CN112032929A - 空调化霜控制方法及装置 - Google Patents
空调化霜控制方法及装置 Download PDFInfo
- Publication number
- CN112032929A CN112032929A CN202010899408.2A CN202010899408A CN112032929A CN 112032929 A CN112032929 A CN 112032929A CN 202010899408 A CN202010899408 A CN 202010899408A CN 112032929 A CN112032929 A CN 112032929A
- Authority
- CN
- China
- Prior art keywords
- temperature
- defrosting
- air conditioner
- condenser
- preset
- 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.)
- Granted
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
- F24F11/62—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
- F24F2110/00—Control inputs relating to air properties
- F24F2110/20—Humidity
- F24F2110/22—Humidity 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)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开了一种空调化霜控制方法及装置。该方法包括:获取室外环境信息,其中,室外环境信息至少包括:室外环境温度和湿度;获取冷凝器的外管温度信息,其中,外管温度信息至少包括:冷凝器的外管温度值和温度变化速度;将室外环境信息和外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;若需要控制空调进入化霜模式,依据神经网络模型输出的化霜时长对空调进行化霜控制。通过本申请,解决了相关技术中对空调的化霜控制不准确的问题。
Description
技术领域
本申请涉及空调器技术领域,具体而言,涉及一种空调化霜控制方法及装置。
背景技术
在室外温度较低时,冷凝器上会出现结霜影响空调的性能,因此常常需要进行化霜控制,然而,现有的空调化霜时间往往只是根据外管温和运行时间进行简单的判断,难以根据外机实际结霜情况进行精确控制,这可能造成化霜不干净或者化霜过长等现象,影响用户的舒适性。因此,对化霜时间进行准确的控制十分重要。
相关技术一中能在多次化霜之后确保化霜干净,但是对化霜时间过长的这一情况并没有进行优化。
相关技术二中通过检测制冷剂实时蒸发温度与化霜温度之差判断是否开始结霜,并通过理论计算公式得到结霜量来判断化霜的开始时间。虽然能准确判断进入化霜时间,但是却没有对结束时间进行优化。
相关技术三中提出了一种通过计算实际化霜时间和预设的标准化霜时间之间的差值比来对下一周期的非化霜运行时间进行修正的方法,该方法虽然能在多次调整后使化霜周期标准化,但是其化霜效果还是依赖于标准化霜周期的预设参数,无法根据实际情况进行优化。
相关技术四中则通过计算公式得到非化霜周期的理论结霜量,并依此判断进入化霜的时间,之后通过检测化霜水量,对压缩机的频率进行相应的控制,并判断化霜结束的时间,这种方法虽然从理论上来说可以精确的判断进入和退出化霜的时间,但是其理论计算公式的准确性难以保证,并且需要加装相应的传感器来获取额外的参数。
针对相关技术中对空调的化霜控制不准确的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种空调化霜控制方法及装置,以解决相关技术中对空调的化霜控制不准确的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种空调化霜控制方法。该方法包括:获取室外环境信息,其中,所述室外环境信息至少包括:室外环境温度和湿度;获取冷凝器的外管温度信息,其中,所述外管温度信息至少包括:所述冷凝器的外管温度值和温度变化速度;将所述室外环境信息和所述外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;若需要控制所述空调进入化霜模式,依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制。
进一步地,在依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制之后,所述方法还包括:在化霜结束后,按照预设时间间隔记录所述冷凝器的外管温度;根据多次记录的所述冷凝器的外管温度计算所述冷凝器的外管温度的变化速度;依据所述外管温度的变化速度确定对所述空调的化霜是否干净。
进一步地,依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:若在目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度大于预设速度,则确定对所述空调的化霜不干净;若在所述目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度小于所述预设速度,或者,若在所述目标时间段内的所述外管温度呈非下降状态,则确定对所述空调的化霜干净。
进一步地,依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:当所述室外环境温度小于第一预设温度时,若在目标时间段内的所述冷凝器的外管温度的变化速度大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第三预设速度,则确定对所述空调的化霜不干净;当所述室外环境温度小于第一预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第三预设速度,则确定对所述空调的化霜干净。
进一步地,所述方法还包括:若确定对所述空调的化霜不干净,则将所述化霜时长延长第一预设时长;若确定对所述空调的化霜干净,则将所述化霜时长缩短第二预设时长;基于调整后的化霜时长对所述神经网络模型进行学习训练,以对所述神经网络模型进行更新。
为了实现上述目的,根据本申请的另一方面,提供了一种空调化霜控制装置。该装置包括:第一获取单元,用于获取室外环境信息,其中,所述室外环境信息至少包括:室外环境温度和湿度;第二获取单元,用于获取冷凝器的外管温度信息,其中,所述外管温度信息至少包括:所述冷凝器的外管温度值和温度变化速度;判断单元,用于将所述室外环境信息和所述外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;控制单元,用于在需要控制所述空调进入化霜模式的情况,依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制。
进一步地,所述装置还包括:记录单元,用于在依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制之后,在化霜结束后,按照预设时间间隔记录所述冷凝器的外管温度;计算单元,用于根据多次记录的所述冷凝器的外管温度计算所述冷凝器的外管温度的变化速度;确定单元,用于依据所述外管温度的变化速度确定对所述空调的化霜是否干净。
进一步地,所述确定单元包括:第一确定模块,用于在目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度大于预设速度,则确定对所述空调的化霜不干净;第二确定模块,用于在所述目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度小于所述预设速度,或者,若在所述目标时间段内的所述外管温度呈非下降状态,则确定对所述空调的化霜干净。
为了实现上述目的,根据本申请的另一方面,提供了一种计算机存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述任意一项所述的空调化霜控制方法。
为了实现上述目的,根据本申请的另一方面,提供了一种空调器,所述空调器中的处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的空调化霜控制方法。
通过本申请,采用以下步骤:获取室外环境信息,其中,室外环境信息至少包括:室外环境温度和湿度;获取冷凝器的外管温度信息,其中,外管温度信息至少包括:冷凝器的外管温度值和温度变化速度;将室外环境信息和外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;若需要控制空调进入化霜模式,依据神经网络模型输出的化霜时长对空调进行化霜控制,解决了相关技术中对空调的化霜控制不准确的问题。通过神经网络模型根据实际的运行工况确定化霜时机和化霜时长,保证了空调在不同的工况下能准确的判断进入化霜的时机和化霜的时长,大大提升空调的舒适性,进而达到了提升对空调的化霜控制的准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的空调化霜控制方法的流程图;
图2是根据本申请实施例提供的可选的空调化霜控制方法的示意图;
图3是根据本申请实施例提供的速度阈值与外环温度的关系示意图;
图4是根据本申请实施例提供的空调化霜控制***的逻辑图;以及
图5是根据本申请实施例提供的空调化霜控制装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
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,显然,所描述的实施例仅仅是本申请一部分的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请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,以便这里描述的本申请的实施例。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。
下面结合优选的实施步骤对本发明进行说明,图1是根据本申请实施例提供的空调化霜控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取室外环境信息,其中,室外环境信息至少包括:室外环境温度和湿度。
步骤S102,获取冷凝器的外管温度信息,其中,外管温度信息至少包括:冷凝器的外管温度值和温度变化速度。
需要说明的是,上述的外管温度信息是指冷凝器的室外铜管的温度信息,其中,至少包括:冷凝器室外铜管的外管温度值和冷凝器室外铜管上温度变化速度。
步骤S103,将室外环境信息和外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式。
步骤S104,若需要控制空调进入化霜模式,依据神经网络模型输出的化霜时长对空调进行化霜控制。
通过上述步骤,利用神经网络的拟合能力,准确控制空调进入化霜的时机和化霜时长,提升空调的舒适性。
综上,本申请实施例提供的空调化霜控制方法,通过获取室外环境信息,其中,室外环境信息至少包括:室外环境温度和湿度;获取冷凝器的外管温度信息,其中,外管温度信息至少包括:冷凝器的外管温度值和温度变化速度;将室外环境信息和外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;若需要控制空调进入化霜模式,依据神经网络模型输出的化霜时长对空调进行化霜控制,解决了相关技术中对空调的化霜控制不准确的问题。通过神经网络模型根据实际的运行工况确定化霜时机和化霜时长,保证了空调在不同的工况下能准确的判断进入化霜的时机和化霜的时长,大大提升空调的舒适性,进而达到了提升对空调的化霜控制的准确性的效果。
可选地,在本申请实施例提供的空调化霜控制方法中,在依据神经网络模型输出的化霜时长对空调进行化霜控制之后,该方法还包括:在化霜结束后,按照预设时间间隔记录冷凝器的外管温度;根据多次记录的冷凝器的外管温度计算冷凝器的外管温度的变化速度;依据外管温度的变化速度确定对空调的化霜是否干净。
例如,如图2所示,化霜结束后,每隔1分钟记录一次冷凝器的外管温度直至10分钟,依据这10分钟内外管温度的变化速度确定对空调的化霜是否干净。
可选地,在本申请实施例提供的空调化霜控制方法中,依据外管温度的变化速度确定对空调的化霜是否干净包括:若在目标时间段内的冷凝器的外管温度呈下降状态,且外管温度的变化速度大于预设速度,则确定对空调的化霜不干净;若在目标时间段内的冷凝器的外管温度呈下降状态,且外管温度的变化速度小于预设速度,或者,若在目标时间段内的外管温度呈非下降状态,则确定对空调的化霜干净。
例如,如图2所示,上述的目标时间段为记录冷凝器的外管温度的最后3分钟内,预设速度为0.5℃/min。若在最后3分钟内冷凝器的外管温度呈下降状态,且外管温度的变化速度大于0.5℃/min,则确定对空调的化霜不干净。若在最后3分钟内冷凝器的外管温度呈下降状态,且外管温度的变化速度不大于0.5℃/min,或者,在最后3分钟内冷凝器的外管温度呈非下降状态,则确定对空调的化霜干净。
可选地,在本申请实施例提供的空调化霜控制方法中,依据外管温度的变化速度确定对空调的化霜是否干净包括:当室外环境温度小于第一预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度大于第一预设速度,或者,室外环境温度大于第一预设温度小于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度大于第二预设速度,或者,室外环境温度大于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度大于第三预设速度,则确定对空调的化霜不干净;当室外环境温度小于第一预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度不大于第一预设速度,或者,室外环境温度大于第一预设温度小于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度不大于第二预设速度,或者,室外环境温度大于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度不大于第三预设速度,则确定对空调的化霜干净。
如图3所示,图3是速度阈值与外环温度的关系示意图。当室外环境温度小于T1(对应上述的第一预设温度)时,若在最后3分钟内的冷凝器的外管温度的变化速度大于V1(对应上述的第一预设速度),或者,室外环境温度大于T1小于T2(对应上述的第二预设温度)时,若在最后3分钟内的冷凝器的外管温度的变化速度大于V3(V1与V2之间的某个值,具体由图3中的室外环境温度对应的速度阈值确定),或者,室外环境温度大于T2时,若在最后3分钟内的冷凝器的外管温度的变化速度大于V2(对应上述的第三预设速度),则确定对空调的化霜不干净。
当室外环境温度小于T1(对应上述的第一预设温度)时,若在最后3分钟内的冷凝器的外管温度的变化速度不大于V1(对应上述的第一预设速度),或者,室外环境温度大于T1小于T2(对应上述的第二预设温度)时,若在最后3分钟内的冷凝器的外管温度的变化速度不大于V3(V1与V2之间的某个值,具体由图3中的室外环境温度对应的速度阈值确定),或者,室外环境温度大于T2时,若在最后3分钟内的冷凝器的外管温度的变化速度不大于V2(对应上述的第三预设速度),则确定对空调的化霜干净。其中,T1取值范围可以为-10℃~-15℃,T2取值范围可以为-5℃~2℃,V1取值范围可以为0.7℃/min~1℃/min,V2取值范围可以为0.1℃/min~0.3℃/min。需要说明的是,当温度处于T1到T2之间,外管温度的变化速度的阈值与室外环境温度呈线性关系,各室外环境温度对应的外管温度的变化速度的阈值可根据不同机型设定。也即,用以判断是否化霜干净的外管温变化速度阈值可以由预先设定的固定值变成根据实际的室外环境温度和不同的机型进行实时改变的值,从而提升了化霜判断的准确性。
可选地,在本申请实施例提供的空调化霜控制方法中,该方法还包括:若确定对空调的化霜不干净,则将化霜时长延长第一预设时长;若确定对空调的化霜干净,则将化霜时长缩短第二预设时长;基于调整后的化霜时长对神经网络模型进行学习训练,以对神经网络模型进行更新。
例如,若化霜干净,则将该工况下的数据(即进入化霜时的室外环境温度和湿度、冷凝器的外管温度及其变化速度、是否进入化霜、化霜时长)中的化霜时长缩短5s(对应上述的第二预设时长),若化霜不干净,则将化霜时长延长10s(对应上述的第一预设时长),之后更新数据,利用新的数据(至少包括:进入化霜时的室外环境温度和湿度、冷凝器的外管温度及其变化速度、是否进入化霜、调整后的化霜时长)进行网络训练,由此实现空调化霜控制自适应的能力。采用这种控制,能使空调依据实际的室外环境温度和运行状态,准确判断出化霜时机和化霜时长,并且能根据实际的控制效果,不断调整相关参数,使其在不同的工况下都能保持准确性。
如图4所示,在空调化霜控制***中,该控制***主要涉及到了外机主板、感温包、压缩机和四通阀等部件的控制。其中,感温包包括:冷凝器感温包和外环感温包,冷凝器感温包用以获取冷凝器的外管温度,外环感温包用于采集室外环境温度和湿度。外机主板主要包括:数据采集模块、神经网络算法模块、化霜控制模块、化霜效果判断模块和数据储存模块。其中,数据采集模块用以从感温包获取外管温和外环温度;神经网络算法模块则根据获得的外管温和外环温计算得出是否进入化霜以及化霜时长;化霜控制模块根据神经网络的计算结果对压缩机和四通阀进行化霜控制;化霜效果判断模块则在化霜结束后,根据外管温对化霜效果进行判断;数据处理模块则根据化霜结果更新最新数据,并对神经网络进行训练;数据储存模块则用以储存相关工况的数据(即进入化霜时的外环温、外管温及其变化速度、是否进入化霜、化霜时长等)以及得到的神经网络权值和阈值,压缩机控制模块和四通阀控制模块则根据收到的化霜指令进行常规化霜操作。因此,采用该控制***的空调能在不增加成本的前提下,通过一个具有自适应能力的神经网络获取实际不同工况下的最佳进入化霜时间和化霜时长,从而提升空调运行的舒适性。
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。
本申请实施例还提供了一种空调化霜控制装置,需要说明的是,本申请实施例的空调化霜控制装置可以用于执行本申请实施例所提供的用于空调化霜控制方法。以下对本申请实施例提供的空调化霜控制装置进行介绍。
图5是根据本申请实施例的空调化霜控制装置的示意图。如图5所示,该装置包括:第一获取单元501,第二获取单元502,判断单元503和控制单元504。
第一获取单元501,用于获取室外环境信息,其中,室外环境信息至少包括:室外环境温度和湿度;
第二获取单元502,用于获取冷凝器的外管温度信息,其中,外管温度信息至少包括:冷凝器的外管温度值和温度变化速度;
判断单元503,用于将室外环境信息和外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;
控制单元504,用于在需要控制空调进入化霜模式的情况,依据神经网络模型输出的化霜时长对空调进行化霜控制。
本申请实施例提供的空调化霜控制装置,通过第一获取单元501获取室外环境信息,其中,室外环境信息至少包括:室外环境温度和湿度;第二获取单元502获取冷凝器的外管温度信息,其中,外管温度信息至少包括:冷凝器的外管温度值和温度变化速度;判断单元503将室外环境信息和外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;控制单元504在需要控制空调进入化霜模式的情况,依据神经网络模型输出的化霜时长对空调进行化霜控制,解决了相关技术中对空调的化霜控制不准确的问题。通过神经网络模型根据实际的运行工况确定化霜时机和化霜时长,保证了空调在不同的工况下能准确的判断进入化霜的时机和化霜的时长,大大提升空调的舒适性,进而达到了提升对空调的化霜控制的准确性的效果。
可选地,在本申请实施例提供的空调化霜控制装置中,该装置还包括:记录单元,用于在依据神经网络模型输出的化霜时长对空调进行化霜控制之后,在化霜结束后,按照预设时间间隔记录冷凝器的外管温度;计算单元,用于根据多次记录的冷凝器的外管温度计算冷凝器的外管温度的变化速度;确定单元,用于依据外管温度的变化速度确定对空调的化霜是否干净。
可选地,在本申请实施例提供的空调化霜控制装置中,确定单元包括:第一确定模块,用于在目标时间段内的冷凝器的外管温度呈下降状态,且外管温度的变化速度大于预设速度,则确定对空调的化霜不干净;第二确定模块,用于在目标时间段内的冷凝器的外管温度呈下降状态,且外管温度的变化速度小于预设速度,或者,若在目标时间段内的外管温度呈非下降状态,则确定对空调的化霜干净。
可选地,在本申请实施例提供的空调化霜控制装置中,确定单元包括:第三确定模块,用于当室外环境温度小于第一预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度大于第一预设速度,或者,室外环境温度大于第一预设温度小于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度大于第二预设速度,或者,室外环境温度大于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度大于第三预设速度,则确定对空调的化霜不干净;第四确定模块,用于当室外环境温度小于第一预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度不大于第一预设速度,或者,室外环境温度大于第一预设温度小于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度不大于第二预设速度,或者,室外环境温度大于第二预设温度时,若在目标时间段内的冷凝器的外管温度的变化速度不大于第三预设速度,则确定对空调的化霜干净。
可选地,在本申请实施例提供的空调化霜控制装置中,该装置还包括:第一处理单元,用于在确定对空调的化霜不干净的情况下,则将化霜时长延长第一预设时长;第二处理单元,用于在确定对空调的化霜干净的情况下,则将化霜时长缩短第二预设时长;更新单元,用于基于调整后的化霜时长对神经网络模型进行学习训练,以对神经网络模型进行更新。
所述空调化霜控制装置包括处理器和存储器,上述的第一获取单元501,第二获取单元502,判断单元503和控制单元504等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来根据实际的运行工况确定化霜时机和化霜时长,保证了空调在不同的工况下能准确的判断进入化霜的时机和化霜的时长,大大提升空调的舒适性,进而达到了提升对空调的化霜控制的准确性的效果。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机存储介质,其上存储有程序,该程序被处理器执行时实现所述空调化霜控制方法。
本发明实施例提供了一种空调器,所述空调器的处理器用于运行程序,其中,所述程序运行时执行所述空调化霜控制方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取室外环境信息,其中,所述室外环境信息至少包括:室外环境温度和湿度;获取冷凝器的外管温度信息,其中,所述外管温度信息至少包括:所述冷凝器的外管温度值和温度变化速度;将所述室外环境信息和所述外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;若需要控制所述空调进入化霜模式,依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制。
处理器执行程序时还实现以下步骤:在依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制之后,所述方法还包括:在化霜结束后,按照预设时间间隔记录所述冷凝器的外管温度;根据多次记录的所述冷凝器的外管温度计算所述冷凝器的外管温度的变化速度;依据所述外管温度的变化速度确定对所述空调的化霜是否干净。
处理器执行程序时还实现以下步骤:依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:若在目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度大于预设速度,则确定对所述空调的化霜不干净;若在所述目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度小于所述预设速度,或者,若在所述目标时间段内的所述外管温度呈非下降状态,则确定对所述空调的化霜干净。
处理器执行程序时还实现以下步骤:依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:当所述室外环境温度小于第一预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第三预设速度,则确定对所述空调的化霜不干净;当所述室外环境温度小于第一预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第三预设速度,则确定对所述空调的化霜干净。
处理器执行程序时还实现以下步骤:所述方法还包括:若确定对所述空调的化霜不干净,则将所述化霜时长延长第一预设时长;若确定对所述空调的化霜干净,则将所述化霜时长缩短第二预设时长;基于调整后的化霜时长对所述神经网络模型进行学习训练,以对所述神经网络模型进行更新。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取室外环境信息,其中,所述室外环境信息至少包括:室外环境温度和湿度;获取冷凝器的外管温度信息,其中,所述外管温度信息至少包括:所述冷凝器的外管温度值和温度变化速度;将所述室外环境信息和所述外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;若需要控制所述空调进入化霜模式,依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:在依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制之后,所述方法还包括:在化霜结束后,按照预设时间间隔记录所述冷凝器的外管温度;根据多次记录的所述冷凝器的外管温度计算所述冷凝器的外管温度的变化速度;依据所述外管温度的变化速度确定对所述空调的化霜是否干净。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:若在目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度大于预设速度,则确定对所述空调的化霜不干净;若在所述目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度小于所述预设速度,或者,若在所述目标时间段内的所述外管温度呈非下降状态,则确定对所述空调的化霜干净。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:当所述室外环境温度小于第一预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第三预设速度,则确定对所述空调的化霜不干净;当所述室外环境温度小于第一预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第三预设速度,则确定对所述空调的化霜干净。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:所述方法还包括:若确定对所述空调的化霜不干净,则将所述化霜时长延长第一预设时长;若确定对所述空调的化霜干净,则将所述化霜时长缩短第二预设时长;基于调整后的化霜时长对所述神经网络模型进行学习训练,以对所述神经网络模型进行更新。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种空调化霜控制方法,其特征在于,包括:
获取室外环境信息,其中,所述室外环境信息至少包括:室外环境温度和湿度;
获取冷凝器的外管温度信息,其中,所述外管温度信息至少包括:所述冷凝器的外管温度值和温度变化速度;
将所述室外环境信息和所述外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;
若需要控制所述空调进入化霜模式,依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制。
2.根据权利要求1所述的方法,其特征在于,在依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制之后,所述方法还包括:
在化霜结束后,按照预设时间间隔记录所述冷凝器的外管温度;
根据多次记录的所述冷凝器的外管温度计算所述冷凝器的外管温度的变化速度;
依据所述外管温度的变化速度确定对所述空调的化霜是否干净。
3.根据权利要求2所述的方法,其特征在于,依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:
若在目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度大于预设速度,则确定对所述空调的化霜不干净;
若在所述目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度小于所述预设速度,或者,若在所述目标时间段内的所述外管温度呈非下降状态,则确定对所述空调的化霜干净。
4.根据权利要求2所述的方法,其特征在于,依据所述外管温度的变化速度确定对所述空调的化霜是否干净包括:
当所述室外环境温度小于第一预设温度时,若在目标时间段内的所述冷凝器的外管温度的变化速度大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度大于第三预设速度,则确定对所述空调的化霜不干净;
当所述室外环境温度小于第一预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第一预设速度,或者,所述室外环境温度大于第一预设温度小于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第二预设速度,或者,所述室外环境温度大于第二预设温度时,若在所述目标时间段内的所述冷凝器的外管温度的变化速度不大于第三预设速度,则确定对所述空调的化霜干净。
5.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
若确定对所述空调的化霜不干净,则将所述化霜时长延长第一预设时长;
若确定对所述空调的化霜干净,则将所述化霜时长缩短第二预设时长;
基于调整后的化霜时长对所述神经网络模型进行学习训练,以对所述神经网络模型进行更新。
6.一种空调化霜控制装置,其特征在于,包括:
第一获取单元,用于获取室外环境信息,其中,所述室外环境信息至少包括:室外环境温度和湿度;
第二获取单元,用于获取冷凝器的外管温度信息,其中,所述外管温度信息至少包括:所述冷凝器的外管温度值和温度变化速度;
判断单元,用于将所述室外环境信息和所述外管温度信息输入神经网络模型进行计算,判断是否需要控制空调进入化霜模式;
控制单元,用于在需要控制所述空调进入化霜模式的情况,依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
记录单元,用于在依据所述神经网络模型输出的化霜时长对所述空调进行化霜控制之后,在化霜结束后,按照预设时间间隔记录所述冷凝器的外管温度;
计算单元,用于根据多次记录的所述冷凝器的外管温度计算所述冷凝器的外管温度的变化速度;
确定单元,用于依据所述外管温度的变化速度确定对所述空调的化霜是否干净。
8.根据权利要求7所述的装置,其特征在于,所述确定单元包括:
第一确定模块,用于在目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度大于预设速度,则确定对所述空调的化霜不干净;
第二确定模块,用于在所述目标时间段内的所述冷凝器的外管温度呈下降状态,且所述外管温度的变化速度小于所述预设速度,或者,若在所述目标时间段内的所述外管温度呈非下降状态,则确定对所述空调的化霜干净。
9.一种计算机存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至5中任意一项所述的空调化霜控制方法。
10.一种空调器,其特征在于,所述空调器中的处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的空调化霜控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899408.2A CN112032929B (zh) | 2020-08-31 | 2020-08-31 | 空调化霜控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899408.2A CN112032929B (zh) | 2020-08-31 | 2020-08-31 | 空调化霜控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112032929A true CN112032929A (zh) | 2020-12-04 |
CN112032929B CN112032929B (zh) | 2021-04-30 |
Family
ID=73587710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010899408.2A Active CN112032929B (zh) | 2020-08-31 | 2020-08-31 | 空调化霜控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112032929B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112539519A (zh) * | 2020-12-08 | 2021-03-23 | 珠海格力电器股份有限公司 | 空调化霜控制方法、装置、设备及存储介质 |
CN112628942A (zh) * | 2020-12-11 | 2021-04-09 | 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 |
CN113091213A (zh) * | 2021-03-26 | 2021-07-09 | 青岛海尔空调器有限总公司 | 用于空调除霜的方法、装置及空调 |
CN113566383A (zh) * | 2021-07-20 | 2021-10-29 | 珠海格力电器股份有限公司 | 智能除霜方法、装置、电器及计算机可读存储介质 |
CN113970176A (zh) * | 2021-11-01 | 2022-01-25 | 珠海格力电器股份有限公司 | 一种基于抑霜神经网络的空调制热控制方法、***及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04155139A (ja) * | 1990-10-19 | 1992-05-28 | Matsushita Electric Ind Co Ltd | 空気調和機 |
JPH10103818A (ja) * | 1996-08-08 | 1998-04-24 | Hitachi Ltd | 空気調和装置 |
CN105135629A (zh) * | 2015-09-30 | 2015-12-09 | 海信(山东)空调有限公司 | 空调器除霜控制方法和空调器 |
CN105650813A (zh) * | 2016-01-11 | 2016-06-08 | 广东美的制冷设备有限公司 | 空调的化霜控制方法及装置 |
CN106931694A (zh) * | 2017-04-12 | 2017-07-07 | 广东美的暖通设备有限公司 | 用于化霜的方法、装置、热泵及空调 |
CN107860099A (zh) * | 2017-09-15 | 2018-03-30 | 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 |
CN111397260A (zh) * | 2020-03-25 | 2020-07-10 | 珠海格力电器股份有限公司 | 空调器***、空调器和空调器的除霜控制方法 |
-
2020
- 2020-08-31 CN CN202010899408.2A patent/CN112032929B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04155139A (ja) * | 1990-10-19 | 1992-05-28 | Matsushita Electric Ind Co Ltd | 空気調和機 |
JPH10103818A (ja) * | 1996-08-08 | 1998-04-24 | Hitachi Ltd | 空気調和装置 |
CN105135629A (zh) * | 2015-09-30 | 2015-12-09 | 海信(山东)空调有限公司 | 空调器除霜控制方法和空调器 |
CN105650813A (zh) * | 2016-01-11 | 2016-06-08 | 广东美的制冷设备有限公司 | 空调的化霜控制方法及装置 |
CN106931694A (zh) * | 2017-04-12 | 2017-07-07 | 广东美的暖通设备有限公司 | 用于化霜的方法、装置、热泵及空调 |
CN107860099A (zh) * | 2017-09-15 | 2018-03-30 | 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 |
CN111397260A (zh) * | 2020-03-25 | 2020-07-10 | 珠海格力电器股份有限公司 | 空调器***、空调器和空调器的除霜控制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112539519A (zh) * | 2020-12-08 | 2021-03-23 | 珠海格力电器股份有限公司 | 空调化霜控制方法、装置、设备及存储介质 |
CN112539519B (zh) * | 2020-12-08 | 2022-06-14 | 珠海格力电器股份有限公司 | 空调化霜控制方法、装置、设备及存储介质 |
CN112628942A (zh) * | 2020-12-11 | 2021-04-09 | 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 |
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 |
CN113091213A (zh) * | 2021-03-26 | 2021-07-09 | 青岛海尔空调器有限总公司 | 用于空调除霜的方法、装置及空调 |
CN113566383A (zh) * | 2021-07-20 | 2021-10-29 | 珠海格力电器股份有限公司 | 智能除霜方法、装置、电器及计算机可读存储介质 |
CN113566383B (zh) * | 2021-07-20 | 2022-06-14 | 珠海格力电器股份有限公司 | 智能除霜方法、装置、电器及计算机可读存储介质 |
CN113970176A (zh) * | 2021-11-01 | 2022-01-25 | 珠海格力电器股份有限公司 | 一种基于抑霜神经网络的空调制热控制方法、***及装置 |
CN113970176B (zh) * | 2021-11-01 | 2022-10-21 | 珠海格力电器股份有限公司 | 一种基于抑霜神经网络的空调制热控制方法、***及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112032929B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112032929B (zh) | 空调化霜控制方法及装置 | |
US20220205666A1 (en) | Control Method for Air Conditioner, and Device for Air Conditioner and Storage Medium | |
US11802704B2 (en) | Predictive temperature scheduling for a thermostat using machine learning | |
US11598542B2 (en) | Thermostat scheduling using user devices and machine learning | |
US11644204B2 (en) | Error correction for predictive schedules for a thermostat | |
CN108508803B (zh) | 多联机***通讯匹配方法和装置 | |
US11609014B2 (en) | Predictive presence scheduling for a thermostat using machine learning | |
CN106196788A (zh) | 空调压缩机的频率控制方法和装置 | |
CN110081556B (zh) | 空调的调控方法和装置 | |
CN110160205B (zh) | 基于空调机组共享天气参数的数据处理方法和装置 | |
CN113847727B (zh) | 空调控制方法、控制装置、空调器与计算机可读存储介质 | |
CN108195036B (zh) | 空调控制方法和装置 | |
CN109323367B (zh) | 空调器及其化霜方法、装置 | |
CN110081555B (zh) | 具有电子膨胀阀开度调节功能的空调控制方法及装置 | |
CN114087741B (zh) | 电子节流元件的控制方法、装置、存储介质与空调器 | |
CN116241984A (zh) | 空调除霜逻辑控制方法、***及相关设备 | |
CN116147127A (zh) | 空调器快速启动方法、装置、空调器及存储介质 | |
CN109974204B (zh) | 具有修正化霜条件的空调的控制方法及装置 | |
CN118111398A (zh) | 一种识别地理区域变化的方法及装置 | |
CN117190424A (zh) | 空调器的控制方法、计算机可读存储介质和空调*** | |
CN115307266A (zh) | 空调器杀菌方法、装置、计算机可读存储介质与空调器 | |
CN116105295A (zh) | 空调器快速启动的调节方法、装置、空调器及存储介质 |
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 |