TWI787889B - 基於機器學習的空氣調節機以及其控制方法 - Google Patents

基於機器學習的空氣調節機以及其控制方法 Download PDF

Info

Publication number
TWI787889B
TWI787889B TW110123835A TW110123835A TWI787889B TW I787889 B TWI787889 B TW I787889B TW 110123835 A TW110123835 A TW 110123835A TW 110123835 A TW110123835 A TW 110123835A TW I787889 B TWI787889 B TW I787889B
Authority
TW
Taiwan
Prior art keywords
data
air
purification
machine learning
air conditioner
Prior art date
Application number
TW110123835A
Other languages
English (en)
Other versions
TW202219434A (zh
Inventor
崔烘銖
崔埈榮
裵城賢
李南奎
尹基熏
金昌賢
金世勳
Original Assignee
南韓商奧爽樂股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from KR1020210008668A external-priority patent/KR102338086B1/ko
Application filed by 南韓商奧爽樂股份有限公司 filed Critical 南韓商奧爽樂股份有限公司
Publication of TW202219434A publication Critical patent/TW202219434A/zh
Application granted granted Critical
Publication of TWI787889B publication Critical patent/TWI787889B/zh

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
    • F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
    • F24F3/12—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling
    • F24F3/16—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling by purification, e.g. by filtering; by sterilisation; by ozonisation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/10—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by separation, e.g. by filtering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/14—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by absorption
    • B01D53/1487—Removing organic compounds
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/30—Controlling by gas-analysis apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/02—Plant or installations having external electricity supply
    • B03C3/04—Plant or installations having external electricity supply dry type
    • B03C3/08—Plant or installations having external electricity supply dry type characterised by presence of stationary flat electrodes arranged with their flat surfaces parallel to the gas stream
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/02—Plant or installations having external electricity supply
    • B03C3/04—Plant or installations having external electricity supply dry type
    • B03C3/12—Plant or installations having external electricity supply dry type characterised by separation of ionising and collecting stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/38—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/38—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames
    • B03C3/383—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames using radiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/40—Electrode constructions
    • B03C3/41—Ionising-electrodes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/40—Electrode constructions
    • B03C3/45—Collecting-electrodes
    • B03C3/47—Collecting-electrodes flat, e.g. plates, discs, gratings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/66—Applications of electricity supply techniques
    • B03C3/68—Control systems therefor
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/20—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by sterilisation
    • F24F8/22—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by sterilisation using UV light
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/30—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by ionisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
    • A61L2209/00—Aspects relating to disinfection, sterilisation or deodorisation of air
    • A61L2209/10—Apparatus features
    • A61L2209/11—Apparatus for controlling air treatment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
    • A61L9/00—Disinfection, sterilisation or deodorisation of air
    • A61L9/16—Disinfection, sterilisation or deodorisation of air using physical phenomena
    • A61L9/22—Ionisation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/50—Carbon oxides
    • B01D2257/504—Carbon dioxide
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/70—Organic compounds not provided for in groups B01D2257/00 - B01D2257/602
    • B01D2257/708—Volatile organic compounds V.O.C.'s
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2258/00—Sources of waste gases
    • B01D2258/06—Polluted air
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2259/00—Type of treatment
    • B01D2259/45—Gas separation or purification devices adapted for specific applications
    • B01D2259/4508—Gas separation or purification devices adapted for specific applications for cleaning air in buildings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C2201/00—Details of magnetic or electrostatic separation
    • B03C2201/24—Details of magnetic or electrostatic separation for measuring or calculating parameters, efficiency, etc.
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/30—Velocity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/64—Airborne particle content
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/66—Volatile organic compounds [VOC]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/70—Carbon dioxide
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • General Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Toxicology (AREA)
  • Automation & Control Theory (AREA)
  • Electrostatic Separation (AREA)
  • Air Filters, Heat-Exchange Apparatuses, And Housings Of Air-Conditioning Units (AREA)
  • Air Conditioning Control Device (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
  • Numerical Control (AREA)

Abstract

本發明揭露一種基於機器學習的空氣調節機及其控制方 法，控制方法包含：收集關於流動至空氣調節機中的空氣的空氣品質的第一資料；基於第一資料而控制淨化部件；收集關於穿過淨化部件的空氣的空氣品質的第二資料；以及根據基於與淨化部件的控制相關的設定值、第一資料以及第二資料而產生的機器學習模型來控制淨化部件。

Description

基於機器學習的空氣調節機以及其控制方法
本揭露是關於一種基於機器學習的空氣調節機及其控制方法。更特定言之，本揭露是關於一種空氣調節機及空氣調節機的控制方法，所述空氣調節機在空氣穿過淨化空氣的淨化部件之前及之後量測空氣品質且使用與淨化部件的控制相關的設定值執行機器學習，由此基於安裝有空氣調節機的空間而達成最佳空氣淨化效率。
大體而言，大型辦公建築中的空氣調節機藉由使用循環空氣的高效率粒子空氣(high efficiency particulate air；HEPA)過濾器過濾及浮動於空氣中的污染物來淨化空氣。然而，當使用HEPA過濾器的典型空氣調節機使用較長時間時，過濾器之間的孔隙由細粉塵阻塞，從而導致差壓及振動，因此亦減小過濾細粉塵的能力。
為解決此問題，可考慮靜電集塵器以用於移除污染物而無差壓。靜電集塵器為安裝於空氣調節機(諸如空氣淨化器、空調機或加熱器)中以藉由使外來物質(諸如空氣中的粉塵)帶電來收集粉塵的裝置。靜電集塵器可包含充電部件，所述充電部件包含產 生電場的放電裝置，及收集藉由充電部件充電的污染物粒子的粉塵收集部件。在空氣穿過充電部件之後，空氣中的污染物可在穿過粉塵收集部件時收集於粉塵收集部件中。為此，若數千伏的高電壓施加至帶電部件，則自電極自身或自電極周圍的氣體產生電子以圍繞電極形成電漿。當電子藉由電漿與氣態中的原子或分子分離且附接至空氣中的粒子時，所述粒子帶負電荷。帶負電荷粉塵粒子可藉由靜電引力移動及附著至帶正電荷粉塵收集板來移除。
然而，此類靜電集塵方法可在空氣淨化過程中產生諸如臭氧或氮氧化物的氧化物。由於此等氧化物為高度反應性的，因此其呈現促進空氣中的有害物質的分解的滅菌效應，但可增加可能對人體為危險的室內臭氧濃度。舉例而言，當個人暴露於臭氧時，其會造成眼刺激或損壞支氣管。此外，由於此類靜電集塵方法要求高電壓，因此其要求高設施及操作成本，且在具有高粉塵密度的環境中存在爆炸的風險。
另外，用於空調的典型靜電集塵方法產生具有帶負電荷的離子且使與其組合的空氣污染物物質帶負電荷。因此，有可能自具有帶正電荷的粉塵收集板收集污染物物質的粒子，但難以自具有帶負電荷的粉塵收集板收集粒子。此可減小粉塵收集效率。此外，若帶負電荷物質不收集於粉塵收集板中且再次在空氣中回收，則空氣中的負離子變得過量，其可破壞離子平衡且使得進一步產生氧化物。
此外，在典型靜電集塵方法中，浪費不必要功率，此是由於空氣調節機在相同基礎上操作而無論其中安裝有空氣調節機的空間的特性。然而，即使相同產品的空氣調節機安裝於同一建築 中，空氣特性(諸如溫度、濕度、細粉塵的量、二氧化碳、揮發性有機化合物(volatile organic compounds；VOC)、甲醛以及類似者)亦可取決於建築中的面積而不同。因此，需要最佳化每一空氣調節機的操作條件。替代地，舉例而言，即使同一空氣調節機安裝於地下車站中，每時區平台中的空氣的品質亦可變化，因此有必要操作空氣調節機以在最小功率消耗情況下淨化空氣。
為解決上述問題，本揭露的態樣提供一種不產生臭氧的空氣調節機及其控制方法，所述臭氧為有害物質作為使空氣中的污染物電離的副產物。
此外，本揭露的另一態樣提供一種基於機器學習的空氣調節機及其控制方法，所述基於機器學習的空氣調節機導出針對安裝有空氣調節機的空間最佳化的淨化部件操作條件以根據淨化部件操作條件來控制空氣調節機的淨化部件。
待藉由本揭露的實例實施例來達成的目標不限於上文所描述的目標且其他目標可自以下實例實施例推斷。
根據一態樣，提供一種控制基於機器學習的空氣調節機的方法，所述方法包含：收集關於流動至空氣調節機中的空氣的空氣品質的第一資料；基於第一資料而控制淨化部件；收集關於穿過淨化部件的空氣的空氣品質的第二資料；以及根據基於與淨化部件的控制相關的設定值、第一資料以及第二資料而產生的機器學 習模型來控制淨化部件。
根據另一態樣，亦提供一種基於機器學習的空氣調節機，包含：淨化部件；第一資料收集器，包含至少一個感測器且經組態以獲取與流動至淨化部件中的空氣相關聯的資訊；第二資料收集器，包含至少一個感測器且經組態以獲取與自淨化部件排出的空氣相關聯的資訊；以及控制器，其中所述控制器經組態以收集關於經由第一資料收集器獲取的空氣品質的第一資料，基於第一資料而控制淨化部件，經由第二資料收集器收集關於穿過淨化部件的空氣的空氣品質的第二資料，且根據基於與淨化部件的控制相關的設定值、第一資料以及第二資料而產生的機器學習模型來控制淨化部件。
根據實例實施例，由於空氣中的污染物使用具有低能量的波長的電磁波電離，因此在空氣穿過空氣調節機之前及之後可不施加差壓，且可不產生臭氧或可產生極少臭氧。
此外，根據實例實施例，在本揭露的充電部件中，有可能使空氣中的污染物物質帶正電荷以及負電荷。因此，污染物粒子顆粒可在帶正電荷粉塵收集板及帶負電荷粉塵收集板兩者處收集，由此達成粉塵收集效率。另外，即使帶電污染物物質的中的一些穿過粉塵收集部件而不收集，由於帶負電荷物質及帶正電荷物質為平衡的，因此亦可維持空氣中的離子平衡。
此外，根據實例實施例，由於施加至淨化部件的電壓基於安裝有空氣調節機的空間而經由機器學習設定，因此空間定製設計為可能的。此外，空氣調節機的功率消耗可經由機器學習最小 化，此可增加每功率使用移除污染物物質的效率。
本揭露的效應不限於上文所描述的彼等，且其他效應可自以下描述使得對所屬領域中具通常知識者顯而易見。
100、220、510:淨化部件
110、240:充電部件
111、112:污染物
113:純淨氣體
120、250:粉塵收集部件
121、122、251:粉塵收集板
200、500:空氣調節機
210、520:第一資料收集器
230、530:第二資料收集器
241:管
240-1:第一充電部件
240-2:第二充電部件
540:控制器
S401、S402、S403、S404:操作
圖1為示出根據實例實施例的空氣調節機的淨化部件的空氣淨化操作的圖。
圖2為示出根據實施例的空氣調節機的圖。
圖3為示出根據實例實施例的淨化部件220的圖。
圖4為示出根據實例實施例的空氣調節機的控制方法的流程圖。
圖5為示出根據實施例的空氣調節機500的方塊圖。
在下文中，將參考圖式詳細描述本揭露的實例實施例。
在描述實例實施例中，將省略本揭露所屬技術領域中已熟知且與本說明書不直接相關的技術內容的描述。此藉由省略不必要描述而在不混淆本說明書的主題的情況下更清晰地通信。
出於相同原因，在隨附圖式中，放大、省略或示意性地示出一些組件。另外，每一組件的大小並不完全反映實際大小。每一圖式中的相同或對應組件給定相同附圖標號。
本揭露的優勢及特徵以及達成其的方法將自將參考隨附圖式更詳細地描述的以下實例實施例顯而易見。然而，應注意，本 揭露不限於以下實例實施例，且可以各種形式實施。因此，提供實例實施例僅揭露本揭露內容且使所屬領域中具通常知識者已知本揭露的類別。在圖式中，本揭露的實施例不限於本文中所提供的具體實例且出於清楚起見而放大。遍及本說明書，相同附圖標號或相同參考指定符標示相同元件。
此時，將理解流程圖的每一區塊及流程圖的組合可藉由電腦程式指令執行。由於此等電腦程式指令可安裝於通用電腦、專用電腦或其他可程式化資料處理設備的處理器上，因此經由其他可程式化資料處理設備的電腦或處理器執行的彼等指令可產生執行流程圖區塊中所描述的功能的方式。此等電腦程式指令可儲存於電腦可用或電腦可讀記憶體中，所述電腦可用或電腦可讀記憶體可引導至電腦或其他可程式化資料處理設備以特定方式實施功能性。因此，儲存於所述電腦可用或電腦可讀記憶體中的指令產生含有用於執行流程圖區塊中所描述的功能的指令構件的製品亦為有可能的。電腦程式指令亦可安裝於電腦或其他可程式化資料處理設備上，使得可對電腦或其他可程式化資料處理設備執行一系列操作步驟以產生電腦實施過程以產生電腦或其他可程式化資料。用於執行處理設備的指令亦可提供用於執行流程圖區塊中所描述的功能的步驟。
另外，每一區塊可表示包含用於執行指定邏輯函數的一或多個可執行指令的模組、片段或碼的一部分。亦應注意，在一些替代實施方案中，區塊中所提及的功能可不按次序發生。舉例而言，取決於對應功能，連續繪示的兩個區塊實際上可實質上同時執行，或區塊有時可以相反次序執行。
根據本揭露的各種實施例，術語「......部件」意謂(但不限於)執行某些任務的軟體或硬體組件，諸如，場可程式化閘陣列(Field Programmable Gate Array；FPGA)或特殊應用積體電路(Application Specific Integrated Circuit；ASIC)。「......部件」可有利經組態以駐存於可定址儲存媒體上，且經組態以在一或多個處理器上執行。因此，「......部件」可包含(藉助於實例)組件(諸如軟體組件、物件定向式軟體組件、類別組件以及任務組件)、程序(process)、函數、屬性、程序(procedure)、次常式、程式碼的片段、驅動器、韌體、微碼、電路系統、資料、資料庫、資料結構、表、陣列以及變量。在組件及「......部件」中提供的功能性可組合成較少組件及「......部件」，或進一步分離成額外組件及「......部件」。另外，可實施組件及「......部件」使得其在裝置或安全多媒體卡中執行一或多個CPU。
本揭露的空氣調節機用於控制空氣且可包含用於執行空氣淨化操作的空氣淨化器。
圖1為示出根據實例實施例的空氣調節機的淨化部件的空氣淨化操作的圖。
本揭露的空氣調節機包含淨化部件100。淨化部件100可包含使空氣中所包含的物質中的至少一部分電離的充電部件110及收集經電離物質的粉塵收集部件120。
類似於使用典型光電離方法的靜電集塵器，本揭露的淨化部件100在充電部件110中使空氣中的粒子及污染物的分子電離，且接著在粉塵收集部件120中收集經電離粒子及分子。特定言之，淨化部件100可將電壓施加至充電部件110以使污染物111 電離且收集粉塵收集部件120的粉塵收集板121及粉塵收集板122上的經電離污染物112。根據實例實施例，本揭露的充電部件110使用低能量波長的電磁波，因此幾乎不產生臭氧。此外，充電部件110可使用具有低能量的低波長電磁波使空氣中的污染物帶負電荷以及帶正電荷，使得污染物粒子可在帶正電荷板及帶負電荷板兩者處收集。因此，具有帶負電荷的污染物112可藉由靜電引力移動至帶正電荷收集板121處且在帶正電荷收集板121處收集。此外，具有帶正電荷的污染物112可移動至帶負電荷收集板122且在帶負電荷收集板122處收集。同時，諸如在空氣中不為污染物的氧氣的清潔氣體113未藉由充電部件110電離且不具有特定電荷。因此，純淨氣體113可通過而不收集於粉塵收集部件120中。因此，使用本揭露的淨化部件100電離且僅收集污染物物質為可能的。污染物物質可為例如細粉塵、揮發性有機化合物(VOC)以及甲醛。
同時，由於使用典型靜電集塵方法將8千伏至15千伏(kilovolts；kV)的高電壓施加至充電部件，因此在電極周圍形成電漿。由於此，即使不為污染物的氧氣亦可電離，且可產生臭氧作為副產物。相反，本揭露的充電部件110使用具有在相對較低能量範圍內的波長的電磁波，且因此可施加5千伏或小於5千伏的電壓。因此，可不產生電漿，且可不產生臭氧或可產生極少量臭氧。根據本揭露的實例實施例的充電部件110可使用具有在0.1奈米(nanometers；nm)與100奈米之間(包含端點)的範圍內的波長的電磁波使物質電離。特定言之，充電部件110可使用具有13.5奈米的波長的極紫外(extreme ultraviolet；EUV)或具有在0.1奈 米與10奈米之間(包含端點)的範圍內的波長的軟X射線。在使用具有低能量範圍的波長的電磁波(諸如極紫外或軟X射線)的情況下，可不產生差壓及臭氧。因此，有可能在現有空氣調節機中安裝本揭露的淨化部件100且達成高旁路效能。舉例而言，極紫外可具有50%的旁路效能，且軟X射線可具有75%的旁路效能。
圖2為示出根據實施例的空氣調節機的圖。
根據本揭露的空氣調節機200可包含：淨化部件220，淨化空氣；第一資料收集器210，獲取與流動至淨化部件220中的空氣相關聯的資訊；以及第二資料收集器230，獲取與自淨化部件220排出的空氣相關聯的資訊。第一資料收集器210及第二資料收集器230中的每一者可包含至少一個感測器以收集關於空氣品質的資料。
根據實例實施例的淨化部件220可包含至少一個充電部件240以使空氣中所包含的物質中的至少一部分電離，且包含粉塵收集部件250以收集在充電部件240中經電離的物質。充電部件240可包含至少一個管241以發射電磁波。根據實例實施例，管241可為經由金屬目標與電子之間的碰撞而產生X射線的X射線管且可包含陽極及陰極。管241可視需要更包含閘電極。在此，發射電場的陰極可包含由奈米碳管(carbon nanotube；CNT)構成且發射具有在0.1奈米與10奈米之間(包含端點)的波長的軟X射線的場發射元件。在此情況下，場發射元件例如陰極的發射器可包含CNT結構，所述CNT結構包含多個CNT聚集且在第一方向上延伸的結構的多個單位紗線。根據實例實施例，充電部件240可使用具有在0.1奈米與100奈米之間(包含端點)的範圍內的波長 的電磁波使物質電離。舉例而言，充電部件240可使用極紫外或軟X射線使污染物物質光電離。粉塵收集部件250可包含至少一個粉塵收集板251以收集經電離物質。
根據本揭露的空氣調節機200可經由第一資料收集器210收集關於流動至空氣調節機200中的空氣的空氣品質的第一資料。第一資料可包含關於以下的資訊中的至少一者：諸如細粉塵、VOC以及甲醛的空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有空氣調節機200的空間的大小，且可包含與空氣品質相關聯的所有資訊。關於細粉塵的資訊可包含細粉塵的濃度及超細粉塵的濃度。空氣可穿過淨化部件220。在此實例中，可基於所收集的第一資料而控制淨化部件220。舉例而言，空氣調節機200可設定成當在與空氣品質相關的參數當中，空氣中的細粉塵的濃度為75微克每立方公尺(microgram per cubic meter；μg/m3)或大於75微克每立方公尺且超細粉塵的濃度為30微克/立方公尺或大於30微克/立方公尺時操作。在此實例中，當根據第一資料收集器210中所收集的第一資料，空氣中的細粉塵的濃度為80微克/立方公尺時，可操作空氣調節機200。
根據實例實施例，在空氣穿過淨化部件220之後，第二資料收集器230可收集關於空氣的空氣品質的第二資料。第二資料可包含關於以下的資訊中的至少一者：諸如細粉塵、VOC以及甲醛的空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有空氣調節機200的空間的大小，且可包含與空氣品質相關聯的所有資訊。一旦空氣穿過淨化部件220，那麼第二資料中所指示的值可為與第一資料中所指示的值相比經改良的值。
根據本揭露的空氣調節機200可藉由基於與淨化部件220的控制相關的設定值、第一資料收集器210中所量測的第一資料以及第二資料收集器230中所量測的第二資料而執行機器學習來產生模型，且根據所產生的模型控制淨化部件220。在此實例中，淨化部件220的控制可指示控制施加至充電部件240的電壓及施加至粉塵收集部件250的電壓。施加至充電部件240的電壓可對應於施加至管241的電壓。根據實例實施例，管241可包含奈米碳管。此外，控制施加至充電部件240的電壓可包含施加至陽極、陰極或管241的閘極的電壓的單獨控制。在執行機器學習之前，空氣調節機200可基於初始值而驅動。初始值可基於滿足室內空氣品質管理的法律的最小空氣品質而預先設定。
根據本揭露的空氣調節機200可控制淨化部件220以執行針對安裝有空氣調節機200的空間定製的操作。為此目的，空氣調節機200可基於關於穿過淨化部件220的空氣的空氣品質的第一資料及第二資料而導出臨限值。根據實例實施例，第二資料可為關於穿過淨化部件220的空氣的空氣品質的資料，所述淨化部件220根據與淨化部件220的控制相關的經由機器學習模型導出的初始值或設定值而設定。臨限值可為與空氣品質相關的參數的臨限值。參數可包含關於以下的資訊中的至少一者：諸如細粉塵、VOC以及甲醛的空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有空氣調節機200的空間的大小。此外，臨限值可對於安裝有空氣調節機200的每一空間為不同的。在實例中，當空氣調節機200安裝於兩個空間中時，週期性地換氣的車輛及封閉的地下車站，兩個位置可具有不同空氣品質資料且因此可具有淨化部件 220的不同控制條件。舉例而言，由於地下車站為封閉空間，因此臨限值可設定成相對較低，使得頻繁執行空氣淨化。另外，臨限值可基於第二資料中所包含的細粉塵的大小而判定。舉例而言，當細粉塵的粒度低於或等於10微米(micrometers；μm)(例如PM 10)時，可應用應用於細粉塵的準則。此外，當細粉塵的粒度低於或等於2.5微米(例如PM 2.5)時，可應用應用於超細粉塵的準則。
根據實例實施例，空氣調節機200可導出淨化部件220的控制條件，使得參數到達臨限值或更多或更少。淨化部件220的此類控制條件可包含施加至充電部件240的電壓及施加至粉塵收集部件250的電壓。施加至充電部件240的電壓可對應於施加至管241的電壓。根據實例實施例，管241可包含奈米碳管。此外，控制施加至充電部件240的電壓可包含施加至陽極、陰極或管241的閘極的電壓的單獨控制。
同時，用於充電部件240的管241的數目、管241的位置以及粉塵收集部件250(或粉塵收集板251)的大小以及類似者可基於空氣調節機200的產品特性而變化。根據此，空氣調節機200可在執行用於控制淨化部件220的機器學習之前，預先輸入在充電部件240中發射電磁波的至少一個管241的數目、至少一個管241的位置以及粉塵收集部件250的大小。
根據實例實施例，本揭露的空氣調節機200可藉由經由機器學習導出淨化部件220的控制條件而連續更新機器學習模型，即使在操作淨化部件220之後。機器學習可使用資料集連續地執行，所述資料集包含在淨化部件220根據經由機器學習導出的控制條件而正常操作時獲取的第一資料及第二資料。當即使在相同 控制條件下亦改良空氣品質以使得空氣可在較少功率消耗的情況下淨化時，可導出在維持空氣淨化時減小供應至淨化部件220的電壓的最佳臨限值。當空氣品質在相同控制條件下降低時，空氣調節機200可連續運行以將空氣品質參數調整為低於或高於臨限值。同樣在此情況下，機器學習可使用資料集連續地執行，所述資料集包含在正常操作淨化部件220時獲取的第一資料及第二資料。根據實例實施例的空氣調節機200可以預定時間單位在預設時段內收集用於機器學習的第一資料及第二資料。舉例而言，空氣調節機200可藉由以五秒為單位收集第一資料及第二資料一週來建立資料集。
根據實例實施例，本揭露的空氣調節機200可經由加強學習產生機器學習模型，其中基於與淨化部件220的空氣品質及功率消耗相關的參數而執行補償。特定言之，可在經由機器學習導出的範圍內以預設時段的間隔隨機選擇充電部件240及粉塵收集部件250的電壓，且可相應地收集第一資料及第二資料。此外，加強學習可藉由指定分值來執行，使得在與空氣品質相關的參數滿足臨限值時減小空氣調節機200的功率消耗。舉例而言，作為初始條件，施加至充電部件240的電壓的範圍可設定成4.0千伏至4.8千伏的範圍，且施加至粉塵收集部件250的電壓的範圍可設定成2.8千伏至4.4千伏的範圍。在此實例中，在空氣穿過淨化部件220之前或之後的空氣的空氣品質資料可藉由在電壓的預設範圍內以20秒的間隔隨機選擇每一部分電壓而收集。由於加強學習，當施加至充電部件240的電壓為4.3千伏且施加至粉塵收集部件250的電壓為3.5千伏時，移除細粉塵的效率與功率消耗相比可最 大化。因此，臨限值可設定成4.3千伏及3.5千伏。根據實例實施例，充電部件240可包含多個管241。在此情況下，施加至各別管241的電壓可略微不同。因此，可獲得各別管241的平均值且平均值反映為充電部件240的電壓。替代地，當多個充電部件240存在於淨化部件220中時，代替對充電部件240中的每一者執行機器學習，機器學習可藉由將相同電壓值施加至充電部件240來執行。為此，可在執行第一機器學習之前輸入充電部件240的數目或管241的數目，以便反映於機器學習中。
同時，機器學習模型可經由加強學習產生，且其他機器學習演算法亦可用以產生應用於本揭露的空氣調節機200的模型。舉例而言，諸如無監督學習演算法、基於規則的機器學習演算法以及類似者的各種機器學習演算法可應用於本揭露。
圖3為示出根據實例實施例的淨化部件220的圖。參考圖3，淨化部件220可包含多個充電部件，例如第一充電部件240-1及第二充電部件240-2以及粉塵收集部件250。充電部件240-1及充電部件240-2中的每一者可為使空氣中的污染物物質電離的模組。根據機器學習的設定值可同樣應用於第一充電部件240-1及第二充電部件240-2，或其間具有可忽略差的電壓值可應用於第一充電部件240-1及第二充電部件240-2。
同時，由於空氣品質資料基於第一資料收集器210及第二資料收集器230的感測器的位置而改變，因此亦可改變使用基於第一資料及第二資料而訓練的模型來導出的淨化部件220的控制條件。因此，第一資料收集器210及第二資料收集器230的感測器的位置可基於安裝有空氣調節機200的空間的結構、空氣品 質特性以及類似者而改變。
根據實例實施例，多個空氣調節機200可安裝於同一空間中。在此情況下，根據不同機器學習模型，空氣調節機200可控制其中的淨化部件220。亦即，針對空氣調節機200中的每一者，應用於空氣品質參數的臨限值可不同。
當與使用電暈放電方法的典型靜電集塵器相比時，本揭露的空氣調節機200與功率消耗相比可具有高粉塵收集效率，因此所得臭氧產生聚集為零。舉例而言，典型靜電集塵器可消耗110瓦(watts；W)的功率，與電離作用相比具有10%的粉塵收集效率且產生約百萬分之65(parts per million；ppm)的臭氧。在此情況下，本揭露的空氣調節機可消耗40瓦的功率，與電離作用相比具有50%的粉塵收集效率，且產生約百萬分之0的臭氧。
本揭露的空氣調節機200可根據環境及安裝有空氣調節機的空間導出最佳操作條件，且因此可最小化能耗。另外，由於使用機器學習，因此除非提供能夠即時控制能量的數位產生裝置，否則系統組態可為不可能的。出於此原因，難以使用典型紫外線或X射線熱陰極管組態本揭露的空氣調節機200。實際上，使用相對較低能量產生電磁波且易於控制能量的奈米碳管可用以組態本揭露的空氣調節機200。
舉例而言，諸如典型紫外線或X射線熱陰極管的熱離子發射管可包含由金屬長絲製成的負電極及為金屬目標的正電極，且可使用自加熱金屬長絲(負電極)發射電子的原理。亦即，熱離子發射管的金屬長絲可加熱至1000攝氏度(degrees Celsius；℃)或大於1000攝氏度以發射電子，且電子藉由經施加電場加速且攻 擊金屬目標，由此產生電磁波。熱離子發射管可具有限制性，原因在於回應時間較長，此係由於金屬長絲必須加熱至較高溫度以發射電子，同時，場發射(field emission；FE)管可藉由經施加電場自負金屬電極發射電子，但發射器的溫度比熱離子發射管的長絲的溫度低得多。亦即，由於負電極的溫度低於熱離子發射管的溫度，因此場發射管可具有較長使用壽命及較短回應時間。另外，微調電極之間的電壓控制為可能的，因此易於在所要位準下控制電磁波的發射。作為場發射管，可使用使用負CNT電極的CNT管。
基本上，CNT管可包含正電極的陽極、負電極的陰極以及用於誘導電子的發射的閘極。根據此，可單獨地設定及得知陽極、陰極或閘極的電壓的量值。由於施加至陽極及陰極的電壓、電流可流動於管中，因此可對應於陽極與陰極之間的電壓的差而產生電流。然而，實際上，可將高電壓施加至管以提供足以自負電極噴射電子的磁場，從而在閘極處引起漏電流。因此，可單獨地控制陽極、陰極或閘極電壓以最小化閘極漏電流，同時在管中產生所需量的電流。
圖4為示出根據實例實施例的空氣調節機的控制方法的流程圖。
在操作S401中，方法可收集關於流動至空氣調節機中的空氣的空氣品質的第一資料。根據實例實施例，第一資料可包含關於以下的資訊中的至少一者：諸如細粉塵、VOC以及甲醛的空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有空氣調節機的空間的大小。
在操作S402中，方法可基於所收集的第一資料而控制淨化部件。根據實例實施例，淨化部件可包含使空氣中所包含的物質中的至少一部分電離的至少一個充電部件，及收集在充電部件中經電離的物質的粉塵收集部件。充電部件可使用具有在0.1奈米與100奈米之間(包含端點)的範圍內的波長的電磁波使物質電離。特定而言，充電部件可使用極紫外或軟X射線使空氣中的污染物光電離。
在操作S403中，方法可收集關於穿過淨化部件的空氣的空氣品質的第二資料。根據實例實施例，第二資料可包含關於以下的資訊中的至少一者：諸如細粉塵、VOC以及甲醛的空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有空氣調節機的空間的大小。
在操作S404中，方法可根據基於與淨化部件的控制相關的設定值、第一資料以及第二資料而產生的機器學習模型來控制淨化部件。根據實例實施例，與淨化部件的控制相關的設定值可包含施加至充電部件的電壓及施加至粉塵收集部件的電壓的設定值。根據實例實施例，充電部件可包含發射電磁波的至少一個管。施加至充電部件的電壓的設定值可包含施加至管中所包含的多個電極中的每一者的電壓的設定值。因此，機器學習可為管中所包含的多個電極中的每一者的單獨學習。同時，方法可以預定時間單位在預設時段內收集第一資料及第二資料，以根據機器學習模型控制淨化部件。
為根據機器學習模型控制淨化部件，本揭露的技術可根據與淨化部件的控制相關的設定值基於第一資料及第二資料而導 出與空氣品質相關的參數的臨限值，且導出淨化部件的控制條件，其中參數減小至低於或等於臨限值。淨化部件的控制條件可包含施加至充電部件的電壓及施加至粉塵收集部件的電壓。根據實例實施例，施加至充電部件的電壓的控制條件可包含施加至充電部件中的管中所包含的多個電極中的每一者的電壓的單獨控制條件。參數可包含關於以下的資訊中的至少一者：空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有所述空氣調節機的空間的大小。空氣污染物可包含例如對人體有害的一或多個空氣物質，諸如細粉塵、VOC以及甲醛。另外，臨限值可對於安裝有空氣調節機的每一空間為不同的，且基於所述第二資料中所包含的細粉塵的大小而判定。舉例而言，不同臨限值可自具有粒度為PM 2.5的超細粉塵及具有粒度為PM 10的細粉塵導出。
關於在操作S404中執行的機器學習，根據實例實施例的機器學習模型可基於在充電部件中發射電磁波的至少一個管的數目、至少一個管的位置以及粉塵收集部件的大小作為輸入值而產生。為此，方法可在機器學習之前，預先輸入所述輸入值。
根據實例實施例，本揭露的方法可根據在操作S404中所導出的淨化部件的控制條件基於在操作S401中所收集的第一資料及第二資料而更新機器學習模型。舉例而言，機器學習模型可基於藉由感測流動至淨化部件中的空氣的空氣品質獲取的第一資料及藉由使用經由機器學習導出的設定值設定淨化部件且感測穿過淨化部件的空氣的空氣品質獲取的第二資料而連續校正。
根據實例實施例，機器學習模型可經由加強學習產生，其中基於與淨化部件的空氣品質及功率消耗相關的參數而執行補 償。舉例而言，在參數滿足臨限值的環境中，隨著淨化部件的功率消耗減小，可指定較大分值。經由此，可產生模型以最小化功率消耗且增加淨化效率。
根據實例實施例，可安裝多個空氣調節機。在此情況下，根據不同機器學習模型，各別空氣調節機可控制其中的淨化部件。
圖5為示出根據實施例的空氣調節機500的方塊圖。參考圖5，空氣調節機500可包含淨化部件510、第一資料收集器520、第二資料收集器530以及控制器540。
第一資料收集器520可包含至少一個感測器且獲取與流動至淨化部件510中的空氣相關聯的資訊。舉例而言，第一資料收集器520可位於淨化部件510之前，且收集關於在空氣穿過淨化部件510之前的空氣的空氣品質的第一資料。根據實例實施例，第一資料收集器520可位於淨化部件510的充電部件之前或位於充電部件之後且在粉塵收集部件之前以感測空氣。此為可根據安裝有空氣調節機500的空間的特性及安裝使用者的需求而改變的因數。
第二資料收集器530可包含至少一個感測器且獲取與自淨化部件510排出的空氣相關聯的資訊。舉例而言，第二資料收集器530可位於淨化部件510之後，且收集關於穿過淨化部件510的空氣的空氣品質的第二資料。
淨化部件510可包含使空氣中所包含的物質中的至少一部分電離的至少一個充電部件，及收集經電離物質的粉塵收集部件。藉由控制施加至充電部件及粉塵收集部件的電壓，增加空氣調節機500的每功率消耗的空氣淨化效率為可能的。
控制器540可收集關於經由第一資料收集器520獲取的空氣品質的第一資料，且基於第一資料而控制淨化部件510。另外，經由第二資料收集器530，控制器540可收集關於穿過淨化部件510的空氣的空氣品質的第二資料。此外，控制器540可根據基於與淨化部件510的控制相關的設定值、第一資料以及第二資料而產生的機器學習模型來控制淨化部件510。
根據實例實施例，基於機器學習模型，控制器540可根據與淨化部件510的控制相關的設定值基於第一資料及第二資料而導出與空氣品質相關的參數的臨限值。此外，控制器540可導出淨化部件510的控制條件，其中參數減小至低於或等於臨限值，由此控制淨化部件510。特定言之，機器學習模型可經由加強學習產生，其中基於與淨化部件510的空氣品質及功率消耗相關的參數而執行補償。舉例而言，當與空氣品質相關的參數滿足臨限值時，隨著淨化部件510的功率消耗減小，可將較大分值指定給模型以對模型執行加強學習。
在實例中，當未應用本揭露的機器學習的空氣調節機以最大效能操作時，可將4.8千伏的電壓施加至充電部件且可將4.4千伏的電壓施加至粉塵收集部件。在此情況下，總功率消耗可為20瓦且平均細除塵效率可為15%。亦即，當應用最大性能操作條件時，每功率消耗的細除塵效率可對應於0.75%/瓦。相反，當應用本揭露的機器學習的空氣調節機以最佳效能操作時，可將4.3千伏的電壓施加至充電部件且可將3.5千伏的電壓施加至粉塵收集部件。在此情況下，總功率消耗可為8瓦且平均細除塵效率可為14%。亦即，當應用最佳效能操作條件時，每功率消耗的細除塵效率可對 應於1.75%/瓦，其與未應用機器學習的情況相比為較高。因此，儘管功率消耗降低，但並不減小細除塵效能，使得可增加每功率消耗的細除塵效率。
圖5的空氣調節機500僅為實例，且可更包含除圖5中所繪示的組件之外的其他組件。此外，空氣調節機500可經由組件實施上述實例實施例。
已參考本揭露的實例實施例描述本說明書及圖式。儘管使用特定術語，但其在一般意義上僅用於易於解釋本揭露的技術內容且幫助理解本發明，且不意欲限制本說明書的範疇。對所屬領域中具通常知識者將顯而易見，除了本文中所揭露的實施例之外，可實施基於本揭露的技術精神的其他修改。
200:空氣調節機
210:第一資料收集器
220:淨化部件
230:第二資料收集器
240:充電部件
241:管
250:控制器
251:粉塵收集板

Claims (18)

  1. 一種控制基於機器學習的空氣調節機的方法，所述方法包括：收集關於流動至所述空氣調節機中的空氣的空氣品質的第一資料；基於所述第一資料而控制淨化部件，其中所述淨化部件包括具有至少一個管的充電部件，且所述至少一個管包括陽極及陰極；收集關於穿過所述淨化部件的空氣的空氣品質的第二資料；以及根據基於所述至少一個管的數目、與所述淨化部件的控制相關的設定值、所述第一資料以及所述第二資料而產生的機器學習模型來控制所述淨化部件，其中與所述淨化部件的所述控制相關的所述設定值包括施加至所述陽極的電壓值與施加至所述陰極的電壓值兩者中的至少一個。
  2. 如請求項1所述的方法，其中所述第一資料及所述第二資料包含關於以下的資訊中的至少一者：空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有所述空氣調節機的空間的大小。
  3. 如請求項1所述的方法，其中所述淨化部件還包括：粉塵收集部件，經組態以收集經電離物質。
  4. 如請求項3所述的方法，其中與所述淨化部件的所述控制相關的所述設定值還包含施加至所述粉塵收集部件的電壓的設定值。
  5. 如請求項3所述的方法，其中所述充電部件使用具 有在0.1奈米與100奈米之間且包含0.1奈米與100奈米的範圍內的波長的電磁波來使物質電離。
  6. 如請求項3所述的方法，其中所述機器學習模型基於所述至少一個管的位置以及所述粉塵收集部件的大小作為輸入值而產生。
  7. 如請求項1所述的方法，其中根據所述機器學習模型的所述淨化部件的所述控制包括：根據與所述淨化部件的所述控制相關的所述設定值基於所述第一資料及所述第二資料而導出與空氣品質相關的參數的臨限值；以及導出所述淨化部件的控制條件，其中所述參數減小至小於或等於所述臨限值。
  8. 如請求項7所述的方法，其中所述參數包含關於以下的資訊中的至少一者：空氣污染物、二氧化碳、風速、溫度、濕度以及安裝有所述空氣調節機的空間的大小。
  9. 如請求項7所述的方法，其中所述臨限值對於安裝有所述空氣調節機的每一空間為不同的，且基於所述第二資料中所包含的細粉塵的大小資訊而判定。
  10. 如請求項7所述的方法，其中所述淨化部件包括：至少一個充電部件；以及粉塵收集部件，且所述淨化部件的所述控制條件包含施加至所述充電部件的電壓及施加至所述粉塵收集部件的電壓。
  11. 如請求項7所述的方法，更包括： 根據所述淨化部件的所導出的所述控制條件基於所述第一資料及所述第二資料而更新所述機器學習模型。
  12. 如請求項1所述的方法，其中根據所述機器學習模型的所述淨化部件的所述控制更包括：以預定時間單位在預設時段內收集所述第一資料及所述第二資料。
  13. 如請求項1所述的方法，其中所述機器學習模型經由加強學習產生，其中基於與所述淨化部件的空氣品質及功率消耗相關的參數而執行補償。
  14. 如請求項1所述的方法，其中包含所述空氣調節機的多個空氣調節機中的每一者由不同機器學習模型控制。
  15. 如請求項2所述的方法，其中所述空氣污染物包含以下中的至少一者：細粉塵、揮發性有機化合物(VOC)以及甲醛。
  16. 一種基於機器學習的空氣調節機，包括：淨化部件，包括具有至少一個管的充電部件，且所述至少一個管包括陽極及陰極；第一資料收集器，包括至少一個感測器且經組態以獲取與流動至所述淨化部件中的空氣相關聯的資訊；第二資料收集器，包括至少一個感測器且經組態以獲取與自所述淨化部件排出的空氣相關聯的資訊；以及控制器，其中所述控制器經組態以進行以下操作：收集關於經由所述第一資料收集器獲取的空氣品質的第一資料； 基於所述第一資料而控制所述淨化部件；經由所述第二資料收集器收集關於穿過所述淨化部件的空氣的空氣品質的第二資料；以及根據基於所述至少一個管的數目、與所述淨化部件的控制相關的設定值、所述第一資料以及所述第二資料而產生的機器學習模型來控制所述淨化部件，其中與所述淨化部件的所述控制相關的所述設定值包括施加至所述陽極的電壓值與施加至所述陰極的電壓值兩者中的至少一個。
  17. 如請求項16所述的基於機器學習的空氣調節機，其中所述控制器經組態以進行以下操作：基於所述機器學習模型，根據與所述淨化部件的所述控制相關的所述設定值基於所述第一資料及所述第二資料而導出與空氣品質相關的參數的臨限值；以及藉由導出所述淨化部件的控制條件來控制所述淨化部件，其中所述參數減小至小於或等於所述臨限值。
  18. 如請求項16所述的基於機器學習的空氣調節機，其中所述機器學習模型經由加強學習產生，其中基於與所述淨化部件的空氣品質及功率消耗相關的參數而執行補償。
TW110123835A 2020-06-29 2021-06-29 基於機器學習的空氣調節機以及其控制方法 TWI787889B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20200079472 2020-06-29
KR10-2020-0079472 2020-06-29
KR1020210008668A KR102338086B1 (ko) 2021-01-21 2021-01-21 기계 학습 기반 공기 조화 장치 및 이의 제어 방법
KR10-2021-0008668 2021-01-21

Publications (2)

Publication Number Publication Date
TW202219434A TW202219434A (zh) 2022-05-16
TWI787889B true TWI787889B (zh) 2022-12-21

Family

ID=79166689

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110123835A TWI787889B (zh) 2020-06-29 2021-06-29 基於機器學習的空氣調節機以及其控制方法

Country Status (5)

Country Link
US (1) US20220003440A1 (zh)
EP (1) EP4184073A1 (zh)
CN (1) CN115989386A (zh)
TW (1) TWI787889B (zh)
WO (1) WO2022005127A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114345098B (zh) * 2022-01-10 2023-10-20 浙江大学嘉兴研究院 一种co2捕集吸收剂分解抑制及高效减污的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106895551A (zh) * 2017-02-13 2017-06-27 同济大学 一种封闭室内的空气品质和温度智能调节系统及使用方法
KR20170078372A (ko) * 2015-12-29 2017-07-07 주식회사 세스코 공기 정화장치 및 그 제어 방법
KR20190096310A (ko) * 2019-04-23 2019-08-19 엘지전자 주식회사 인공지능 장치
KR20200067380A (ko) * 2018-12-04 2020-06-12 (주) 브이에스아이 X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101261198B1 (ko) * 2013-01-10 2013-05-10 동국대학교 산학협력단 신경망 모델에 의한 지능형 제어 알고리즘을 이용한 건물의 실내온도 하강 제어방법
KR101591735B1 (ko) * 2015-05-29 2016-02-11 주식회사 나인에코 실내공기질의 예측을 통한 오염 정보 제공 방법
KR102367744B1 (ko) * 2019-08-30 2022-02-28 엘지전자 주식회사 머신 러닝을 이용한 공기청정기의 필터 수명 예측방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170078372A (ko) * 2015-12-29 2017-07-07 주식회사 세스코 공기 정화장치 및 그 제어 방법
CN106895551A (zh) * 2017-02-13 2017-06-27 同济大学 一种封闭室内的空气品质和温度智能调节系统及使用方法
KR20200067380A (ko) * 2018-12-04 2020-06-12 (주) 브이에스아이 X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기
KR20190096310A (ko) * 2019-04-23 2019-08-19 엘지전자 주식회사 인공지능 장치

Also Published As

Publication number Publication date
WO2022005127A1 (ko) 2022-01-06
CN115989386A (zh) 2023-04-18
US20220003440A1 (en) 2022-01-06
EP4184073A1 (en) 2023-05-24
TW202219434A (zh) 2022-05-16

Similar Documents

Publication Publication Date Title
US8361402B2 (en) Apparatus for air purification and disinfection
WO2013065497A1 (ja) 微生物・ウイルスの捕捉・不活化装置及びその方法
AU2013317235B2 (en) "Air purification device"
TWI787889B (zh) 基於機器學習的空氣調節機以及其控制方法
RU179145U1 (ru) Электростатический фильтр для очистки воздуха
US11117138B2 (en) Systems and methods for gas cleaning using electrostatic precipitation and photoionization
KR102338086B1 (ko) 기계 학습 기반 공기 조화 장치 및 이의 제어 방법
KR20200067380A (ko) X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기
US20230249195A1 (en) Air purification unit and method for coating an electrode of an air purification unit
KR101993644B1 (ko) 공기 청정 모듈
JP6409979B2 (ja) 放電装置、空気清浄機、及び換気装置
US20230140445A1 (en) Electrostatic separator
US20140178254A1 (en) Apparatus for air purification and disinfection
KR100774484B1 (ko) 정전 필름을 포함하는 공기 정화기 및 이를 포함하는 공기조화 시스템
JP2627575B2 (ja) 半導体製造用クリーンルームの海塩粒子汚染防止方法
KR102217770B1 (ko) 탄소나노튜브 기반의 이미터를 포함하는 전자기파 튜브가 적용된 전기 집진기 및 상기 전기 집진기를 이용하여 오염된 공기 중의 미세 입자를 제거하는 방법
JP7243360B2 (ja) 空気清浄装置
KR20200067388A (ko) X선을 이용한 공기청정기
EP3951276A1 (en) Purifier device and related purification method
JP2007196199A (ja) 放電装置並びに該放電装置を備えた空気浄化装置及び起風装置
Kumar et al. Air Pollution Control Technologies for Indoor Particulate Matter Pollution: A Review
JP2004150734A (ja) 空気清浄装置
Shin et al. Comparison of discharging electrodes for the electrostatic precipitator as an air filtration system in air handling units
JP7475115B2 (ja) 放電ユニット、及び空気清浄機
KR102305801B1 (ko) 공기정화기