CN113237190A - 空调器防火控制方法及装置、空调器和可读存储介质 - Google Patents
空调器防火控制方法及装置、空调器和可读存储介质 Download PDFInfo
- Publication number
- CN113237190A CN113237190A CN202110564493.1A CN202110564493A CN113237190A CN 113237190 A CN113237190 A CN 113237190A CN 202110564493 A CN202110564493 A CN 202110564493A CN 113237190 A CN113237190 A CN 113237190A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- fire prevention
- threshold
- control method
- judgment
- 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
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
- F24F11/32—Responding to malfunctions or emergencies
- F24F11/33—Responding to malfunctions or emergencies to fire, excessive heat or smoke
-
- 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
Abstract
本发明提供了空调器防火控制方法及装置、空调器和可读存储介质。所述空调器防火控制方法包括：获取空调器的环境参数；通过模糊神经网络模型使用所述环境参数得到防火判定值T判；在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。解决了现有空调器的防火控制存在安全隐患的问题。
Description
技术领域
本发明涉及空调器防火控制技术领域，具体而言，涉及一种空调器防火控制方法、一种空调器防火控制装置、一种空调器和一种可读存储介质。
背景技术
现有空调器的防火控制方式为：多采用当前检测温度和历史温度对比的方法，在所述当前检测温度达到历史温度燃点后启动防火动作，由此实现空调器断电或调整运行状态，防止火灾的发生。
但是，在实际使用过程中，因为外界环境温度和传感器位置等多种因素，导致所述当前检测温度实际参考所述历史温度燃点时，会产生细微差别，使得当前实际燃点比所述历史温度燃点高或低的情形。如果所述实际燃点高，则会导致所述空调器误报火警；而所述实际燃点低的话，则会导致所述空调器防火控制不能及时动作，导致火灾的发生，危及人身安全。
发明内容
本发明解决了现有空调器的防火控制存在安全隐患的问题。
为解决上述问题，本发明实施例提供了一种空调器防火控制方法，包括：获取空调器的环境参数；通过模糊神经网络模型使用所述环境参数得到防火判定值T判；在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。
与现有技术相比，采用该技术方案所达到的技术效果：能够实时准确确定所述防火判定值，提高所述空调器进行防火控制的准确性；由此提高了所述空调器整机运行的可靠性，防止在所述防火判定值不准确而导致的误判，进而避免所述空调器的防火装置误动作。
在本发明的一个实施例中，述环境参数包括：室内温度、室外温度、电控盒温度、电器件温度、电源线温度以及压缩机隔音棉温度中的至少一个。
在本发明的一个实施例中，所述T阈为预设值；所述获取空调器的环境参数；包括：所述空调器首次运行所述空调器防火控制方法、并首次获取所述空调器的环境参数。
在本发明的一个实施例中，所述环境参数包括：当前环境参数和前次环境参数；所述通过模糊神经网络模型使用所述环境参数得到防火判定值T判；包括：通过所述模糊神经网络模型使用所述当前环境参数得到所述T判；通过所述模糊神经网络模型使用所述前次环境参数得到所述T阈。
在本发明的一个实施例中，所述通过模糊神经网络模型使用所述前次环境参数得到所述T阈；包括：根据期望输出和前次防火判定值计算得到误差值；根据所述前次环境参数和所述误差值计算得到所述T阈。
在本发明的一个实施例中，所述空调器防火控制方法还包括：在T判＜T阈时，基于所述环境参数训练所述模糊神经网络模型。
在本发明的一个实施例中，所述模糊神经网络模型经过仿真数据和/或试验数据训练。
另一方面，本发明实施例还提供了一种空调器防火控制装置，包括：获取模块，用于获取空调器的环境参数；计算模块，用于通过模糊神经网络模型使用所述环境参数得到防火判定值T判；控制模块，用于在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。
又一方面，本发明实施例还提供了一种空调器，包括存储有计算机程序的存储器和封装IC，所述计算机程序被所述封装IC读取并运行时，所述空调器实现如上任意一项实施例所述的空调器防火控制方法。
再一方面，本发明实施例还提供了一种可读存储介质，所述可读存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器读取并运行时，控制所述处理器所在的空调器实现如上任意一项实施例所述的空调器防火控制方法。
综上所述，本申请上述各个实施例可以具有如下一个或多个优点或有益效果：i)通过所述模糊神经网络模型能够准确确定所述防火判定值，提高了防火控制的准确性；ii)在变化的环境中，能够实时对所述防火阈值进行修正，提高了所述空调器的可靠性；iii)所述模糊神经网络模型经过仿真数据和/或实验数据训练，能够统一量产保证空调器的质量，能够直接根据所述环境参数确定所述防火判定值。
附图说明
图1为本发明第一实施例提供的一种空调器防火控制方法的流程示意图。
图2为本发明第二实施例提供的一种空调器防火控制装置100的模块示意图。
图3为本发明第三实施例提供的一种空调器200的模块示意图。
图4为本发明第四实施例提供的一种可读存储介质300的模块示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
【第一实施例】
参见图1，其为本发明第一实施例提供的一种空调器防火控制方法的流程示意图。所述空调器防火控制方法包括：
步骤S10，获取空调器的环境参数。
例如可以通过相关传感器获取所述环境参数；所述环境参数例如包括外部参数和/或内部参数。其中，所述外部参数可以包括室内温度和室外温度中的至少一个；所述内部参数可以包括电控盒温度、电器件温度、电源线温度以及压缩机隔音棉温度中的至少一个。当然，所述环境参数还可以包括空调器的其他相关参数，此处不再赘述。
步骤S20，通过模糊神经网络模型使用所述环境参数得到防火判定值T判。
所述模糊神经网络模型经过仿真数据和/或实验数据训练，例如将训练后的模糊神经网络模型植入相应的计算机程序中。通过所述计算机程序实现该空调器防火控制方法时，通过所述模糊神经网络模型能够直接得到所述T判。
步骤S30，在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。
所述防火阈值T阈对应为所述空调器的燃点判断值，将步骤S20中得到的所述T判与所述T阈相比；在T阈≤T判成立时，表明在当前的环境参数下所述空调器有火灾隐患，应当控制所述空调器执行相应的防火动作。
举例来说，所述T阈为预设值，在所述空调器首次运行所述空调器防火控制方法、并首次获取所述空调器的环境参数时；通过步骤S20根据首次获得的环境参数得到相应的所述T判，然后将所述T判与预设的所述T阈进行的大小判断。在T阈≤T判成立时，控制所述空调器执行防火动作。
另一方面，在T判＜T阈成立时，基于步骤S10中得到的所述环境参数训练所述模糊神经网络模型；然后使用训练后的所述模糊神经网络模型对下一周期获取的环境参数进行计算，以进行下一个周期的防火控制。
如果所述空调器并非首次执行所述空调器防火控制方法，且并非首次得到所述环境参数；此时，通过所述模糊神经网络模型实时得到所述防火阈值T阈，具体过程如下：
例如在所述步骤S10中周期性获取所述空调器的环境参数；在当前时刻得到所述空调器的当前环境参数，而在上一个周期还得到所述空调器的前次环境参数。
要判断所述空调器在所述当前时刻是否有火灾隐患，需要通过所述模糊神经网络模型基于所述当前环境参数得到所述当前时刻的防火判定值T判，以及通过所述模糊神经网络模型基于所述前次环境参数得到所述当前时刻的防火阈值T阈。
如果T阈≤T判时，说明在所述当前时刻所述空调器存在火灾隐患，需要控制所述空调器执行防火动作；而T判＜T阈时，说明在所述当前时刻所述空调器不存在火灾隐患，可以基于所述当前环境参数训练所述模糊神经网络模型，以在下一时刻时，通过训练过的模糊神经网络模型进行所述空调器的防火控制。
其中，基于所述当前环境参数对所述模糊神经网络模型进行训练的过程例如包括：
首先，需要更新误差值；具体的，可以通过期望输出和所述防火判定值更新计算所述误差值。
举例来说，在所述空调器对所述当前时刻进行防火判断之后，需要更新误差值以计算下一时刻的防火阈值T阈。根据公式：e＝(yd-yc)2/2更新得到所述误差值e。其中，所述yd为所述期望输出，其可以是已知值例如为已知数列；所述yc为所述当前时刻的所述防火判定值。
根据上述误差值的计算公式，可以得到用于计算所述下一时刻的防火阈值T阈的误差值e。具体的，所述模糊神经网络模型根据所述误差值e和所述当前环境参数，得到所述下一时刻的防火阈值T阈。
其中，在所述下一时刻时，所述模糊神经网络模型还根据所述误差值e计算所述下一时刻对应的修正系数
并根据所述修正系数
计算得到所述下一时刻的防火判定值T判。
具体的，
其中，所述α为所述模糊神经网络模型的学习效率。所述
其中，所述xj为所述下一时刻获取的环境参数，所述wi为系数常量，
所述j＝1,2,3,......,k，所述i＝1,2,3,......,m。
【第二实施例】
参见图2，其为本发明第二实施例提供的一种空调器防火控制装置的模块示意图。空调器防火控制装置100例如包括：获取模块110，用于获取空调器的环境参数；计算模块120，用于通过模糊神经网络模型使用所述环境参数得到防火判定值T判；控制模块130，用于在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。
在一个具体实施例中，该空调器防火控制装置100的获取模块110、计算模块120以及控制模块130配合实现上述第一实施例所述的空调器防火控制方法，此处不再赘述。
【第三实施例】
参见图3，其为本发明的第三实施例提供的一种空调器的模块示意图，所述空调器200例如包括封装IC220以及电连接封装IC220的存储器210，存储器210存储有计算机程序211，计算机程序211被封装IC220读取并运行时，空调器200实现上述第一实施例所述的空调器防火控制方法。
在一个具体实施例中，封装IC220例如是处理器芯片，该处理器芯片电连接存储器210，以读取并执行所述计算机程序。封装IC220还可以是封装电路板，所述电路板封装有可以读取并执行计算机程序211的处理器芯片；当然，所述电路板还可以封装存储器210。
另一方面，所述处理器芯片还可以设有如第二实施例所述的空调器防火控制装置100，所述处理器芯片可以通过空调器防火控制装置100实现上述第一实施例所述的空调器防火控制方法，此处不再赘述。
【第四实施例】
参见图4，其为本发明的第四实施例提供的一种可读存储介质的结构示意图，可读存储介质300例如为非易失性存储器，其例如为：磁介质(如硬盘、软盘和磁带)，光介质(如CDROM盘和DVD)，磁光介质(如光盘)以及专门构造为用于存储和执行计算机可执行指令的硬件装置(如只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。可读存储介质300上存储有计算机可执行指令310。可读存储介质300可由一个或多个处理器或处理装置来执行计算机可执行指令310，以使其所在的空调器实施如第一实施例所述的空调器防火控制方法。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种空调器防火控制方法，其特征在于，包括：
获取空调器的环境参数；
通过模糊神经网络模型使用所述环境参数得到防火判定值T判；
在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。
2.根据权利要求1所述的空调器防火控制方法，其特征在于，所述环境参数包括：室内温度、室外温度、电控盒温度、电器件温度、电源线温度以及压缩机隔音棉温度中的至少一个。
3.根据权利要求1所述的空调器防火控制方法，其特征在于，所述T阈为预设值；所述获取空调器的环境参数；包括：
所述空调器首次运行所述空调器防火控制方法、并首次获取所述空调器的环境参数。
4.根据权利要求1所述的空调器防火控制方法，其特征在于，所述环境参数包括：当前环境参数和前次环境参数；所述通过模糊神经网络模型使用所述环境参数得到防火判定值T判；包括：
通过所述模糊神经网络模型使用所述当前环境参数得到所述T判；
通过所述模糊神经网络模型使用所述前次环境参数得到所述T阈。
5.根据权利要求4所述的空调器防火控制方法，其特征在于，所述通过模糊神经网络模型使用所述前次环境参数得到所述T阈；包括：
根据期望输出和前次防火判定值计算得到误差值；
根据所述前次环境参数和所述误差值计算得到所述T阈。
6.根据权利要求1所述的空调器防火控制方法，其特征在于，还包括：
在T判＜T阈时，基于所述环境参数训练所述模糊神经网络模型。
7.根据权利要求1所述的空调器防火控制方法，其特征在于，所述模糊神经网络模型经过仿真数据和/或实验数据训练。
8.一种空调器防火控制装置，其特征在于，包括：
获取模块，用于获取空调器的环境参数；
计算模块，用于通过模糊神经网络模型使用所述环境参数得到防火判定值T判；
控制模块，用于在T阈≤T判时，控制所述空调器执行防火动作；其中，所述T阈为防火阈值。
9.一种空调器，其特征在于，包括存储有计算机程序的存储器和封装IC，所述计算机程序被所述封装IC读取并运行时，所述空调器实现如权利要求1-7任意一项所述的空调器防火控制方法。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器读取并运行时，控制所述处理器所在的空调器实现如权利要求1-7任意一项所述的空调器防火控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110564493.1A CN113237190B (zh) | 2021-05-24 | 2021-05-24 | 空调器防火控制方法及装置、空调器和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110564493.1A CN113237190B (zh) | 2021-05-24 | 2021-05-24 | 空调器防火控制方法及装置、空调器和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113237190A true CN113237190A (zh) | 2021-08-10 |
| CN113237190B CN113237190B (zh) | 2022-11-04 |
Family
ID=77138422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110564493.1A Active CN113237190B (zh) | 2021-05-24 | 2021-05-24 | 空调器防火控制方法及装置、空调器和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113237190B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2006101085A4 (en) * | 2006-12-31 | 2007-02-08 | Penter, Barry Mr | Evaportive Air Conditioner Ember Protection Cover |
| CN103325204A (zh) * | 2013-06-07 | 2013-09-25 | 浙江工业大学 | 一种环境参量感知的火灾判定方法 |
| CN106693260A (zh) * | 2016-11-29 | 2017-05-24 | 青岛特来电新能源有限公司 | 一种充电设备着火检测灭火系统及方法 |
| CN106801980A (zh) * | 2017-01-25 | 2017-06-06 | 青岛海尔空调器有限总公司 | 空调防火控制方法及控制系统 |
| CN107784771A (zh) * | 2017-12-12 | 2018-03-09 | 大连理创科技有限公司 | 一种基于神经网络模型的森林火灾监控方法 |
| CN108922129A (zh) * | 2018-06-25 | 2018-11-30 | 深圳市中电数通智慧安全科技股份有限公司 | 一种调整安防传感器报警阈值的方法、装置、云端及系统 |
| KR102051016B1 (ko) * | 2018-11-27 | 2019-12-02 | 오아 주식회사 | 학습 기반 음성 인식 단말을 제어하는 서버 및 제어 방법 |
-
2021
- 2021-05-24 CN CN202110564493.1A patent/CN113237190B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2006101085A4 (en) * | 2006-12-31 | 2007-02-08 | Penter, Barry Mr | Evaportive Air Conditioner Ember Protection Cover |
| CN103325204A (zh) * | 2013-06-07 | 2013-09-25 | 浙江工业大学 | 一种环境参量感知的火灾判定方法 |
| CN106693260A (zh) * | 2016-11-29 | 2017-05-24 | 青岛特来电新能源有限公司 | 一种充电设备着火检测灭火系统及方法 |
| CN106801980A (zh) * | 2017-01-25 | 2017-06-06 | 青岛海尔空调器有限总公司 | 空调防火控制方法及控制系统 |
| CN107784771A (zh) * | 2017-12-12 | 2018-03-09 | 大连理创科技有限公司 | 一种基于神经网络模型的森林火灾监控方法 |
| CN108922129A (zh) * | 2018-06-25 | 2018-11-30 | 深圳市中电数通智慧安全科技股份有限公司 | 一种调整安防传感器报警阈值的方法、装置、云端及系统 |
| KR102051016B1 (ko) * | 2018-11-27 | 2019-12-02 | 오아 주식회사 | 학습 기반 음성 인식 단말을 제어하는 서버 및 제어 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113237190B (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110726217A (zh) | 空调器的控制方法及装置 | |
| US20210254851A1 (en) | Air conditioning control device and air conditioning control method | |
| CN112232495A (zh) | 预测模型的训练方法、装置、介质和计算设备 | |
| CN110543281A (zh) | 一种存储压缩实现方法、装置、设备及存储介质 | |
| JP2019121162A (ja) | 監視装置、監視方法および監視プログラム | |
| CN111550905B (zh) | 压缩机温度传感器的检测方法、检测装置及空调器 | |
| CN111192428A (zh) | 一种基于大数据下隐变量模型的消防报警方法及系统 | |
| CN113237190B (zh) | 空调器防火控制方法及装置、空调器和可读存储介质 | |
| JP6844686B2 (ja) | 管理装置、管理方法及びプログラム | |
| CN111562803A (zh) | 电子设备、温度控制器、温度控制方法、设备和存储介质 | |
| CN113154612B (zh) | 一种空调器杀菌控制方法及装置、空调器和可读存储介质 | |
| CN110285536A (zh) | 一种温度调节设备的控制方法及装置 | |
| CN108133116B (zh) | Cad户型图墙厚自动识别方法及系统 | |
| CN113900392A (zh) | 变电站环境监控方法、装置、计算机设备和存储介质 | |
| CN112555977A (zh) | 变频热泵的调频方法、装置、计算机设备及存储介质 | |
| CN116562095A (zh) | 基于跌落工况的域控制器仿真优化方法、装置和电子设备 | |
| CN111966099A (zh) | 基于雷达的室内目标跟踪方法、节能方法及系统 | |
| CN116774599A (zh) | 基于知识图谱的智能设备控制方法、计算机装置和计算机可读存储介质 | |
| WO2022233159A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
| WO2022242223A1 (zh) | 用于检测室内温度的方法、装置和智能空调 | |
| CN109386394B (zh) | 一种节气门动态诊断方法 | |
| CN117369572B (zh) | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 | |
| CN112164141A (zh) | 基于bim技术的机房管理方法、装置、设备及存储介质 | |
| CN111897409A (zh) | 一种网卡保护方法、装置和计算机设备 | |
| CN112526936B (zh) | 参数控制方法、参数控制设备及系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230418 Address after: 315000 No.1166 Mingguang North Road, Jiangshan Town, Yinzhou District, Ningbo City, Zhejiang Province Patentee after: NINGBO AUX ELECTRIC Co.,Ltd. Address before: Room 202, 2nd floor, building B, high tech Zone headquarters base, No.2 Qianwan 2nd Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province 519080 Patentee before: ZHUHAI TUOXIN TECHNOLOGY Co.,Ltd. Patentee before: NINGBO AUX ELECTRIC Co.,Ltd. |