CN111750491B - 一种空调及基于神经网络的空调控制方法 - Google Patents
一种空调及基于神经网络的空调控制方法 Download PDFInfo
- Publication number
- CN111750491B CN111750491B CN202010408750.8A CN202010408750A CN111750491B CN 111750491 B CN111750491 B CN 111750491B CN 202010408750 A CN202010408750 A CN 202010408750A CN 111750491 B CN111750491 B CN 111750491B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- information
- sensor
- neural network
- cloud server
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
-
- 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
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
- F24F11/84—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using valves
-
- 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
- F24F2110/50—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
- F24F2110/70—Carbon dioxide
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/20—Sunlight
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调及基于神经网络的空调控制方法,所述空调包括冷媒循环回路、压缩机、室外热交换器和室内热交换器、四通阀、室内环境温度传感器、室内盘管温度传感器、空调接收器和控制器,所述空调与其他传感器设备及云端服务器组网的空调网络,空调接收器用于接收空调网络的传感器信息和用户对所述空调的操作信息并上传至云端服务器,还用于接收所述云端服务器通过训练后的神经网络获取的空调运行参数并输出至控制器,所述控制器用于执行所述空调运行参数。本发明通过结合各种传感器设备收集的环境参数,基于神经网络智能获取符合用户习惯的空调模式,给用户使用空调提供了智能和便利性,提高用户智能化产品体验。
Description
技术领域
本申请涉及空调技术领域,更具体地,涉及一种空调及基于神经网络的空调控制方法。
背景技术
近年来,智能家居快速在家电市场普及,各大主流家电厂商纷纷推出了可以自动调节模式,适应用户需求的空调产品。然而主流空调公司提出的神经网络学习型智能空调,尽管普遍具有WiFi网关,可以将空调运行参数经路由器上传至云端,但只局限于通过空调本体的运行数据,来控制空调的工作参数。
而随着5G概念的普及,使万物互联成为可能,空调与其他家庭智能设备的联动也成为趋势,现在相较于无线网卡,ZigBee和蓝牙通讯由于更低的成本,成为家庭内部局域联网的首选,其他智能设备基于ZigBee或蓝牙的无线传感器,可以实时向空调传输不同测量位置的环境参数。而且用户在这些环境中对空调的操作,本身就是智能空调很好的深度学习训练样本。然而在空调行业内,一直忽视了其他智能设备采集的环境数据,没有能有效的运用这些数据的方法,导致用户空调智能化体验差。
因此,提出一种能够有效利用智能家居设备采集的环境数据,通过深度学习自动调节模式的空调,以适应用户的需求实现真正的空调智能化,是目前有待解决的技术问题。
发明内容
由于现有技术中存在空调不能有效利用智能家居设备采集的环境数据,用户空调智能化体验差的技术问题,本发明提供了一种空调,包括:
冷媒循环回路,使冷媒在压缩机、冷凝器、膨胀阀、蒸发器、四通阀和减压器组成回路中进行循环;
压缩机,用于进行将低温低压冷媒气体压缩成高温高压冷媒气体并排至冷凝器的工作;
室外热交换器和室内热交换器,其中,一个为凝缩器进行工作,另一个为蒸发器进行工作;
四通阀,用于控制所述冷媒回路中冷媒流向,以使室外热交换器和室内热交换器,作为冷凝器和蒸发器之间进行切换;
室内环境温度传感器,用于检测室内环境温度;
室内盘管温度传感器,用于检测室内盘管温度;
空调接收器,用于接收空调网络的传感器信息和用户对所述空调的操作信息并上传至云端服务器,还用于接收所述云端服务器通过训练后的神经网络获取的空调运行参数并输出至控制器;
所述控制器,用于执行所述空调接收器输出的所述空调运行参数;
其中所述空调网络为所述空调与其他传感器设备及所述云端服务器连接组成的网络。
一些实施例中,所述空调接收器用于:
在所述空调首次进行组网时将所述空调的型号信息上传至所述云端服务器,以使所述云端服务器根据所述型号信息查询所述空调的功能信息,并根据所述功能信息确定所述神经网络输出节点数量;
其中,所述功能信息包括空调运行模式的类型信息和数量信息。
一些实施例中,所述空调接收器具体用于:
将所述传感器信息和所述操作信息上传至云端服务器,以使所述云端服务器根据所述传感器信息确定输入数据,根据所述功能信息确定输出数据,并基于所述输入数据及所述输出数据构建所述神经网络,同时将所述操作信息作为监督数据对所述神经网络进行训练;
接收所述云端服务器输出的所述空调运行参数,并将所述空调运行参数输出至控制器;
其中,所述传感器信息包括传感器网络地址、传感器类型及传感器实时测量数据,所述操作信息包括操作输入数据和操作控制的空调运行模式,所述空调运行参数是通过训练后的所述神经网络根据当前所述传感器信息获取的。
一些实施例中,所述空调接收器具体用于:
当所述传感器网络地址仅包括所述空调的默认地址时,所述空调接收器将所述传感器信息上传至所述云端服务器,以使所述云端服务器基于所述传感器信息构建全连接神经网络;
当所述传感器网络地址包括所述空调的默认地址和其他所述传感器设备地址时,所述空调接收器将所述传感器信息上传至所述云端服务器,以使所述云端服务器基于所述传感器信息构建卷积神经网络;
其中,在所述空调网络中,不同所述传感器设备的所述传感器网络地址不同,所述空调的所述传感器网络地址为所述默认地址。
一些实施例中,所述控制器具体用于:
若所述空调接收器接收到用户的智能授权指令时,所述控制器根据所述空调接收器输出的所述空调运行参数控制所述空调运行;
若所述空调接收器接收到用户的手动操作指令时,所述控制器根据用户对所述空调的所述操作信息控制所述空调运行,并且所述空调接收器将所述操作信息上传至所述云端服务器。
一些实施例中,所述空调还包括:
用户识别模块,用于识别用户的身份标识,将所述身份标识经所述空调接收器上传至所述云端服务器,以使所述云端服务器根据不同用户的所述身份标识构建各自独立的所述神经网络。
一些实施例中,所述空调接收器包括:
近距离无线连接模块,用于与所述传感器设备组网,获取所述传感器设备的所述传感器信息;
无线上网模块,用于连接所述云端服务器;
串口通信模块,用于通过标准串行接口与所述控制器通讯。
相应的,本发明还提出了一种基于神经网络的空调控制方法,其特征在于,应用于空调与其他传感器设备及云端服务器组网的空调网络中,所述方法包括:
获取所述空调网络的传感器信息和所述空调的功能信息;
根据所述传感器信息确定输入数据,根据所述空调功能信息确定输出数据,并基于所述输入数据及所述输出数据构建神经网络;
获取用户对所述空调的操作信息,将所述操作信息作为监督数据对所述神经网络进行训练,所述操作信息包括操作输入数据和操作控制的空调运行模式;
训练后的所述神经网络根据当前所述传感器信息获取所述空调运行参数,所述空调根据所述空调运行参数运行。
一些实施例中,将所述操作信息作为监督数据对所述神经网络进行训练具体为:
当所述神经网络误差计算达到预设的迭代次数后,所述神经网络结束训练;
其中,yk表示所述神经网络输出的空调运行模式,tk表示所述操作信息的监督数据。
一些实施例中,根据当前所述传感器信息获取所述空调运行参数包括:
若所述运行参数类型为连续型数值量,则根据所述空调的控制精度就近取整输出所述空调运行参数;
若所述运行参数类型为布尔量,则根据预设阈值构建由假到真跳变的阶跃函数,并根据所述阶跃函数输出所述空调运行参数。
与现有技术对比,本发明具备以下有益效果:
本发明公开了一种空调及基于神经网络的空调控制方法,所述空调包括冷媒循环回路、压缩机、室外热交换器和室内热交换器、四通阀、室内环境温度传感器、室内盘管温度传感器、空调接收器和控制器,所述空调与其他传感器设备及云端服务器组网的空调网络,空调接收器用于接收空调网络的传感器信息和用户对所述空调的操作信息并上传至云端服务器,还用于接收所述云端服务器通过训练后的神经网络获取的空调运行参数并输出至控制器,所述控制器用于执行所述空调运行参数。本发明通过结合各种传感器设备的收集的环境参数,基于神经网络智能获取符合用户习惯的空调模式,给用户使用空调提供了智能和便利性,提高用户智能化产品体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中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申请的一些实施例,对于本领域技术人员来讲,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示出了本发明实施例提出的一种空调的结构示意图;
图2示出了本发明实施例提出的一种空调接收器的结构示意图;
图3示出了本发明实施例提出的一种全连接神经网络结构示意图;
图4示出了本发明实施例提出的一种卷积神经网络输入矩阵示意图;
图5示出了本发明实施例提出的一种基于神经网络的空调控制方法的流程示意图。
具体实施方式
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,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,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
为进一步对本申请的方案进行描述,如图1所示为本申请的一种空调的结构示意图。
本申请保护一种空调,如图1所示,具体为:
冷媒循环回路101,使冷媒在压缩机、冷凝器、膨胀阀、蒸发器、四通阀和减压器组成回路中进行循环。
在本申请的优选实施例中,空调器通过使用压缩机、冷凝器、膨胀阀和蒸发器来执行空调器的制冷循环。制冷循环包括一系列过程,涉及压缩、冷凝、膨胀和蒸发,并向已被调节和热交换的空气供应制冷剂。
压缩机102,用于进行将低温低压冷媒气体压缩成高温高压冷媒气体并排至冷凝器的工作。
在本申请的优选实施例中,压缩机压缩处于高温高压状态的制冷剂气体并排出压缩后的制冷剂气体。所排出的制冷剂气体流入冷凝器。冷凝器将压缩后的制冷剂冷凝成液相,并且热量通过冷凝过程释放到周围环境。
室外热交换器和室内热交换器103,其中,一个为凝缩器进行工作,另一个为蒸发器进行工作。
在本申请的优选实施例中,空调器的室外单元包含制冷循环的包括压缩机和室外热交换器的部分,空调器的室内单元包括室内热交换器,并且膨胀阀可以提供在室内单元或室外单元中。
膨胀阀使在冷凝器中冷凝的高温高压状态的液相制冷剂膨胀为低压的液相制冷剂。蒸发器蒸发在膨胀阀中膨胀的制冷剂,并使处于低温低压状态的制冷剂气体返回到压缩机。蒸发器可以通过利用制冷剂的蒸发的潜热与待冷却的材料进行热交换来实现制冷效果。在整个循环中,空调器可以调节室内空间的温度。
室内热交换器和室外热交换器用作冷凝器或蒸发器。当室内热交换器用作冷凝器时,空调器用作制热模式的加热器,当室内热交换器用作蒸发器时,空调器用作制冷模式的冷却器。
四通阀104,用于控制所述冷媒回路中冷媒流向,以使室外热交换器和室内热交换器,作为冷凝器和蒸发器之间进行切换。
室内环境温度传感器105,用于检测室内环境温度。
室内盘管温度传感器106,用于检测室内盘管温度。
空调接收器107,用于接收空调网络的传感器信息和用户对所述空调的操作信息并上传至云端服务器,还用于接收所述云端服务器通过训练后的神经网络获取的空调运行参数并输出至控制器。
控制器108,用于执行所述空调接收器输出的所述空调运行参数;
其中所述空调网络为所述空调与其他传感器设备及所述云端服务器连接组成的网络。
在本申请的优选实施例中,所述空调接收器包括:
近距离无线连接模块,用于与所述传感器设备组网,获取所述传感器设备的所述传感器信息;
无线上网模块,用于连接所述云端服务器;
串口通信模块,用于通过标准串行接口与所述控制器通讯。
如图2所示,在本申请的优选实施例中,近距离无线连接模块可以为ZigBee或蓝牙网关,空调通过该模块与其他传感器设备组网,无线上网模块可以为WiFi网关,用以上传云端数据及下发云端指令,串口通信模块,通过标准串行接口与空调控制器通讯,因此空调可以通过空调接收器与其他传感器设备及云端服务器组成空调网络。
由于近距离无线连接模块相较于无线网卡有更低的成本,现在家庭智能设备普遍具有如ZigBee或蓝牙通讯等近距离无线连接功能,因此空调也可以通过ZigBee或蓝牙与其他家庭智能设备组网并通过空调WiFi网关连上云端服务器组成空调网络。在空调网络中,空调可以通过WiFi网关将空调传感器实时测量数据、空调运行参数或其他设备传感器实时测量数据等信息经路由器上传至云端服务器。
在空调网络的标准通讯协议中,还规定了传感器网络地址,传感器类型及传感器实时测量数据。其中,传感器网络地址同时通过链路层和应用层传输,传感器类型及实时测量数据由应用层传输。当空调接收器在接受到来自其它传感器设备的有效数据后,将应用层数据透传,经由路由器上传至云端服务器。
在本申请的优选实施例中,所述传感器设备可以是单一的传感器产品,也可以是集成了传感器的加湿器、空气净化器等家庭智能设备。传感器类型可以包括温度,湿度,光照强度,VOC气味,二氧化碳,烟雾,PM2.5等。
需要说明的是,以上优选实施例的方案仅为本申请所提出的一种具体实现方案,其他基于所述空调接收器的改进均属于本申请的保护范围。
为了构建神经网络,在本申请的优选实施例中,所述空调接收器用于在所述空调在首次进行组网时将所述空调的型号信息上传至所述云端服务器,以使所述云端服务器根据所述型号信息查询所述空调的功能信息,并根据所述功能信息确定所述神经网络输出节点数量;
其中,所述功能信息包括空调运行模式的类型信息和数量信息。
由于现有的空调拥有的功能繁多,包括许多特殊功能,例如电辅热、新风、净化、地暖、负离子等功能,不同型号的空调所拥有的功能并不相同。因此,在空调首次进行组网时(如首次进行WiFi配网,首次连接上云端服务器),云端服务器会获取所述空调接收器上传的空调型号信息,并根据其型号信息在云端数据库里查询该型号空调所具备的所有功能,以此来确定所述空调的所包含的各种空调运行模式的类型和数量。
需要说明的是,以上优选实施例的方案仅为本申请所提出的一种具体实现方案,其他获取空调功能信息构建神经网络的方式均属于本申请的保护范围。
在本申请的优选实施例中,所述空调接收器具体用于:
将所述传感器信息和所述操作信息上传至云端服务器,以使所述云端服务器根据所述传感器信息确定输入数据,根据所述功能信息确定输出数据,并基于所述输入数据及所述输出数据构建所述神经网络,同时将所述操作信息作为监督数据对所述神经网络进行训练;
接收所述云端服务器输出的所述空调运行参数,并将所述空调运行参数输出至控制器,所述空调运行参数是通过训练后的所述神经网络根据当前所述传感器信息获取的;
其中,所述传感器信息包括传感器网络地址、传感器类型及传感器实时测量数据,所述操作信息包括操作输入数据和操作控制的空调运行模式。
在本申请的优选实施例中,云端服务器根据获取的例如传感器类型等传感器信息作为神经网络的输入层的输入节点,根据空调所具备的空调运行模式类型等功能信息作为神经网络的输出层的输出节点;空调所具备的空调运行模式的数量代表神经网络输出节点数量,从而通过获得该智能空调的功能信息,决定神经网络输出节点中是否有电辅热、新风、净化、地暖、负离子等功能的运行模式,并以此构建神经网络的初始模型。
在本申请的优选实施例中,当每个传感器设备与空调进行组网时,还需要为每个传感器设备分配网络地址。在所述空调网络中,不同所述传感器设备的传感器网络地址不同,所述空调的传感器网络地址为默认地址。例如,可以将传感器设备的网络地址序号从1递增依次设置,将空调本身默认地址设为0。
在本申请的优选实施例中,当所述传感器网络地址仅包括所述空调的默认地址时,所述空调接收器将所述传感器信息上传至所述云端服务器,以使所述云端服务器基于所述传感器信息构建全连接神经网络。
在本申请的优选实施例中,由于在具体实施场景中会出现空调未与其他传感器设备联网的情况,例如其他传感器设备未通电而关机或者蓝牙通讯因故断开等情况,此时获取的所述空调网络的传感器信息仅为空调本身的传感器信息。因此如图3所示,当获取的传感器网络地址全部为空调的默认地址时,根据获取的传感器信息把每个传感器类型的实时测量数据作为一个输入节点,构建全连接神经网络。
在本申请的优选实施例中,当所述传感器网络地址包括所述空调的默认地址和其他所述传感器设备地址时,所述空调接收器将所述传感器信息上传至所述云端服务器,以使所述云端服务器基于所述传感器信息构建卷积神经网络。
在本申请的优选实施例中,当空调与其他传感器设备联网情况良好,信息通信畅通时,此时获取的所述空调网络的传感器信息包括空调本身的传感器信息以及其他传感器设备的传感器信息。因此如图4所示,根据获取的传感器信息把传感器网络地址为行,每个传感器类型的实时测量数据为列,组成的矩阵作为输入,构建卷积神经网络。例如,在空调网络中,包括空调在内,共4个家庭无线设备,包含温度、湿度和光照强度3种传感器类型,则输入数据是一个包含传感器实时测量数据的3×4的矩阵,进行神经网络卷积层计算。
需要说明的是,以上优选实施例的方案仅为本申请所提出的一种具体实现方案,其他通过构建神经网络获取空调运行参数的方式均属于本申请的保护范围。
在本申请的优选实施例中,若所述空调接收器接收到用户的智能授权指令时,所述控制器根据所述空调接收器输出的所述空调运行参数控制所述空调运行;
若所述空调接收器接收到用户的手动操作指令时,所述控制器根据用户对所述空调的操作信息控制所述空调运行,并且所述空调接收器将所述操作信息上传至所述云端服务器。
在本申请的优选实施例中,当用户对空调发出授权指令,如按下智能模式控制键,授权空调进入智能模式,在空调智能模式下,云端服务器根据训练后的神经网络获取出来的空调运行参数,下发空调运行指令,空调接收器在收到云端服务器指令后,经由串口通信模块传输给控制器,控制器控制空调按照通过训练后的神经网络获取输出的空调运行参数运行,所述空调运行参数包括开关机,模式,风速,风向,设定温度,设定湿度,显示屏亮度等。
当用户对空调进行手动控制时,如更改风速档位,空调会退出智能模式重新进入手动模式,空调按照用户对所述空调的实时操作信息运行,同时空调继续收集用户操作信息,对神经网络继续进行训练,进一步优化参数以获得更好的智能化体验。
由于不同用户的生活习惯不同,同一神经网络模型获取出来的空调运行参数并不适用所有人,为了空调更加个性化,在本申请的优选实施例中,空调还包括用户识别模块,用于识别用户的身份标识,将所述身份标识经所述空调接收器上传至所述云端服务器,以使所述云端服务器根据不同用户的所述身份标识构建各自独立的所述神经网络。
在本申请的优选实施例中,空调的用户识别模块可以选择识别用户的各种身份标识,例如用户的指纹信息,用户密码等,也可以通过人脸识别功能进行用户身份识别,通过识别使用者身份,根据不同的用户构建不同的神经网络,以适应每个人的使用习惯。
需要说明的是,以上优选实施例的方案仅为本申请所提出的一种具体实现方案,其他基于神经网络的空调结构功能改进均属于本申请的保护范围。
本发明公开了一种空调及基于神经网络的空调控制方法,所述空调包括冷媒循环回路、压缩机、室外热交换器和室内热交换器、四通阀、室内环境温度传感器、室内盘管温度传感器、空调接收器和控制器,所述空调与其他传感器设备及云端服务器组网的空调网络,空调接收器用于接收空调网络的传感器信息和用户对所述空调的操作信息并上传至云端服务器,还用于接收所述云端服务器通过训练后的神经网络获取的空调运行参数并输出至控制器,所述控制器用于执行所述空调运行参数。本发明通过结合各种传感器设备的收集的环境参数,基于神经网络智能获取符合用户习惯的空调模式,给用户使用空调提供了智能和便利性,提高用户智能化产品体验。
基于上述空调,本申请还提出了一种基于神经网络的空调控制方法,如图5所示,所述方法应用于空调与其他传感器设备及云端服务器组网的空调网络中,所述方法包括以下步骤:所述方法包括:
步骤501,获取所述空调网络的传感器信息和所述空调的功能信息。
在本申请的优选实施例中,为了获取更充分的传感器信息,传感器信息包括传感器网络地址、传感器类型及传感器实时测量数据。
步骤502,根据所述传感器信息确定输入数据,根据所述空调功能信息确定输出数据,并基于所述输入数据及所述输出数据构建神经网络。
在本申请的优选实施例中,根据获取的例如传感器类型等传感器信息作为神经网络的输入层的输入节点,根据空调所具备的空调运行模式类型等功能信息作为神经网络的输出层的输出节点,空调所具备的空调运行模式的数量代表神经网络输出节点数量,从而通过获得该智能空调的功能信息,决定神经网络输出节点中是否有电辅热、新风、净化、地暖、负离子等功能的运行模式,并以此构建神经网络的初始模型。
步骤503,获取用户对所述空调的操作信息,将所述操作信息作为监督数据对所述神经网络进行训练,所述操作信息包括操作输入数据和操作控制的空调运行模式。
在本申请的优选实施例中,当空调接入空调网络连上云端服务器后,用户每次手动对空调进行操作时,云端服务器会获取空调接收器上传的当前用户对空调的操作信息,并将所述操作信息作为监督数据样本对所述神经网络进行训练,不断优化神经网络参数。所述用户操作信息包括操作输入数据和操作控制的空调运行模式,例如用户在制冷功能模式下手动将空调温度调整至24℃,上传的手动输入数据为调节温度至24℃,上传的空调运行模式为制冷模式。
神经网络在操作信息作为监督数据下,输入数据为由传感器信息组成的一维或二维矩阵,输出数据为每个空调运行模式代表的节点,通过误差迭代计算,以此优化神经网络参数,完成神经网络训练。
为了对神经网络进行误差迭代计算,在本申请的优选实施例中,将均方误差或者交叉熵误差作为损失函数对所述神经网络进行误差计算;当所述神经网络误差计算达到预设的迭代次数后,所述神经网络结束训练。所述迭代次数可以根据具体应用场景具体设置。
其中,yk表示所述神经网络输出的空调运行模式,tk表示所述操作信息的监督数据。
需要说明的是,以上优选实施例的方案仅为本申请所提出的一种具体实现方案,其他将所述操作信息作为监督数据对所述神经网络进行训练的方式均属于本申请的保护范围。
步骤504,训练后的所述神经网络根据当前所述传感器信息获取所述空调运行参数,所述空调根据所述空调运行参数运行。
在本申请的优选实施例中,云端服务器将当前获取的包含环境参数的传感器信息,经过训练后的所述神经网络获取得到空调运行参数,并下发控制指令,空调控制器根据所述空调运行参数运行空调。所述空调运行参数包括开关机,模式,风速,风向,设定温度,设定湿度,显示屏亮度等。
为了准确输出空调的运行参数,在本申请的优选实施例中,若所述运行参数类型为连续型数值量,则根据所述空调的控制精度就近取整输出所述空调运行参数;若所述运行参数类型为布尔量,则根据预设阈值构建由假到真跳变的阶跃函数,并根据所述阶跃函数输出所述空调运行参数。
例如空调的设定温度为连续型数量值,空调的控制精度为1摄氏度,当训练后的神经网络获取输出的设定温度为24.7摄氏度,则可根据四舍五入等就近取整方式,实际输出为25摄氏度。通常空调的设定温度、风速档位等参数为连续型数值量,电加热开关、新风开关等为布尔量。
需要说明的是,以上优选实施例的方案仅为本申请所提出的一种具体实现方案,其他基于神经网络根据当前所述传感器信息获取所述空调的运行参数的方式均属于本申请的保护范围。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (7)
1.一种空调,其特征在于,包括:
冷媒循环回路,使冷媒在压缩机、冷凝器、膨胀阀、蒸发器、四通阀和减压器组成回路中进行循环;
压缩机,用于进行将低温低压冷媒气体压缩成高温高压冷媒气体并排至冷凝器的工作;
室外热交换器和室内热交换器,其中,一个为冷凝器 进行工作,另一个为蒸发器进行工作;
四通阀,用于控制所述冷媒循环回路中冷媒流向,以使室外热交换器和室内热交换器,作为冷凝器和蒸发器之间进行切换;
室内环境温度传感器,用于检测室内环境温度;
室内盘管温度传感器,用于检测室内盘管温度;
空调接收器,用于接收空调网络的传感器信息和用户对所述空调的操作信息并上传至云端服务器,还用于接收所述云端服务器通过训练后的神经网络获取的空调运行参数并输出至控制器;
所述控制器,用于执行所述空调接收器输出的所述空调运行参数;
其中所述空调网络为所述空调与其他传感器设备及所述云端服务器连接组成的网络;
在所述空调首次进行组网时将所述空调的型号信息上传至所述云端服务器,以使所述云端服务器根据所述型号信息查询所述空调的功能信息,并根据所述功能信息确定所述神经网络输出节点数量;
其中,所述功能信息包括空调运行模式的类型信息和数量信息;
将所述传感器信息和所述操作信息上传至云端服务器,以使所述云端服务器根据所述传感器信息确定输入数据,根据所述功能信息确定输出数据,并基于所述输入数据及所述输出数据构建所述神经网络,同时将所述操作信息作为监督数据对所述神经网络进行训练;
接收所述云端服务器输出的所述空调运行参数,并将所述空调运行参数输出至控制器;
其中,所述传感器信息包括传感器网络地址、传感器类型及传感器实时测量数据,所述操作信息包括操作输入数据和操作控制的空调运行模式,所述空调运行参数是通过训练后的所述神经网络根据当前所述传感器信息获取的;
将所述操作信息作为监督数据对所述神经网络进行训练具体为:
当所述神经网络误差计算达到预设的迭代次数后,所述神经网络结束训练;
其中,yk表示所述神经网络输出的空调运行模式,tk表示所述操作信息的监督数据。
2.如权利要求1所述的空调,其特征在于,所述空调接收器具体用于:
当所述传感器网络地址仅包括所述空调的默认地址时,所述空调接收器将所述传感器信息上传至所述云端服务器,以使所述云端服务器基于所述传感器信息构建全连接神经网络;
当所述传感器网络地址包括所述空调的默认地址和其他所述传感器设备地址时,所述空调接收器将所述传感器信息上传至所述云端服务器,以使所述云端服务器基于所述传感器信息构建卷积神经网络;
其中,在所述空调网络中,不同所述传感器设备的所述传感器网络地址不同,所述空调的所述传感器网络地址为所述默认地址。
3.如权利要求1所述的空调,其特征在于,所述控制器具体用于:
若所述空调接收器接收到用户的智能授权指令时,所述控制器根据所述空调接收器输出的所述空调运行参数控制所述空调运行;
若所述空调接收器接收到用户的手动操作指令时,所述控制器根据用户对所述空调的所述操作信息控制所述空调运行,并且所述空调接收器将所述操作信息上传至所述云端服务器。
4.如权利要求1所述的空调,其特征在于,所述空调还包括:
用户识别模块,用于识别用户的身份标识,将所述身份标识经所述空调接收器上传至所述云端服务器,以使所述云端服务器根据不同用户的所述身份标识构建各自独立的所述神经网络。
5.如权利要求1所述的空调,其特征在于,所述空调接收器包括:
近距离无线连接模块,用于与所述传感器设备组网,获取所述传感器设备的所述传感器信息;
无线上网模块,用于连接所述云端服务器;
串口通信模块,用于通过标准串行接口与所述控制器通讯。
6.一种基于神经网络的空调控制方法,其特征在于,应用于权利要求1-5任意一项的空调与其他传感器设备及云端服务器组网的空调网络中,所述方法包括:
获取所述空调网络的传感器信息和所述空调的功能信息;
根据所述传感器信息确定输入数据,根据所述空调功能信息确定输出数据,并基于所述输入数据及所述输出数据构建神经网络;
获取用户对所述空调的操作信息,将所述操作信息作为监督数据对所述神经网络进行训练,所述操作信息包括操作输入数据和操作控制的空调运行模式;
训练后的所述神经网络根据当前所述传感器信息获取所述空调运行参数,所述空调根据所述空调运行参数运行。
7.如权利要求6所述的方法,其特征在于,根据当前所述传感器信息得到所述空调运行参数包括:
若所述运行参数类型为连续型数值量,则根据所述空调的控制精度就近取整输出所述空调运行参数;
若所述运行参数类型为布尔量,则根据预设阈值构建由假到真跳变的阶跃函数,并根据所述阶跃函数输出所述空调运行参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010408750.8A CN111750491B (zh) | 2020-05-14 | 2020-05-14 | 一种空调及基于神经网络的空调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010408750.8A CN111750491B (zh) | 2020-05-14 | 2020-05-14 | 一种空调及基于神经网络的空调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111750491A CN111750491A (zh) | 2020-10-09 |
CN111750491B true CN111750491B (zh) | 2022-01-18 |
Family
ID=72673428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010408750.8A Active CN111750491B (zh) | 2020-05-14 | 2020-05-14 | 一种空调及基于神经网络的空调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111750491B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112710061B (zh) * | 2020-12-08 | 2022-02-15 | 珠海格力电器股份有限公司 | 一种自动识别身份的空调控制装置的控制方法 |
CN112815406A (zh) * | 2021-02-01 | 2021-05-18 | 青岛海信日立空调***有限公司 | 室外机 |
CN114279235B (zh) * | 2021-12-29 | 2024-05-10 | 博锐尚格科技股份有限公司 | 基于黑箱模型与灰箱模型切换的冷却塔运行控制方法 |
CN116678086B (zh) * | 2023-04-27 | 2024-01-30 | 深圳市众信海科技有限公司 | 基于卷积神经网络的室内温度控制方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106369739A (zh) * | 2016-08-23 | 2017-02-01 | 海信(山东)空调有限公司 | 一种空调控制方法及空调控制器和空调*** |
CN107246708A (zh) * | 2017-05-17 | 2017-10-13 | 苏州洪昇新能源科技有限公司 | 一种基于云端服务器的空调*** |
CN107730000A (zh) * | 2017-09-15 | 2018-02-23 | 珠海格力电器股份有限公司 | 用于空调的冷媒泄漏检测方法和装置 |
CN107883535A (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 |
CN108592305A (zh) * | 2018-04-28 | 2018-09-28 | 奥克斯空调股份有限公司 | 空调功能设定方法及空调配置*** |
CN110895012A (zh) * | 2019-11-08 | 2020-03-20 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置、存储介质及空调 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08189683A (ja) * | 1995-01-09 | 1996-07-23 | Matsushita Electric Ind Co Ltd | 空気調和機の制御装置 |
-
2020
- 2020-05-14 CN CN202010408750.8A patent/CN111750491B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106369739A (zh) * | 2016-08-23 | 2017-02-01 | 海信(山东)空调有限公司 | 一种空调控制方法及空调控制器和空调*** |
CN107246708A (zh) * | 2017-05-17 | 2017-10-13 | 苏州洪昇新能源科技有限公司 | 一种基于云端服务器的空调*** |
CN107730000A (zh) * | 2017-09-15 | 2018-02-23 | 珠海格力电器股份有限公司 | 用于空调的冷媒泄漏检测方法和装置 |
CN107883535A (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 |
CN108592305A (zh) * | 2018-04-28 | 2018-09-28 | 奥克斯空调股份有限公司 | 空调功能设定方法及空调配置*** |
CN110895012A (zh) * | 2019-11-08 | 2020-03-20 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置、存储介质及空调 |
Also Published As
Publication number | Publication date |
---|---|
CN111750491A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111750491B (zh) | 一种空调及基于神经网络的空调控制方法 | |
US11835288B2 (en) | Air conditioner system and method to control defrosting using camera and sensor data | |
US11353226B2 (en) | Air-conditioner based on parameter learning using artificial intelligence, cloud server, and method of operating and controlling thereof | |
CN113966451B (zh) | 信息处理方法、信息处理装置及程序 | |
CN109297140A (zh) | 一种基于人工智能的空调控制方法 | |
CN104566836B (zh) | 空调器及其自动控制方法、装置 | |
US20210222905A1 (en) | Air-conditioning device, control device, air-conditioning method, and program | |
CN103807975A (zh) | 用于控制空调的装置及其操作方法 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN111442462A (zh) | 一种温控设备控制方法、装置和温控*** | |
CN1275699A (zh) | 控制空调器的装置和方法 | |
JP6698947B1 (ja) | 空調装置、制御装置、空調方法及びプログラム | |
CN113375276B (zh) | 空调器控制方法和空调器 | |
CN109323381A (zh) | 空调器的控制方法、装置及具有其的空调器 | |
CN117083490A (zh) | 空调控制*** | |
CN111750501B (zh) | 一种空调器和控制方法 | |
CN109323403A (zh) | 空调器及其控制方法和控制装置及电子设备 | |
CN115435457B (zh) | 基于边缘计算的空调控制方法、***及服务器 | |
JP7038835B2 (ja) | 空調装置、制御装置、空調方法及びプログラム | |
CN112762585A (zh) | 一种空调***和控制方法 | |
CN113339953A (zh) | 空调控制*** | |
CN113339955A (zh) | 空调控制*** | |
CN102455017A (zh) | 基于物联网概念的高效空调 | |
CN110220275B (zh) | 控制空气调节设备输出温度的方法及空气调节设备 | |
CN112303842A (zh) | 一种空调温度调节方法及空调 |
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 |