CN110736229A - 空调的运行状态控制方法、装置、处理器及空调设备 - Google Patents
空调的运行状态控制方法、装置、处理器及空调设备 Download PDFInfo
- Publication number
- CN110736229A CN110736229A CN201911039282.5A CN201911039282A CN110736229A CN 110736229 A CN110736229 A CN 110736229A CN 201911039282 A CN201911039282 A CN 201911039282A CN 110736229 A CN110736229 A CN 110736229A
- Authority
- CN
- China
- Prior art keywords
- parameter set
- preset
- dimensional space
- air conditioner
- updated
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004378 air conditioning Methods 0.000 title description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 50
- 230000003068 static effect Effects 0.000 claims abstract description 22
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001122767 Theaceae Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
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
- F24F11/62—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
-
- 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
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调的运行状态控制方法、装置、处理器及空调设备。该方法包括:获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。本发明解决了相关技术中所提供的空调设备通常只能通过遥控器人为选定工作模式,而无法根据环境变化对运行状态进行自适应调节的技术问题。
Description
技术领域
本发明涉及人工智能领域,具体而言,涉及一种空调的运行状态控制方法、装置、处理器及空调设备。
背景技术
目前,空调所提供的制冷模式与制热模式一般会在出厂前配置完成。用户在使用过程中,通常会受到自身需求以及天气因素等影响,进而通过遥控器向空调发出指令,以使空调工作在特定模式下,并且空调在该特定模式下的节能效果也将会随之确定。
然而,上述控制方式会存在如下技术缺陷:通过遥控器人为选定的工作模式缺乏对室内结构、室内的摆放物品分布情况,室内的用户数量、室内的用户常驻区域等多种因素的考量,由此导致空调难以工作在最佳运行状态,并且节能效果较差。例如:无论是室内空间狭小、室内摆放物品的分布较为集中的场景,还是室内空间宽阔、室内摆放物品的分布较为分散的场景,空调均只能在遥控器的控制指令触发下工作在固定模式下,而无法结合不同环境,自适应调整至最佳运行状态。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明至少部分实施例提供了一种空调的运行状态控制方法、装置、处理器及空调设备,以至少解决相关技术中所提供的空调设备通常只能通过遥控器人为选定工作模式,而无法根据环境变化对运行状态进行自适应调节的技术问题。
根据本发明其中一实施例,提供了一种空调的运行状态控制方法,包括:
获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。
可选地,获取预设三维空间内的第一参数集合和第二参数集合包括:通过信息采集组件接收预设三维空间内部署的多个传感器感应到的第一参数集合和第二参数集合,其中,第一参数集合包括:预设三维空间的结构信息、预设三维空间内的摆放物品分布信息,第二参数集合包括:生命体的数量信息、生命体的常驻区域信息。
可选地,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定运行状态包括:获取与第一参数集合和第二参数集合对应的第三参数集合,其中,第三参数集合用于描述空调内部组件的属性;将第三参数集合设置为神经网络控制模型的输入进行分析,输出运行状态参数集合;按照运行状态参数集合确定运行状态。
可选地,在使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定运行状态之前,还包括:预先为空调配置多种运行状态,其中,多种运行状态中的每种运行状态分别对应不同的第一参数集合与第二参数集合的参数组合;分别为多种运行状态中的每种运行状态配置对应的第三参数集合。
可选地,在使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定运行状态之后,还包括:重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,更新后的第一参数集合用于描述静态对象发生变化后的特征,更新后的第二参数集合用于描述动态对象发生变化后的特征;再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,调整运行状态。
根据本发明其中一实施例,还提供了一种空调的运行状态控制装置,包括:
获取模块,用于获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;控制模块,用于使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。
可选地,获取模块,用于通过信息采集组件接收预设三维空间内部署的多个传感器感应到的第一参数集合和第二参数集合,其中,第一参数集合包括:预设三维空间的结构信息、预设三维空间内的摆放物品分布信息,第二参数集合包括:生命体的数量信息、生命体的常驻区域信息。
可选地,控制模块包括:获取单元,用于获取与第一参数集合和第二参数集合对应的第三参数集合,其中,第三参数集合用于描述空调内部组件的属性;处理单元,用于将第三参数集合设置为神经网络控制模型的输入进行分析,输出运行状态参数集合;确定单元,用于按照运行状态参数集合确定运行状态。
可选地,上述装置还包括:配置模块,用于预先为空调配置多种运行状态,其中,多种运行状态中的每种运行状态分别对应不同的第一参数集合与第二参数集合的参数组合;以及分别为多种运行状态中的每种运行状态配置对应的第三参数集合。
可选地,获取模块,还用于重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,更新后的第一参数集合用于描述静态对象发生变化后的特征,更新后的第二参数集合用于描述动态对象发生变化后的特征;控制模块,用于再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,调整运行状态。
根据本发明其中一实施例,还提供了一种存储介质,存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述任意一项中的空调的运行状态控制方法。
根据本发明其中一实施例,还提供了一种处理器,处理器用于运行程序,其中,程序被设置为运行时执行上述任意一项的空调的运行状态控制方法。
根据本发明其中一实施例,还提供了一种空调设备,包括存储器和处理器,其特征在于,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行上述任意一项中的空调的运行状态控制方法。
在本发明至少部分实施例中,采用获取预设三维空间内的第一参数集合和第二参数集合,该第一参数集合用于描述预设三维空间内的静态对象的特征以及第二参数集合用于描述预设三维空间内的动态对象的特征的方式,通过使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,该神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合,达到了按照获取到的预设三维空间内的静态对象的特征和预设三维空间内的动态对象的特征自适应调节空调运行状态的目的,从而实现了提升制冷或制热精准度,使得空调运行更加合理、节能的技术效果,进而解决了相关技术中所提供的空调设备通常只能通过遥控器人为选定工作模式,而无法根据环境变化对运行状态进行自适应调节的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明其中一实施例的空调的运行状态控制方法的流程图;
图2是根据本发明其中一可选实施例的神经网络控制模型的示意图;
图3是根据本发明其中一实施例的空调的运行状态控制装置的结构框图;
图4是根据本发明其中一可选实施例的空调的运行状态控制装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明其中一实施例,提供了一种空调的运行状态控制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
该方法实施例可以在空调设备中执行。该空调设备可以在多种应用场景下得到广泛应用。例如:该空调设备既可以应用在智能家居场所,也可以应用在办公场所,还可以应用在商场、游乐场等人员密集场所。空调设备可以包括一个或多个处理器(处理器可以包括但不限于微处理器(MCU)、中央处理器(CPU)、图形处理器(GPU)、数字信号处理(DSP)芯片、或可编程逻辑器件(FPGA)等的处理装置)和用于存储数据的存储器。可选地,上述空调设备还可以包括用于通信功能的传输设备、输入输出设备、显示设备以及信息采集设备。本领域普通技术人员可以理解,上述结构描述仅为示意,其并不对上述空调设备的结构造成限定。例如,空调设备还可包括比上述结构描述更多或者更少的组件,或者具有与上述结构描述不同的配置。
存储器可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的空调的运行状态控制方法对应的计算机程序,处理器通过运行存储在存储器内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的空调的运行状态控制方法。存储器可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至空调设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备用于经由一个网络接收或者发送数据。上述的网络具体实例可包括空调设备的通信供应商提供的无线网络。在一个实例中,传输设备包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
显示设备可以例如触摸屏式的液晶显示器(LCD)和触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。该液晶显示器可使得用户能够与空调设备的用户界面进行交互。在一些实施例中,空调设备具有图像用户界面(GUI),用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互,此处的人机交互功能可选的包括如下交互:启动空调、关闭空调、调节制冷或制热温度、调节空调工作模式等。用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。
信息采集设备用于接收预设三维空间内部署的多个传感器传递的参数信息。本发明并未对多个传感器的部署位置进行严格限制。以空调设备应用于智能家居场所为例,多个传感器可以分别部署在多个智能家用电器(例如:智能台灯、智能音响、智能沙发座椅等)。传感器的类型可以包括但不限于:微波雷达传感器、激光传感器、光敏传感器。
在本实施例中提供了一种运行于上述空调设备的空调的运行状态控制方法,图1是根据本发明其中一实施例的空调的运行状态控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S11,获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;
步骤S14,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。
通过上述步骤,可以采用获取预设三维空间内的第一参数集合和第二参数集合,该第一参数集合用于描述预设三维空间内的静态对象的特征以及第二参数集合用于描述预设三维空间内的动态对象的特征的方式,通过使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,该神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合,达到了按照获取到的预设三维空间内的静态对象的特征和预设三维空间内的动态对象的特征自适应调节空调运行状态的目的,从而实现了提升制冷或制热精准度,使得空调运行更加合理、节能的技术效果,进而解决了相关技术中所提供的空调设备通常只能通过遥控器人为选定工作模式,而无法根据环境变化对运行状态进行自适应调节的技术问题。
上述预设三维空间可以包括但不限于:智能家居场所、工作场所、人员密集的公共场所。该预设三维空间既可以是全封闭空间,也可以是半封闭空间。上述静态对象是指预设三维空间内摆放位置相对固定、不具备生命体征的物体。例如:家用电器、家具。上述动态对象是指预设三维空间内位置随时可能发生变化、具备生命体征的活体。例如:人、宠物。
可选地,在步骤S12中,获取预设三维空间内的第一参数集合和第二参数集合可以包括以下执行步骤:
步骤S121,通过信息采集组件接收预设三维空间内部署的多个传感器感应到的第一参数集合和第二参数集合,其中,第一参数集合包括:预设三维空间的结构信息、预设三维空间内的摆放物品分布信息,第二参数集合包括:生命体的数量信息、生命体的常驻区域信息。
信息采集组件即为上述信息采集设备,负责采集预设三维空间内部署的多个传感器传递的第一参数集合和第二参数集合。上述第一参数集合可以包括但不限于:预设三维空间的结构信息(例如:居室的尺寸信息)、预设三维空间内的摆放物品分布信息(例如:客厅内多种智能家用电器的摆放位置)。上述第二参数集合可以包括但不限于:生命体的数量信息(例如:客厅内常住人口数量)、生命体的常驻区域信息(例如:休息时集中围坐在茶几四周的沙发座椅区域)。
可选地,在步骤S14,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定运行状态之前,还可以包括以下执行步骤:
步骤S12,预先为空调配置多种运行状态,其中,多种运行状态中的每种运行状态分别对应不同的第一参数集合与第二参数集合的参数组合;
步骤S13,分别为多种运行状态中的每种运行状态配置对应的第三参数集合,其中,第三参数集合用于描述空调内部组件的属性。
针对不同的第一参数集合与第二参数集合的参数组合,可以预先为空调配置多种运行状态。即,通过综合考虑预设三维空间的结构信息、预设三维空间内的摆放物品分布信息、生命体的数量信息以及生命体的常驻区域信息等多种因素分别设定多种运行状态,以便空调在通过信息采集组件接收到上述第一参数集合与第二参数集合之后,为第一参数集合与第二参数集合的组合选取最佳运行状态。为了实现将空调自适应调节至最佳运行状态,还需要分别为多种运行状态中的每种运行状态配置对应的第三参数集合。该第三参数集合用于描述空调内部组件的属性。例如:第三参数集合可以包括但不限于:压缩机转速、膨胀阀开度、内风机转速。
可选地,在步骤S14中,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定运行状态可以包括以下执行步骤:
步骤S141,获取与第一参数集合和第二参数集合对应的第三参数集合;
步骤S142,将第三参数集合设置为神经网络控制模型的输入进行分析,输出运行状态参数集合;
步骤S143,按照运行状态参数集合确定运行状态。
上述神经网络控制模型包括:输入层、隐藏层和输出层。图2是根据本发明其中一可选实施例的神经网络控制模型的示意图,如图2所示,输入层为压缩机转速、膨胀阀开度、内风机转速,输出层为导风板的位置和蒸发器中间温度,隐藏层可以为一层或多层(图中仅示出一层)。通过综合考虑预设三维空间的结构信息、预设三维空间内的摆放物品分布信息、生命体的数量信息以及生命体的常驻区域信息等多种因素,可以获取到对应的压缩机转速、膨胀阀开度、内风机转速。然后,通过上述多种因素的大量历史数据进行神经网络控制模型进行反复训练,以便不断调整神经网络控制模型中输入层与隐藏层之间以及隐藏层与输出层之间的权重大小,由此通过神经网络控制模型输出导风板的位置和蒸发器中间温度,然后再基于导风板的位置和蒸发器中间温度确定空调的运行状态。
可选地,在步骤S14,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定运行状态之后,还可以包括以下执行步骤:
步骤S15,重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,更新后的第一参数集合用于描述静态对象发生变化后的特征,更新后的第二参数集合用于描述动态对象发生变化后的特征;
步骤S16,再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,调整运行状态。
在每次通过神经网络控制模型输出导风板的位置和蒸发器中间温度之后,由于预设三维空间的结构信息、预设三维空间内的摆放物品分布信息、生命体的数量信息以及生命体的常驻区域信息等多种因素还会不断发生变化,例如:客厅内多种智能家用电器的摆放位置发生变化、客厅内常住人口数量发生变化、常驻区域由休息时集中围坐在茶几四周的沙发座椅区域变化为吃饭时集中围坐在餐桌四周的餐椅区域。此时,为了实现空调运行状态的自适应调节,则需要重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合。更新后的第一参数集合用于描述静态对象发生变化后的特征。例如:更新后的摆放物品分布信息。更新后的第二参数集合用于描述动态对象发生变化后的特征。例如:更新后的生命体的数量信息以及生命体的常驻区域信息。然后,再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,获取到更新后的压缩机转速、膨胀阀开度、内风机转速以及更新后的神经网络控制模型中输入层与隐藏层之间以及隐藏层与输出层之间的权重值,由此通过神经网络控制模型输出更新后的导风板的位置和更新后的蒸发器中间温度。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种空调的运行状态控制装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明其中一实施例的空调的运行状态控制装置的结构框图,如图3所示,该装置包括:获取模块10,用于获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;控制模块20,用于使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。
可选地,获取模块10,用于通过信息采集组件接收预设三维空间内部署的多个传感器感应到的第一参数集合和第二参数集合,其中,第一参数集合包括:预设三维空间的结构信息、预设三维空间内的摆放物品分布信息,第二参数集合包括:生命体的数量信息、生命体的常驻区域信息。
可选地,控制模块20包括:获取单元(图中未示出),用于获取与第一参数集合和第二参数集合对应的第三参数集合,其中,第三参数集合用于描述空调内部组件的属性;处理单元(图中未示出),用于将第三参数集合设置为神经网络控制模型的输入进行分析,输出运行状态参数集合;确定单元(图中未示出),用于按照运行状态参数集合确定运行状态。
可选地,图4是根据本发明其中一可选实施例的空调的运行状态控制装置的结构框图,如图4所示,该装置除包括图3所示的所有模块外,上述装置还包括:配置模块30,用于预先为空调配置多种运行状态,其中,多种运行状态中的每种运行状态分别对应不同的第一参数集合与第二参数集合的参数组合;以及分别为多种运行状态中的每种运行状态配置对应的第三参数集合。
获取模块10,还用于重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,更新后的第一参数集合用于描述静态对象发生变化后的特征,更新后的第二参数集合用于描述动态对象发生变化后的特征;控制模块20,用于再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,调整运行状态。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;
S2,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。
可选地,存储介质还被设置为存储用于执行以下步骤的计算机程序:通过信息采集组件接收预设三维空间内部署的多个传感器感应到的第一参数集合和第二参数集合,其中,第一参数集合包括:预设三维空间的结构信息、预设三维空间内的摆放物品分布信息,第二参数集合包括:生命体的数量信息、生命体的常驻区域信息。
可选地,存储介质还被设置为存储用于执行以下步骤的计算机程序:获取与第一参数集合和第二参数集合对应的第三参数集合,其中,第三参数集合用于描述空调内部组件的属性;将第三参数集合设置为神经网络控制模型的输入进行分析,输出运行状态参数集合;按照运行状态参数集合确定运行状态。
可选地,存储介质还被设置为存储用于执行以下步骤的计算机程序:预先为空调配置多种运行状态,其中,多种运行状态中的每种运行状态分别对应不同的第一参数集合与第二参数集合的参数组合;分别为多种运行状态中的每种运行状态配置对应的第三参数集合。
可选地,存储介质还被设置为存储用于执行以下步骤的计算机程序:重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,更新后的第一参数集合用于描述静态对象发生变化后的特征,更新后的第二参数集合用于描述动态对象发生变化后的特征;再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,调整运行状态。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种空调设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述空调设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取预设三维空间内的第一参数集合和第二参数集合,其中,第一参数集合用于描述预设三维空间内的静态对象的特征,第二参数集合用于描述预设三维空间内的动态对象的特征;
S2,使用神经网络控制模型对第一参数集合和第二参数集合进行分析,确定空调的运行状态,其中,神经网络控制模型使用多组数据通过机器学习训练得到,多组数据中的每组数据均包括:第一参数集合、第二参数集合和空调的运行状态参数集合。
可选地,上述处理器还可以被设置为通过计算机程序执行以下步骤:通过信息采集组件接收预设三维空间内部署的多个传感器感应到的第一参数集合和第二参数集合,其中,第一参数集合包括:预设三维空间的结构信息、预设三维空间内的摆放物品分布信息,第二参数集合包括:生命体的数量信息、生命体的常驻区域信息。
可选地,上述处理器还可以被设置为通过计算机程序执行以下步骤:获取与第一参数集合和第二参数集合对应的第三参数集合,其中,第三参数集合用于描述空调内部组件的属性;将第三参数集合设置为神经网络控制模型的输入进行分析,输出运行状态参数集合;按照运行状态参数集合确定运行状态。
可选地,上述处理器还可以被设置为通过计算机程序执行以下步骤:预先为空调配置多种运行状态,其中,多种运行状态中的每种运行状态分别对应不同的第一参数集合与第二参数集合的参数组合;分别为多种运行状态中的每种运行状态配置对应的第三参数集合。
可选地,上述处理器还可以被设置为通过计算机程序执行以下步骤:重新获取预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,更新后的第一参数集合用于描述静态对象发生变化后的特征,更新后的第二参数集合用于描述动态对象发生变化后的特征;再次使用神经网络控制模型对更新后的第一参数集合和更新后的第二参数集合进行分析,调整运行状态。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种空调的运行状态控制方法,其特征在于,包括:
获取预设三维空间内的第一参数集合和第二参数集合,其中,所述第一参数集合用于描述所述预设三维空间内的静态对象的特征,所述第二参数集合用于描述所述预设三维空间内的动态对象的特征;
使用神经网络控制模型对所述第一参数集合和所述第二参数集合进行分析,确定空调的运行状态,其中,所述神经网络控制模型使用多组数据通过机器学习训练得到,所述多组数据中的每组数据均包括:所述第一参数集合、所述第二参数集合和所述空调的运行状态参数集合。
2.根据权利要求1所述的方法,其特征在于,获取所述预设三维空间内的所述第一参数集合和所述第二参数集合包括:
通过信息采集组件接收所述预设三维空间内部署的多个传感器感应到的所述第一参数集合和所述第二参数集合,其中,所述第一参数集合包括:所述预设三维空间的结构信息、所述预设三维空间内的摆放物品分布信息,所述第二参数集合包括:生命体的数量信息、所述生命体的常驻区域信息。
3.根据权利要求1所述的方法,其特征在于,使用所述神经网络控制模型对所述第一参数集合和所述第二参数集合进行分析,确定所述运行状态包括:
获取与所述第一参数集合和所述第二参数集合对应的第三参数集合,其中,所述第三参数集合用于描述所述空调内部组件的属性;
将所述第三参数集合设置为所述神经网络控制模型的输入进行分析,输出所述运行状态参数集合;
按照所述运行状态参数集合确定所述运行状态。
4.根据权利要求3所述的方法,其特征在于,在使用所述神经网络控制模型对所述第一参数集合和所述第二参数集合进行分析,确定所述运行状态之前,还包括:
预先为所述空调配置多种运行状态,其中,所述多种运行状态中的每种运行状态分别对应不同的所述第一参数集合与所述第二参数集合的参数组合;
分别为所述多种运行状态中的每种运行状态配置对应的第三参数集合。
5.根据权利要求1所述的方法,其特征在于,在使用所述神经网络控制模型对所述第一参数集合和所述第二参数集合进行分析,确定所述运行状态之后,还包括:
重新获取所述预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,所述更新后的第一参数集合用于描述所述静态对象发生变化后的特征,所述更新后的第二参数集合用于描述所述动态对象发生变化后的特征;
再次使用所述神经网络控制模型对所述更新后的第一参数集合和所述更新后的第二参数集合进行分析,调整所述运行状态。
6.一种空调的运行状态控制装置,其特征在于,包括:
获取模块,用于获取预设三维空间内的第一参数集合和第二参数集合,其中,所述第一参数集合用于描述所述预设三维空间内的静态对象的特征,所述第二参数集合用于描述所述预设三维空间内的动态对象的特征;
控制模块,用于使用神经网络控制模型对所述第一参数集合和所述第二参数集合进行分析,确定空调的运行状态,其中,所述神经网络控制模型使用多组数据通过机器学习训练得到,所述多组数据中的每组数据均包括:所述第一参数集合、所述第二参数集合和所述空调的运行状态参数集合。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,用于通过信息采集组件接收所述预设三维空间内部署的多个传感器感应到的所述第一参数集合和所述第二参数集合,其中,所述第一参数集合包括:所述预设三维空间的结构信息、所述预设三维空间内的摆放物品分布信息,所述第二参数集合包括:生命体的数量信息、所述生命体的常驻区域信息。
8.根据权利要求6所述的装置,其特征在于,所述控制模块包括:
获取单元,用于获取与所述第一参数集合和所述第二参数集合对应的第三参数集合,其中,所述第三参数集合用于描述所述空调内部组件的属性;
处理单元,用于将所述第三参数集合设置为所述神经网络控制模型的输入进行分析,输出所述运行状态参数集合;
确定单元,用于按照所述运行状态参数集合确定所述运行状态。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
配置模块,用于预先为所述空调配置多种运行状态,其中,所述多种运行状态中的每种运行状态分别对应不同的所述第一参数集合与所述第二参数集合的参数组合;以及分别为所述多种运行状态中的每种运行状态配置对应的第三参数集合。
10.根据权利要求6所述的装置,其特征在于,
所述获取模块,还用于重新获取所述预设三维空间内更新后的第一参数集合和更新后的第二参数集合,其中,所述更新后的第一参数集合用于描述所述静态对象发生变化后的特征,所述更新后的第二参数集合用于描述所述动态对象发生变化后的特征;
所述控制模块,用于再次使用所述神经网络控制模型对所述更新后的第一参数集合和所述更新后的第二参数集合进行分析,调整所述运行状态。
11.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任意一项中所述的空调的运行状态控制方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序被设置为运行时执行权利要求1至5中任意一项所述的空调的运行状态控制方法。
13.一种空调设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任意一项中所述的空调的运行状态控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039282.5A CN110736229A (zh) | 2019-10-29 | 2019-10-29 | 空调的运行状态控制方法、装置、处理器及空调设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039282.5A CN110736229A (zh) | 2019-10-29 | 2019-10-29 | 空调的运行状态控制方法、装置、处理器及空调设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110736229A true CN110736229A (zh) | 2020-01-31 |
Family
ID=69270283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039282.5A Pending CN110736229A (zh) | 2019-10-29 | 2019-10-29 | 空调的运行状态控制方法、装置、处理器及空调设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110736229A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238001A (zh) * | 2020-02-25 | 2020-06-05 | 珠海格力电器股份有限公司 | 空调器送风的控制方法及装置、存储介质、处理器 |
CN114640873A (zh) * | 2022-03-29 | 2022-06-17 | 联想(北京)有限公司 | 一种控制方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338105A (zh) * | 2015-07-08 | 2017-01-18 | 松下知识产权经营株式会社 | 吸气装置以及吸气方法 |
CN107797459A (zh) * | 2017-09-15 | 2018-03-13 | 珠海格力电器股份有限公司 | 终端设备的控制方法、装置、存储介质及处理器 |
CN107883541A (zh) * | 2017-10-24 | 2018-04-06 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
CN108489023A (zh) * | 2018-03-09 | 2018-09-04 | 广东美的制冷设备有限公司 | 空调器及其控制方法、控制装置、计算机可读存储介质 |
CN108917095A (zh) * | 2018-06-13 | 2018-11-30 | 苏州若依玫信息技术有限公司 | 一种基于人体电阻的节能空调调节*** |
JP2019060514A (ja) * | 2017-09-25 | 2019-04-18 | 日本電信電話株式会社 | 空調制御装置、空調制御方法、およびプログラム |
CN109724202A (zh) * | 2018-12-26 | 2019-05-07 | 青岛海尔空调器有限总公司 | 空调器及其控制方法 |
US20190310589A1 (en) * | 2018-04-06 | 2019-10-10 | Distech Controls Inc. | Neural network combining visible and thermal images for inferring environmental data of an area of a building |
CN110360725A (zh) * | 2018-04-10 | 2019-10-22 | Lg电子株式会社 | 空调机、云服务器、空调机的驱动及控制方法 |
-
2019
- 2019-10-29 CN CN201911039282.5A patent/CN110736229A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338105A (zh) * | 2015-07-08 | 2017-01-18 | 松下知识产权经营株式会社 | 吸气装置以及吸气方法 |
CN107797459A (zh) * | 2017-09-15 | 2018-03-13 | 珠海格力电器股份有限公司 | 终端设备的控制方法、装置、存储介质及处理器 |
JP2019060514A (ja) * | 2017-09-25 | 2019-04-18 | 日本電信電話株式会社 | 空調制御装置、空調制御方法、およびプログラム |
CN107883541A (zh) * | 2017-10-24 | 2018-04-06 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
CN108489023A (zh) * | 2018-03-09 | 2018-09-04 | 广东美的制冷设备有限公司 | 空调器及其控制方法、控制装置、计算机可读存储介质 |
US20190310589A1 (en) * | 2018-04-06 | 2019-10-10 | Distech Controls Inc. | Neural network combining visible and thermal images for inferring environmental data of an area of a building |
CN110360725A (zh) * | 2018-04-10 | 2019-10-22 | Lg电子株式会社 | 空调机、云服务器、空调机的驱动及控制方法 |
CN108917095A (zh) * | 2018-06-13 | 2018-11-30 | 苏州若依玫信息技术有限公司 | 一种基于人体电阻的节能空调调节*** |
CN109724202A (zh) * | 2018-12-26 | 2019-05-07 | 青岛海尔空调器有限总公司 | 空调器及其控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238001A (zh) * | 2020-02-25 | 2020-06-05 | 珠海格力电器股份有限公司 | 空调器送风的控制方法及装置、存储介质、处理器 |
CN114640873A (zh) * | 2022-03-29 | 2022-06-17 | 联想(北京)有限公司 | 一种控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200257274A1 (en) | Method, Apparatus and System for Controlling Device | |
CN105241004B (zh) | 空调控制方法、装置和空调器 | |
Koskela et al. | Evolution towards smart home environments: empirical evaluation of three user interfaces | |
CN113251613B (zh) | 用于空调控制的方法、装置和空调 | |
CN105446156B (zh) | 基于人工智能的家用电器的控制方法、装置和*** | |
US10295972B2 (en) | Systems and methods to operate controllable devices with gestures and/or noises | |
CN110736229A (zh) | 空调的运行状态控制方法、装置、处理器及空调设备 | |
CN107797459A (zh) | 终端设备的控制方法、装置、存储介质及处理器 | |
CN103206766A (zh) | 多台空调器的控制方法及***和遥控器及空调器 | |
CN110764679B (zh) | 电器设备的控制方法、存储介质及处理器 | |
CN105674490A (zh) | 空调的运行参数的控制方法、装置及*** | |
CN107991891A (zh) | 环境参数的调整方法、***和用户设备 | |
CN106123204A (zh) | 一种空调静音模式的控制装置、方法及空调 | |
CN104468815B (zh) | 物联网无线感知***和方法 | |
CN112732380A (zh) | 智能家居的可视化展示方法和装置、存储介质、电子装置 | |
CN110440408A (zh) | 区域控制方法和装置 | |
CN104848488A (zh) | 一种空调的温度控制方法及装置 | |
CN104991537A (zh) | 一种智能设备的控制方法 | |
CN110736228B (zh) | 空调设备的控制方法、装置、存储介质及空调*** | |
CN110736221B (zh) | 空调的控制方法、装置和*** | |
CN108574765A (zh) | 基于移动终端的智能家电的控制方法 | |
CN108713871B (zh) | 智能餐桌及其控制方法、智能餐桌*** | |
CN110940062B (zh) | 空调控制方法及装置 | |
CN114911556A (zh) | 界面显示方法、装置、设备及存储介质 | |
CN114738957A (zh) | 空调器的控制方法与空调器 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |