CN115614908A

CN115614908A - 空调控制方法、装置和空调

Info

Publication number: CN115614908A
Application number: CN202211216096.6A
Authority: CN
Inventors: 陈楷; 付健; 黄军; 徐兴东; 黄仕麒; 谢逸峰
Original assignee: Gree Electric Appliances Inc of Zhuhai
Current assignee: Gree Electric Appliances Inc of Zhuhai
Priority date: 2022-09-30
Filing date: 2022-09-30
Publication date: 2023-01-17
Anticipated expiration: 2042-09-30
Also published as: CN115614908B

Abstract

提供了一种空调控制方法、装置和空调，该方法包括：获取用户初始设定的空调参数以及和用户身体相关的参数，并建立舒适度模型；将所述用户初始设定的空调参数和用户身体相关的参数送入所述舒适度模型，根据舒适性模型计算结果来确定是否更新空调参数；如果不更新空调参数，以用户初始设定的空调参数来控制空调；如果需要更新空调参数，确定更新的空调参数值，并以更新后的空调参数值来控制空调。本发明通过监测人的体温、心率以及呼吸频率来判断人当前对温度、湿度的需求，进而对空调进行调控，从而保障用户的睡眠质量；本发明根据用户的年龄、身高以及体重等信息进而建立不同的舒适度模型，适应不同的人群。

Description

空调控制方法、装置和空调

技术领域

本发明涉及智能控制领域，更具体地涉及一种空调控制方法、装置和空调。

背景技术

随着人们生活质量的提高，空调不断在向着智能方向发展，使空调智能化、人性化，让人们的生活环境更加舒适。但人的需求是复杂的且是不断变化的，如何让空调能够自动识别人需求的变化，并根据这种变化主动为人们服务成了智能发展的方向。如人体对环境温度的需求就是一个动态变化的过程，人体为了而维持正常的生理机能，需要身体维持在一个适宜温度范围，当人体维持这个范围所耗的能量越少，人越感到舒适。如人体的核心温度大约在37℃左右，人体皮肤表面温度大致在20℃～37℃范围内，相关实验研究证明当人体核心温度为37℃，体表温度为34摄氏度左右时，所需要生理热调节所做的努力最小，此时人体感到最舒适。

而现在空调大多只能根据用户设定的温度调整环境温度，但用户的舒适度会因为人体当前状态的变化而变化。尤其是在不同阶段的睡眠状态下，这种问题尤为凸显，人在不同睡眠阶段，其人体的新陈代谢，散热速率以及对环境的需求将会发生较大的变化。而睡眠前用户会将空调调至当前最舒适的温度，但在睡着后，由于人体需求发生改变，导致环境并不是此时最舒适的温度，当睡眠前后需求变化较大时，将会严重影响用户的睡眠质量，使用户产生失眠、半夜惊醒以及早上起床后头晕、头痛等症状。

现在市场上虽然有许多具备睡眠模式的智能空调，但这些空调无法根据人体实际需求对空调进行自动调控，且不同客户由于体质和年龄等的不同其需求也会有较大的差异。

因此需要一种根据舒适度确定控制空调参数的方案，使得让空调主动为用户提供服务，使人体维持体温所耗能量始终处于最小的状态，让用户感受更加舒适，提高用户睡眠质量。

上述在背景部分公开的信息仅用于对本发明的背景做进一步的理解，因此它可以包含对于本领域普通技术人员已知的不构成现有技术的信息。

发明内容

发明涉及一种空调控制方法、装置和空调。本发明能够解决的技术问题包括：解决用户在不同睡眠状态下，空调无法根据用户需求变化调整室内环境的问题；解决不同用户体质差异导致产生的对睡眠环境需求差异的问题；由于PMV公式复杂，难以计算，导致许多现有技术采用将其中的一些值作为定值或者估计值进行计算，导致计算并不准确，并且由于不同用户的体感会有差异，导致PMV无法适应不同用户的需求，本发明解决了PMV的计算困难和难以适应不同用户需求的问题。

本发明的第一方面提供了一种空调控制方法，包括：S1：获取用户初始设定的空调参数以及和用户身体相关的参数，并建立舒适度模型；S2：将所述用户初始设定的空调参数和用户身体相关的参数送入所述舒适度模型，根据舒适性模型计算结果来确定是否更新空调参数；S3：如果不更新空调参数，以用户初始设定的空调参数来控制空调；如果需要更新空调参数，确定更新的空调参数值，并以更新后的空调参数值来控制空调。

根据本发明的一个实施例，其中，所述空调舒适度模型表达为和舒适度PMV相关的线性函数，其中，舒适度模型＝修正因子×舒适度PMV+误差因子，其中所述舒适度模型中的舒适度和室内空气湿度、室内温度、空气流速、衣服热阻、人体的心率、血压、体温、身高、体重和年龄相关。

根据本发明的一个实施例，其中，所述步骤S1还包括对所述舒适性模型进行初始化，所述初始化包括：将用户初始设定的空调参数代入舒适度模型中,并使得舒适性模型为0、修正因子为1，误差因子为0，由此获得舒适度模型中的初始参数。

根据本发明的一个实施例，其中，所述人体衣服的热阻和被子的导热量相关。

根据本发明的一个实施例，其中，所述步骤S1还包括对所述舒适性模型进行修正，其中对舒适性模型进行修正包括：当用户设定新的空调参数时，将所述新的空调参数、和空调当前环境相关的空调参数、以及用户身体相关的参数输入舒适性模型，计算修正后的修正因子和误差因子。

根据本发明的一个实施例，其中，在所述步骤S1中，对舒适性模型进行初始化包括：将用户初始设定的空调参数代入舒适度模型中以获取被子的导热量，根据所述被子的导热量获取人体衣服的热阻。

根据本发明的一个实施例，在所述步骤S1中，对舒适性模型进行修正包括：当用户设定新的空调参数时，将所述新的空调参数、和空调当前环境相关的空调参数、以及用户身体相关的参数输入舒适性模型，计算修正后的修正因子和误差因子。

根据本发明的一个实施例，其中，将所述新的空调参数以及用户身体相关的参数输入所述舒适性模型，并令所述舒适性模型为0以获得第一方程；将空调当前环境相关的空调参数以及用户身体相关的参数输入所述舒适性模型输入舒适性模型，并令所述舒适性模型为1或-1以获得第二方程，通过第一方程和第二方程计算修正后的修正因子和误差因子。

根据本发明的一个实施例,其中，当所述新的空调参数的环境温度大于等于空调当前环境相关的空调参数的环境温度时，所述舒适性模型为-1；当所述新的空调参数中的室内温度小于空调当前环境相关的空调参数中的室内温度时，所述舒适性模型为1。

根据本发明的一个实施例,根据权利要求1所述的方法，其中在所述步骤S4中，当所述计算结果为0时，不更新空调参数，当所述计算结果不为0时，更新空调参数。

根据本发明的一个实施例,其中，在所述步骤S4中，当所述计算结果不为0时，令所述舒适性模型等于0，并将舒适性模型中的空调参数设为未知数，通过粒子群算法对舒适性模型进行优化以获得空调参数的最优解，根据最优解控制空调对室内环境进行调控。

根据本发明的一个实施例,其中，在通过粒子群算法对舒适性模型进行优化以获得空调参数的最优解时，空调参数的约束范围为：设置使得人体感到舒适的最优参数范围，并且使得求解的参数在所述最优参数范围内。

根据本发明的一个实施例,其中，在通过粒子群算法对舒适性模型进行优化以获得空调参数的最优解时，所述空调参数中的室内温度的最优解和用户设定的室内温度的差在预设的范围内，所述预设范围为0～3℃。

根据本发明的一个实施例,其中，在用户处于睡眠过程中，根据预设的时间间隔执行所述步骤S1-S4。

本发明的第二方面提供了一种空调控制装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述的空调控制方法。

本发明的第三方面提供了一种空调，其使用上述的空调控制方法，或包括上述的空调控制装置。

本发明的方案能够通过监测人的体温、心率以及呼吸频率来判断人当前对温度、湿度的需求，进而对空调进行调控，从而保障用户的睡眠质量；本发明的方案可根据用户的年龄、身高以及体重等信息进而建立不同的舒适度模型，适应不同的人群。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图进行简单介绍，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而言，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是本发明的示例性实施例的空调控制方法流程图。

图2是根据本发明的示例性实施例一个睡眠周期的示意图。

图3是据本发明的示例性实施例的典型八小时睡眠周期图。

图4是根据本发明的示例性实施例各阶段睡眠特点图。

图5是根据本发明一个或多个实施例的舒适度模型的初始化和修正的流程图。

图6是根据本发明的示例性实施例的睡眠模式的逻辑控制流程图。

图7是根据本发明的示例性实施例的空调进入睡眠模式的整体控制方案的流程图。

具体实施例

如在本文中所使用的，词语“第一”、“第二”等可以用于描述本发明的示例性实施例中的元件。这些词语只用于区分一个元件与另一元件，并且对应元件的固有特征或顺序等不受该词语的限制。除非另有定义，本文中使用的所有术语(包括技术或科学术语)具有与本发明所属技术领域的普通技术人员通常理解的含意相同的含意。如在常用词典中定义的那些术语被解释为具有与相关技术领域中的上下文含意相同的含意，而不被解释为具有理想或过于正式的含意，除非在本发明中被明确定义为具有这样的含意。

本领域的技术人员将理解的是，本文中描述的且在附图中说明的本发明的装置和方法是非限制性的示例性实施例，并且本发明的范围仅由权利要求书限定。结合一个示例性实施例所说明或描述的特征可与其他实施例的特征组合。这种修改和变化包括在本发明的范围内。

下文中，将参考附图详细描述本发明的示例性实施例。在附图中，省略相关已知功能或配置的详细描述，以避免不必要地遮蔽本发明的技术要点。另外，通篇描述中，相同的附图标记始终指代相同的电路、模块或单元，并且为了简洁，省略对相同电路、模块或单元的重复描述。

此外，应当理解一个或多个以下方法或其方面可以通过至少一个控制单元或控制器执行。术语“控制单元”，“控制器”,“控制模块”或者“主控模块”可以指代包括存储器和处理器的硬件设备。存储器或者计算机可读存储介质配置成存储程序指令，而处理器具体配置成执行程序指令以执行将在以下进一步描述的一个或更多进程。而且，应当理解，正如本领域普通技术人员将意识到的，以下方法可以通过包括处理器并结合一个或多个其他部件来执行。

本发明设计了一种基于人体参数调控的睡眠模式，其能够根据用户身体需求对空调进行控制，该专利通过将智能穿戴设备与空调建立数据通讯，通过智能穿戴设备监测人的血压、心率以及体温等数据，从而计算用户当前状态对环境的需求，进而对空调发出指令，调节室内环境。

本发明基于PMV设计了一种能够更加接近用户需求的数学模型，并与人体的体温、血压以及心率建立映射关系，使得模型能够根据用户身体参数和用户指令的变化对模型进行修正更新，从而求解当前最适合用户的环境条件，从而减小因体质差异和用户身体需求变化产生的调控效果不够理想的问题。

本发明提供了一种能够根据使用用户和环境的不同建立相应模型的调控方式，解决了当前市场上通过预设模型产生的模型不适用当前用户和环境的情况，使得调控更加人性化。

人体对环境温度的需求就是一个动态变化的过程，人体为了而维持正常的生理机能，需要身体维持在一个适宜温度范围，当人体维持这个范围所耗的能量越少，人越感到舒适，当人体代谢和体温发生变化时，维持这个范围所耗能量也会发生改变。而人在睡眠状态下，会出现几个不同的阶段(如图4所示)，每个阶段人的体温、心率、血压等都会发生变化，导致睡眠前所设置的温度，不再适用睡眠状态下的人体需求，导致用户出现睡眠质量低下，醒来出现头晕、头痛等问题。本发明针对用户睡眠状态下的问题，提出睡眠模式下的空调调控逻辑，通过建立舒适度模型判断用户对环境的需求，进而对室内环境调控，整个过程不对压缩机频率、膨胀阀开度等的调控逻辑进行修改，仅针对最优环境温度、湿度和转速等指令进行求解和判断，并将最优指令进行发布，空调执行指令时按照原有调控逻辑运行。

图1是本发明的示例性实施例的空调控制方法流程图。

如图1所示，在步骤S1：建立舒适性模型，并对舒适性模型进行初始化和修正；

在步骤S2：获取用户初始设定的空调参数以及和用户身体相关的参数；

在步骤S3：将用户初始设定的空调参数和用户身体相关的参数送入舒适度模型，根据舒适性模型计算结果来确定是否更新空调参数；

在步骤S4：如果不更新空调参数，以用户初始设定的空调参数来控制空调；如果需要更新空调参数，确定更新的空调参数值，并以更新后的空调参数值来控制空调。

其中，用户初始设定的空调参数包括用户设定的室内温度、室内空气湿度和空调风速；和用户身体相关的参数包括心率、血压、体温。

根据本发明的一个或多个实施例，本发明的空调控制方法的步骤S1需要建立舒适性模型，并对舒适性模型进行初始化和修正。以下详细描述根据本发明一个或多个实施例的舒适度模型以及对模型的初始和修正。

舒适度建模：

由于PMV模型是针对人体热平衡理论上一个舒适性PMV(Predicted Mean Vote)来预测平均评价，指数是以人体热平衡的基本方程式以及心理生理学主观热感觉的等级为出发点，考虑了人体热舒适感诸多有关因素的全面评价指标。PMV指数表明群体对于(+3～-3)七个等级热感觉投票的平均指数。每个用户对冷热的感受会有一定的差异，并且由于PMV模型的计算比较困难，因此经常会忽略很多因素的影响，导致PMV的计算本身不够精确。本发明针对PMV建立更精确的舒适度模型，并且此模型具备修正功能，可根据用户的年龄、体重、性别以及冷热感受等信息，对模型进行调整。

图2是根据本发明的示例性实施例一个睡眠周期的示意图。图3是据本发明的示例性实施例的典型八小时睡眠周期图。图4是根据本发明的示例性实施例各阶段睡眠特点图

如图2-4所示，人的睡眠可分为5个阶段(如图2所示)，分别为：困倦、浅睡眠、进入深度睡眠、极深度睡眠、快速眼动期，每个阶段的体温、心率、呼吸、血压等都会有不同的变化，特别是在进入深度睡眠阶段体温开始下降，导致对环境的温度和湿度需求发生变化。为判断人体在不同阶段对环境的需求，可用普遍采用的热舒适度进行判断，其公式如下所示：

PMV＝(0.303^(-0.036*M)+0.028)*(M-W-3.05*0.001*(5733-6.99

*(M-W)-p_a)-0.42*(M-W-58.15)-1.72*10^(-5)

*(5867-p_a)-0.0014*M*(34-T_a)-3.69*10^(-8)*f_cl

*((T_cl+273)⁴-(T_mrt+273)⁴)-f_cl*h_c*(T_cl-T_a)

公式(1)

其中M为新陈代谢率，单位：W/m²；W为人输出的外功，单位：W/m²；p_a为水蒸气分压力，单位：Pa；T_a为空气温度，单位：℃；f_cl为衣着表面与裸体表面之比；T_cl为衣服外表面温度，单位：℃；T_mrt为平均辐射温度，单位：℃；h_c为衣服与空气之间的表面换热系数，单位：W/(m².℃)。

T_cl＝35.7-0.0287*(M-W)-I_cl*(3.96*10^(-8)*f_cl*((T_cl+273)⁴

-(T_mrt+273)⁴)+f_cl*h_c*(T_cl-T_a))

公式(3)

h_c＝max[(2.38*(T_cl-T_a))^0.25,(12.1*(v_a ^0.5))]

公式(4)

其中，I_cl为衣服的热阻，单位：m².K/W；P_hi为空气湿度；v_a为空气流速，单位：m/s。其中p_a仅与空气湿度P_hi和空气温度T_a有关，而这两个参数空调可直接测得，即水蒸气分压力p_a可直接通过计算得到。

根据本发明的一个或多个实施例，人在睡眠状态下，其状态可视为人不对外做功，即可看做W＝0W/m²，静息状态下的新陈代谢率可由Harris-Benedict公式进行计算：

W_ei体重，单位：kg；H为身高，单位：cm；A为年龄，单位：岁；S为人体表面积，单位：m²，中国人普遍通用的公式为：S＝0.0061*H+0.0124*W_ei-0.0099。

由于人在睡眠状态下，可将其穿的衣服、盖的被子视为固定的，即I_cl可认为是一个未知的常数，则衣着表面与裸体表面之比f_cl为常数。

当室内湿度、温度以及空气流速温度后，平均辐射温度不变，由于I_cl和f_cl为常数，并且根据前面的公式可知同一个人在静息状态下的代谢率也为定值，因此可认为T_cl与室内湿度、温度及空气流速相关的值。则可知h_c也是一个与空气湿度、温度以及空气流速相关的值，而T_cl的值可以由空调红外进行测量得到，因此在不同温度、湿度以及流速下的T_cl都是一个已知值，由于可计算h_c，因此在温度、湿度以及空气流速确定的条件下，h_c和T_cl为已知数，即：

T_cl＝T_c

公式(7)

h_c＝max[(2.38*(T_c-T_a))^0.25,(12.1*(v_a ^0.5))]

公式(8)

其中T_c为空调红外测量得到的被子温度，单位为：℃。

根据相关研究可知，人体在不同睡眠阶段，其心率N、血压Y以及体温T_r会发生变化，导致其新陈代谢率M发生改变，因此M会在不同的睡眠阶段而产生变化。

由上推导可知此时唯一不确定的便是代谢率随心率、血压的变化规律，为挖掘他们之间的映射关系，可通过神经网络挖掘得到，此模型需要在出厂前提前进行训练，表达式如下所示：

M＝δ(N,Y,T_r)+M₀

公式(9)

其中，δ表示(N,Y,T_r)的一个函数，这里采用广义回归神经网络进行建模，设K＝{N,Y,T_r}，训练样本集为[K_i,M_i],i∈[1,n],n为训练样本总数，K_i表示获得的样本特征，其中包含心率N、血压Y以及体温T_r的不同数据的组合,可表示为[N_i，Y_i，Tr_i]；M_i表示样本标签，即在K_i数据下测得的代谢率M_i。神经网络中已经包含了心率N，其数据包含在向量K中。则其模型可具体表示为：

其中σ为光滑因子，决定了模型的拟合性能，这里取0.5，训练过程中可根据模型拟合性能进行调整。

其中M₀为静息状态下的代谢率，由公式(6)式计算。

由于湿度P_hi、空气流速v_a以及室内温度T_a可由空调测量得到，心率N、血压Y和体温T_r可由智能穿戴设备测量得到，因此只剩和人体覆盖物相关的参数，即：衣服的热阻I_cl，其还未求解，热阻的计算公式如下所示：

其中T_r为人体体温，T_c为红外测量到的被子的温度，g为通过被子的导热量。由此可知，只需求解出g，便可求解I_cl。

由此可知PMV与空气湿度、温度、空气流速以及人的心率N、血压Y和体温T_r有关，由于不同的人体质不同，对冷热的舒适度感受也不同，为让PMV参数能够根据不同的用户对模型进行修正，若设X＝{P_hi,v_a,T_a,N,Y,T_r,I_cl,W_ei,H,A}，则可将判定舒适性的模型表示为：

F(X)＝β·PMV+ξ

公式(12)

F(X)是为对PMV进行修正，使其更加贴近用户的体质其中β可对模型进行宏观修正，即可调整舒适度模型的变化趋势，在这里称为修正系数(或修正因子)β；ξ可对模型进行细微调控，即可修正一些模型偏差，这里称为误差因子ξ。其中，PMV的参数在前面已经可以根据监测到的数据求得，因此只有β和ξ为待求解的参数。

对舒适度模型的初始化和修正：

为了对舒适度模型进行求解或者修正，使其更加贴近用户的真实感受，这里假设用户设定的温度、湿度以及风速都让用户当前感到舒适的环境参数。

模型初始化

由上述舒适度模型可知，其中存在三个未知数分别为：修正系数β、误差因子ξ以及通过被子的导热量g。用户设定的初始参数[T_g,S_g,v_g]，T_g表示用户设定的温度，S_g表示用户设定的湿度，v_g表示用户设定的风速，可认为该参数是让用户感受到舒适的参数值模型无需修正，因此，此时可认为修正系数β＝1、误差因子ξ＝0，即未知数只有被子的导热量g。

将用户输入的初始湿度、温度以及风速带入公示，系统认定用户设定的初始温度为用户感到舒适的温度，即令F(X)＝0，且β＝1，ξ＝0，由此可求解g，进而可得到I_cl，由于用户睡觉时其被子、服装等可认定不变的，因此I_cl可作为一个定值进行保存。后续用户体感发生变化时，可通过：修正系数β、误差因子ξ对模型进行修正，

模型修正

若过一段时间用户又发布新的指令，则认为用户体感发生变化，即可认为用户的体感变化趋势与舒适度模型产生了差异，此时需要对舒适度模型进行修正。此时更新人体的相关参数[T_r,N,Y]、环境的相关参数[T_a,P_hi,v_a]以及指令[T_g,S_g,v_g]，若此时T_g≥T_a，则可认为当前环境温度让用户感觉到冷，则将当前环境参数[T_a,P_hi,v_a]带入模型，并令F(X)＝-1，将指令[T_g,S_g,v_g]带入模型中，并令F(X)＝0，此时两个方程两个未知数，因此可求解出修正系数β、误差因子ξ的具体数值；若T_g<T_a，则认为当前温度让用户感觉到热，因此将环境参数[T_a,P_hi,v_a]带入模型，并令F(X)＝1，将指令带入模型，并令F(X)＝0，即可求解出修正系数β、误差因子ξ的具体数值。此时模型便被修正完成。

根据本发明的一个或多个实施例，当T_g表示用户发布的新的指令温度，T_a为发布新指令之前的空调温度，若T_g>T_a，则表示用户在对当前环境进行升温，因此认为用户感觉了冷；即用户对T_a这个温度感觉冷，认为T_g这个温度才是舒适的。

根据本发明的一个或多个实施例，如果T_g>T_a，则表示用户在对环境进行升温，因此可认为用户在T_a温度下感觉冷，在T_g温度下感觉到舒适，因此可将[T_a,P_hi,v_a]代入入函数，由于在Ta温度下用户是感觉到冷的，因此可令F(X)＝-1。由于默认用户自己设定的温度是让用户感觉到舒适的温度，即在[T_g,S_g,v_g]下，用户是感觉到舒适的，因此可令F(X)＝0。此时便得到两个不同的方程。

根据本发明的一个或多个实施例，若T_g<T_a，其表示用户在对环境进行降温，因此认为用户对[T_g,S_g,v_g]感觉到热，原理与上面的一致，即将[T_a,P_hi,v_a]代入F(X)的函数，并令该函数结果为1，将[T_g,S_g,v_g]代入F(X)的函数，并令其结果为0,此时也建立了两个不同的方程。

根据本发明的一个或多个实施例，根据F(X)的函数，参见公式(11)，未知的数有修正系数β、误差因子ξ，而根据用户对空调参数的调整，可得到用户对冷热的需求，建立了以上两个方程，因此可对F(X)进行求解。

如图5所示，S21：启动对舒适度模型F(X)的初始和修正，求解的模型参数包括:修正系数β、误差因子ξ和导热量g；

S22：接收指令：温度T_g、湿度S_g、风速V_g，并获取：性别、年龄、体重、身高、心率、血压、体温等信息。

S23：确定是否空调的初始指令？

S24：如果当前指令是空调的初始指令，那么对舒适度模型进行初始化；

S25：令T_a＝T_g；P_hi＝S_g；V_a＝V_g修正系数β＝1、误差因子ξ＝0；

S26：求解得到导热量g，可计算出衣服和被子的热阻I_cl；

S27：将热阻I_cl作为定值进行保存；

S28：完成舒适度模型的初始化；

S29：如果当前指令不是空调的初始指令，那么对舒适度模型进行修正；

S30:获取当前环境相关参数环境温度T_a、环境湿度P_hi以及风速v_a；

S31：提取将热阻I_cl；

S32：确定T_a>T_g是否成立；

S33:如果T_a>T_g成立，此时用户感觉到了热，因此将环境温度T_a、环境湿度P_hi以及风速v_a带入模型，并令：F(X)＝1；

S34：如果T_a>T_g不成立，此时用户感觉到了冷，因此将环境温度T_a、环境湿度P_hi以及风速v_a带入模型，并令：F(X)＝-1；

S35：令T_a＝T_g；P_hi＝S_g；V_a＝V_g；并将环境温度T_a、环境湿度P_hi以及风速v_a带入舒适度模型，同时令：F(X)＝0；

S36：此时建立了两个方程，两个未知数，便可求解修正系数β，误差因子ξ；

S37：完成舒适度模型的修正。

睡眠模式的逻辑控制

睡眠模式的控制逻辑主要对温度、湿度以及转速的最优进行求解和发布，空调根据发布的指令，对压缩机频率、膨胀阀开度以及转速等进行调节，其调节逻辑按照原有逻辑执行，这里并不对其进行修改。具体的逻辑流程如下：

1.清醒状态

此时用户处于清醒状态，可对空调进行调节，并且空调系统认为用户输入的指令是让用户感到舒适的。

(1)模式选择：用户开机后可根据需求选择是否进入睡眠模式，若不进入睡眠模式，则空调按照常规模式运行，即用户输入指令空调按照指令执行相应的操作；

若用户选择进入睡眠模式，则记录当前时间，并由用户设定当前适宜温度、湿度以及风速等参数，并且空调系统认为此指令是让用户感到舒适的，然后通过智能穿戴设备获取性别、年龄、体重、身高、心率、血压、体温等信息，并关闭显示灯；

根据本发明的一个或多个实施例，用户在睡眠前设定空调参数，用户是能够感受到是否舒适的，因此默认此参数是让用户感觉到舒适的是合理的，通过用户设定的初始参数对舒适度模型进行适应性的调整，进而实现在用户睡着后空调能够根据此模型对空调进行调控。设定的初始参数并不是睡眠后的空调参数，仅仅是为了对舒适度模型进行调整，睡眠后的空调参数会根据用户睡眠状态和环境状态自主进行调控

(2)模型初始化：将采集到的数据输入舒适度模型中F(X)，进而对模型进行初始化，由于此时所设定的温度、湿度以及转速系统认为是用户当前感到舒适的环境条件，因此令F(X)＝0，从而求解I_cl，此时β＝1，ξ＝0，并发布用户输入的指令，空调按照指令对压缩机频率以及膨胀阀开度等进行调控，调控逻辑按照现有的调控逻辑运行(由于压缩机频率、膨胀阀开度、风叶转速以及湿度等的调控逻辑沿用现有技术，因此这里不再赘述)，其具体的初始化过程可见上述的描述；

(3)模型修正与睡眠模式退出：若在运行过程中用户重新发布新的指令，若发布退出睡眠模式的命令，则直接退出；若用户更改了温度、湿度以及转速等命令，更新空调参数，则对模型进行修正，此时通过对修正系数β和误差因子ξ进行调整进而修正模型，其计算方式可见上述的模型修正部分，这里不再赘述，并按照当前用户发布的指令调节室内环境；

2.睡眠状态

此时用户已经进入了睡眠，需要保证用户睡眠过程中的质量，空调必须能够根据用户需求变化自行进行调节。

(4)人体参数监测：若用户未发布新的指令，则根据时间间隔△t采集一次人体信息，并将信息带入模型，从而对模型进行更新；

(5)指令优化：得到更新后的模型后，判断模型F(X)是否等于0，若等于0，则代表人体需求并没有发生变化，因此继续上一次的指令维持室内环境；若不等于0则判断F(X)是否大于0，若大于0，则表示现在用户感觉热，若小于0则代表用户感觉冷，此时令F(X)＝0，并令[T_a,P_hi,v_a]为未知数，然后通过粒子群算法对模型进行优化，求解当前最优的参数，求解时需要约束参数范围：

T_min≤T_a≤T_max、P_min≤P_hi≤P_max，v_min≤v_a≤v_max，0≤|ΔT|≤3

其中T_min、T_max、P_min、P_max和v_min、v_max分别为让人体感受到舒适的温度范围、湿度范围和风速范围，防止优化求解时在此范围外得到最优值，造成用户不好的体验；其中ΔT为优化求解的温度与当前环境温度(上一次空调指令的温度)的差值，即ΔT＝T_a-T_g，从而避免温度产生较大的变化，因为睡眠过程中人体体温变化大致在3度左右，因此睡眠过程中仅仅允许环境温度的波动在[-3,3]之间，避免产生过度调节。求解到最优参数后对参数进行求整处理，使其变为可执行的空调指令，并更新指令：T_g＝T_a，S_g＝P_hi，v_g＝v_a。然后发布指令，使空调按照新的指令对压缩机频率等机型调控，进而对室内环境进行调控。此步骤间隔△t时间执行一次，从而保证用户在不同的睡眠阶段能够有舒适的睡眠环境。

如图6所示，根据本发发明的一个或多个实施例，对睡眠模式的逻辑控制为：

S41：空调进入睡眠模式；

S42：开启睡眠模式当前时间，设置变量t＝time，并关闭显示灯；

S43：用户预设初值：温度T_g、湿度S_g、风速V_g；

S44：获取：性别、年龄、体重、身高、心率、血压、体温等信息；

S45：设置令T_a＝T_g；P_hi＝S_g；V_a＝V_g；

S46：对舒适度模型F(X)初始化和模型修正，并求解模型参数；

S47：确定当前设置状态下F(X)＝0是否成立；

S48:确定F(X)大于0是否成立；

S49：如果F(X)大于零成立，那么令F(x)＝0，ΔT＝T_a-T_g，其中条件：0>ΔT>-3；Phi_min≤Phi≤Phi_max；Va_min≤Va≤Va_max，跳转到步骤S51；

S50：如果F(X)大于零成立；那么令：F(x)＝0，ΔT＝T_a-T_g，其中条件：0<ΔT<3；Phi_min≤Phi≤Phi_max；Va_min≤Va≤Va_max，跳转到步骤S51；

S51:联立方程，优化求解空调参数：温度T_a、湿度P_hi、风速V_a；

S52:令T_g＝T_a；S_g＝P_hi；V_g＝V_a；

S53:发布空调调节指令：温度T_a、湿度P_hi、风速V_a；

S54：按照机型原有的机制调节温度、湿度；

S55：确定用户是否发布新的指令；

S56：如果用户发布新的指令，那么确定是否退出睡眠模式；

S57：如果用户确定退出睡眠模式，那么退出睡眠模式，空调按照其他的规则执行指令；

S58：如果用户未发布新的指令，那么令t1＝time，Δt<t1-t；

S59：如果时间调整到达time，那么令t＝t1；

S60:更新心率N、血压Y、体温Tr等信息,并返回步骤S47；

S61：如果用户没有退出睡眠模式，那么确定是否更新温度T_g、湿度S_g、风速V_g；

S62：如果用户确定更新，那么更新：心率N、血压Y、体温Tr等信息；更新T_g、湿度S_g、风速V_g，其他指令不执行，并返回步骤S46；

S63：如果用户不更新初始参数T_g、湿度S_g、风速V_g，那么空调按照原指令进行，返回步骤S58。

根据本发明的一个或多个实施例，粒子群算法是一种基于种群行为的一种优化算法，每一个粒子便代表了一个潜在可行的解决方案，每个粒子都有两种属性，位置x_i和速度v_i，把每个粒子的最优位置标记为Pbest(i)，种群最优位置标记为gbest(i)，每个粒子和速度之间的关系为：

v_i+1＝wv_ic₁rand(j)(P_best(i)-x_i)+c₁rand(j)(g_best(i))

x_i＝x_i+v_i

公式(13)

其中c₁和c₂为常量，代表粒子的影响因子，ran()为随机值，j的定义域为[0,1],w代表惯性权重，反映粒子的惯性与速度之间的关系，在优化前期为了增大全局搜索能力，需要分配较大的权重，但后期需要提高局部搜索的精度，所以采用较小的权重，为反映w的这种变化，其表达式为：

其中w_end＝0.4，w_start＝0.9，当前迭代次数记为t，T_max为迭代过程中允许的最大迭代次数。

根据本发明的一个或多个实施例，其中适合本发明方案的粒子群算法为：

粒子群中的粒子代表[T_a,P_hi,v_a]，目标函数可通过(12)式中的函数F(X)进行改造得到，由于需要求最接近0的粒子位置，因此可将目标函,数表示为：G(X)＝|F(X)|＝|β*PMV+ξ|。然后便可按照以下流程进行优化：

(1)初始化粒子；(2)评价粒子适应度并储存当前P_best和g_best；(3)根据公式(13)和(14)更新粒子速度和位移；(4)然后更新P_best和g_best；(5)判断粒子是否在约束范围内，若再；(6)判断是否达到终止条件，若达到终止条件则结束搜索；若没有达到终止条件，则回到第(3)步；(7)搜索结束后的种群最优g_best即为优化的结果。

根据本发明的一个或多个实施例，本发明将舒适性模型中的空调参数设为未知数，通过粒子群算法对舒适性模型进行优化以获得空调参数的最优解，根据最优解控制空调对室内环境进行调控。本发明中粒子群算法可采用现有技术中常规的例子群算法，需要注意的是粒子的位置限制在约束范围内，避免在不合理的范围内进行优化，使得优化结构超出预期结果。

如图7所示，步骤S71：空调开机；

S72：确定是否选择睡眠模式；

S73：如果没有选择睡眠模式，则按照原有空调模式和逻辑运行；

S74:如果选择了睡眠模式，则空调进入睡眠模式阶段；

S75：用户设定初始值，默认设定的该初始值是让用户感到舒适的；

S76：与智能穿戴设备建立数据通讯采集心率、血压、体温等信息：每Δt更新一次数据，当用户发布新的指令时可立即唤醒获取数据；

S77：通过F(X)判断用户的舒适度，F(X)＝0表示舒适，F(X)>0表示较热，F(X)<0表示较冷；

S78：当F(X)≠0时，则设当前温度、湿度以及风速为未知数，令F(X)＝0,并用粒子群算法进行优化求解，得到最优的温度、湿度以及风速；当F(X)＝0时,则认为当前温度、湿度以及风速便为最优值，无需进行优化；

S79:得到最优风速、温度和湿度的指令后，将其发布，并按照机型原有逻辑对压缩机频率、电子膨胀阀开度以及风叶转速等进行调整；

S80:空调退出睡眠模式。

根据本发明的一个或多个实施例，本发明还提供了一种空调控制装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述的空调控制方法。

根据本发明的一个或多个实施例，本发明还提供了一种空调，其使用上述的空调控制方法，或包括上述的空调控制装置。

根据本发明的一个或多个实施例，本发明的中的控制逻辑可以使用存储在非暂时性计算机和/或机器可读介质(例如硬盘驱动器、闪存、只读存储器、光盘、数字多功能磁盘、高速缓存、随机存取存储器和/或任何其他存储设备或存储磁盘)上的编码的指令(例如，计算机和/或机器可读指令)来实现如本发明以上系统中的流程的处理，在非暂时性计算机和/或机器可读介质中存储任何时间期间(例如，延长的时间段、永久的、短暂的实例、临时缓存和/或信息高速缓存)的信息。如本文所使用的，术语“非暂时性计算机可读介质”被明确定义为包括任何类型的计算机可读存储设备和/或存储盘，并且排除传播信号并排除传输介质。

根据本发明的一个或多个实施例，本发明的系统中的逻辑可以使用控制电路、(控制逻辑、主控系统或控制模块)来实现，其可以包含一个或多个处理器，也可以在内部包含有非暂时性计算机可读介质。具体地，主控系统或控制模块可以包括微控制器MCU。用于实现本发明系统中逻辑的处理的处理器可以诸如但不限于一个或多个单核或多核处理器。(一个或多个)处理器可包括通用处理器和专用处理器(例如，图形处理器、应用处理器等)的任何组合。处理器可与其耦接和/或可包括计存储器/存储装置，并且可被配置为执行存储在存储器/存储装置中的指令，以实现在本发明中控制器上运行的各种应用和/或操作系统。

作为本发明示例的上文涉及的附图和本发明的详细描述，用于解释本发明，但不限制权利要求中描述的本发明的含义或范围。因此，本领域技术人员可以很容易地从上面的描述中实现修改。此外，本领域技术人员可以删除一些本文描述的组成元件而不使性能劣化，或者可以添加其它的组成元件以提高性能。此外，本领域技术人员可以根据工艺或设备的环境来改变本文描述的方法的步骤的顺序。因此，本发明的范围不应该由上文描述的实施例来确定，而是由权利要求及其等同形式来确定。

尽管本发明结合目前被认为是可实现的实施例已经进行了描述，但是应当理解本发明并不限于所公开的实施例，而相反的，意在覆盖包括在所附权利要求的精神和范围内的各种修改和等同配置。

Claims

1.一种空调控制方法，包括：

S1：获取用户初始设定的空调参数以及和用户身体相关的参数，并建立舒适度模型；

S2：将所述用户初始设定的空调参数和用户身体相关的参数输入所述舒适度模型，根据舒适性模型计算结果来确定是否更新空调参数；

S3：如果不更新空调参数，以用户初始设定的空调参数来控制空调；如果需要更新空调参数，确定更新的空调参数值，并以更新后的空调参数值来控制空调。

2.根据权利要求1所述的方法，其中，所述空调舒适度模型表达为和舒适度PMV相关的线性函数，其中，舒适度模型＝修正因子×舒适度PMV+误差因子，其中所述舒适度模型中的舒适度和室内空气湿度、室内温度、空气流速、衣服热阻、人体的心率、血压、体温、身高、体重和年龄相关。

3.根据权利要求2所述的方法，其中，所述步骤S1还包括对所述舒适性模型进行初始化，所述初始化包括：将用户初始设定的空调参数代入舒适度模型中,并使得舒适性模型为0、修正因子为1，误差因子为0，由此获得舒适度模型中的初始参数。

4.根据权利要求3所述的方法，其中，所述步骤S1还包括对所述舒适性模型进行修正，其中对舒适性模型进行修正包括：当用户设定新的空调参数时，将所述新的空调参数、和空调当前环境相关的空调参数、以及用户身体相关的参数输入舒适性模型，计算修正后的修正因子和误差因子。

5.根据权利要求4所述的方法，其中，将所述新的空调参数以及用户身体相关的参数输入所述舒适性模型，并令所述舒适性模型为0以获得第一方程；将空调当前环境相关的空调参数以及用户身体相关的参数输入所述舒适性模型输入舒适性模型，并令所述舒适性模型为1或-1以获得第二方程，通过第一方程和第二方程计算修正后的修正因子和误差因子。

6.根据权利要求5所述的方法，其中，

当所述新的空调参数的环境温度大于等于空调当前环境相关的空调参数的环境温度时，所述舒适性模型为-1；

当所述新的空调参数中的室内温度小于空调当前环境相关的空调参数中的室内温度时，所述舒适性模型为1。

7.根据权利要求1所述的方法，其中在所述步骤S3中，当所述计算结果为0时，不更新空调参数，当所述计算结果不为0时，更新空调参数。

8.根据权利要求1所述的方法，其中，在所述步骤S3中，当所述计算结果不为0时，令所述舒适性模型等于0，并将舒适性模型中的空调参数设为未知数，通过粒子群算法对舒适性模型进行优化以获得空调参数的最优解，根据最优解控制空调对室内环境进行调控。

9.根据权利要求1所述的方法，其中，在S1步骤前，判断所述控制是否选择睡眠模式或处于睡眠模式，若是，进入S1步骤，若不是，按照空调原有模式和逻辑运行。

10.根据权利要求1所述的方法，其中，所述空调参数包括温度和湿度，所述获取用户身体相关的参数包括获取用户的体温、心率、呼吸频率；所述获取的方式通过可穿戴设备获取。

11.一种空调控制装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现根据权利要求1至10任一项所述的空调控制方法。

12.一种空调，其使用根据权利要求1-10任一项所述的空调控制方法，或包括根据权利要求11所述的空调控制装置。