CN1167914C - 个性化空调器 - Google Patents
个性化空调器 Download PDFInfo
- Publication number
- CN1167914C CN1167914C CNB021510601A CN02151060A CN1167914C CN 1167914 C CN1167914 C CN 1167914C CN B021510601 A CNB021510601 A CN B021510601A CN 02151060 A CN02151060 A CN 02151060A CN 1167914 C CN1167914 C CN 1167914C
- Authority
- CN
- China
- Prior art keywords
- signal
- change
- over circuit
- comparator
- control
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明的个性化空调器主要包括控制系统、压缩机、冷凝器、电子膨胀阀、蒸发器和风机,其中控制系统是以神经网络控制理论为基础,通过神经网络判断模块对室内人员的舒适区域进行学习,再以室内人员的舒适区域为控制依据,用神经网络控制模块来调节影响室内环境的四个环境参数,使其适合室内人员的舒适感觉。本发明解决了个体对热舒适差异的问题,是一种具有“个性化”的空调器;并且由于神经网络在处理随机、时变、时滞、和非线性特征强的控制对象时,具有很强的优势,因此本发明也具有比传统控制方法调节能力强的特点。
Description
技术领域
本发明涉及的是一种个性化空调器,特别是一种以神经网络控制理论为基础,能够根据室内人员的热舒适感觉来控制室内热舒适的空调器。属于建筑环境与设备工程以及空调与制冷工程技术领域。
背景技术
使人感到舒适的条件范围称为舒适区。人体热舒适是人们对周围热环境感到满意的一种主观感觉,它是多种因素综合作用的结果,是一个精神的、主观的心理反映。在一个室内舒适程度很高的环境里,工作和学习都能够大大提高效率。影响室内人体舒适的主要环境参数是空气温度、空气湿度、空气流动速度和平均辐射温度,这些环境参数可以通过空气调节系统的改变来达到人体的热舒适。
目前常用的空气调节方法有以下一些问题:
一、常规的空调器只是通过控制和改变室内的空气温度,来控制室内热环境以及环境舒适性,忽略了湿度、室内风速、平均辐射温度等其他三种环境因素的影响。然而,冬暖夏凉只是对室内环境舒适程度的简单反映,健康、舒适的室内环境是上述四种环境参数综合作用的结果。要使室内环境真正实现热舒适,就必须综合考虑各种能够影响室内环境的主要因素。
二、空调系统的控制对象的随机、时变、时滞、和非线性特征比较明显,这就导致传统的室内环境控制方式,如PID控制,对控制参数不易实现在线调节,自动调节能力较差。
三、对空调热环境进行控制时,传统的方法是对人体热感觉各个级别间原本很模糊的边界给于精确的界定,这样就会出现用精确数学处理热舒适反而不精确的现象。后来出现了根据模糊数学建立的模糊控制方法,这是一种比以前更加科学的方法,但它是根据群体的热感觉建立的,主要适用于群体的情况。由于每个人生理上的差异及主观感觉的多样性,使得每个个体的舒适区都不尽相同,因此它还不能完全适用于每一个个体时的情况。
在已有的技术中,申请号为(97195440),名称为(热舒适性控制器)的发明专利,从其工作的内容和性质来看,该控制器只是一种简单的控制设备,对于环境的热舒适而言,只考虑了干球温度和湿球温度的影响,并不能全面地反映室内的热舒适程度。另外还有申请号为(02136099.5),名称为(热舒适模糊控制型空调器)的发明专利,其虽然考虑了温度、风速、平均辐射温度、湿球温度的影响,能反映室内热舒适程度,但是正如前述,它主要适用于群体的情况,不能有效适用于个体的情况。
发明内容
为了克服已有技术的不足和缺陷,本发明以神经网络控制理论为基础,通过神经网络判断模块对室内人员的舒适区域进行学习,再以室内人员的舒适区域为控制依据,用神经网络控制模块来调节影响室内居住环境的四个环境参数,以达到创造良好舒适的室内环境的目的。
本发明的个性化空调器是由控制系统、压缩机、冷凝器、电子膨胀阀、蒸发器和风机一共六个设备组成,其中控制系统由温度传感器、风速传感器、平均辐射温度传感器、湿度传感器、温度信号放大电路、风速信号放大电路、平均辐射温度信号放大电路、湿度信号放大电路、温度信号A/D转换电路、风速信号A/D转换电路、平均辐射温度信号A/D转换电路、湿度信号A/D转换电路、神经网络判断模块、红外接收器、网络信号比较器、用户信号比较器、舒适选择器、寄存器、温度信号比较器、风速信号比较器、平均辐射温度信号比较器、湿度信号比较器、神经网络控制模块、控制电子膨胀阀信号的D/A转换电路、控制压缩机信号的D/A转换电路、控制风机信号的D/A转换电路、中间继电器、压缩机变频器和风机变频器一共二十九个基本元器件组成。
传感器采集到的环境参数信号通过信号放大电路和A/D转换电路输入到神经网络判断模块中,由该模块判断当前的环境是否适合室内人员的舒适区域,这个判断结果输入到神经网络控制模块,神经网络控制模块再综合考虑当前的环境参数,根据最优控制原则和经济性原则,通过改变制冷剂流量、调节风机转速等方法自动调节空调设备运行状态,使室内环境满足室内人员的舒适区域。
四个环境参数(空气温度、湿度、流速、平均辐射温度)通过传感器测得输入到神经网络判断模块中,模块的输出值表示模块判断得出的舒适程度。该输出值在0~1之间,训练该神经网络的过程中,我们赋予这个输出值以实际的意义,“0.5±ε”表示舒适,“0+ε”表示偏冷,“1-ε”表示偏暖,其中ε为模块设定误差。由该模块输出值与个性化空调器预先设定值0.5比较,得到偏差1。
信号1是室内人员,即房间“主人”的输入。在个性化空调器的用户遥控器上,另外多设有“舒适”、“偏热”和“偏冷”三个键,用户只需要选择使用该空调器时对房间环境的感觉是“舒适”、“偏热”、还是“偏冷”即可,而不必考虑具体怎样调节各个参数,整个控制系统对用户是黑箱的。信号1相应地只有三个值:0、0.5和1。信号1的值与给定值0.5之间的差值为偏差2。
室内人员输入信号1的时候,信号1的值与神经网络判断模块输出值之间的差值为偏差3,偏差3返回到判断模块中的神经网络做权值修正,进行自学习,以使其能够更好地判断“主人”的舒适区域。
偏差1与偏差2输入到舒适选择器里,该器件实现一种类试触发器的功能:在室内人员没有给出信号1的时候,即在没有偏差2的时候,它的输出等于偏差1,这种情况应该占大多数时间,因为大多数时间舒适状况应该由神经网络判断模块来判断。然而在神经网络没有完全学习到“主人”的热舒适区域或者“主人”的舒适区域有波动的时候,神经网络判断模块的输出与“主人”的实际感觉可能有误差,这时候系统的自动调节结果并不能代表“主人”的主观意愿,那么他只需要通过遥控板输入信号1,信号1的值与给定值0.5得到偏差2,这时候器件的输出等于偏差2,偏差1不起作用。
传感器传来的四个关于环境参数的信号输入到一个寄存器中,该寄存器的目的是寄存最近一次满足室内人员舒适感觉的环境信号,因此寄存指令由舒适选择器的输出值给出,当这个输出值表示“舒适”时,寄存器就存下该时刻的四个环境信号,并输出到输出端。
传感器传来的四个关于环境参数的信号同时与寄存器的输出相减,得到四个偏差信号(偏差4-7),这四个偏差值分别表示当前四个环境参数与最近一次令室内人员舒适的四个环境参数之间的差,他们输入到神经网络控制模块中。
神经网络控制模块的输入信号有五个,其中四个为偏差4-7,一个为舒适选择器的输出。该模块的输出信号用来控制调节对象,一般在房间空调器中,可用的调节手段有控制电子膨胀阀、调节制冷压缩机的频率和调节风机的转速,执行器即为三个。这样设定的输入输出参数能够令该控制模块能够综合考虑影响舒适状态的各种因素,通过可用的执行手段,达到控制空调系统的目的。其中四个与环境相关的参数不是直接用四个环境参数测量值作为输入的,而是输入四个环境参数的值与最近一次舒适状态的环境参数值之差,这样的输入值考虑了个体的差异因素,又能使控制简化。因为如果直接用四个环境参数测量值作为输入的话,对于每套空调器,都需要以其用户的舒适状况为依据来设计控制原则;而用差值的话,只需要根据偏差的大小来设定控制原则,这是可以统一制定的。
神经网络控制模块所实现的功能与神经网络判断模块基本相似,要求经过对权值的修整后,网络能够自动根据输入的五个信号做出适当的判断,然后以最经济有效的方法指挥执行器的动作。只是这里控制模块中的神经网络不必具有在线学习的功能,生产厂商预先用一个能够模拟控制器最优工作的仿真器作为指导者来设计控制模块,神经网络模块投入使用后就不用再作权值修正了。
本发明综合考虑了影响室内人员舒适程度的各种环境因素,通过神经网络判断模块对室内人员的舒适区域进行在线学习,调节出的环境参数最适合室内人员,这就解决了个体对热舒适差异的问题,是一种具有“个性化”的空调器。并且由于神经网络在处理随机、时变、时滞、和非线性特征强的控制对象时,具有很强的优势,因此本发明也具有比传统控制方法调节能力强的特点。
附图说明
图1基于神经网络的个性化空调器结构框图
图2基于神经网络的个性化空调器控制系统结构原理图
图中,1为控制系统、2为压缩机、为3冷凝器、4为电子膨胀阀、5为蒸发器、6为风机、7为温度传感器、8为风速传感器、9为平均辐射温度传感器、10为湿度传感器、11为温度信号放大电路、12为风速信号放大电路、13为平均辐射温度信号放大电路、14为湿度信号放大电路、15为温度信号A/D转换电路、16为风速信号A/D转换电路、17为平均辐射温度信号A/D转换电路、18为湿度信号A/D转换电路、19为神经网络判断模块、20为红外接收器、21为网络信号比较器、22为用户信号比较器、23为舒适选择器、为24寄存器、25为温度信号比较器、26为风速信号比较器、27为平均辐射温度信号比较器、28为湿度信号比较器、29为神经网络控制模块、30为控制电子膨胀阀信号的D/A转换电路、31为控制压缩机信号的D/A转换电路、32为的D/A转换电路、33为中间继电器、34为压缩机变频器、35为风机变频器。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步描述。
如图1、图2所示,本发明主要包括控制系统1、压缩机2、冷凝器3、电子膨胀阀4、蒸发器5和风机6。其中,压缩机2、冷凝器3、电子膨胀阀4、蒸发器5、风机6组成常规的空调系统,其运行状态由控制系统1调节。控制系统结构图如图2所示,主要包括温度传感器7、风速传感器8、平均辐射温度传感器9、湿度传感器10、温度信号放大电路11、风速信号放大电路12、平均辐射温度信号放大电路13、湿度信号放大电路14、温度信号A/D转换电路15、风速信号A/D转换电路16、平均辐射温度信号A/D转换电路17、湿度信号A/D转换电路18、神经网络判断模块19、红外接收器20、网络信号比较器21、用户信号比较器22、舒适选择器23、寄存器24、温度信号比较器25、风速信号比较器26、平均辐射温度信号比较器27、湿度信号比较器28、神经网络控制模块29、控制电子膨胀阀信号的D/A转换电路30、控制压缩机信号的D/A转换电路31、控制风机信号的D/A转换电路32、中间继电器33、压缩机变频器34、风机变频器35一共二十九个基本元器件组成。
在控制系统内部,温度传感器7、风速传感器8、平均辐射温度传感器9、湿度传感器10的输出端分别与温度信号放大电路11、风速信号放大电路12、平均辐射温度信号放大电路13、湿度信号放大电路14的输入端连接,温度信号放大电路11、风速信号放大电路12、平均辐射温度信号放大电路13、湿度信号放大电路14的输出端分别与温度信号A/D转换电路15、风速信号A/D转换电路16、平均辐射温度信号A/D转换电路17、湿度信号A/D转换电路18的输入端相连,温度信号A/D转换电路15、风速信号A/D转换电路16、平均辐射温度信号A/D转换电路17、湿度信号A/D转换电路18的输出端分别与温度信号比较器25、风速信号比较器26、平均辐射温度信号比较器27、湿度信号比较器28的输入端相连,同时温度信号A/D转换电路15、风速信号A/D转换电路16、平均辐射温度信号A/D转换电路17、湿度信号A/D转换电路18的输出端还和神经网络判断模块19以及寄存器24的输入端相连,神经网络判断模块19的输出端与网络信号比较器21的输入端连接,红外接收器20的输出端与用户信号比较器22的输入端连接,网络信号比较器21和用户信号比较器22的输出端与舒适选择器23的输入端连接,舒适选择器23的输出端与神经网络控制模块29的输入端相连,寄存器24的输出端与温度信号比较器25、风速信号比较器26、平均辐射温度信号比较器27、湿度信号比较器28的输入端相连,温度信号比较器25、风速信号比较器26、平均辐射温度信号比较器27、湿度信号比较器28的输出端与神经网络控制模块29的输入端连接,神经网络控制模块29的输出端与控制电子膨胀阀信号的D/A转换电路30、控制压缩机信号的D/A转换电路31、控制风机信号的D/A转换电路32的输入端连接,控制电子膨胀阀信号的D/A转换电路30、控制压缩机信号的D/A转换电路31、控制风机信号的D/A转换电路32的输出端与中间继电器33、压缩机变频器34、风机变频器35的输入端连接。中间继电器33、压缩机变频器34、风机变频器35的输出端分别与空调设备中的电子膨胀阀4、压缩机2、风机6的输入端连接,从而控制空调设备的运行状态。
温度传感器7、风速传感器8、平均辐射温度传感器9和湿度传感器10采集到的环境参数信号分别通过温度信号放大电路11和温度信号A/D转换电路15、风速信号放大电路12和风速信号A/D转换电路16、平均辐射温度信号放大电路13和平均辐射温度信号A/D转换电路17、湿度信号放大电路14和湿度信号A/D转换电路18输入到神经网络判断模块19中,神经网络判断模块19的输出值表示模块判断得出的舒适程度。该输出值在0~1之间,训练该神经网络的过程中,我们赋予这个输出值以实际的意义,“0.5±ε”表示舒适,“0+ε”表示偏冷,“1-ε”表示偏暖,其中ε为模块设定误差。神经网络判断模块19的输出值与个性化空调器预先设定值0.5输入到网络信号比较器21中,网络信号比较器21的输出为偏差1。
信号1是室内人员,即房间“主人”的输入。在个性化空调器的用户遥控器上,另外多设有“舒适”、“偏热”和“偏冷”三个键,用户只需要选择使用该空调器时对房间环境的感觉是“舒适”、“偏热”、还是“偏冷”即可,而不必考虑具体怎样调节各个参数,整个控制系统对用户是黑箱的。信号1相应地只有三个值:0、0.5和1。信号1的值通过红外接收器20接受输入到用户信号比较器22中,与给定值0.5比较,由用户信号比较器22输出偏差2。
神经网络判断模块19内部的网络是通过偏差3来进行权值修正的,偏差3是红外接收器20的输出与神经网络判断模块19的输出值之间的差值,网络进行自学习后,能够更好地判断“主人”的舒适区域。
偏差1与偏差2输入到舒适选择器23里,该器件实现一种类试触发器的功能:在室内人员没有给出信号1的时候,即在没有偏差2的时候,它的输出等于偏差1,这种情况应该占大多数时间,因为大多数时间舒适状况应该由神经网络判断模块19来判断。然而在神经网络判断模块19没有完全学习到“主人”的热舒适区域或者“主人”的舒适区域有波动的时候,神经网络判断模块19的输出与“主人”的实际感觉可能有误差,这时候系统的自动调节结果并不能代表“主人”的主观意愿,那么他只需要通过遥控板输入信号1,信号1的值通过红外接收器20与给定值0.5输入用户信号比较器22得到偏差2,这时候舒适选择器23的输出等于偏差2,偏差1不起作用。
温度信号A/D转换电路15、风速信号A/D转换电路16、平均辐射温度信号A/D转换电路17和湿度信号A/D转换电路18的输出表征四个关于环境参数的信号,这四个信号输入到寄存器24中,寄存器24的目的是寄存最近一次满足室内人员舒适感觉的环境信号,因此寄存指令由舒适选择器23的输出值给出,当这个输出值表示“舒适”时,寄存器24就存下该时刻的四个环境信号,并输出到输出端。
温度信号A/D转换电路15、风速信号A/D转换电路16、平均辐射温度信号A/D转换电路17和湿度信号A/D转换电路18的输出的四个关于环境参数的信号分别与寄存器24的四个输出相减,得到四个偏差信号(偏差4-7),这四个偏差值分别表示当前四个环境参数与最近一次令室内人员舒适的四个环境参数之间的差,他们输入到神经网络控制模块29中。
神经网络控制模块29的输入信号有五个,其中四个为由温度信号比较器25、风速信号比较器26、平均辐射温度信号比较器27和湿度信号比较器28传来的比较信号,一个为舒适选择器23的输出。神经网络控制模块29根据最优控制原则和经济性原则,通过输出信号控制电子膨胀阀4、压缩机2、风机6,以改变制冷剂流量、调节压缩机变频功率、调节风机转速,达到使室内环境满足室内人员的舒适区域。
Claims (1)
1、一种个性化空调器,包括控制系统(1)、压缩机(2)、冷凝器(3)、电子膨胀阀(4)、蒸发器(5)和风机(6),其特征在于还包括控制系统(1),控制系统(1)是由温度传感器(7)、风速传感器(8)、平均辐射温度传感器(9)、湿度传感器(10)、温度信号放大电路(11)、风速信号放大电路(12)、平均辐射温度信号放大电路(13)、湿度信号放大电路(14)、温度信号A/D转换电路(15)、风速信号A/D转换电路(16)、平均辐射温度信号A/D转换电路(17)、湿度信号A/D转换电路(18)、神经网络判断模块(19)、红外接收器(20)、网络信号比较器(21)、用户信号比较器(22)、舒适选择器(23)、寄存器(24)、温度信号比较器(25)、风速信号比较器(26)、平均辐射温度信号比较器(27)、湿度信号比较器(28)、神经网络控制模块(29)、控制电子膨胀阀信号的D/A转换电路(30)、控制压缩机信号的D/A转换电路(31)、控制风机信号的D/A转换电路(32)、中间继电器(33)、压缩机变频器(34)和风机变频器(35)组成,温度传感器(7)、风速传感器(8)、平均辐射温度传感器(9)、湿度传感器(10)的输出端分别与温度信号放大电路(11)、风速信号放大电路(12)、平均辐射温度信号放大电路(13)、湿度信号放大电路(14)的输入端连接,温度信号放大电路(11)、风速信号放大电路(12)、平均辐射温度信号放大电路(13)、湿度信号放大电路(14)的输出端分别与温度信号A/D转换电路(15)、风速信号A/D转换电路(16)、平均辐射温度信号A/D转换电路(17)、湿度信号A/D转换电路(18)的输入端相连,温度信号A/D转换电路(15)、风速信号A/D转换电路(16)、平均辐射温度信号A/D转换电路(17)、湿度信号A/D转换电路(18)的输出端分别与温度信号比较器(25)、风速信号比较器(26)、平均辐射温度信号比较器(27)、湿度信号比较器(28)的输入端相连,同时温度信号A/D转换电路(15)、风速信号A/D转换电路(16)、平均辐射温度信号A/D转换电路(17)、湿度信号A/D转换电路(18)的输出端还和神经网络判断模块(19)以及寄存器(24)的输入端相连,神经网络判断模块(19)的输出端与网络信号比较器(21)的输入端连接,红外接收器(20)的输出端与用户信号比较器(22)的输入端连接,网络信号比较器(21)和用户信号比较器(22)的输出端与舒适选择器(23)的输入端连接,舒适选择器(23)的输出端与神经网络控制模块(29)的输入端相连,寄存器(24)的输出端与温度信号比较器(25)、风速信号比较器(26)、平均辐射温度信号比较器(27)、湿度信号比较器(28)的输入端相连,温度信号比较器(25)、风速信号比较器(26)、平均辐射温度信号比较器(27)、湿度信号比较器(28)的输出端与神经网络控制模块(29)的输入端连接,神经网络控制模块(29)的输出端与控制电子膨胀阀信号的D/A转换电路(30)、控制压缩机信号D/A转换电路(31)、控制风机信号的D/A转换电路(32)的输入端连接,控制电子膨胀阀信号的D/A转换电路(30)、控制压缩机信号的D/A转换电路(31)、控制风机信号的D/A转换电路(32)的输出端与中间继电器(33)、压缩机变频器(34)、风机变频器(35)的输入端连接,中间继电器(33)、压缩机变频器(34)、风机变频器(35)的输出端分别与空调设备中的电子膨胀阀(4)、压缩机(2)、风机(6)的输入端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB021510601A CN1167914C (zh) | 2002-12-05 | 2002-12-05 | 个性化空调器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB021510601A CN1167914C (zh) | 2002-12-05 | 2002-12-05 | 个性化空调器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1414313A CN1414313A (zh) | 2003-04-30 |
CN1167914C true CN1167914C (zh) | 2004-09-22 |
Family
ID=4751898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB021510601A Expired - Fee Related CN1167914C (zh) | 2002-12-05 | 2002-12-05 | 个性化空调器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1167914C (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7590499B2 (en) | 2006-06-28 | 2009-09-15 | Computime, Ltd. | Recording and conveying energy consumption and power information |
US20080000246A1 (en) * | 2006-06-28 | 2008-01-03 | Computime, Ltd. | Conveying Temperature Information in a Controlled Variable Speed Heating, Ventilation, and Air Conditioning (HVAC) System |
CN102012088A (zh) * | 2010-12-23 | 2011-04-13 | 国家海洋局天津海水淡化与综合利用研究所 | 用于中央空调的低温海水冷却系统 |
US9633320B2 (en) | 2011-03-15 | 2017-04-25 | Kabushiki Kaisha Toshiba | Energy demand prediction apparatus and method |
JP5851105B2 (ja) * | 2011-03-15 | 2016-02-03 | 株式会社東芝 | エネルギー需要予測装置及びプログラム |
CN102563808B (zh) * | 2012-01-11 | 2014-02-26 | 华南理工大学 | 一种室内环境舒适度的自动控制方法 |
CN102680025A (zh) * | 2012-06-06 | 2012-09-19 | 安徽农业大学 | 一种室内热舒适度评价系统 |
CN103954001B (zh) * | 2014-03-24 | 2017-01-04 | 广东美的制冷设备有限公司 | 自然风空调及其控制方法 |
WO2017039529A1 (en) * | 2015-09-03 | 2017-03-09 | Robert Bosch (Sea) Pte. Ltd. | Methods for determining a target operation point, target operation point determination devices, and user input devices |
CN106369739A (zh) * | 2016-08-23 | 2017-02-01 | 海信(山东)空调有限公司 | 一种空调控制方法及空调控制器和空调系统 |
CN109140665A (zh) * | 2018-08-31 | 2019-01-04 | 珠海格力电器股份有限公司 | 控制空调的方法、装置和空调装置 |
CN109595765A (zh) * | 2018-12-10 | 2019-04-09 | 珠海格力电器股份有限公司 | 空调器控制方法、装置、存储介质以及空调器 |
-
2002
- 2002-12-05 CN CNB021510601A patent/CN1167914C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1414313A (zh) | 2003-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1167914C (zh) | 个性化空调器 | |
US6726113B2 (en) | Temperature control strategy utilizing neural network processing of occupancy and activity level sensing | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN104776561A (zh) | 空调器除湿控制方法及装置、空调器 | |
CN1167913C (zh) | 热舒适模糊控制空调器 | |
CN106765873A (zh) | 空调换热器自清洁方法 | |
CN111288610A (zh) | 一种变风量空调系统变静压自适应模糊控制方法 | |
CN113375284B (zh) | 一种外风机控制方法、装置及空调器 | |
Umeno et al. | Prediction of skin and clothing temperatures under thermal transient considering moisture accumulation in clothing/discussion | |
CN116839185B (zh) | 一种空调温度调控方法及系统 | |
CN104949274A (zh) | 一种变风量空调冷水机组双回路控制方法 | |
CN214701108U (zh) | 集中式空调送风系统 | |
CN115935604A (zh) | 一种换流站暖通系统节能控制方法及终端 | |
CN1707188A (zh) | 全新风精密空调系统 | |
CN1715798A (zh) | 变频精密空调的控制方法 | |
JPH0658595A (ja) | 空気調和機 | |
Wang et al. | Analytical design of decoupling control for variable-air-volume air-conditioning system | |
CN114608147B (zh) | 温度调节设备及其控制方法、控制装置和存储介质 | |
CN1690550A (zh) | 螺杆精密空调系统 | |
CN106839289A (zh) | 空调器控制方法、控制器、空调器及空调器控制系统 | |
CN113375279B (zh) | 空调器控制方法和空调器 | |
Yamazaki et al. | Air-conditioning PID control system with adjustable reset to offset thermal loads upsets | |
Park et al. | Application of the thermal comfort index as a control logic of VRF system and analysis of its performance by field measurement | |
CN115031377A (zh) | 空调器及其控制方法 | |
CN115031376A (zh) | 空调器及其控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |