CN104833063B - 一种空调控制方法及*** - Google Patents

一种空调控制方法及*** Download PDF

Info

Publication number
CN104833063B
CN104833063B CN201510306176.4A CN201510306176A CN104833063B CN 104833063 B CN104833063 B CN 104833063B CN 201510306176 A CN201510306176 A CN 201510306176A CN 104833063 B CN104833063 B CN 104833063B
Authority
CN
China
Prior art keywords
pmv
parameter
air
user
operational order
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.)
Active
Application number
CN201510306176.4A
Other languages
English (en)
Other versions
CN104833063A (zh
Inventor
杨亚龙
方潜生
张振亚
吴豪
詹治国
朱徐来
魏宇欣
汪明月
罗林森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui New Infrastructure Co Ltd
Anhui Jianzhu University
Original Assignee
Anhui Sijian Holding Group Co ltd
Anhui Jianzhu University
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
Application filed by Anhui Sijian Holding Group Co ltd, Anhui Jianzhu University filed Critical Anhui Sijian Holding Group Co ltd
Priority to CN201510306176.4A priority Critical patent/CN104833063B/zh
Publication of CN104833063A publication Critical patent/CN104833063A/zh
Application granted granted Critical
Publication of CN104833063B publication Critical patent/CN104833063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • 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
    • F24F2110/00—Control inputs relating to air 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
    • F24F2110/20—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
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/20—Feedback from users

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

一种空调控制方法，其包括以下步骤：S1：对用户的历史生理参数、室内环境参数、个人参数及热舒适度主观评价结果进行训练，得到该用户的人体热舒适度模型；S2:获取用户当前时刻的上述各项参数，输入至所述人体热舒适度模型，得到一PMV输出值，根据所示PMV输出值输出一操作指令；S3：将所述操作指令发送至空调以改变空调的运行状态；S4:间隔一时间段后，继续执行步骤S2直至所述PMV输出值在预设的PMV阈值范围内；本发明同时还提供了一种利用该方法的空调控制***。本发明公开的一种空调控制方法及***是以人体热舒适为出发点进行的，根据当前用户的热舒适情况做出最适宜该用户的空调调节方式，完成了空调***的智能自动调节，实现了室内环境的动态热舒适控制。

Description

一种空调控制方法及***
技术领域
本发明涉及空调控制领域，特别涉及一种基于人体生理参数和室内环境的空调调节方法与***。
背景技术
现如今，空调已成为改善室内环境热湿状况不可或缺的一部分，通过调控温度、湿度和风速的设定值即可实现对室内环境参数的调节和控制，进而改变人体的热舒适状况。
关于空调***的控制，用户通常是通过调节温湿度以及风速的设定值来改变室内环境的热湿状况。这就存在以下几个问题：1)空调***的设定值，往往是通过手动进行的，***不能根据人体舒适状态自动调节设定值；2)用户设定的温度值、湿度值以及风速值不一定是热舒适环境下所需要的，往往还需要用户多次手动调节，为用户带来了诸多不便；3)盲目地手动设置，用户不能在短时间内找到一个最优的环境参数组合。针对上述实际，目前已有相关发明专利。公开号为CN 104061663 A的专利提出了一种空调控制方法和装置，通过测量环境温度和湿度来计算人体体感温度对环境进行评价，做出控制决策，但是该发明中所获取的体感温度是计算而来的，不是直接测量得到的，准确性以及有效性值得考究；公开号为CN 103062871A的专利提出了一种基于皮肤温度的空调控制***，但是该发明中只是单纯的用人体皮肤温度作为评价热舒适的指标，未免太不具备说服力，此外，在进行调节时，也只是对温度进行调节，没有给出参数的最优组合；公开号为CN 103398451A的专利提出了一种基于学习用户行为的多维舒适度室内环境控制方法及***，但是控制过程中没有考虑到生理参数的影响。
发明内容
为解决上述技术问题，本发明提供了一种空调控制方法，其包括以下步骤：
一种空调控制方法，其特征在于，包括以下步骤：
S1：获取一用户在多个不同时间点的历史生理参数、室内环境参数、个人参数以及该用户对此时室内环境的热舒适度主观评价，对所述参数及热舒适度主观评价结果进行训练，得到该用户的人体热舒适度模型，所述人体热舒适度模型输入为该用户生理参数、室内环境参数、个人参数，输出为PMV值；
S2:获取用户的实时生理参数、室内环境参数与个人参数，输入至所述人体热舒适度模型，得到一PMV输出值，若所述PMV输出值不在预设的PMV阈值范围内，输出一操作指令；
S3：将所述操作指令发送至空调，执行所述操作指令改变空调的运行状态；
S4:间隔一时间段后，继续执行步骤S2直至所述PMV输出值在预设的PMV阈值范围内。
较佳地，所述生理参数包括血压、皮电以及心电参数，所述室内环境参数包括温度、湿度以及风速，所述热舒适度主观评价包括温度评价值、湿度评价值以及风速评价值，所述个人参数包括衣着情况和活动量，并通过评价值表示。
较佳地，所述训练得到该用户的人体热舒适度模型的过程包括：
将血压、皮电以及心电参数进行特征提取后进行特征融合并降维，将降维后的新特征向量、室内环境参数、衣着参数与活动量作为输入，输入到BP神经网络分类器中，以热舒适度主观评价结果作为目标输出，对所述BP神经网络分类器进行训练得到人体热舒适度模型。
较佳地，所述步骤S2中预设的PMV阈值范围为PMVmin≤PMV＜PMVmax，根据得到的PMV输出值输出一操作指令的具体过程包括：
当PMV＜PMVmin时，其输出的操作指令为先将空调的风速调至最低,并根据PMV的具体值继续输出以下操作指令：
当PMV＜PMVmin-2时，将空调温度设定值调高3℃，
当PMVmin-2≤PMV＜PMVmin-1时，将空调温度设定值调高2℃，
当PMVmin-1≤PMV＜PMVmin时，降低空调出风速度，若风速已为低风档则将空调温度设定值调高1℃；
当PMVmax≤PMV时，其输出的操作指令为先将空调的风速调至最高，并根据PMV的具体值继续输出以下操作指令：
当PMVmax+2≤PMV时，将空调温度设定值调低3℃；
当PMVmax+1≤PMV＜PMVmax+2时，将空调温度设定值调低2℃；
当PMVmax≤PMV＜PMVmax+1时，提高空调出风速度，如风速已为最高档，则将空调温度的设定值调低1℃。
本发明还提供了一种空调控制***，其包括：
室内环境参数采集单元，用于采集室内环境参数；
生理参数采集单元，用于感测用户的生理参数；
评价单元，用于输入个人参数及热舒适度主观评价；
训练单元，获取一用户在多个不同时间点的历史生理参数、室内环境参数、个人参数以及该用户对此时室内环境的热舒适度主观评价，对所述参数及热舒适度主观评价结果训练得到该用户的人体热舒适度模型，所述人体热舒适度模型输入为该用户生理参数、室内环境参数、个人参数，输出为PMV值；
指令输出单元，获取所述人体热舒适度模型，并接受用户的实时生理参数、室内环境参数、个人参数，输入至所述人体热舒适度模型，得到一PMV输出值，并根据所述PMV值输出一操作指令；
智能遥控单元，接收所述操作指令并发送至空调。
较佳地，生理参数采集单元采集的生理数据包括血压、皮电以及心电参数，室内环境参数采集单元采集的环境参数包括温度、湿度以及风速，所述热舒适度主观评价包括温度评价值、湿度评价值以及风速评价值，所述个人参数包括衣着情况和活动量，并通过评价值表示。
较佳地，所述训练单元得到该用户的人体热舒适度模型的过程包括：
将血压、皮电以及心电参数进行特征提取后进行特征融合并降维，将降维后的新特征向量、室内环境参数、个人参数作为输入，输入到BP神经网络分类器中，将热舒适度主观评价结果作为目标输出，对所述BP神经网络分类器进行训练得到人体热舒适度模型。
较佳地，所述指令输出单元预设一范围为PMVmin≤PMV＜PMVmax的PMV阈值，当得到的PMV输出值在此阈值范围内时，指令输出单元不执行任何操作；
当PMV＜PMVmin时，其输出的操作指令为先将空调的风速调至最低,并根据PMV的具体值继续输出以下操作指令：
当PMV＜PMVmin-2时，将空调温度设定值调高3℃，
当PMVmin-2≤PMV＜PMVmin-1时，将空调温度设定值调高2℃，
当PMVmin-1≤PMV＜PMVmin时，降低空调出风速度，若风速已为低风档则将空调温度设定值调高1℃；
当PMVmax≤PMV时，其输出的操作指令为先将空调的风速调至最高，并根据PMV的具体值继续输出以下操作指令：
当PMVmax+2≤PMV时，将空调温度设定值调低3℃；
当PMVmax+1≤PMV＜PMVmax+2时，将空调温度设定值调低2℃；
当PMVmax≤PMV＜PMVmax+1时，提高空调出风速度，如风速已为最高档，则将空调温度的设定值调低1℃。
本发明具有以下有益效果：
本发明提供的空调控制方法及***，根据特定用户的生理参数、环境参数、个人参数以及热舒适度主观评价结果，得到特定用户的人体热舒适度模型，以用户的热舒适为出发点，做出最适宜该用户的空调调节方式，完成了空调***的智能自动调节，实现了室内环境的动态热舒适控制。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，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来讲，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为本发明实施例提供的空调控制方法流程图；
图2为本发明实施例提供的空调控制***组成图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示为本发明实施例提供的空调控制方法，其包括以下步骤：
S1：获取一用户在多个不同时间点的历史生理参数、室内环境参数、个人参数以及该用户对此时的室内环境的热舒适度主观评价，对所述参数及热舒适度主观评价结果进行训练，得到该用户的人体热舒适度模型，所述人体热舒适度模型输入为该用户生理参数、室内环境参数、个人参数，输出为PMV值；
S2:获取用户的实时生理参数、室内环境参数以及个人参数，输入至所述人体热舒适度模型，得到一PMV输出值，若所述PMV输出值不在预设的PMV阈值范围内，输出一操作指令；
S3：将所述操作指令发送至空调，执行所述操作指令改变空调的运行状态；
S4:间隔一时间段后，继续执行步骤S2直至所述PMV输出值在预设的PMV阈值范围内。
本实施例中，所述生理参数包括血压、皮电以及心电参数，当然也可以增加其他生理参数，所述室内环境参数包括温度、湿度以及风速数据，所述热舒适度主观评价包括温度舒适度评价值、湿度舒适度评价值以及风速舒适度评价值，所述个人参数评价包括衣着参数为衣着由薄至厚的评价值，活动量为由小至大的评价值。
其中温度舒适度评价值、湿度舒适度评价值以及风速舒适度评价值分别具有七个标尺，温度舒适度评价值如表1所示，由低至高的主观评价值分别为-3、-2、-1、0、1、2、3；
表1
湿度舒适度评价值如表2所示，由干燥至潮湿的主观评价值分别为-3、-2、-1、0、1、2、3；
表2
风速舒适度评价值如表3所示，由慢至快的主观评价值分别为-3、-2、-1、0、1、2、3；
表3
衣着情况评价值如表4所示，由薄至厚的主观评价值分别为-3、-2、-1、0、1、2、3；
表4
活动量评价值如表5所示，由小至大的主观评价值分别为-3、-2、-1、0、1、2、3；
表5
本实施例中训练得到该用户的人体热舒适度模型的过程包括：
将血压、皮电以及心电参数进行特征提取后进行特征融合并降维，将降维后的新特征向量、室内环境参数作为输入，输入到BP神经网络分类器中，将热舒适度主观评价结果作为目标输出，对所述BP神经网络分类器进行训练得到人体热舒适度模型。
选择小波包方法多元生理参数特征提取方法。该方法不仅对逼近部分进行分解，对细节部分也进行同样的分解。并且小波包分解方法具有时频不固定的特点，可以任意多尺度分解，不同于小波分解时频固定的缺陷，小波包分解为时频分析提供了极大的选择余地,，能够更加真实细致的反映信号的本质和特征。
使用小波包方法提取统计特征和能量特征，由于能量特征的识别率更高，因此，选择多元生理参数的能量特征作为其特征。
由于99％以上的能量集中在0—40Hz，以血压信号为例，采用小波包方法进行能量特征提取的实验时，我们对血压信号进行3层分解，产生八个频带，提取每个频带的标准差，范数和能量，得到24维信号特征。
分别对另外两种不同的生理信号进行特征提取，保存处理好的数据。接下来对三种生理信号的不同特征进行融合。选择在特征层进行数据的融合，融合算法选择MIV算法。
选取的三种生理信号各提取了24维的特征信号，共72维。使用MIV算法对72维特征进行MIV值的计算，并根据MIV值从大到小的顺序对特征进行排序。
选择MIV值较大的前82维特征向量，作为融合降维后的特征向量。
针对具体房间的用户，检测相关的多元参数，并将参数代入到上述人体热舒适模型中，得出当前PMV值。预测平均投票指标PMV(Predicted Mean Vote)是Fanger教授提出的一种表征人体热舒适的评价指标。
PMV的7级热感觉标尺，具体详见表6。
表6
用PPD(Predicted Percentage of Dissatisfied)来表述对当前热环境的不满意百分数。
PPD＝100-95exp[-0.03353×PMV 4+0.2179×PMV 2] (1)
当PMV＝0时，PPD并不为0，PPD＝5％，仍然有5％的人对当前的热环境感到不满意，这是由于人与人之间存在着生理上的差异。
国际标准ISO7730对PPD值的范围进行了规定：PPD值小于10％时的热环境是满足人体热舒适要求的。
根据式(1)可得，当PPD＝10％时，PMV＝±0.5。所以，当0.5≤PMV＜+0.5时，认为热环境是符合热舒适要求的。
本实施例中步骤S2中预设的PMV阈值范围为-0.5≤PMV＜0.5，根据得到的PMV输出值输出一操作指令的具体过程包括：
当PMV＜0.5时，其输出的操作指令为将空调的风速调至最低；
当PMV＜-2.5时，其输出的操作指令为将空调温度设定值调高3℃；
当-2.5≤PMV＜-1.5时，其输出的操作指令为将空调温度设定值调高2℃；
当-1.5≤PMV＜-0.5时，其输出的操作指令为降低空调出风速度，若风速已为低风档则将空调温度设定值调高1℃；
当0.5≤PMV时，其输出的操作指令为将调高空调出风的风速；
当2.5≤PMV时，其输出的操作指令为将空调温度设定值调低3℃；
当1.5≤PMV＜2.5时，其输出的操作指令为将空调温度设定值调低2℃；
当0.5≤PMV＜1.5时，其输出的操作指令为提高空调出风速度，如风速已为最高档，则将空调温度的设定值调低1℃。
当然，本发明根据具体用户，设置的PMV阈值范围是不一样的，本实施例仅具一常见的阈值范围作为例子进行说明，本实施例不限定本发明的范围。
如图2所示，本发明实施例还提供了一种空调控制***，其包括：
室内环境参数采集单元1，用于采集室内环境参数；
生理参数采集单元2，用于感测用户的生理参数；
评价单元3，用于输入个人参数及热舒适度主观评价；评价单元3将输入的个人参数及热舒适度主观评价发送至训练单元3中；
训练单元4，获取一用户在多个不同时间点的历史生理参数、室内环境参数、个人参数以及该用户对此时的室内环境的热舒适度主观评价，对所述参数及热舒适度主观评价训练得到该用户的人体热舒适度模型，所述人体热舒适度模型输入为该用户生理参数、室内环境参数、个人参数，输出为PMV值；
指令输出单元5，获取所述人体热舒适度模型，并接受用户的实时生理参数、室内环境参数、个人参数，输入至所述人体热舒适度模型，得到一PMV输出值，并根据所述PMV值输出一操作指令；
智能遥控单元6，接收所述操作指令并发送至空调7。
生理参数采集单元2采集的生理数据包括血压、皮电以及心电参数，室内环境参数采集单元1采集的环境参数包括温度、湿度以及风速，所述热舒适度主观评价包括温度评价值、湿度评价值以及风速评价值，所述个人参数包括衣着情况和活动量，用相应的评价值表示。
训练单元4得到该用户的人体热舒适度模型的过程包括：
将血压、皮电以及心电参数进行特征提取后进行特征融合并降维，将降维后的新特征向量、室内环境参数、个人参数作为输入，输入到BP神经网络分类器中，将热舒适度主观评价结果作为目标输出，对所述BP神经网络分类器进行训练得到人体热舒适度模型。
指令输出单元5预设一范围为-0.5≤PMV＜0.5的PMV阈值，当得到的PMV输出值在此阈值范围内时，指令输出单元5不执行任何操作；
当PMV＜0.5时，其输出的操作指令为将空调的风速调至最低；
当PMV＜-2.5时，其输出的操作指令为将空调温度设定值调高3℃；
当-2.5≤PMV＜-1.5时，其输出的操作指令为将空调温度设定值调高2℃；
当-1.5≤PMV＜-0.5时，其输出的操作指令为降低空调出风速度，若风速已为低风档则将空调温度设定值调高1℃；
当0.5≤PMV时，其输出的操作指令为将调高空调出风的风速；
当2.5≤PMV时，其输出的操作指令为将空调温度设定值调低3℃；
当1.5≤PMV＜2.5时，其输出的操作指令为将空调温度设定值调低2℃；
当0.5≤PMV＜1.5时，其输出的操作指令为提高空调出风速度，如风速已为最高档，则将空调温度的设定值调低1℃。
本发明提供的空调控制方法及***，根据特定用户的生理参数、环境参数、个人参数以及热舒适度主观评价结果，得到特定用户的人体热舒适度模型，实现了根据特定用户的实时的上述参数做出最适宜该用户的空调调节方式，完成空调***的智能自动调节，实现室内环境的动态热舒适控制。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (2)

1.一种空调控制方法，其特征在于，包括以下步骤：
S1：获取一用户在多个不同时间点的历史生理参数、室内环境参数、个人参数以及该用户对此时室内环境的热舒适度主观评价，对所述参数及热舒适度主观评价结果进行训练，得到该用户的人体热舒适度模型，所述人体热舒适度模型输入为该用户生理参数、室内环境参数、个人参数，输出为PMV值；
S2:获取用户的实时生理参数、室内环境参数与个人参数，输入至所述人体热舒适度模型，得到一PMV输出值，若所述PMV输出值不在预设的PMV阈值范围内，输出一操作指令；
S3：将所述操作指令发送至空调，执行所述操作指令改变空调的运行状态；
S4:间隔一时间段后，继续执行步骤S2直至所述PMV输出值在预设的PMV阈值范围内；
其中所述生理参数包括血压、皮电以及心电参数，所述室内环境参数包括温度、风速与湿度参数，所述个人参数包括衣着情况和活动量，用评价值来表示，所述热舒适度主观评价包括温度评价值、湿度评价值以及风速评价值；
所述训练得到该用户的人体热舒适度模型的过程包括：
将血压、皮电以及心电参数进行特征提取后进行特征融合并降维，将降维后的新特征向量、室内环境参数、衣着参数与活动量作为输入，输入到BP神经网络分类器中，以热舒适度主观评价结果作为目标输出，对所述BP神经网络分类器进行训练得到人体热舒适度模型；
所述步骤S2中预设的PMV阈值范围为PMVmin≤PMV＜PMVmax，根据得到的PMV输出值输出一操作指令的具体过程包括：
当PMV＜PMVmin时，其输出的操作指令为先将空调的风速调至最低，并根据PMV的具体值继续输出以下操作指令：
当PMV＜PMVmin-2时，将空调温度设定值调高3℃，
当PMVmin-2≤PMV＜PMVmin-1时，将空调温度设定值调高2℃，
当PMVmin-1≤PMV＜PMVmin时，降低空调出风速度，若风速已为低风档则将空调温度设定值调高1℃；
当PMVmax≤PMV时，其输出的操作指令为先将空调的风速调至最高，并根据PMV的具体值继续输出以下操作指令：
当PMVmax+2≤PMV时，将空调温度设定值调低3℃；
当PMVmax+1≤PMV＜PMVmax+2时，将空调温度设定值调低2℃；
当PMVmax≤PMV＜PMVmax+1时，提高空调出风速度，如风速已为最高档，则将空调温度的设定值调低1℃。
2.一种空调控制***，其特征在于，包括：
室内环境参数采集单元，用于采集室内环境参数；
生理参数采集单元，用于感测用户的生理参数；
评价单元，用于输入个人参数及热舒适度主观评价；
训练单元，获取一用户在多个不同时间点的历史生理参数、室内环境参数、个人参数以及热舒适度主观评价，对所述各参数及热舒适度主观评价结果进行训练，得到该用户的人体热舒适度模型，所述人体热舒适度模型输入为该用户生理参数、室内环境参数、个人参数，输出为PMV值；
指令输出单元，获取所述人体热舒适度模型，并接受用户的实时生理参数、室内环境参数、个人参数，输入至所述人体热舒适度模型，得到一PMV输出值，并根据所述PMV值输出一操作指令；
智能遥控单元，接收所述操作指令并发送至空调；
生理参数采集单元采集的生理数据包括血压、皮电以及心电参数，室内环境 参数采集单元采集的环境参数包括温度、湿度以及风速，所述个人参数包括衣着情况和活动量，用相应的评价值表示，所述热舒适度主观评价包括温度评价值、湿度评价值以及风速评价值；
所述训练单元得到该用户的人体热舒适度模型的过程包括：
将血压、皮电以及心电参数进行特征提取后进行特征融合并降维，将降维后的新特征向量、室内环境参数、个人参数作为输入，输入到BP神经网络分类器中，将热舒适度主观评价结果作为目标输出，对所述BP神经网络分类器进行训练得到人体热舒适度模型；
所述指令输出单元预设一范围为PMVmin≤PMV＜PMVmax的PMV阈值，当得到的PMV输出值在此阈值范围内时，指令输出单元不执行任何操作；
当PMV＜PMV1时，其输出的操作指令为先将空调的风速调至最低,并根据PMV的具体值继续输出以下操作指令：
当PMV＜PMVmin-2时，将空调温度设定值调高3℃，
当PMVmin-2≤PMV＜PMVmin-1时，将空调温度设定值调高2℃，
当PMVmin-1≤PMV＜PMVmin时，降低空调出风速度，若风速已为低风档则将空调温度设定值调高1℃；
当PMVmax≤PMV时，其输出的操作指令为先将空调的风速调至最高，并根据PMV的具体值继续输出以下操作指令：
当PMVmax+2≤PMV时，将空调温度设定值调低3℃；
当PMVmax+1≤PMV＜PMV2+2时，将空调温度设定值调低2℃；
当PMVmax≤PMV＜PMVmax+1时，提高空调出风速度，如风速已为最高档，则将空调温度的设定值调低1℃。
CN201510306176.4A 2015-06-04 2015-06-04 一种空调控制方法及*** Active CN104833063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510306176.4A CN104833063B (zh) 2015-06-04 2015-06-04 一种空调控制方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510306176.4A CN104833063B (zh) 2015-06-04 2015-06-04 一种空调控制方法及***

Publications (2)

Publication Number Publication Date
CN104833063A CN104833063A (zh) 2015-08-12
CN104833063B true CN104833063B (zh) 2017-12-01

Family

ID=53811121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510306176.4A Active CN104833063B (zh) 2015-06-04 2015-06-04 一种空调控制方法及***

Country Status (1)

Country Link
CN (1) CN104833063B (zh)

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160146389A (ko) * 2015-06-12 2016-12-21 삼성전자주식회사 댁 내 기기를 제어하는 방법 및 이를 위한 장치
CN105180361B (zh) * 2015-09-02 2018-01-23 珠海格力电器股份有限公司 模拟自然风的方法、装置以及空调器的送风方法、装置
EP3344924A1 (en) * 2015-09-03 2018-07-11 Robert Bosch GmbH Methods for determining a target operation point, target operation point determination devices, and user input devices
CN105180380B (zh) * 2015-10-21 2018-04-20 珠海格力电器股份有限公司 一种智能空调***
CN105387565B (zh) * 2015-11-24 2018-03-30 深圳市酷开网络科技有限公司 调节温度的方法和装置
CN106931587B (zh) * 2015-12-31 2019-10-25 广东美的制冷设备有限公司 空调的控制方法及空调
CN106352475A (zh) * 2016-08-23 2017-01-25 海信（山东）空调有限公司 空调器神经网络的训练样本采集方法及装置和空调***
CN106247564A (zh) * 2016-08-31 2016-12-21 芜湖美智空调设备有限公司 空调器的控制方法及空调器
CN106870424B (zh) * 2016-11-30 2019-09-10 湘潭大学 一种空气导向装置及***
CN106839289B (zh) * 2017-01-13 2020-02-07 广东美的制冷设备有限公司 空调器控制方法、控制器、空调器及空调器控制***
CN106705384A (zh) * 2017-02-09 2017-05-24 美的集团股份有限公司 冷媒泄漏的提醒方法及装置和空调器
CN106885339B (zh) * 2017-03-07 2020-08-04 青岛海尔空调器有限总公司 空调器的控制方法
US11675322B2 (en) 2017-04-25 2023-06-13 Johnson Controls Technology Company Predictive building control system with discomfort threshold adjustment
CN108870651B (zh) * 2017-05-16 2020-10-16 武汉理工大学 基于舒适度的酒店客房环境监测调节***与方法
WO2018222140A1 (en) * 2017-06-02 2018-12-06 National University Of Singapore Method and apparatus for deriving and/or controlling individual comfort parameters
CN107272785B (zh) * 2017-07-19 2019-07-30 北京上格云技术有限公司 一种机电设备及其控制方法、计算机可读介质
CN107883536B (zh) * 2017-09-30 2020-04-21 珠海格力电器股份有限公司 空调设备的参数调整方法及装置、终端
CN108181837B (zh) * 2017-11-28 2020-11-27 珠海格力电器股份有限公司 控制方法及控制装置
CN110059819B (zh) * 2018-01-17 2022-11-25 腾讯科技（深圳）有限公司 器件的工作控制方法、装置、***、控制设备及存储介质
CN108413588B (zh) * 2018-02-12 2021-03-02 北京工业大学 一种基于热成像及bp神经网络的个性化空调控制***及方法
CN108426349B (zh) * 2018-02-28 2020-04-17 天津大学 基于复杂网络与图像识别的空调个性化健康管理方法
JP7062475B2 (ja) * 2018-03-14 2022-05-06 株式会社東芝 空調制御装置、空調システム、空調制御方法及びプログラム
CN110837229B (zh) * 2018-08-17 2021-06-29 珠海格力电器股份有限公司 家用电器的控制方法和装置
CN109520071A (zh) * 2018-10-18 2019-03-26 珠海东之尼电子科技有限公司 一种基于支持向量机学习的空调自适应控制方法及***
CN111256311A (zh) * 2018-11-30 2020-06-09 广东美的制冷设备有限公司 空调器及其控制方法、装置、计算机可读存储介质
CN111288604B (zh) * 2018-12-07 2021-08-20 宁波方太厨具有限公司 一种空调的温度自动调节方法及***
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
CN109708259A (zh) * 2018-12-24 2019-05-03 珠海格力电器股份有限公司 空调器的控制方法及装置、存储介质和处理器
CN109899937A (zh) * 2019-03-12 2019-06-18 王馨仪 基于lstm模型的舒适度和节能预测的空调调节***及方法
CN110017585A (zh) * 2019-03-21 2019-07-16 杭州享福多智能科技有限公司 空调智能适配启动方法及装置
CN110298487B (zh) * 2019-05-30 2023-05-16 同济大学 一种用于满足用户个性化需求的室内温度预测方法
CN110426662A (zh) * 2019-07-26 2019-11-08 上海联影医疗科技有限公司 磁共振成像***的扫描控制方法及磁共振成像***
WO2021026369A1 (en) * 2019-08-06 2021-02-11 Johnson Controls Technology Company Model predictive maintenance system with degradation impact model
CN110671795B (zh) * 2019-11-29 2020-12-11 北方工业大学 一种基于人工智能的宜居环境***及其使用方法
CN113496318A (zh) * 2020-03-18 2021-10-12 海信集团有限公司 一种评价用户个性化热舒适的pmv值的终端和方法
CN111829147A (zh) * 2020-06-28 2020-10-27 五邑大学 人体舒适度分析方法、装置及存储介质
CN112097378A (zh) * 2020-08-21 2020-12-18 深圳市建滔科技有限公司 一种基于前馈型神经网络的空调舒适度调节方法
CN112432316B (zh) * 2020-11-23 2022-06-14 珠海格力电器股份有限公司 一种空调控制方法、装置、电子设备及存储介质
CN113465137A (zh) * 2021-04-29 2021-10-01 青岛海尔空调器有限总公司 空调智能控制方法、装置、电子设备和存储介质
CN113266952A (zh) * 2021-05-24 2021-08-17 佛山市顺德区美的洗涤电器制造有限公司 用于壁挂炉的温度控制方法、***及服务器
CN113276622B (zh) * 2021-05-26 2022-11-29 上海三一重机股份有限公司 作业机械驾驶舱的风量控制方法及装置
CN114294802A (zh) * 2022-01-24 2022-04-08 华东建筑设计研究院有限公司 基于pmv指标的风机盘管控制方法及控制***
CN114355767B (zh) * 2022-03-21 2022-06-24 青岛理工大学 基于q学习的养老建筑室内热环境的无模型控制方法
CN115031394A (zh) * 2022-05-18 2022-09-09 深圳达实智能股份有限公司 一种基于个人热愉悦性聚类的区域空调调节方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104075402A (zh) * 2014-06-19 2014-10-01 珠海格力电器股份有限公司 智能空调控制方法和***
CN104344501A (zh) * 2013-08-29 2015-02-11 海尔集团公司 一种空调器及其控制方法
CN104374053A (zh) * 2014-11-25 2015-02-25 珠海格力电器股份有限公司 一种智能控制方法、装置及***
CN104490371A (zh) * 2014-12-30 2015-04-08 天津大学 一种基于人体生理参数的热舒适检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104344501A (zh) * 2013-08-29 2015-02-11 海尔集团公司 一种空调器及其控制方法
CN104075402A (zh) * 2014-06-19 2014-10-01 珠海格力电器股份有限公司 智能空调控制方法和***
CN104374053A (zh) * 2014-11-25 2015-02-25 珠海格力电器股份有限公司 一种智能控制方法、装置及***
CN104490371A (zh) * 2014-12-30 2015-04-08 天津大学 一种基于人体生理参数的热舒适检测方法

Also Published As

Publication number Publication date
CN104833063A (zh) 2015-08-12

Similar Documents

Publication Publication Date Title
CN104833063B (zh) 一种空调控制方法及***
CN106123206B (zh) 一种调整环境热度的方法和***
CN106322657B (zh) 一种空调控制方法及空调控制器和空调***
CN104913440B (zh) 空调器舒适性控制方法
CN104456841B (zh) 一种基于热舒适评价的热湿环境综合控制空调***及方法
CN104102789B (zh) 一种建筑热湿环境等级的评估***及方法
CN105180380A (zh) 一种智能空调***
CN106958927B (zh) 空调控制的方法及装置
CN107421074B (zh) 空调控制的方法及装置
CN105020836B (zh) 空调器的舒适性控制方法及装置
EP3699507A1 (en) Air-conditioning control device
CN104913463B (zh) 空调器的控制方法、控制***和可穿戴电子设备
CN106705380A (zh) 一种中央空调***室内空气温度设定方法及装置
CN112254287B (zh) 变权重多模型综合预测中央空调末端送风控制方法
CN112032971B (zh) 一种基于心率监测的室内热环境调控方法
CN110726222B (zh) 空调控制方法、装置、存储介质以及处理器
CN104729035B (zh) 温控节能调节装置及方法
CN113776165B (zh) 基于YOLOv5l算法的多区域的人造雾管网智能控制方法及***
CN107328033A (zh) 一种基于湿度自动控制温度的方法与设备
CN110736233A (zh) 空调控制方法及装置
CN109682038A (zh) 一种空调器控制方法及空调器
CN110736230A (zh) 空调器的控制方法及装置、空调控制***
CN106440154B (zh) 具有加湿功能的空调***控制方法及空调***
CN112097378A (zh) 一种基于前馈型神经网络的空调舒适度调节方法
CN107023951A (zh) 通过人脸识别控制空调的方法和***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 230000 no.292 Ziyun Road, economic development zone, Hefei City, Anhui Province

Patentee after: ANHUI JIANZHU University

Patentee after: Anhui new infrastructure Co., Ltd

Address before: 230000 no.292 Ziyun Road, Hefei Economic and Technological Development Zone, Anhui Province

Patentee before: ANHUI JIANZHU University

Patentee before: Anhui Sijian Holding Group Co., Ltd