CN113357773A - 用于空调控制的方法、装置和空调 - Google Patents

Abstract

本申请涉及智能家电技术领域，公开一种用于空调控制的方法，包括：获得用户的当前运动数据，将当前运动数据输入至用于确定用户运动类型的预设分类模型；根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定空调的目标运行参数；控制空调在目标运行参数下运行。这样，有助于实现更精准地调控空调的运行，使空调可以更好地满足用户的实时运动需求，从而提高用户的使用体验。本申请还公开一种用于空调控制的装置和空调。

Description

用于空调控制的方法、装置和空调

技术领域

本申请涉及智能家电技术领域，例如涉及一种用于空调控制的方法、装置和空调。

背景技术

目前，随着科技的进步和人们生活水平的提高，越来越多的人开始关注智能家居的发展，追求更智能化的家电控制体验。以空调为例，用户可以通过空调遥控器或者智能终端，如手机发送操作指令给空调，使空调运行于用户设置的运行信息下。这种方式需要用户手动操作，较为繁琐，空调的智能化程度不高。

为了提高空调的智能化程度，现有的空调控制方案中，可以根据用户的体征信息调节空调的运行参数。这种仅根据用户体征调节空调运行参数的方案，调节方式单一，可能无法准确地满足用户的使用需求，因此用户的使用体验不好。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种用于空调控制的方法、装置和空调，以精准地调节用户的使用需求，提高用户的使用体验。

在一些实施例中，所述用于空调控制的方法包括：获得用户的当前运动数据，将当前运动数据输入至用于确定用户运动类型的预设分类模型；根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定空调的目标运行参数；控制空调在目标运行参数下运行。

在一些实施例中，预设分类模型通过如下方式获得：获得用于训练预设分类模型的第一样本，并将第一样本分为训练集和测试集，第一样本包括标注有不同运动类型的历史运动数据；将训练集中的历史运动数据输入至初始分类模型，并将训练集中历史运动数据各自标注的运动类型作为初始分类模型的输出，以对初始分类模型进行训练；根据测试集，验证训练后的初始分类模型，得到验证结果；在验证结果的准确率大于或等于预设准确率的情况下，得到预设分类模型。

在一些实施例中，历史运动数据通过如下方式获得：获得不同运动类型下各个时刻的加速度数据和角速度数据；将对加速度数据和角速度数据进行特征提取，得到的多组特征数据，作为历史运动数据。

在一些实施例中，获得不同运动类型下各个时刻的加速度数据和角速度数据，包括：采集不同运动类型下各时刻对应的第一加速度数据、与各时刻相邻的上一时刻对应的第二角速度数据，以及与各时刻相邻的下一时刻对应的第三角速度数据；对第二角速度数据和第三角速度数据进行线性插值运算，得到各时刻对应的第一角速度数据。

在一些实施例中，根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定空调的目标运行参数，包括：获得不同预测运动类型下，用户体征参数和空调运行参数之间的关联关系；根据预测运动类型，从关联关系中确定当前体征参数对应的目标运行参数。

在一些实施例中，根据预测运动类型，从关联关系中确定当前体征参数对应的目标运行参数，包括：在当前体征参数大于或等于第一阈值的情况下，将目标运行参数中的目标运行温度确定为第一运行温度；在当前体征参数小于第一阈值的情况下，将目标运行温度确定为第二运行温度；其中，第一运行温度小于第二运行温度。

在一些实施例中，控制空调在目标运行参数下运行后，还包括：确定空调在目标运行温度下运行的运行时长大于或等于预设运行时长的情况下，获得新的当前体征参数；若新的当前体征参数仍然大于第一阈值，则提高目标运行参数中的目标运行风速。

在一些实施例中，所述用于空调控制的装置包括获得模块、确定模块和控制模块。获得模块被配置为获得用户的当前运动数据，将当前运动数据输入至用于确定用户运动类型的预设分类模型；确定模块被配置为根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定空调的目标运行参数；控制模块被配置为控制空调在目标运行参数下运行。

在一些实施例中，所述用于空调控制的装置包括处理器和存储有程序指令的存储器。处理器被配置为在执行程序指令时，执行上述的用于空调控制的方法。

在一些实施例中，所述空调包括上述的用于空调控制的装置。

本公开实施例提供的用于空调控制的方法、装置和空调，可以实现以下技术效果：

通过获得用户的当前运动数据，并将当前运动数据输入至用于确定用户运动类型的预设分类模型，以得到该预设分类模型输出的预测运动类型，这样可以准确预测出用户的运动类型，提高空调的智能化程度；根据预测运动类型和用户的当前体征参数，确定空调的目标运行参数，以便控制空调在目标运行参数下运行，有助于实现更精准地调控空调的运行，使空调可以更好地满足用户的实时运动需求，从而提高用户的使用体验。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1是本公开实施例提供的一个用于空调控制的方法的示意图；

图2是本公开实施例提供的一个用于空调控制的装置的示意图；

图3是本公开实施例提供的一个用于空调控制的装置的示意图。

具体实施方式

为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

除非另有说明，术语“多个”表示两个或两个以上。

本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

图1是本公开实施例提供的一个用于空调控制的方法的示意图。结合图1所示，本公开实施例提供一种用于空调控制的方法，可以包括：

S11，空调器获得用户的当前运动数据，将当前运动数据输入至用于确定用户运动类型的预设分类模型。

这里，用户的当前运动数据至少可以包括用户在运动过程中的当前加速度数据和当前角速度数据。如果用户佩戴配置有加速度计和陀螺仪的可穿戴设备，如智能手环，则可以方便、快速地获得当前加速度数据和当前角速度数据。

作为一种示例，用户智能终端关联的控制端获得采集控制指令，发送至可穿戴设备关联的客户端；控制端对客户端提交的当前运动数据，以及当前运动数据关联的时间戳信息进行线性插值运算，以使当前运动数据中的当前角速度数据和当前加速度数据的时间戳信息保持同步。这样，可以方便准确地获得当前运动数据，并通过线性插值的方式对当前运动数据进行重建，提高当前运动数据的平滑程度，从而避免数据不连续、时间戳不均匀而导致的失真问题。

其中，时间戳信息，可以指当前运动数据对应的当前时刻。

上述用户智能终端，例如为移动设备、电脑，或浮动车中内置的车载设备等，或其任意组合。在一些实施例中，移动设备例如可以包括手机、智能移动设备等，或其任意组合。

用户智能终端和可穿戴设备可以通过无线通信的方式建立连接，实现用户位置的判断。无线通信的方式至少可以包括Wi-Fi连接、紫蜂协议连接和蓝牙连接中的一种或多种。

可以理解地，控制端对客户端提交的当前运动数据，以及当前运动数据关联的时间戳信息进行线性插值运算，可以包括：

其中，t为当前时刻，t₁为与当前时刻t相邻的上一时刻，t₂为与当前时刻t相邻的下一时刻，G(t)为当前时刻t对应的角速度，G(t₁)为与当前时刻t相邻的上一时刻t₁对应的角速度，G(t₂)为与当前时刻t相邻的下一时刻t₂对应的角速度。

如此，可以准确地得到数据重建后，与当前时刻的加速度数据同步的角速度数据。

对应地，可穿戴设备关联的客户端响应于用户智能终端关联的控制端发送的采集控制指令，按预设采集频率采集当前运动数据；客户端获得当前运动数据关联的时间戳信息，并将当前运动数据，以及当前运动数据关联的时间戳信息提交至控制端。

其中，预设采集频率可以为每10毫秒采集1次数据。

可选地，预设分类模型可以通过如下方式获得：空调器获得用于训练预设分类模型的第一样本，并将第一样本分为训练集和测试集，第一样本包括标注有不同运动类型的历史运动数据；空调器将训练集中的历史运动数据输入至初始分类模型，并将训练集中历史运动数据各自标注的运动类型作为初始分类模型的输出，以对初始分类模型进行训练；空调器根据测试集，验证训练后的初始分类模型，得到验证结果；在验证结果的准确率大于或等于预设准确率的情况下，空调器得到预设分类模型。这样，将分类模型算法引入空调的智能控制逻辑中，使空调可以准确预测出用户的运动类型，提高了空调的智能化程度。

其中，第一样本中的训练集和测试集的数量比可以为9：1。预设准确率可以为90％～95％。

在一些实施例中，历史运动数据标注的不同运动类型，可以体现为跑步、骑行、俯卧撑、跳绳、瑜伽、深蹲等。

初始分类模型可以是机器学习算法中的分类预测模型，例如是决策树算法、朴素贝叶斯算法、人工神经网络算法、K-近邻算法或支持向量机算法等。

可选地，历史运动数据可以通过如下方式获得：空调器获得不同运动类型下各个时刻的加速度数据和角速度数据；空调器将对加速度数据和角速度数据进行特征提取，得到的多组特征数据，作为历史运动数据。这样，对样本数据进行数据降维的预处理，从而有助于促进后续的学习和泛化步骤，提高预设分类模型的预测精确度。

这里，加速度数据为三轴加速度数据；角速度数据为三轴角速度数据。对应地，如果第一样本是m×n矩阵，记作(a_ij)；其中，m表示各个时刻的数据数量；n＝6，表示加速度数据的3个通道，以及角速度数据的3个通道；i＝1，…，m；j＝1，…，n；那么，第一样本对应的特征矩阵是18×6矩阵，记作(b_ij)；其中i＝1，…，18，表示提取出的18个特征；j＝1，…，6，表示6个通道。

可以理解地，对上述加速度数据和角速度数据进行特征提取，可以是提取样本矩阵(b_ij)的绝对值均值b_1j、绝对值均值比b_2j、方差RMS、峰度Kurt、偏度Skew、均方根b_6j、平均绝对偏差MAD、过零率ZCR、能量Energy、相关系数correlation、模型系数λ₂、λ₃和λ₄、四分位差Q、小波能量WE、分形维数d、小波峰均值M和小波峰数量N中的一个或多个。

其中，模型系数λ₂、λ₃和λ₄可以通过如下方式获得：对多个通道各自的加速度数据或角速度数据进行自回归建模，得到自回归模型；利用伯格算法确定自回归模型的模型系数λ₂、λ₃和λ₄。

小波能量WE可以通过如下方式获得：以db5小波作为母小波，对多个通道各自的加速度数据或角速度数据小波变换后的变换数据，进行分解，得到分解层数和分解后的小波细节系数；将第4层和第5层的小波细节系数分量的平方和，作为小波能量WE。

小波峰均值M和小波峰数量N可以通过如下方式获得：利用db4小波对加速度数据中的加速度幅值，以及角速度数据中的角速度幅值分别进行7层分解，得到第4层近似系数的多个峰值；根据多个峰值，确定小波峰均值M和小波峰数量N。

可选地，空调器获得不同运动类型下各个时刻的加速度数据和角速度数据，可以包括：空调器采集不同运动类型下各时刻对应的第一加速度数据、与各时刻相邻的上一时刻对应的第二角速度数据，以及与各时刻相邻的下一时刻对应的第三角速度数据；空调器对第二角速度数据和第三角速度数据进行线性插值运算，得到各时刻对应的第一角速度数据。通过线性插值的方式对历史运动数据进行重建，提高了历史运动数据的平滑程度，从而避免数据不连续、时间戳不均匀而导致的信号失真问题。

其中，对历史运动数据进行线性插值运算的具体实现过程，可以参考上述实施例中对当前运动数据进行线性插值运算的实现方式，在此不再赘述。

S12，空调器根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定其目标运行参数。

这里，如果用户佩戴配置有体征传感器的可穿戴设备，如智能手环，则可以方便、快速地获得用户的当前体征参数。

可选地，空调器根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定空调的目标运行参数，可以包括：空调器获得不同预测运动类型下，用户体征参数和其运行参数之间的关联关系；空调器根据预测运动类型，从关联关系中确定当前体征参数对应的目标运行参数。这样，可以根据预测运动类型和用户的当前体征参数，确定空调的目标运行参数，以实现更精准地调控空调的运行，使空调可以更好地满足用户的实时运动需求，从而提高用户的使用体验。

可选地，空调器根据预测运动类型，从关联关系中确定当前体征参数对应的目标运行参数，可以包括：在当前体征参数大于或等于第一阈值的情况下，空调器将目标运行参数中的目标运行温度确定为第一运行温度；在当前体征参数小于第一阈值的情况下，空调器将目标运行温度确定为第二运行温度；其中，第一运行温度小于第二运行温度。这样，可以实现更精准地调控空调的运行，使空调可以更好地满足用户的实时运动需求，从而提高用户的使用体验。

由于人体在运动过程中，心率、体温和血压一般都会随着运动强度的增加而逐渐升高，直至趋于稳定。因此，当前体征参数可以包括当前心率、当前体温和当前血压中的一个或多个。这里，如果当前体征参数中的任一参数大于或等于其对应的第一阈值，则将目标运行参数中的目标运行温度确定为第一运行温度；如果当前体征参数均小于各自对应的第一阈值，则将目标运行温度确定为第二运行温度。

对应于此，当前体征参数中的当前心率所对应的第一阈值为100次/分钟。当前体征参数中的当前体温所对应的第一阈值为37℃。当前体征参数中的当前血压所对应的第一阈值为130/85毫米汞柱，即收缩压130毫米汞柱，舒张压85毫米汞柱。

S13，空调器控制其在目标运行参数下运行。

可选地，空调器控制其在目标运行参数下运行后，还可以包括：空调器确定其在目标运行温度下运行的运行时长大于或等于预设运行时长的情况下，获得新的当前体征参数；若新的当前体征参数仍然大于第一阈值，则空调器提高目标运行参数中的目标运行风速。

这里，预设运行时长的取值范围可以是10分钟～60分钟。优选为30分钟。这样，有助于避免空调运行参数的过度调节或无效调节，从而提高空调的智能化程度和用户的使用体验。

综上，采用本公开实施例提供的用于空调控制的方法，通过获得用户的当前运动数据，并将当前运动数据输入至用于确定用户运动类型的预设分类模型，以得到该预设分类模型输出的预测运动类型，这样可以准确预测出用户的运动类型，提高空调的智能化程度；根据预测运动类型和用户的当前体征参数，确定空调的目标运行参数，以便控制空调在目标运行参数下运行，有助于实现更精准地调控空调的运行，使空调可以更好地满足用户的实时运动需求，从而提高用户的使用体验。

结合图2所示，本公开实施例提供一种用于空调控制的装置，包括获得模块21、确定模块22和控制模块23。获得模块21被配置为获得用户的当前运动数据，将当前运动数据输入至用于确定用户运动类型的预设分类模型；确定模块22被配置为根据预设分类模型输出的预测运动类型和用户的当前体征参数，确定空调的目标运行参数；控制模块23被配置为控制空调在目标运行参数下运行。

采用本公开实施例提供的用于空调控制的装置，通过获得模块、确定模块以及控制模块三者的配合，有助于实现更精准地调控空调的运行，使空调可以更好地满足用户的实时运动需求，从而提高用户的使用体验。

结合图3所示，本公开实施例提供一种用于空调控制的装置，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的用于空调控制的方法。

此外，上述的存储器101中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于空调控制的方法。

存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。

本公开实施例提供了一种空调，包含上述的用于空调控制的装置。

本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述用于空调控制的方法。

本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述用于空调控制的方法。

上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。

本公开实施例的技术方案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一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，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单元中。

附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (10)

1.一种用于空调控制的方法，其特征在于，包括：

获得用户的当前运动数据，将所述当前运动数据输入至用于确定用户运动类型的预设分类模型；

根据所述预设分类模型输出的预测运动类型和所述用户的当前体征参数，确定空调的目标运行参数；

控制所述空调在所述目标运行参数下运行。

2.根据权利要求1所述的方法，其特征在于，所述预设分类模型通过如下方式获得：

获得用于训练所述预设分类模型的第一样本，并将所述第一样本分为训练集和测试集，所述第一样本包括标注有不同运动类型的历史运动数据；

将所述训练集中的历史运动数据输入至初始分类模型，并将所述训练集中历史运动数据各自标注的运动类型作为所述初始分类模型的输出，以对所述初始分类模型进行训练；

根据所述测试集，验证训练后的初始分类模型，得到验证结果；

在所述验证结果的准确率大于或等于预设准确率的情况下，得到所述预设分类模型。

3.根据权利要求2所述的方法，其特征在于，所述历史运动数据通过如下方式获得：

获得不同运动类型下各个时刻的加速度数据和角速度数据；

将对所述加速度数据和所述角速度数据进行特征提取，得到的多组特征数据，作为所述历史运动数据。

4.根据权利要求3所述的方法，其特征在于，所述获得不同运动类型下各个时刻的加速度数据和角速度数据，包括：

采集不同运动类型下各时刻对应的第一加速度数据、与所述各时刻相邻的上一时刻对应的第二角速度数据，以及与所述各时刻相邻的下一时刻对应的第三角速度数据；

对所述第二角速度数据和所述第三角速度数据进行线性插值运算，得到所述各时刻对应的第一角速度数据。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述预设分类模型输出的预测运动类型和所述用户的当前体征参数，确定空调的目标运行参数，包括：

获得不同预测运动类型下，用户体征参数和空调运行参数之间的关联关系；

根据所述预测运动类型，从所述关联关系中确定所述当前体征参数对应的所述目标运行参数。

6.根据权利要求5所述的方法，其特征在于，根据所述预测运动类型，从所述关联关系中确定所述当前体征参数对应的所述目标运行参数，包括：

在所述当前体征参数大于或等于第一阈值的情况下，将所述目标运行参数中的目标运行温度确定为第一运行温度；

在所述当前体征参数小于所述第一阈值的情况下，将所述目标运行温度确定为第二运行温度；

其中，所述第一运行温度小于所述第二运行温度。

7.根据权利要求6所述的方法，其特征在于，所述控制所述空调在所述目标运行参数下运行后，还包括：

确定所述空调在所述目标运行温度下运行的运行时长大于或等于预设运行时长的情况下，获得新的当前体征参数；

若所述新的当前体征参数仍然大于所述第一阈值，则提高所述目标运行参数中的目标运行风速。

8.一种用于空调控制的装置，其特征在于，包括：

获得模块，被配置为获得用户的当前运动数据，将所述当前运动数据输入至用于确定用户运动类型的预设分类模型；

确定模块，被配置为根据所述预设分类模型输出的预测运动类型和所述用户的当前体征参数，确定空调的目标运行参数；

控制模块，被配置为控制所述空调在所述目标运行参数下运行。

9.一种用于空调控制的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至7任一项所述的用于空调控制的方法。

10.一种空调，其特征在于，包括如权利要求8或9所述的用于空调控制的装置。

Images