CN110715401B - 空调设备的化霜控制方法、装置、介质及空调设备 - Google Patents
空调设备的化霜控制方法、装置、介质及空调设备 Download PDFInfo
- Publication number
- CN110715401B CN110715401B CN201910807909.0A CN201910807909A CN110715401B CN 110715401 B CN110715401 B CN 110715401B CN 201910807909 A CN201910807909 A CN 201910807909A CN 110715401 B CN110715401 B CN 110715401B
- Authority
- CN
- China
- Prior art keywords
- frosting
- air conditioning
- defrosting
- conditioning equipment
- thickness
- 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
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
- 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
- F24F11/41—Defrosting; Preventing freezing
- F24F11/42—Defrosting; Preventing freezing of outdoor units
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- 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
- F24F11/63—Electronic processing
- F24F11/65—Electronic processing for selecting an operating mode
-
- 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
- F24F2110/12—Temperature of the outside air
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/20—Heat-exchange fluid temperature
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请提出一种空调设备的化霜控制方法、装置、介质及空调设备,所述方法包括:采集所述空调设备的结霜状态数据,并上传至服务器;接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定;依据所述化霜指令执行化霜操作。本申请能够依据结霜状态数据利用神经网络算法确定结霜厚度,并依据结霜厚度判断是否需要化霜,提升了结霜厚度的计算准确度,使得空调设备依据结霜厚度执行化霜,提高化霜效果。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种空调设备的化霜控制方法、装置、介质及空调设备。
背景技术
空调在运行制热过程中,由于从外界吸取热量提供给内侧,从而造成冷媒在外机运行过程中,外侧的换热器的温度会比环境温度低,长时间的过程中就会导致外侧不断的有霜形成。
目前的空调的化霜控制方法为:在相对位置设定一个热传感器,检测到一定温度后,由制热转制冷,通过高温制冷剂从冷凝器顶部进入,将冷凝器上凝结的霜层融化。当满足退出化霜条件后,***转制热继续运行。
然而,该方法对结霜情况的判断不够准确。特别是在雪天导致的积雪直接覆盖在两器上时,应用该方法无法检测到结霜情况。另外,当积雪过厚时,采用目前的化霜控制方法无法化霜干净,影响化霜效果。
发明内容
本申请提供一种空调设备的化霜控制方法及相应的装置,其主要实现了依据结霜状态数据利用神经网络算法确定结霜厚度,并依据结霜厚度判断是否需要化霜,提升了结霜厚度的计算准确度,提高化霜效果。
本申请还提供一种用于执行本申请的空调设备的化霜控制方法的空调设备及可读存储介质。
为解决上述问题,本申请采用如下各方面的技术方案:
第一方面,本申请提供一种空调设备的化霜控制方法所述方法包括:
采集所述空调设备的结霜状态数据,并上传至服务器;
接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定;
依据所述化霜指令执行化霜操作。
具体的,所述采集所述空调设备的结霜状态数据,并上传至服务器,包括:
利用摄像设备采集所述空调设备的冷凝器盘管上的当前结霜图片;
利用温度传感器检测所述空调设备的冷凝器盘管的当前盘管温度;
利用温度传感器检测室外的当前环境温度;
将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度作为结霜状态数据上传至服务器。
具体的,所述化霜指令为所述服务器利用神经网络算法将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与预存的化霜参数数据库中的基准数据比对得到结霜厚度,并依据所述结霜厚度确定。
具体的,所述依据所述化霜指令中执行化霜操作,包括:
提取所述化霜指令中的化霜模式;
依据所述化霜模式控制所述空调设备的四通阀的方向以执行化霜。
第二方面,本申请提供一种空调设备的化霜控制装置所述装置包括:
采集模块,用于采集所述空调设备的结霜状态数据;
上传模块,用于将所述结霜状态数据上传至服务器;
执行模块,用于当接收到所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令时,依据所述化霜指令执行化霜操作。
第三方面,本申请提供一种空调设备化霜的远程控制方法所述方法包括:
接收空调设备上传的结霜状态数据;
依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜;
若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作。
具体的,所述结霜状态数据包括所述空调设备的冷凝器盘管上的当前结霜图片、所述空调设备的冷凝器盘管的当前盘管温度以及室外的当前环境温度。
具体的,所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜之前,包括:
调用预先存储的结霜参数数据库中的基准数据;
依据所述基准数据利用神经网络算法训练得到结霜厚度预测模型,所述基准数据包括:不同的基准环境温度以及各个基准环境温度下对应的空调设备的冷凝器盘管上的基准结霜图片、所述空调设备的冷凝器盘管的基准盘管温度以及基准结霜厚度。
优选的,所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜,包括:
利用所述结霜厚度预测模型分别将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与所述基准结霜图片、所述基准盘管温度以及所述基准环境温度进行比对;
依据比对结果得到结霜厚度,所述结霜厚度包括当前结霜厚度以及预设时间段内的预测结霜厚度;
当所述当前结霜厚度大于预设厚度,且所述当前盘管温度低于预设温度时,判断所述空调设备需要化霜。
或者,当所述预测结霜厚度大于预设厚度时,判断所述空调设备需要化霜。
具体的,所述若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作,包括:
依据所述当前结霜厚度确定化霜模式;
依据所述化霜模式生成化霜指令并发送至所述空调设备。
优选的,所述若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作,包括:
依据所述预测结霜厚度生成调整所述化霜模式的指令;
将调整所述化霜模式的指令发送至所述空调设备,使得所述空调设备调整当前的化霜模式。
第四方面,本申请提供一种空调设备化霜的远程控制装置,所述方法包括:
接收模块,用于接收空调设备上传的结霜状态数据;
判断模块,用于依据所述结霜状态数据利用神经网络算法判断所述空调设备是否要化霜;
发送模块,用于若判断所述空调设备需要化霜,向所述空调设备发送化霜指令,使得所述空调设备依据所述化霜指令执行化霜操作。
第五方面,本申请提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述空调设备的化霜控制方法的步骤。
第六方面,本申请提供一种空调设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如第一方面中任一项所述空调设备的化霜控制方法的步骤
相对于现有技术,本申请的技术方案至少具备如下优点:
1、本申请提供一种空调设备的化霜控制方法,通过采集所述空调设备的结霜状态数据,并上传至服务器;接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定;依据所述化霜指令执行化霜操作。本申请通过空调设备与服务器之间的交互,实现空调设备的化霜。本申请基于神经网络算法对结霜厚度进行计算,并依据结霜厚度判断是否进行化霜,提高了结霜厚度的计算准确度,使得空调设备依据结霜厚度执行化霜,即使结霜过厚,也能化霜干净,提高化霜效果。
2、本申请中,所述空调设备通过采集结霜状态数据上传至服务器,所述服务器利用神经网络算法对所述结霜状态数据进行处理得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否需要化霜,当所述服务器判断出所述空调设备需要化霜时,生成化霜指令发送至所述空调设备,所述空调设备依据所述化霜指令执行化霜。本申请基于空调设备与服务器之间的交互完成化霜的判断以及执行,提升结霜的识别精度以及化霜的效果。
3、本申请中,所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜之前,包括:调用预先存储的结霜参数数据库中的基准数据;依据所述基准数据利用神经网络算法训练得到结霜厚度预测模型,所述基准数据包括:不同的基准环境温度以及各个基准环境温度下对应的空调设备的冷凝器盘管上的基准结霜图片、所述空调设备的冷凝器盘管的基准盘管温度以及基准结霜厚度。本申请基于神经网络算法对预先测得的基准数据进行训练,得到结霜厚度预测模型。所述结霜厚度预测模型用于后续结霜厚度的计算,该模型可以计算当前的结霜厚度以及预测指定时间段内的结霜厚度,实现提前预知结霜情况,以便提前进入化霜。
4、本申请中,所述结霜状态数据包括所述空调设备的冷凝器盘管上的当前结霜图片、所述空调设备的冷凝器盘管的当前盘管温度以及室外的当前环境温度。所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜,包括:利用所述结霜厚度预测模型分别将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与所述基准结霜图片、所述基准盘管温度以及所述基准环境温度进行比对得到结霜厚度,所述结霜厚度包括当前结霜厚度以及预设时间段内的预测结霜厚度;当所述当前结霜厚度大于预设厚度,且所述当前盘管温度低于预设温度时,判断所述空调设备需要化霜。或者,当所述预测结霜厚度大于预设厚度时,判断所述空调设备需要化霜。本申请中,依据神经网络算法可以得到当前结霜厚度以及预测结霜厚度,依据当前结霜厚度以及预测结霜厚度判断是否需要化霜。本申请中,当所述空调设备处于初始开机状态下时,可以通过神经网络算法得到预测结霜厚度,依据预测结霜厚度判断是否需要化霜,解决了现有技术中,处于初始开机状态下无法检测化霜的问题。
5、本申请中,还可以依据所述预测结霜厚度生成调整所述化霜模式的指令;将调整所述化霜模式的指令发送至所述空调设备,使得所述空调设备调整当前的化霜模式。本申请可以依据预测结霜厚度调整当前的化霜模式,当预测结霜厚度过厚时,可以及时调整化霜模式,以便及时清除干净即将凝结的霜,解决了现有技术中,由于长期结霜偏厚导致的无法化霜干净的问题。
附图说明
图1为一个实施例中空调设备的化霜控制方法流程图;
图2为一个实施例中空调设备的化霜控制装置结构框图;
图3为一个实施例中空调设备化霜的远程控制方法流程图;
图4为一个实施例中空调设备化霜的远程控制装置结构框图;
图5为一个实施例中空调设备的内部结构框图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如S11、S12等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本领域普通技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,本申请实施例提供一种空调设备的化霜控制方法,所述方法执行于空调设备。如图1所示,所述方法包括以下步骤:
S11、采集所述空调设备的结霜状态数据,并上传至服务器。
本申请中,所述采集所述空调设备的结霜状态数据,并上传至服务器,具体包括:
所述空调设备实时采集所述结霜状态数据,并实时上传至服务器;
或者,所述空调设备每隔预设时间段采集所述结霜状态数据,并上传至服务器。
本申请中,所述结霜状态数据包括但不限于:所述空调设备的冷凝器盘管上的当前结霜图片、所述空调设备的冷凝器盘管的当前盘管温度以及室外的当前环境温度。所述结霜状态数据作为所述神经网络算法的输入参数,通过神经网络算法,最终输出所述结霜厚度。
本申请中,所述采集所述空调设备的结霜状态数据,并上传至服务器,包括:
利用摄像设备采集所述空调设备的冷凝器盘管上的当前结霜图片;利用温度传感器检测所述空调设备的冷凝器盘管的当前盘管温度;利用温度传感器检测室外的当前环境温度;将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度作为结霜状态数据上传至服务器。其中,所述摄像设备可以为视频监控设备。
S12、接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定。
本申请中,所述服务器接收所述结霜状态数据之后,利用神经网络算法对所述结霜状态数据进行处理得到结霜厚度,并依据所述结霜厚度确定化霜指令。
本申请中,所述服务器预先构建了化霜参数数据库,所述化霜参数数据库中包括空调开发阶段测得的若干个基准数据。所述基准数据包括但不限于:不同的基准环境温度以及各个基准环境温度下对应的空调设备的冷凝器盘管上的基准结霜图片、所述空调设备的冷凝器盘管的基准盘管温度以及基准结霜厚度。
本申请基于神经网络算法对所述基准数据进行处理,以训练出可以预测结霜厚度的模型即预测结霜厚度模型。一种可能的设计中,本申请训练所述预测结霜厚度模型的方法如下:
以基准环境温度、基准结霜图片以及基准盘管温度作为输入量,以基准结霜厚度作为输出量,构建预测函数;
以基准环境温度、基准结霜图片以及基准盘管温度作为所述预测函数的输入量计算结霜厚度的理论值,将所述理论值与所述基准结霜厚度进行比对得到误差值;
依据所述误差值不断调整所述预测函数中的各个输入量的系数,使得得到的结霜厚度的理论值与所述基准结霜厚度的误差值在预设误差范围内,经过多次训练不断调整后得到的预测函数即为所述结霜厚度预测模型中的函数。
其中,以所述基准结霜图片作为预测函数的输入量时,具体提取所述基准结霜图片的LBP特征值,以所述LBP特征值作为输入量。
S13、依据所述化霜指令执行化霜操作。
本申请中,所述依据所述化霜指令中执行化霜操作,包括:
提取所述化霜指令中的化霜模式,依据所述化霜模式控制所述空调设备的四通阀的方向以执行化霜。本申请中,所述服务器依据所述结霜厚度确定所述化霜模式,并将所述化霜模式携带于所述化霜指令中发送至所述空调设备。
一种可能的设计中,所述服务器依据所述结霜厚度确定所述化霜模式,具体包括:
当所述结霜厚度低于预设的目标值时,采用制热循环化霜模式化霜;当所述结霜厚度高于所述目标值时,采用制冷循环化霜模式化霜,所述目标值可以根据实际需要设定。
本申请中,当采用制热循环化霜模式化霜时,所述空调设备按照制热循环化霜模式而保持四通阀的方向不变,并控制内风机运行于最低风档、控制电辅热运行、控制外风机停止运行。本申请中,当结霜的霜层较薄时,通过减小冷媒温度的衰减,并利用冷媒携带的热量化除霜层即可,可以降低四通阀换向的频次,降低了四通阀的故障率。
当采用制冷循环化霜模式化霜时,所述空调设备按照制冷循环化霜模式而改变四通阀的方向,并控制内风机、外风机停止运行。通过改变四通阀的方向,使得空调设备处于制冷状态。由于进入制冷循环,流入室内换热器的冷媒温度降低,因而通过控制内风机停止运行,可以减小室内温度的下降幅度。通过控制外风机停止运行,可减小冷媒与外侧空气的换热,从而确保冷媒携带的热量能用于化除室外冷凝器上的霜层。
请参阅图3,本申请实施例提供一种空调设备化霜的远程控制方法,所述方法执行于服务器。如图3所示,所述方法包括以下步骤:
S21、接收空调设备上传的结霜状态数据。
本申请中,所述空调设备采集所述结霜状态数据并上传至服务器,所述服务器接收所述结霜状态数据后对所述结霜状态数据进行分析处理得到结霜厚度。其中,所述结霜状态数据包括但不限于所述空调设备的冷凝器盘管上的当前结霜图片、所述空调设备的冷凝器盘管的当前盘管温度以及室外的当前环境温度。
具体的,所述空调设备利用摄像设备采集所述空调设备的冷凝器盘管上的当前结霜图片;利用温度传感器检测所述空调设备的冷凝器盘管的当前盘管温度;利用温度传感器检测室外的当前环境温度;将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度作为结霜状态数据上传至服务器。其中,所述摄像设备可以为视频监控设备。
S22、依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜。
本申请中,所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜之前,包括:
调用预先存储的结霜参数数据库中的基准数据;依据所述基准数据利用神经网络算法训练得到结霜厚度预测模型,所述基准数据包括:不同的基准环境温度以及各个基准环境温度下对应的空调设备的冷凝器盘管上的基准结霜图片、所述空调设备的冷凝器盘管的基准盘管温度以及基准结霜厚度。
一种可能的设计中,本申请训练所述预测结霜厚度模型的方法如下:
以基准环境温度、基准结霜图片以及基准盘管温度作为输入量,以基准结霜厚度作为输出量,构建一个预测函数;以基准环境温度、基准结霜图片以及基准盘管温度作为所述预测函数的输入量计算结霜厚度的理论值,将所述理论值与所述基准结霜厚度进行比对得到误差值;依据所述误差值不断调整所述预测函数中的各个输入量的系数,使得得到的结霜厚度的理论值与所述基准结霜厚度的误差值在预设误差范围内,经过不断训练调整后得到的预测函数即为所述结霜厚度预测模型中的函数。其中,以所述基准结霜图片作为所述预测函数的输入量时,具体提取所述基准结霜图片的LBP特征值,以所述LBP特征值作为输入值。
进一步的,所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜,包括:
利用所述结霜厚度预测模型分别将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与所述基准结霜图片、所述基准盘管温度以及所述基准环境温度进行比对;依据比对结果得到结霜厚度,所述结霜厚度包括当前结霜厚度以及预设时间段内的预测结霜厚度;当所述当前结霜厚度大于预设厚度,且所述当前盘管温度低于预设温度时,判断所述空调设备需要化霜。或者,当所述预测结霜厚度大于预设厚度时,判断所述空调设备需要化霜。
本申请中,得到所述结霜厚度预测模型后,将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度输入所述结霜厚度预测模型,通过所述结霜厚度预测模型对所述当前结霜图片、所述当前盘管温度以及所述当前环境温度进行处理得到所述结霜厚度。请参考下表1,表1为一种实施例中,所述结霜数据库的数据结构表。
一种实施例中,所述结霜数据库的数据结构表
基准数据 | 数据值 | 数据值 | 数据值 |
基准环境温度 | T1 | T2 | T3 |
基准盘管温度 | t1 | t2 | t3 |
基准结霜图片 | M1 | M2 | M3 |
基准结霜厚度 | H1 | H2 | H3 |
如表1所示,所述结霜数据库中包括所述基准结霜图片、所述基准盘管温度以及所述基准环境温度及各个基准数据之间的对应的关系。表1中包括:
在基准环境温度T1下对应的基准盘管温度为t1,基准结霜图片为M1,基准结霜厚度为H1;
在基准环境温度T2下对应的基准盘管温度为t2,基准结霜图片为M2,基准结霜厚度为H2;
在基准环境温度T3下对应的基准盘管温度为t3,基准结霜图片为M3,基准结霜厚度为H3。
一种实施例中,假设当前环境温度为T0、当前盘管温度为t0以及当前结霜图片为M0。所述服务器利用所述结霜厚度预测模型对所述结霜状态数据进行处理时,包括:将T0分别与T1、T2以及T3比对,获取与T0温度最接近的基准环境温度为T2,则将t0与t2比对,将M0与M2比对,依据比对结果以及H2获取所述结霜厚度。
本申请中,所述结霜厚度包括当前结霜厚度以及指定时间段内的预测结霜厚度。所述指定时间段可以根据时间需要设定,例如,设定为未来一天内的结霜厚度。本申请根据所述当前结霜厚度可以判断当前是否需要进行化霜以及采取何种化霜模式。本申请依据所述预测结霜厚度可以判断是否需要提前进入化霜,以避免出现结霜过厚导致的无法化霜彻底。
本申请中,依据所述结霜厚度判断是否需要化霜的判断条件可以根据实际情况设定。一种实施例中,所述判断条件可以设定为:当所述当前结霜厚度大于预设厚度,且所述当前盘管温度低于预设温度时,判断所述空调设备需要化霜。
另一种实施例中,所述判断条件可以设定为:当所述预测结霜厚度大于预设厚度时,判断所述空调设备需要化霜。例如,虽然当前结霜厚度未达到化霜的厚度,但是预测三小时后的结霜厚度为H1超过化霜的预设厚度,则判断需要提前进入化霜模式,解决了现有技术中,由于无法预测结霜厚度,导致无法及时化霜的问题。
另一种实施例中,当空调设备处于初始开机状态时,此时若检测到当前结霜厚度达到预设厚度,则判断需要化霜,向空调设备发送化霜指令,解决了现有技术中,所述空调设备处于初始开机状态下无法检测结霜厚度的问题。
S23、若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作。
本申请中,所述若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作,包括:
依据所述当前结霜厚度确定化霜模式;依据所述化霜模式生成化霜指令并发送至所述空调设备。
一种可能的设计中,所述服务器依据所述结霜厚度确定所述化霜模式,具体包括:
当所述结霜厚度低于预设的目标厚度时,采用制热循环化霜模式化霜;当所述结霜厚度高于所述目标厚度时,采用制冷循环化霜模式化霜。
本申请中,当采用制热循环化霜模式化霜时,所述空调设备按照制热循环化霜模式而保持四通阀的方向不变,并控制内风机运行于最低风档、控制电辅热运行、控制外风机停止运行。本申请中,当结霜的霜层较薄时,通过减小冷媒温度的衰减,并利用冷媒携带的热量化除霜层即可,可以降低四通阀换向的频次,降低了四通阀的故障率。
当采用制冷循环化霜模式化霜时,所述空调设备按照制冷循环化霜模式而改变四通阀的方向,并控制内风机、外风机停止运行。通过改变四通阀的方向,使得空调设备处于制冷状态。由于进入制冷循环,流入室内换热器的冷媒温度降低,因而通过控制内风机停止运行,可以减小室内温度的下降幅度。通过控制外风机停止运行,可减小冷媒与外侧空气的换热,从而确保冷媒携带的热量能用于化除室外冷凝器上的霜层。
优选的,所述若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作,包括:
依据所述预测结霜厚度生成调整所述化霜模式的指令;将调整所述化霜模式的指令发送至所述空调设备,使得所述空调设备调整当前的化霜模式。
本申请中可以依据预测结霜厚度及时调整化霜模式,当当前的化霜模式的化霜速度小于结霜速度时,及时调整化霜模式,解决了现有技术中,由于无法预测结霜厚度,导致可能出现结霜的速度超过化霜的速度而出现结霜积累过厚,无法化霜干净的问题。
请参考图3,在另一种实施例中,本申请提供了一种空调设备的化霜控制装置,包括:
采集模块11,用于采集所述空调设备的结霜状态数据;
上传模块12,用于将所述结霜状态数据上传至服务器;
执行模块13,用于当接收到所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令时,依据所述化霜指令执行化霜操作。
具体的,所述采集模块11,包括:
采集单元,用于利用摄像设备采集所述空调设备的冷凝器盘管上的当前结霜图片;
利用温度传感器检测所述空调设备的冷凝器盘管的当前盘管温度;
利用温度传感器检测室外的当前环境温度;
将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度作为结霜状态数据上传至服务器。
具体的,所述化霜指令为所述服务器利用神经网络算法将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与预存的化霜参数数据库中的基准数据比对得到结霜厚度,并依据所述结霜厚度确定。
具体的,所述执行模块13,包括:
执行单元,用于提取所述化霜指令中的化霜模式;
依据所述化霜模式控制所述空调设备的四通阀的方向以执行化霜。
请参考图4,在另一种实施例中,本申请提供了一种空调设备化霜的远程控制装置,包括:
接收模块21,用于接收空调设备上传的结霜状态数据;
判断模块22,用于依据所述结霜状态数据利用神经网络算法判断所述空调设备是否要化霜;
发送模块23,用于若判断所述空调设备需要化霜,向所述空调设备发送化霜指令,使得所述空调设备依据所述化霜指令执行化霜操作。
具体的,判断模块22,包括:
训练单元,用于调用预先存储的结霜参数数据库中的基准数据;
依据所述基准数据利用神经网络算法训练得到结霜厚度预测模型,所述基准数据包括:不同的基准环境温度以及各个基准环境温度下对应的空调设备的冷凝器盘管上的基准结霜图片、所述空调设备的冷凝器盘管的基准盘管温度以及基准结霜厚度。
具体的,判断模块22,包括:
判断单元,用于利用所述结霜厚度预测模型分别将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与所述基准结霜图片、所述基准盘管温度以及所述基准环境温度进行比对得到结霜厚度,所述结霜厚度包括当前结霜厚度以及预设时间段内的预测结霜厚度;
当所述当前结霜厚度大于预设厚度,且所述当前盘管温度低于预设温度时,判断所述空调设备需要化霜。
或者,当所述预测结霜厚度大于预设厚度时,判断所述空调设备需要化霜。
优选的,所述发送模块23,包括:
发送单元,用于依据所述当前结霜厚度确定化霜模式;
依据所述化霜模式生成化霜指令并发送至所述空调设备。
优选的,所述发送模块23,包括:
调整单元,用于依据所述预测结霜厚度生成调整所述化霜模式的指令;
将调整所述化霜模式的指令发送至所述空调设备,使得所述空调设备调整当前的化霜模式。
在另一种实施例中,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现任一项技术方案所述的空调设备的化霜控制方法。其中,所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random AcceSSMemory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储设备包括由设备(例如,计算机、手机)以能够读的形式存储或传输信息的任何介质,可以是只读存储器,磁盘或光盘等。
本申请提供的一种计算机可读存储介质,可实现采集所述空调设备的结霜状态数据,并上传至服务器;接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定;依据所述化霜指令执行化霜操作。本申请基于神经网络算法对结霜厚度进行计算,并依据结霜厚度判断是否进行化霜,提高了结霜厚度的计算准确度,使得空调设备依据结霜厚度执行化霜,即使结霜过厚,也能化霜干净,提高化霜效果。
此外,在又一种实施例中,本申请提供了一种空调设备,如图5所示,所述空调设备包括处理器303、存储器305、输入单元307以及显示单元309等器件。本领域技术人员可以理解,图5示出的结构器件并不构成对所有空调设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件。存储器305可用于存储应用程序301以及各功能模块,处理器303运行存储在存储器305的应用程序301,从而执行设备的各种功能应用以及数据处理。存储器305可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本申请所公开的存储器包括但不限于这些类型的存储器。本申请所公开的存储器305只作为例子而非作为限定。
输入单元307用于接收信号的输入,以及接收用户输入的关键字。输入单元307可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并根据预先设定的程序驱动相应的连接装置;其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元309可用于显示用户输入的信息或提供给用户的信息以及空调设备的各种菜单。显示单元309可采用液晶显示器、有机发光二极管等形式。处理器303是空调设备的控制中心,利用各种接口和线路连接整个电脑的各个部分,通过运行或执行存储在存储器303内的软件程序和/或模块,以及调用存储在存储器内的数据,执行各种功能和处理数据。图4中所示的一个或多个处理器303能够执行、实现图2中所示的采集模块11、接收模块12以及执行模块13的功能。
在一种实施方式中,所述空调设备包括存储器305和处理器303,所述存储器305中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器303执行以上实施例所述的一种空调设备的化霜控制方法的步骤。
本申请、实施例提供的一种空调设备,可实现可实现采集所述空调设备的结霜状态数据,并上传至服务器;接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定;依据所述化霜指令执行化霜操作。本申请基于神经网络算法对结霜厚度进行计算,并依据结霜厚度判断是否进行化霜,提高了结霜厚度的计算准确度,使得空调设备依据结霜厚度执行化霜,即使结霜过厚,也能化霜干净,提高化霜效果。
本申请、实施例提供的计算机可读存储介质可以实现上述空调设备的化霜控制方法的实施例,具体功能实现请参见方法实施例中的说明,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本申请记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种空调设备的化霜控制方法,其特征在于,所述方法包括:
采集所述空调设备的结霜状态数据,并上传至服务器;
接收所述服务器依据所述结霜状态数据利用神经网络算法得到的化霜指令,所述化霜指令由所述服务器依据所述结霜状态数据得到结霜厚度并依据所述结霜厚度确定;
依据所述化霜指令执行化霜操作;
所述采集所述空调设备的结霜状态数据,并上传至服务器,包括:
利用摄像设备采集所述空调设备的冷凝器盘管上的当前结霜图片;
利用温度传感器检测所述空调设备的冷凝器盘管的当前盘管温度;
利用温度传感器检测室外的当前环境温度;
将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度作为结霜状态数据上传至服务器;
所述化霜指令为所述服务器利用神经网络算法将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与预存的化霜参数数据库中的基准数据比对得到结霜厚度,并依据所述结霜厚度确定。
2.根据权利要求1所述的空调设备的化霜控制方法,其特征在于,所述依据所述化霜指令中执行化霜操作,包括:
提取所述化霜指令中的化霜模式;
依据所述化霜模式控制所述空调设备的四通阀的方向以执行化霜。
3.一种空调设备化霜的远程控制方法,其特征在于,所述方法包括:
接收空调设备上传的结霜状态数据;
依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜;
若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作;
所述结霜状态数据包括所述空调设备的冷凝器盘管上的当前结霜图片、所述空调设备的冷凝器盘管的当前盘管温度以及室外的当前环境温度;
所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜之前,包括:
调用预先存储的结霜参数数据库中的基准数据;
依据所述基准数据利用神经网络算法训练得到结霜厚度预测模型,所述基准数据包括:不同的基准环境温度以及各个基准环境温度下对应的空调设备的冷凝器盘管上的基准结霜图片、所述空调设备的冷凝器盘管的基准盘管温度以及基准结霜厚度;
所述依据所述结霜状态数据利用神经网络算法得到结霜厚度,并依据所述结霜厚度判断所述空调设备是否要化霜,包括:
利用所述结霜厚度预测模型分别将所述当前结霜图片、所述当前盘管温度以及所述当前环境温度与所述基准结霜图片、所述基准盘管温度以及所述基准环境温度进行比对;
依据比对结果得到结霜厚度,所述结霜厚度包括当前结霜厚度以及预设时间段内的预测结霜厚度;
当所述当前结霜厚度大于预设厚度,且所述当前盘管温度低于预设温度时,判断所述空调设备需要化霜;
或者,当所述预测结霜厚度大于预设厚度时,判断所述空调设备需要化霜。
4.根据权利要求3所述的空调设备化霜的远程控制方法,其特征在于,所述若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作,包括:
依据所述当前结霜厚度确定化霜模式;
依据所述化霜模式生成化霜指令并发送至所述空调设备。
5.根据权利要求4所述的空调设备化霜的远程控制方法,其特征在于,所述若是,依据所述结霜厚度生成化霜指令并发送至所述空调设备,使得所述空调设备依据所述化霜指令执行化霜操作,包括:
依据所述预测结霜厚度生成调整所述化霜模式的指令;
将调整所述化霜模式的指令发送至所述空调设备,使得所述空调设备调整当前的化霜模式。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1至2中任一项所述空调设备的化霜控制方法的步骤。
7.一种空调设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至2中任一项所述空调设备的化霜控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807909.0A CN110715401B (zh) | 2019-08-29 | 2019-08-29 | 空调设备的化霜控制方法、装置、介质及空调设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807909.0A CN110715401B (zh) | 2019-08-29 | 2019-08-29 | 空调设备的化霜控制方法、装置、介质及空调设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110715401A CN110715401A (zh) | 2020-01-21 |
CN110715401B true CN110715401B (zh) | 2020-12-15 |
Family
ID=69210185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910807909.0A Active CN110715401B (zh) | 2019-08-29 | 2019-08-29 | 空调设备的化霜控制方法、装置、介质及空调设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110715401B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210132420A (ko) * | 2020-04-27 | 2021-11-04 | 엘지전자 주식회사 | 공기조화기 시스템 및 그 동작 방법 |
CN112628942B (zh) * | 2020-12-11 | 2021-11-30 | 珠海格力电器股份有限公司 | 一种化霜控制方法、装置、存储介质及终端 |
CN112918214B (zh) * | 2021-02-22 | 2022-05-31 | 一汽奔腾轿车有限公司 | 一种实现远程空调控制的方法及控制装置 |
CN113536989B (zh) * | 2021-06-29 | 2024-06-18 | 广州博通信息技术有限公司 | 基于摄像视频逐帧分析的制冷机结霜监控方法及*** |
CN113865009B (zh) * | 2021-09-15 | 2022-11-22 | 珠海格力电器股份有限公司 | 化霜方法、***、空调器、存储介质及电子设备 |
DE102022113411A1 (de) * | 2022-05-27 | 2023-11-30 | Güntner Gmbh & Co. Kg | Verfahren zum Betreiben eines Wärmeübertragers und Vorrichtung mit einem Wärmeübertrager |
DE102022113410A1 (de) * | 2022-05-27 | 2023-11-30 | Güntner Gmbh & Co. Kg | Verfahren zum Betreiben eines Wärmeübertragers und System mit einem Wärmeübertrager |
CN115342585A (zh) * | 2022-08-09 | 2022-11-15 | 海信冰箱有限公司 | 冰箱及冰箱的化霜控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011067079A (ja) * | 2009-09-18 | 2011-03-31 | Toshiba Carrier Corp | 空気調和機 |
CN106288158A (zh) * | 2016-08-05 | 2017-01-04 | 珠海格力电器股份有限公司 | 空调及其化霜方法和装置 |
CN107860099B (zh) * | 2017-09-15 | 2018-11-30 | 珠海格力电器股份有限公司 | 一种空调的结霜检测方法、装置、存储介质及设备 |
CN108386980B (zh) * | 2018-03-05 | 2020-06-02 | 奥克斯空调股份有限公司 | 一种空调化霜控制方法及装置 |
CN108679781B (zh) * | 2018-05-03 | 2020-02-28 | 珠海格力电器股份有限公司 | 一种空调除霜控制方法、装置、存储介质及空调 |
CN109237727A (zh) * | 2018-08-28 | 2019-01-18 | 青岛海尔空调电子有限公司 | 用于空调器的除霜控制方法 |
-
2019
- 2019-08-29 CN CN201910807909.0A patent/CN110715401B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110715401A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110715401B (zh) | 空调设备的化霜控制方法、装置、介质及空调设备 | |
CN109323369B (zh) | 空调及其化霜方法和装置 | |
CN105783199B (zh) | 空调器智能自清洁方法 | |
CN113375277A (zh) | 空调器控制方法和空调器 | |
CN107676937B (zh) | 空调器控制方法、装置、***和计算机可读存储介质 | |
CN105928139B (zh) | 空调器自清洁控制方法 | |
CN106871365A (zh) | 空调器的运行控制方法、装置和空调*** | |
US11802704B2 (en) | Predictive temperature scheduling for a thermostat using machine learning | |
CN106979599B (zh) | 家用电器控制方法和装置、服务器 | |
EP2944891B1 (en) | Room temperature estimating device, program | |
CN110736225B (zh) | 空调的控制方法和装置 | |
KR101762061B1 (ko) | 클라우드 기반 에너지 사용량 예측 시스템 및 방법 | |
CN108870652B (zh) | 空调制冷控制方法、装置及空调器 | |
JP2016121867A (ja) | 異常検知装置、空気調和装置、空気調和システム、空調制御装置、異常検知方法、空調制御方法及びプログラム | |
US20220042695A1 (en) | Error correction for predictive schedules for a thermostat | |
CN113375283B (zh) | 空调器控制方法和空调器 | |
CN113203243B (zh) | 化霜检测方法、***、存储介质以及化霜装置 | |
CN109883002A (zh) | 空调器及其清洁控制方法、装置和计算机可读存储介质 | |
CN114322218A (zh) | 一种空调器的开启时间推荐方法和空调器 | |
CN112413820A (zh) | 空调除霜方法、装置、空调设备及计算机可读存储介质 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN111102731A (zh) | 一种防凝露控制方法、装置及空调设备 | |
CN115614907A (zh) | 一种空调器及其室内温度预测方法和装置 | |
CN113375276B (zh) | 空调器控制方法和空调器 | |
CN110726216B (zh) | 空调器及其控制方法、装置、***、存储介质和处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |