CN113606735A - 一种空调器的智能控制方法 - Google Patents

Abstract

本发明提供了一种空调器的智能控制方法，包括步骤S1，在测试阶段，根据变频控制器的实时温度T_器件建立训练数据库；S2，在使用阶段，根据训练数据库对变频控制器的实时温度T_器件进行预测和调控，本发明所述的空调器的智能控制方法不但具有简单高效、控制精准、节约程序的优点，还能够节省成本、降低设备复杂程度。

Description

一种空调器的智能控制方法

技术领域

本发明涉及空调器技术领域，具体而言，涉及一种空调器的智能控制方法。

背景技术

目前，空调器的使用越来越来普及，且在能效升级后，由于舒适性和节能性更佳，变频空调器被广大消费者认可、逐渐成为空调市场中的主要产品。

变频空调器的结构和制冷原理与定频空调器基本相同，区别主要是变频空调器压缩机的运行频率可以变化、而定频空调器压缩机的运行频率不可变。其中，变频空调器压缩机频率的改变主要通过变频控制器来实现，变频控制器为控制和调整压缩机频率的控制系统，根据使用需求，通过变频控制器来控制和调节压缩机频率，不仅可以降低空调器的能耗，而且利于保持房间温度的恒定性和舒适性。

变频空调器中，变频控制器的可靠性非常重要。在实际应用中，变频控制器的温度是影响其可靠性的主要原因，一旦变频控制器的温度过高、将会导致变频控制器的异常甚至损毁，售后反馈的数据显示，由于变频控制器的温度过高，产生的空调器故障引起的投诉占比很高。目前，主要是通过散热器来降低变频控制器的温度，但在炎热的夏天，环境温度很高，散热器的降温效果十分有限，由于变频控制器温度过高导致的空调器故障仍时有发生。

为此，本领域技术人员还提出对空调器或压缩机的工作电流、空调器的排气温度等进行限制或调节，以避免变频控制器温度过高的方式，但是这种方式的缺点在于：空调器中如工作电流、排气温度等参数相对于变频控制器的温度影响具有滞后效应，可能变频控制器的温度已经超标、但此时的工作电流、排气温度等参数还未达到限定值，若空调器在此状态下继续运行，变频控制器的可靠性就会受到影响、甚至直接被烧毁，有严重的安全隐患；但若因此降低空调器中如工作电流、排气温度等参数的限定值，将会导致空调频繁降频或停机等，影响正常运行。

为解决上述技术问题，特提出本申请。

发明内容

本发明设计出一种空调器的智能控制方法，以克服现有变频空调器中的变频控制器容易因为温度过高导致故障的问题。

为解决上述问题，本发明公开了一种空调器的智能控制方法，包括步骤S1，在测试阶段，根据变频控制器的实时温度T_器件建立训练数据库；S2，在使用阶段，根据训练数据库对变频控制器的实时温度T_器件进行预测和调控。

本申请通过将所述空调器划分为测试阶段和使用阶段，并在测试阶段通过变频控制器的实时温度T_器件建立训练数据库，之后在使用阶段，不再需要在所述变频控制器上设置温度传感器对变频控制器的实时温度T_器件进行检测、而是通过训练空调器，使其能够记忆并存储测试阶段得到的训练数据库，并依靠训练数据库对变频控制器的实时温度T_器件进行计算、预测和调控，避免现有技术中由于滞后效应导致的变频控制器温度超标，实现了空调器中变频控制器温度的智能调控，不但简单高效、控制精准，而且避免了逐一在空调器的变频控制器上安装温度传感器，能够节省成本、降低设备复杂程度。

进一步的，所述步骤S1包括：

S11，在出厂之前的测试阶段，在所述空调器上设置温度传感器，所述温度传感器用来检测所述变频控制器的实时温度T_器件；

S12，之后控制所述空调器在不同的工况下分别运行，并记录所述变频控制器的实时温度T_器件和空调器的运行参数；

S13，根据预设的训练公式、所述变频控制器的实时温度T_器件和空调器的运行参数建立训练数据库。

通过所述步骤S11、S12和S13提出了一种具体的建立训练数据库的方式，不但简单、易实现，而且仅仅在测试阶段使用了温度传感器对变频控制器的实时温度T_器件进行检测，在使用阶段，不再需要使用温度传感器对变频控制器的实时温度T_器件进行检测，利于节省成本、降低设备复杂程度

进一步的，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)+B建立训练数据库，其中，K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数。

通过所述训练公式：T_器件＝K*(F*T)+B提供了一种建立训练数据库的具体方法，简单、便捷，易实现。

进一步的，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)/N+B建立训练数据库，K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，N为通风系数。

通过所述训练公式：T_器件＝K*(F*T)/N+B提供了一种综合考虑了空调器的运行频率、环境温度和通风情况的建立训练数据库的具体方法，简单、便捷，准确性高。

进一步的，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)*R/N+B建立训练数据库，其中K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，R为空调密封系数，N为通风系数。

通过所述训练公式T_器件＝K*(F*T)*R/N+B提供了一种综合考虑了空调器的运行频率、环境温度、通风情况和密封情况的建立训练数据库的具体方法，简单、便捷，准确性高。

进一步的，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)*R/N+B+λt建立训练数据库，其中K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，R为空调密封系数，t为环境湿度、λ为环境湿度系数，N为通风系数。

通过所述训练公式T_器件＝K*(F*T)*R/N+B+λt提供了一种综合考虑了空调器的运行频率、环境温度、通风情况、密封情况和环境湿度多种因素的建立训练数据库的具体方法，简单、便捷，准确性高。

进一步的，所述步骤S2包括：

S21，对当前环境温度T进行检测；

S22，判断当前环境温度T是否＜阈值T1，若是，则判定空调器处于安全区，并令空调器正常运行，若否，则继续执行步骤S23；

S23，判断当前环境温度T是否＜阈值T2，若是，则判定空调器处于临界区，并继续执行步骤S24；若否，则判定空调器处于危险区，并继续执行步骤S25；

S24，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调正常运行；

S25，空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值。

通过所述阈值T1、阈值T2可以将所述空调器的运行工况划分为安全区、临界区和危险区，进一步的，通过所述安全区、临界区和危险区的划分，可以对空调器的运行状态进行初步判断，以减少调动所述训练数据库对变频控制器的实时温度T_器件进行计算和判断的次数，节约程序。

进一步的，所述阈值T1、阈值T2的数值根据所述训练数据库设定，且所述阈值T1＜阈值T2。

通过所述阈值T1、阈值T2的数值设定形成了所述安全区、临界区和危险区之间的界限，可便捷地用于后续控制过程中。

进一步的，所述T_阈值＜T_安全值。

通过所述T_阈值＜T_安全值的设定，可在变频控制器的温度到达T_安全值之前就对其温度进行调控，有效避免所述变频控制器的温度超标，可提高设备安全性和使用寿命。

进一步的，所述步骤S2包括：

S21，对当前环境温度T进行检测；

S22，判断当前环境温度T是否＜阈值T1，若是，则判定空调器处于安全区，令空调器正常运行，并继续执行步骤S26；若否，则继续执行步骤S23；

S23，判断当前环境温度T是否＜阈值T2，若是，则判定空调器处于临界区，并继续执行步骤S24；若否，则判定空调器处于危险区，并继续执行步骤S25；

S24，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调正常运行，并继续执行步骤S26；

S25，空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；

S26，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调器正常运行。

通过所述步骤S26可以对初步判断为空调可以正常运行时，变频控制器的实时温度T_器件进行进一步确认，防止由于空调器系统控制器中存在bug等致使所述空调器智能控制方法产生误判或在所述安全区和临界区中，虽然环境温度T未超过相应的阈值T1或T2，但是变频控制器的实时温度T_器件超过T阈值、甚至接近或超过T_安全值时，所述空调器仍未采取防护动作。

本申请所述空调器的智能控制方法具有以下优点：

第一、通过将所述空调器划分为测试阶段和使用阶段，并在测试阶段通过变频控制器的实时温度T_器件建立训练数据库，之后在使用阶段，不再需要在所述变频控制器上设置温度传感器对变频控制器的实时温度T_器件进行检测、而是通过训练空调器，使其能够记忆并存储测试阶段得到的训练数据库，并依靠训练数据库对变频控制器的实时温度T_器件进行计算、预测和调控，实现了空调器中变频控制器温度的智能调控，不但简单高效、控制精准，而且避免了逐一在空调器的变频控制器上安装温度传感器，能够节省成本、降低设备复杂程度；

第二、通过所述安全区、临界区和危险区的划分，可以对空调器的运行状态进行初步判断，以减少调动所述训练数据库对变频控制器的实时温度T_器件进行计算和判断的次数，节约程序；

第三、训练公式具有多种选择，通过不同的训练公式可以综合考虑通风情况、密封情况、环境湿度等对变频器温度的影响，使得建立的训练数据库更加精准、为后续根据训练数据库对变频控制器的实时温度T_器件进行计算、预测和调控提供了良好的基础。

综上，本申请所述的空调器的智能控制方法不但具有简单高效、控制精准、节约程序的优点，还能够节省成本、降低设备复杂程度。

附图说明

图1为本发明实施例所述空调器的智能控制方法的流程图。

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。

实施例1

如图1所示，一种空调器的智能控制方法，所述空调器包括变频控制器，所述变频控制器用来调整压缩机的运行频率，所述方法包括步骤：

S1，在测试阶段，根据变频控制器的实时温度T_器件建立训练数据库；

S2，在使用阶段，根据训练数据库对变频控制器的实时温度T_器件进行预测和调控。

具体的，本申请通过将所述空调器划分为测试阶段和使用阶段，并在测试阶段通过变频控制器的实时温度T_器件建立训练数据库，之后在使用阶段，不再需要在所述变频控制器上设置温度传感器对变频控制器的实时温度T_器件进行检测、而是通过训练空调器，使其能够记忆并存储测试阶段得到的训练数据库，并依靠训练数据库对变频控制器的实时温度T_器件进行计算、预测和调控，避免现有技术中由于滞后效应导致的变频控制器温度超标，实现了空调器中变频控制器温度的智能调控，不但简单高效、控制精准，而且避免了逐一在空调器的变频控制器上安装温度传感器，能够节省成本、降低设备复杂程度。

进一步的，所述步骤S1中，在测试阶段，根据变频控制器的实测温度T_器件建立训练数据库的具体方法包括如下步骤：

S11，在出厂之前的测试阶段，在所述空调器上设置温度传感器，所述温度传感器用来检测所述变频控制器的实时温度T_器件；

S12，之后控制所述空调器在不同的工况下分别运行，并记录所述变频控制器的实时温度T_器件和空调器的运行参数；

S13，根据预设的训练公式、所述变频控制器的实时温度T_器件和空调器的运行参数建立训练数据库。

作为本申请的一些实施例，所述步骤S11中，在测试阶段，所述温度传感器可以镶嵌或粘附在所述变频控制器上，用以对所述变频控制器的实时温度T_器件进行准确的检测。

优选的，所述变频控制器中可以设置一个或多个温度传感器，当设置多个温度传感器时，所述变频控制器的实时温度T_器件为多个温度传感器的平均值；当设置一个温度传感器时，所述变频控制器的实时温度T_器件为该温度传感器在单位之间内的平均值。

优选的，在所述步骤S12中，应尽可能的令空调器在实际使用中可能遇到的各种工况下分别运行，在这里模拟的工况越多、越详细，得到的模拟数据就越多，建立的训练数据库就越准确。

优选的，在所述步骤S13中，按照训练公式：

T_器件＝K*(F*T)+B

建立训练数据库，其中，K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数。

具体的，在各个工况下，空调器的运行参数，如压缩机的运行频率F等可以通过空调器的控制系统获取，环境温度T等可以通过对环境温度进行检测获取；当空调器中包含对环境温度进行检测的温度传感器时，所述环境温度T也可以通过空调器的控制系统直接获取，优选的，所述空调器中设置对环境温度进行检测的温度传感器；所述变频控制器的实时温度T_器件可以通过设置在变频控制器上的温度传感器获取，通过所述T_器件、F、T的值和训练公式：T_器件＝K*(F*T)+B可以获得K和B的值，之后，通过所述T_器件、K、F、T、B的值和训练公式：T_器件＝K*(F*T)+B一起构成所述训练数据库、并将所述训练数据库中存入所述空调器的控制系统中、用于后续的使用过程中对变频控制器的温度进行预测和调控。

作为本申请的一些实施例，可以通过单一变量法等令空调在不同工况下分别运行，如在其他条件均不变的情况下，令空调器分别在环境温度T＝25℃和28℃下运行，获得两组所述T_器件、F、T的值，并将所述T_器件、F、T的值代入所述训练公式：T_器件＝K*(F*T)+B中，计算得到所述K和B的值。

使用时，空调器通过获取当前的F和T的值，以及存储在所述训练数据库中的K和B的值，并将所述F、T、K和B的值代入所述训练公式：T_器件＝K*(F*T)+B中，通过计算即可得到T_器件的值。

进一步的，所述步骤S2中，在使用阶段，空调器中不包含能够对变频控制器的实时温度T_器件进行检测的温度传感器，此时，根据训练数据库对变频控制器的实时温度T_器件进行预测和调控的方法包括如下步骤：

S21，对当前环境温度T进行检测；

S22，判断当前环境温度T是否＜阈值T1，若是，则判定空调器处于安全区，并令空调器正常运行，若否，则继续执行步骤S23；

S23，判断当前环境温度T是否＜阈值T2，若是，则判定空调器处于临界区，并继续执行步骤S24；若否，则判定空调器处于危险区，并继续执行步骤S25；

S24，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调正常运行；

S25，空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值。

进一步的，所述阈值T1、阈值T2的数值根据所述训练数据库设定，且所述阈值T1＜阈值T2。所述T_阈值和T_安全值的数值根据所述训练数据库或实验设定，且所述T_阈值＜T_安全值。

具体的，通过所述阈值T1、阈值T2可以将所述空调器的运行工况划分为安全区、临界区和危险区，本申请中，将环境温度T＜阈值T1的范围记为安全区，在所述安全区内，由于所述环境温度T的值较小，因此，一般情况下所述变频控制器的实时温度T_器件不会超过T_安全值，此时，可以直接令空调器正常运行；将阈值T1≤环境温度T＜阈值T2的范围记为临界区，在所述临界区内，由于所述环境温度T的值正常，此时，若空调运行功率过大或散热不畅，可能导致变频器的温度过高，因此，所述变频控制器的实时温度T_器件处于临界状态，临界状态下进一步根据所述训练数据库计算、获取当前变频控制器的实时温度T_器件，并继续判断当前变频控制器的实时温度T_器件是否≥T阈值，通过当前变频控制器的实时温度T_器件与T阈值之间的关系，直接判断出变频控制器的实时温度T_器件的情况，以便于及时调节空调参数，确保所述变频控制器的实时温度T_器件不超过T_安全值；此外，还将环境温度T≥阈值T2的范围记为危险区，此时，由于所述环境温度T的值较大，所述变频控制器的实时温度T_器件很容易超过安全值，因此，需直接通过控制器发出控制指令，调节空调器的运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值。

更进一步的，所述阈值T1、阈值T2的数值选取通过所述训练数据库实现，如可将在该环境温度T时、空调以各种参数运行时，通过训练公式计算得到的多个变频控制器的实时温度T_器件中，有95％的变频控制器的实时温度T_器件＜T_阈值时，将该环境温度T的值设为所述阈值T1；类似的，可将在该环境温度T时、空调以各种参数运行时，通过训练公式计算得到的多个变频控制器的实时温度T_器件中，有20％的变频控制器的实时温度T_器件＜T阈值时，将该环境温度T的值设为所述阈值T2。通过所述安全区、临界区和危险区的划分，可以对空调器的运行状态进行初步判断，以减少调动所述训练数据库对变频控制器的实时温度T_器件进行计算和判断的次数，节约程序。

更进一步的，所述步骤S2中，在使用阶段，根据训练数据库对变频控制器的实时温度T_器件进行预测和调控的方法还包括如下步骤：

S21，对当前环境温度T进行检测；

S22，判断当前环境温度T是否＜阈值T1，若是，则判定空调器处于安全区，令空调器正常运行，并继续执行步骤S26；若否，则继续执行步骤S23；

S23，判断当前环境温度T是否＜阈值T2，若是，则判定空调器处于临界区，并继续执行步骤S24；若否，则判定空调器处于危险区，并继续执行步骤S25；

S24，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调正常运行，并继续执行步骤S26；

S25，空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；

S26，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调器正常运行。

通过所述步骤S26可以对初步判断为空调可以正常运行时，变频控制器的实时温度T_器件进行进一步确认，防止由于空调器系统控制器中存在bug等致使所述空调器智能控制方法产生误判或在所述安全区和临界区中，虽然环境温度T未超过相应的阈值T1或T2，但是变频控制器的实时温度T_器件超过T阈值、甚至接近或超过T_安全值时，所述空调器仍未采取防护动作。

进一步的，当需要调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值时，所述空调器可以通过降低压缩机的运行频率、降低排气温度等一种或几种能够降低变频器温度的方式对空调器进行调控。进一步的，所述步骤S26中，当检测发现当前变频控制器的实时温度T_器件≥T_阈值时，空调系统控制器发出控制指令，令空调运行降低f1Hz，f1为一预设值，之后，若在一段设定的时间内持续检测到当前变频控制器的实时温度T_器件≥T_阈值时，空调系统控制器发出控制指令，令空调停止运行。

进一步的，在测试阶段可以通过对其中一台或几台空调中变频控制器的实时温度T_器件进行检测，建立训练数据库；之后将得到的训练数据库用于同种型号的所有空调器。

实施例2

作为本申请的一些实施例，在所述步骤S13中，还可以进一步考虑空调器通风情况对变频器温度的影响，具体的，可以按照训练公式：T_器件＝K*(F*T)/N+B建立训练数据库，其中N＝P*Q*V，K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，N为通风系数，N的值由风量Q，壳体体积V，第二修正系数P组成，一般地，风量Q越大，壳体体积V越大，通风系数N就越大，对应的，变频控制器的实时温度T_器件越小。当通风系数N不断变化时，相应变频控制器的实时温度T_器件也在不断变化。

所述压缩机的运行频率F、环境温度T和变频控制器的实时温度T_器件的获取同实施例1所述，在此不再赘述。所述空调器的运行参数，风量Q和壳体体积V等可以通过空调器的控制系统获取。通过所述T_器件、F、T、Q和V的值和训练公式：T_器件＝K*(F*T)/N+B可以获得K、B和N的值，之后，通过所述T_器件、K、F、T、B和N的值和训练公式：T_器件＝K*(F*T)/N+B一起构成训练数据库、并将所述训练数据库存入所述空调器的控制系统中、用于后续的使用过程中对变频控制器的温度进行预测和调控。

作为本申请的一些实施例，可以通过单一变量法等令空调在不同工况下分别运行，如在其他条件均不变的情况下，令空调器分别在环境温度T＝25℃、26℃和28℃下运行，获得三组所述T_器件、F、T、Q和V的值，并将所述T_器件、F、T、Q和V的值代入所述训练公式：T_器件＝K*(F*T)/N+B中，计算得到所述K、B和N的值。

使用时，空调器通过获取当前的F和T的值，以及存储在所述训练数据库中的K、N和B的值，并将所述F、T、K、N和B的值代入所述训练公式：T_器件＝K*(F*T)/N+B中，通过计算即可得到T_器件的值。

实施例3

作为本申请的一些实施例，在所述步骤S13中，还可以进一步考虑空调器的密封情况对变频器温度的影响，具体的，可以按照训练公式：T_器件＝K*(F*T)*R/N+B建立训练数据库，其中T_器件、K、F、T、N、B所代表的意义同前述，在此不再赘述。所述R为空调密封系数，具体的，所述空调密封系数R为冷凝器封堵，风叶封堵下转动，出风口封堵后的修正系数。通常，空调器的使用时间越长，空调器的密封性就越差，R的值越大，对应的，T_器件越大；空调密封系数R不断变化时，相应变频控制器的实时温度T_器件也在不断变化。

所述压缩机的运行频率F、环境温度T和变频控制器的实时温度T_器件的获取同实施例1所述，在此不再赘述。所述空调器的运行参数，风量Q和壳体体积V等可以通过空调器的控制系统获取。通过所述T_器件、F、T、Q和V的值和训练公式：T_器件＝K*(F*T)R/N+B可以获得对应的K、B、N和R的值，之后，通过所述T_器件、K、F、T、B、N和R的值和训练公式：T_器件＝＝K*(F*T)*R/N+B一起构成训练数据库、并将所述训练数据库存入所述空调器的控制系统中、用于后续的使用过程中对变频控制器的温度进行预测和调控。

作为本申请的一些实施例，可以通过单一变量法等令空调在不同工况下分别运行，如在其他条件均不变的情况下，令空调器分别在环境温度T＝25℃、26℃、27℃和28℃下运行，获得四组所述T_器件、F、T、Q和V的值，并将所述T_器件、F、T、Q和V的值代入所述训练公式：T_器件＝＝K*(F*T)*R/N+B中，计算得到所述K、B、N和R的值。

使用时，空调器通过获取当前的F和T的值，以及存储在所述训练数据库中的K、N、R和B的值，并将所述F、T、K、N、R和B的值代入所述训练公式：T_器件＝K*(F*T)*R/N+B中，通过计算即可得到T_器件的值。

实施例4

作为本申请的一些实施例，在所述步骤S13中，还可以进一步考虑环境湿度对变频器温度的影响，具体的，可以按照训练公式：T_器件＝K*(F*T)*R/N+B+λt建立训练数据库，其中T_器件、K、F、T、R、N、B所代表的意义同前述，在此不再赘述。所述t为环境湿度、λ为环境湿度系数，通常环境湿度t和环境湿度系数λ越大，变频控制器的实时温度T_器件也将相应增大。

所述压缩机的运行频率F、环境温度T和变频控制器的实时温度T_器件的获取同实施例1所述，在此不再赘述。所述空调器的运行参数，风量Q、壳体体积V和环境湿度t等可以通过空调器的控制系统获取。通过所述T_器件、F、T、Q、V和t的值和训练公式：T_器件＝K*(F*T)*R/N+B+λt可以获得对应的K、R、N、B和λ的值，之后，通过所述T_器件、K、F、T、R、N、B、λ和t的值和训练公式：T_器件＝K*(F*T)*R/N+B+λt一起构成训练数据库、并将所述训练数据库存入所述空调器的控制系统中、用于后续的使用过程中对变频控制器的温度进行预测和调控。

作为本申请的一些实施例，可以通过单一变量法等令空调在不同工况下分别运行，如在其他条件均不变的情况下，令空调器分别在环境温度T＝24℃、25℃、26℃、27℃和28℃下运行，获得五组所述T_器件、F、T、Q、V和t的值，并将所述T_器件、F、T、Q、V和t的值代入所述训练公式：K*(F*T)*R/N+B+λt，计算得到所述K、B、N、R和λ的值。

使用时，空调器通过获取当前的F、T和t的值，以及存储在所述训练数据库中的K、N、R、B和λ的值，并将所述F、T、t、K、N、R、λ和B的值代入所述训练公式：T_器件＝K*(F*T)*R/N+B+λt中，通过计算即可得到T_器件的值。

实施例5

一种空调器的智能控制方法，所述空调器包括变频控制器，所述变频控制器用来调整压缩机的运行频率，所述变频控制器上设置温度传感器，所述温度传感器用来对所述变频控制器的实时温度T_器件进行检测，所述空调器的智能控制方法通过所述温度传感器获取变频控制器的实时温度T_器件，并根据所述变频控制器的实时温度T_器件的值对空调的运行参数进行调控。

作为本申请的一些实施例，所述空调器的智能控制方法通过将所述变频控制器的实时温度T_器件与所述T_阈值进行比较，当所述变频控制器的实时温度T_器件≥T_阈值时，通过空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；当所述变频控制器的实时温度T_器件＜T_阈值时，令空调正常运行。

综上所述，不难得出：本申请所述空调器的智能控制方法具有以下优点：

第一、通过将所述空调器划分为测试阶段和使用阶段，并在测试阶段通过变频控制器的实时温度T_器件建立训练数据库，之后在使用阶段，不再需要在所述变频控制器上设置温度传感器对变频控制器的实时温度T_器件进行检测、而是通过训练空调器，使其能够记忆并存储测试阶段得到的训练数据库，并依靠训练数据库对变频控制器的实时温度T_器件进行计算、预测和调控，实现了空调器中变频控制器温度的智能调控，不但简单高效、控制精准，而且避免了逐一在空调器的变频控制器上安装温度传感器，能够节省成本、降低设备复杂程度；

第二、通过所述安全区、临界区和危险区的划分，可以对空调器的运行状态进行初步判断，以减少调动所述训练数据库对变频控制器的实时温度T_器件进行计算和判断的次数，节约程序；

第三、训练公式具有多种选择，通过不同的训练公式可以综合考虑通风情况、密封情况、环境湿度等对变频器温度的影响，使得建立的训练数据库更加精准、为后续根据训练数据库对变频控制器的实时温度T_器件进行计算、预测和调控提供了良好的基础。

综上，本申请所述的空调器的智能控制方法不但具有简单高效、控制精准、节约程序的优点，还能够节省成本、降低设备复杂程度。

虽然本发明披露如上，但本发明并非限定于此。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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。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)

1.一种空调器的智能控制方法，其特征在于，包括步骤

S1，在测试阶段，根据变频控制器的实时温度T_器件建立训练数据库；

S2，在使用阶段，根据训练数据库对变频控制器的实时温度T_器件进行预测和调控。

2.根据权利要求1所述的空调器的智能控制方法，其特征在于，所述步骤S1包括：

S11，在出厂之前的测试阶段，在所述空调器上设置温度传感器，所述温度传感器用来检测所述变频控制器的实时温度T_器件；

S12，之后控制所述空调器在不同的工况下分别运行，并记录所述变频控制器的实时温度T_器件和空调器的运行参数；

S13，根据预设的训练公式、所述变频控制器的实时温度T_器件和空调器的运行参数建立训练数据库。

3.根据权利要求2所述的空调器的智能控制方法，其特征在于，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)+B建立训练数据库，其中，K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数。

4.根据权利要求2所述的空调器的智能控制方法，其特征在于，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)/N+B建立训练数据库，K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，N为通风系数。

5.根据权利要求2所述的空调器的智能控制方法，其特征在于，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)*R/N+B建立训练数据库，其中K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，R为空调密封系数，N为通风系数。

6.根据权利要求2所述的空调器的智能控制方法，其特征在于，所述步骤S13包括：按照训练公式：T_器件＝K*(F*T)*R/N+B+λt建立训练数据库，其中K为第一修正系数，F为压缩机的运行频率，T为环境温度，B为常数，R为空调密封系数，t为环境湿度、λ为环境湿度系数，N为通风系数。

7.根据权利要求1所述的空调器的智能控制方法，其特征在于，所述步骤S2包括：

S21，对当前环境温度T进行检测；

S22，判断当前环境温度T是否＜阈值T1，若是，则判定空调器处于安全区，并令空调器正常运行，若否，则继续执行步骤S23；

S23，判断当前环境温度T是否＜阈值T2，若是，则判定空调器处于临界区，并继续执行步骤S24；若否，则判定空调器处于危险区，并继续执行步骤S25；

S24，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调正常运行；

S25，空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值。

8.根据权利要求7所述的空调器的智能控制方法，其特征在于，所述阈值T1、阈值T2的数值根据所述训练数据库设定，且所述阈值T1＜阈值T2。

9.根据权利要求7所述的空调器的智能控制方法，其特征在于，所述T_阈值＜T_安全值。

10.根据权利要求1所述的空调器的智能控制方法，其特征在于，所述步骤S2包括：

S21，对当前环境温度T进行检测；

S22，判断当前环境温度T是否＜阈值T1，若是，则判定空调器处于安全区，令空调器正常运行，并继续执行步骤S26；若否，则继续执行步骤S23；

S23，判断当前环境温度T是否＜阈值T2，若是，则判定空调器处于临界区，并继续执行步骤S24；若否，则判定空调器处于危险区，并继续执行步骤S25；

S24，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调正常运行，并继续执行步骤S26；

S25，空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；

S26，根据训练数据库获取当前变频控制器的实时温度T_器件，并判断当前变频控制器的实时温度T_器件是否≥T_阈值，若是，则空调系统控制器发出控制指令，调节空调运行参数，使得所述变频控制器的实时温度T_器件不超过T_安全值；若否，则空调器正常运行。

Images