时段；

多个预设控制时段可依据用户输入的指令设置，也可依据用户在不同时段使用空调的特点系统默认设置。例如，可将一天分为白天(0:00-11:59)和晚上(12:00-23:59)两个不同的预设控制时段；也可将一周分为工作日和周末两个不同的预设控制时段等。

步骤S002，分别在各所述预设控制时段内，确定所述多个预设时刻；

例如，预设控制时段包括第一预设控制时段和第二预设控制时段时，在第一预设控制时段划分多个预设时刻，在第二预设控制时段划分多个预设时刻。

步骤S003，获取每个所述预设控制时段内生成的空调控制规则；

每个预设控制时段内按照上述任一实施例中的空调自学习的步骤，生成对应的空调控制规则。例如，在第一预设控制时段内的多个预设时刻，按照上述步骤S10、步骤S20、步骤S30和步骤S40，确定第一空调控制规则；在第二预设控制时段内的多个预设时刻，按照上述步骤S10、步骤S20、步骤S30和步骤S40，确定第二空调控制规则。

步骤S004，将获取的空调控制规则与对应的预设控制时段一一对应关联。

通过上述方式，在不同控制时段内划分多个预设时刻学习多个用户的偏好设置参数，可实现空调器依据自动控制规则进行控制时，可适应于不同的时间段用户偏好习惯的不同进行参数设置，从而更好的提高用户的舒适性。

此外，本申请还提出一种空调自动控制方法，基于如上实施例所述的空调自学习方法，提出本申请空调自动控制方法第一实施例，参照图6，所述空调自动控制方法包括：

步骤S100，获取空调器所在空间内用户的身份特征信息，获取空调控制规则；

这里身份特征信息的类型和获取方式具体与空调自学习方法中的身份特征信息的类型和获取方式对应一致，在此不作赘述。空调控制规则为上述任一实施例中所生成的空调控制规则。

步骤S200，根据所述空调控制规则和所述身份特征信息，确定空调的目标参数；

在空调控制规则中，确定身份特征信息对应的空调偏好参数，作为目标参数。

步骤S300，根据所述目标参数控制所述空调器运行。

在本实施例中，通过自动识别用户的身份特征信息，依据空调控制规则该用户的偏好参数作为空调的运行参数，从而无需用户操作，空调器所在空间内用户任意组合均可使空调的运行可适应于空调器所在空间内用户的偏好，提高用户舒适性。

具体的，在上述第一实施例中，所述步骤S200包括：根据所述身份特征信息，判断所述空调器所在空间内预设用户的数量是否多于一个；当预设用户的数量多于一个时，在所述空调控制规则中，确定各所述身份特征信息对应的优先级；获取优先级最高的身份特征信息对应的空调偏好参数，作为所述目标参数；当预设用户的数量为一个时，在所述空调控制规则中，确定所述身份特征信息对应的空调偏好参数为所述目标参数。

通过将获取的身份特征信息与预设身份特征信息进行比对，将获取的身份特征信息中所包含的预设身份特征信息的数量作为预设用户的数量。

在本实施例中，当预设用户的数量为多于一个时，表明空调器所在空间内多个用户在使用空调，依据身份特征信息的优先级确定空调器的运行参数，从而保证空调的运行可同时满足多个用户的舒适需求；预设用户的数量为一个时，则保证空调可满足当前用户的舒适性最好。

基于上述第一实施例，提出本申请空调自动控制方法的第二实施例。在第二实施例中，所述获取空调控制规则的步骤包括：

步骤S400，获取当前时刻；

步骤S500，确定当前时刻所处的控制时段；

步骤S600，根据所述控制时段获取所述空调控制规则。

在本实施例中，基于不同的控制时段获取不同的空调控制规则对空调器运行进行控制，可适应于不同的时间段用户偏好习惯的不同进行参数设置，从而更好的提高用户的舒适性。

此外，本发明实施例还提出一种空调器，上述的空调控制装置可安装于空调器内，使空调器可实现如上空调自学习方法和/或空调自动控制方法任一实施例的相关步骤，并达到上述任一实施例所提到的技术效果。

此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有空调控制程序，所述空调控制程序被处理器执行时实现如上空调自学习方法和/或空调自动控制方法任一实施例的相关步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种空调自学习方法，其特征在于，所述空调自学习方法包括以下步骤：

在多个预设时刻，获取空调器当前的设置参数，作为第一参数，获取空调器所在空间内用户的身份特征信息，作为第一身份特征信息；

根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率；

根据所述使用概率在所述预设设置参数中确定每个所述预设用户对应的空调偏好参数；

根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则；

所述根据各所述预设时刻获取的第一参数及对应的第一身份特征信息，确定多个预设用户分别对多个不同的预设设置参数的使用概率的步骤包括：

依据各所述预设时刻对应的第一身份特征信息和目标用户的预设身份特征信息，确定多个预设时刻中所述目标用户的在场时刻；

在所述在场时刻中，确定获取的第一参数为目标参数的时刻，作为目标时刻；

确定所述目标用户在所述目标时刻的加权使用次数；

根据所述加权使用次数，确定所述目标用户对所述目标参数的使用概率；

其中，分别将各所述预设用户作为所述目标用户，分别将各所述预设设置参数作为所述目标参数。

2.如权利要求1所述的空调自学习方法，其特征在于，所述根据各所述预设用户的身份特征信息及其对应的空调偏好参数，生成空调控制规则的步骤之前，还包括：

在任意相邻的两个所述预设时刻中，根据先后获取的第一身份特征信息确定所述空调器所在空间内预设用户的人员变化特征，根据先后获取的第一参数确定所述空调器的设置参数的参数变化特征；

根据所述人员变化特征和所述参数变化特征，调整各所述预设用户的优先级；

将各所述预设用户的身份特征信息与其对应的优先级关联。

3.如权利要求2所述的空调自学习方法，其特征在于，所述根据所述人员变化特征和所述参数变化特征，调整各所述预设用户的优先级的步骤包括：

当所述人员变化特征为预设用户的身份增加且预设用户的数量多于两个，以及所述参数变化特征为预设设置参数改变时，根据先后获取的第一身份特征信息确定新增的预设用户；

提高所述新增的预设用户的优先级。

4.如权利要求1至3中任一项所述的空调自学习方法，其特征在于，所述空调自学习方法还包括：

获取至少两个预设控制时段；

分别在各所述预设控制时段内，确定所述多个预设时刻；

获取每个所述预设控制时段内生成的空调控制规则；

将获取的空调控制规则与对应的预设控制时段一一对应关联。

5.一种空调自动控制方法，其特征在于，所述空调自动控制方法包括：

获取空调器所在空间内用户的身份特征信息，获取如权利要求1至4中任一项所述的空调自学习方法所生成的空调控制规则；

根据所述身份特征信息，判断所述空调器所在空间内预设用户的数量是否多于一个；

当预设用户的数量多于一个时，在所述空调控制规则中，确定各所述身份特征信息对应的优先级；

获取优先级最高的身份特征信息对应的空调偏好参数，作为目标参数；

根据所述目标参数控制所述空调器运行。

6.如权利要求5所述的空调自动控制方法，其特征在于，所述获取空调控制规则的步骤包括：

获取当前时刻；

确定当前时刻所处的控制时段；

根据所述控制时段获取所述空调控制规则。

7.一种空调控制装置，其特征在于，所述空调控制装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空调控制程序，所述空调控制程序被所述处理器执行时实现如权利要求1至4中任一项所述的空调自学习方法和/或如权利要求5至6中任一项所述的空调自动控制方法的步骤。

8.一种空调器，其特征在于，所述空调器包括如权利要求7所述的空调控制装置。

9.一种可读存储介质，其特征在于，所述可读存储介质上存储有空调控制程序，所述空调控制程序被处理器执行时实现如权利要求1至4中任一项所述的空调自学习方法和/或如权利要求5至6中任一项所述的空调自动控制方法的步骤。

Images