CN112325450A - 智能空调器控制参数的获取方法与控制设备 - Google Patents
智能空调器控制参数的获取方法与控制设备 Download PDFInfo
- Publication number
- CN112325450A CN112325450A CN201910718128.4A CN201910718128A CN112325450A CN 112325450 A CN112325450 A CN 112325450A CN 201910718128 A CN201910718128 A CN 201910718128A CN 112325450 A CN112325450 A CN 112325450A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- intelligent air
- control parameters
- classification model
- acquiring
- 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 36
- 238000013145 classification model Methods 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000037149 energy metabolism Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- F24F11/64—Electronic processing using pre-stored data
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
本发明提供了一种智能空调器控制参数的获取方法与控制设备,其中智能空调器控制参数的获取方法包括:获取智能空调器的运行记录;使用预置的场景分类模型对运行记录进行分类,以得出智能空调器的运行场景,场景分类模型利用智能空调器不同运行场景的运行数据作为样本训练得到;获取与分类得出的运行场景对应的初始控制参数;使用预置的用户偏好分类模型对运行记录进行分类,以得出智能空调器的使用偏好属性,用户偏好分类模型利用智能空调器不同使用者的运行数据作为样本训练得到;按照使用偏好属性对初始控制参数进行修正,得到智能空调器的推荐控制参数。本发明的方案实现了智能空调器随工作场景、用户偏好做出适应性变化,提高了使用体验。
Description
技术领域
本发明涉及空调器控制,特别是涉及智能空调器控制参数的获取方法与控制设备。
背景技术
随着如今人们生活水平的日益提高,对居住环境的要求也越来越高。近年来,智能技术发展越来越火热,“智能家电”一词也走进了人们的视野,大家对空调器等家电的要求不再是仅仅实现其基础功能。消费者对家电的选择早已不是单单注重产品的质量,而是更注重体验。这就要求家电生产厂家更注重产品功能上的延伸,空调器等家电实现智能化控制已成为一种趋势。
目前,现有技术的智能空调器大都实现了远程控制、根据气温变化实现参数自动调节等功能,但对用户的独立体验及工作场景的独特性却不够重视。例如现有技术的智能空调器一般利用图像数据识别环境中人体的行为特征或者体征信息,有针对性地对智能空调器进行调节。然而这些方案需要采集大量的图像数据,数据处理算法复杂,硬件成本高,而且识别准确度较差,导致出现用户使用体验差的问题。
发明内容
本发明的一个目的是要提供一种提高用户使用体验的智能空调器控制参数的获取方法与控制设备。
本发明一个进一步的目的是要降低智能空调器的硬件成本以及数据处理复杂程度。
特别地,本发明提供了一种智能空调器控制参数的获取方法,该方法包括:获取智能空调器的运行记录;使用预置的场景分类模型对运行记录进行分类,以得出智能空调器的运行场景,场景分类模型利用智能空调器不同运行场景的运行数据作为样本训练得到;获取与分类得出的运行场景对应的初始控制参数;使用预置的用户偏好分类模型对运行记录进行分类,以得出智能空调器的使用偏好属性,用户偏好分类模型利用智能空调器不同使用者的运行数据作为样本训练得到;按照使用偏好属性对初始控制参数进行修正,得到智能空调器的推荐控制参数。
可选地,使用预置的场景分类模型对运行记录进行分类的步骤包括:判断运行记录是否具有足够的分类特征数据;若是,使用预置的场景分类模型对运行记录进行分类。
可选地,在运行记录不具有足够的分类特征数据的情况下,获取智能空调器的设置信息;在样本库中查找与设置信息匹配的运行记录,使用场景分类模型对匹配出的运行记录进行分类,样本库用于保存训练场景分类模型的样本数据。
可选地,在得到推荐控制参数之后还包括:输出推荐控制参数;获取智能空调器的使用者对推荐控制参数的响应指令;在响应指令指示出使用者确认推荐控制参数的情况下,控制智能空调器以推荐控制参数运行。
可选地,在响应指令指示出使用者修改了推荐控制参数的情况下,按照响应指令修改推荐控制参数,并控制智能空调器以修改后的推荐控制参数运行。
可选地,在控制智能空调器以修改后的推荐控制参数运行的步骤之后还包括:记录智能空调器的运行状态,形成更新的运行记录;将更新的运行记录作为用户偏好分类模型的训练样本。
可选地,按照使用偏好属性对初始控制参数进行修正的步骤包括:根据偏好属性确定对应的参数偏置系数;根据参数偏置系数对初始控制参数进行修正。
可选地,场景分类模型以及用户偏好分类模型均为支持向量机模型。
可选地,运行记录包括:智能空调器的运行时间、智能空调器的运行环境数据、智能空调器的送风参数、智能空调器的负荷功率、以及智能空调器的换热参数等。
根据本发明的另一个方面,还提供了一种智能空调器的控制设备,其包括:存储器以及处理器,存储器中保存有计算机程序,计算机程序被处理器执行时用于实现上述任一种的智能空调器控制参数的获取方法。
本发明的智能空调器控制参数的获取方法,利用场景分类模型对空调器的运行记录进行分类,得到智能空调器的运行场景,并进一步获取与运行场景对应的初始控制参数,从而满足了不同运行场景下对空调器控制的需求。而且为了满足不同使用者对空气环境的差异化要求,本发明的方案还使用预置的用户偏好分类模型对运行记录进行分类,得出智能空调器的使用偏好属性;按照使用偏好属性对初始控制参数进行修正,实现了智能空调器随工作场景、用户及偏好做出适应性变化,提高了用户使用体验。
进一步地,本发明的智能空调器控制参数的获取方法,不需要使用图像识别或红外传感器等需要增设硬件的技术,避免了图像识别等对复杂场景的识别不准确的问题,减小了实际情况的复杂性,对传感器的要求相对较低,提高了分类准确性。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的智能空调器控制参数的获取方法的示意图;
图2是根据本发明一个实施例的智能空调器控制参数的获取方法的一种可选流程图;以及
图3是根据本发明一个实施例的智能空调器的控制设备的示意图。
具体实施方式
图1是根据本发明一个实施例的智能空调器控制参数的获取方法的示意图,该智能空调器控制参数的获取方法一般性地可以包括:
步骤S102,获取智能空调器的运行记录。运行记录包含的内容可以包括:智能空调器的运行时间(包括开机时间、关机时间、启停时刻等)、智能空调器的运行环境数据(包括室内外的环境温度、环境湿度等)、智能空调器的送风参数(包括送风角度、送风强度等)、智能空调器的负荷功率(包括压缩机频率、风机转速等)、以及智能空调器的换热参数(包括目标温湿度、运行模式等),运行记录数据反映了该智能空调器的运行特征。
步骤S104,使用预置的场景分类模型对运行记录进行分类,该场景分类模型利用智能空调器不同运行场景的运行数据作为样本训练得到。运行记录反映出的特征在本实施例的方法中用于对运行场景进行分类,例如可将运行场景划分为卧室、儿童房、客厅、餐厅、书房、运动场所等等。不同的运行场景下,使用者对于空气环境的要求存在差异,这导致了空调器的运行状态也会存在差异,例如安装在卧室的空调器往往在夜间以低风方式运行;安装在儿童房的空调器往往设置避免向人体直吹;安装在客厅的空调器的负荷功率受到室外环境的影响更大;安装在餐厅或运动场所的空调器的负荷功率受到室内环境的影响更大。
本实施例的方法利用基于数据的机器学习算法对不同运行场景的运行数据作为样本进行训练,形成场景分类模型。该场景分类模型作为基于机器学习算法的分类器,可以对运行记录进行分类,自动准确地确定智能空调器的运行场景。
考虑到智能空调器为新装或者使用时间较短,尚未积累足够运行记录的情况。在对运行记录进行分类时,可以首先判断运行记录是否具有足够的分类特征数据;若是,使用预置的场景分类模型对运行记录进行分类。
在运行记录具有足够的分类特征数据,也即使用运行记录可以完成分类时,可以直接调用场景分类模型进行分类。
在运行记录不具有足够的分类特征数据的情况下,也即使用运行记录无法实现分类时,可以获取智能空调器的设置信息。例如在智能空调器的首次运行时,向使用者提供设置界面,以供使用者通过设置界面对空调器的进行初始化设置。然后智能空调器可以在样本库中查找与设置信息匹配的运行记录,使用场景分类模型对匹配出的运行记录进行分类,样本库用于保存训练场景分类模型的样本数据。
由于使用者的初始化设置需要尽量简单直接,避免使用者的复杂操作,因此本实施例的方法,通过可以通过较少的设置信息在样本库中查找对应运行记录,利用样本库中已有的数据弥补空调器自身积累数据的不足。
步骤S106,获取与分类得出的运行场景对应的初始控制参数。上述初始控制参数可以为预置的符合运行场景的调温要求的控制参数(包括但不限于:目标温度、目标湿度、送风角度、送风强度、运行模式等),其可以通过大数据统计方式确定。例如分别为卧室、儿童房、客厅、餐厅、书房、运动场所制定相应的初始控制参数。
步骤S108,使用预置的用户偏好分类模型对运行记录进行分类,以得出智能空调器的使用偏好属性。用户偏好分类模型利用智能空调器不同使用者的运行数据作为样本训练得到。例如可将使用偏好属性划分为:特殊人群(老人、儿童、孕妇、病人)、偏好高温、偏好低温、偏好干燥、偏好湿润、偏好室内外高温差、偏好室内外低温差等,偏好还可以设置为多个偏好等级,例如重度偏好、中度偏好、轻度偏好,例如对于偏好高温,可以设置为重度偏好高温、中度偏好高温、轻度偏好高温。本领域技术人员易于根据上述举例,设置其他偏好属性的等级。
人体热舒适方程表明人体热舒适感受七个热舒适变量影响,分别是:人体能量代谢率,人体所做的机械功,人体周围的空气温度,人体周围空气的水蒸气分压力,衣服热阻,房间的平均辐射温度,空气的流速。但热舒适方程实际上反映的是人体处在热平衡状态时,六个影响人体热舒适变量之间的定量关系,不能反映不同用户对热湿感的舒适性体验。因此只根据气温或人体特征参数来调节空调是不能满足用户对舒适度的要求的。另外表征人体热反应(冷热感)的评价指标(PMV,Predicted Mean Vote,预期平均投票)代表了对同一环境大多数人的冷热感觉,PMV指标0表示适中,偏离0表示偏冷或偏热,PDD指标表示预期不满意百分率。然而经过大量研究发现,即使在PMV=0处,PDD也为5%。这意味着,即使室内环境处于最佳热舒适状态,由于人们的生理差别,还有5%的人感到不满意。
基于上述发现,本实施例的方法通过对运行记录的分析,对用户的热湿感舒适度同PMV指标的差异进行分类,确定用户的使用偏好属性,生成不同的参数偏置系数对空调器的参数进行二次调节,使空调的运行更符合用户的个人舒适感体验。
步骤S110,按照使用偏好属性对初始控制参数进行修正,得到智能空调器的推荐控制参数。经过修正得到的推荐控制参数在满足运行场景的控制要求的基础上,进一步结合了用户使用偏好,从而进一步提高了用户的使用体验。具体的修正方式可以为:根据偏好属性确定对应的参数偏置系数;根据参数偏置系数对初始控制参数进行修正。参数偏置系数根据偏好属性进行设置。例如对于高温,参数偏置系数可以用于提高初始控制参数中的目标温度(重度偏好高温提高3度、中度偏好高温提高2度、轻度偏好高温提高1度)。
在得到上述推荐控制参数后,本实施例的方法还可以输出推荐控制参数;获取智能空调器的使用者对所述推荐控制参数的响应指令;在所述响应指令指示出所述使用者确认所述推荐控制参数的情况下,控制智能空调器以推荐控制参数运行。
输出推荐控制参数的方式可以包括:通过智能空调器本身的显示面板显示推荐控制参数;通过智能空调器的控制终端输出推荐控制参数等。智能空调器的使用者可以利用智能空调器的人机交互界面或者控制终端进行响应操作,例如直接确认使用推荐控制参数,或者默认使用推荐控制参数(智能空调器可认定在设定时间内用户没有进行确认则默认使用推荐控制参数)。
智能空调器在确定使用者的响应指令指示出确认推荐控制参数的情况下,按照推荐控制参数运行。
智能空调器的使用者在了解推荐控制参数,如果通过人机交互界面或者控制终端对推荐控制参数进行了修改。也即使用者的响应指令指示出使用者修改了推荐控制参数的情况下,智能空调器按照响应指令修改推荐控制参数,并控制智能空调器以修改后的推荐控制参数运行。从而满足了使用者对空调器进行干预的要求。
智能空调器在按照修改后的推荐控制参数运行后,还可以记录运行状态,形成更新的运行记录;将更新的运行记录作为用户偏好分类模型的训练样本,通过样本的累积,使得用户偏好分类模型更加准确。
场景分类模型以及用户偏好分类模型均可以使用支持向量机模型。支持向量机(Support Vector Machine,简称SVM)是一类按监督学***面,其在多分类问题中有较好的性能和广泛的应用。支持向量机的分类思想是最大间隔分类,其建立模型的方法是:通过建立一个间距区来区分不同类型的数据点,并且通过模型的优化使这个间距区能够分隔的距离达到最大值。间距区边界上的向量点被称为支持向量,间距区中间的那条线被称为最优分类超平面。在非线性***中,支持向量机可以将数据从低维映射到高维,通过非线性映射后,对数据进行线性分类。
智能空调控制器接受分类器的分类结果,根据智能空调器的工作场景以及用户偏好自动提供相应的推荐控制参数(或称为控制策略),例如在卧室工作的智能空调器,可以在夜晚逐渐降低其负荷功率,升高空调器的目标温度,防止用户因为睡眠状态代谢下降而导致的冷感上升,确保用户在睡眠状态的舒适性。客厅的空调器可以依据室外环境的变化进行调节;餐厅的空调器会在用餐时间增大负荷功率,降低温度。儿童或老人房间的空调器会适当减小室内外的温差,减少室内参数的突变,并减小送风强度,采用上扬送风方式,尽量降低空调器对房间的额外影响,增加其舒适性体验。同时智能空调器还会根据用户的使用偏好分类对推荐控制参数进行了二次调整,尽量满足不同用户的不同偏好。
智能空调器还可以接受人为对控制参数的调整,人为调整的数据会被收录为进一步训练模型的样本数据,逐步提高对空调运行场景以及用户使用偏好分类的准确性。
本实施例的智能空调器控制参数的获取方法,仅仅依靠自身积累的运行记录数据进行智能控制,不需要使用图像识别或红外传感器等需要增设硬件的技术,避免了图像识别等对复杂场景的识别不准确的问题,减小了实际情况的复杂性,对传感器的要求相对较低,提高了分类准确性。
图2是根据本发明一个实施例的智能空调器控制参数的获取方法的一种可选流程图,该流程可以包括:
步骤S202,智能空调器启动;
步骤S204,获取智能空调器的运行记录;
步骤S206,判断运行记录是否具有足够的分类特征数据,也即判断是否已经积累了足够使用场景分类模型进行分类的数据;
步骤S208,在运行记录不具有足够的分类特征数据的情况下,也即使用运行记录无法实现分类时,可以获取智能空调器的设置信息;
步骤S210,在样本库中查找与设置信息匹配的运行记录;
步骤S212,调用场景分类模型进行分类,确定智能空调器的工作场景;
步骤S214,获取与分类得出的运行场景对应的初始控制参数;
步骤S216,调用用户偏好分类模型对运行记录进行二次分类,确定使用偏好;
步骤S218,按照使用偏好属性对初始控制参数进行修正,得到智能空调器的推荐控制参数;
步骤S220,输出推荐控制参数;
步骤S222,获取智能空调器的使用者对推荐控制参数的响应指令;
步骤S224,在接收到响应指令的情况下,判断使用者是否修改了推荐控制参数;
步骤S226,在响应指令指示出使用者未修改推荐控制参数或者持续未接收到使用者的响应指令的情况下,控制智能空调器以推荐控制参数运行。
步骤S228,在响应指令指示出使用者修改了推荐控制参数的情况下,控制智能空调器以修改后的参数运行。
步骤S230,记录运行状态,形成更新的运行记录。
本实施例还提供了一种智能空调器的控制设备300。图3是根据本发明一个实施例的智能空调器的控制设备300的示意图,该智能空调器的控制设备300包括:存储器320以及处理器310,存储器320中保存有计算机程序321,计算机程序321被处理器310执行时用于实现上述实施例的智能空调器控制参数的获取方法。
智能空调器的控制设备300可以布置于智能空调器内,在另外一些实施例中,智能空调器的控制设备300也可以布置于与智能空调器数据连接的服务器或者云端中,智能空调器将运行记录备份在服务器或者云端。服务器或者云端还可以布置场景分类模型以及场景分类模型。智能空调器在开机后,向服务器或者云端发送启动信号,由服务器或者云端调取运行记录进行分类,并向智能空调器反馈推荐控制参数,从而借助于通信技术完成智能空调器的控制参数的获取流程。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种智能空调器控制参数的获取方法,包括:
获取所述智能空调器的运行记录;
使用预置的场景分类模型对所述运行记录进行分类,以得出所述智能空调器的运行场景,所述场景分类模型利用智能空调器不同运行场景的运行数据作为样本训练得到;
获取与分类得出的所述运行场景对应的初始控制参数;
使用预置的用户偏好分类模型对所述运行记录进行分类,以得出所述智能空调器的使用偏好属性,所述用户偏好分类模型利用智能空调器不同使用者的运行数据作为样本训练得到;
按照所述使用偏好属性对所述初始控制参数进行修正,得到所述智能空调器的推荐控制参数。
2.根据权利要求1所述的方法,其中,所述使用预置的场景分类模型对所述运行记录进行分类的步骤包括:
判断所述运行记录是否具有足够的分类特征数据;
若是,使用预置的场景分类模型对所述运行记录进行分类。
3.根据权利要求2所述的方法,其中,
在所述运行记录不具有足够的分类特征数据的情况下,获取所述智能空调器的设置信息;
在样本库中查找与所述设置信息匹配的运行记录,使用所述场景分类模型对匹配出的运行记录进行分类,所述样本库用于保存训练所述场景分类模型的样本数据。
4.根据权利要求1所述的方法,其中,在得到所述推荐控制参数之后还包括:
输出所述推荐控制参数;
获取所述智能空调器的使用者对所述推荐控制参数的响应指令;
在所述响应指令指示出所述使用者确认所述推荐控制参数的情况下,控制所述智能空调器以所述推荐控制参数运行。
5.根据权利要求4所述的方法,其中,
在所述响应指令指示出所述使用者修改了所述推荐控制参数的情况下,按照所述响应指令修改所述推荐控制参数,并控制所述智能空调器以修改后的所述推荐控制参数运行。
6.根据权利要求5所述的方法,其中,在所述控制所述智能空调器以修改后的所述推荐控制参数运行的步骤之后还包括:
记录所述智能空调器的运行状态,形成更新的运行记录;
将所述更新的运行记录作为所述用户偏好分类模型的训练样本。
7.根据权利要求1所述的方法,其中,所述按照所述使用偏好属性对所述初始控制参数进行修正的步骤包括:
根据所述偏好属性确定对应的参数偏置系数;
根据所述参数偏置系数对所述初始控制参数进行修正。
8.根据权利要求1所述的方法,其中,
所述场景分类模型以及所述用户偏好分类模型均为支持向量机模型。
9.根据权利要求1所述的方法,其中,
所述运行记录包括:所述智能空调器的运行时间、所述智能空调器的运行环境数据、所述智能空调器的送风参数、所述智能空调器的负荷功率、以及所述智能空调器的换热参数等。
10.一种智能空调器的控制设备,包括:
存储器以及处理器,所述存储器中保存有计算机程序,所述计算机程序被所述处理器执行时用于实现根据权利要求1至9中任一项所述的智能空调器控制参数的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718128.4A CN112325450A (zh) | 2019-08-05 | 2019-08-05 | 智能空调器控制参数的获取方法与控制设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718128.4A CN112325450A (zh) | 2019-08-05 | 2019-08-05 | 智能空调器控制参数的获取方法与控制设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112325450A true CN112325450A (zh) | 2021-02-05 |
Family
ID=74319470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910718128.4A Pending CN112325450A (zh) | 2019-08-05 | 2019-08-05 | 智能空调器控制参数的获取方法与控制设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112325450A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113531818A (zh) * | 2021-06-21 | 2021-10-22 | 青岛海尔空调器有限总公司 | 用于空调的运行模式推送方法及装置、空调 |
CN115111717A (zh) * | 2021-03-08 | 2022-09-27 | 佛山市顺德区美的电热电器制造有限公司 | 温度调节设备及其温控方法及装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106152408A (zh) * | 2016-07-06 | 2016-11-23 | 北京地平线机器人技术研发有限公司 | 智能空调控制器、控制方法及空调器 |
CN106979599A (zh) * | 2017-05-12 | 2017-07-25 | 广东美的制冷设备有限公司 | 家用电器控制方法和装置、服务器 |
CN107741084A (zh) * | 2017-09-30 | 2018-02-27 | 广东美的制冷设备有限公司 | 空调器及其运行参数的推荐方法、***和大数据服务器 |
KR101880484B1 (ko) * | 2015-10-30 | 2018-07-20 | 엘지전자 주식회사 | 가습청정장치 |
CN109520071A (zh) * | 2018-10-18 | 2019-03-26 | 珠海东之尼电子科技有限公司 | 一种基于支持向量机学习的空调自适应控制方法及*** |
-
2019
- 2019-08-05 CN CN201910718128.4A patent/CN112325450A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101880484B1 (ko) * | 2015-10-30 | 2018-07-20 | 엘지전자 주식회사 | 가습청정장치 |
CN106152408A (zh) * | 2016-07-06 | 2016-11-23 | 北京地平线机器人技术研发有限公司 | 智能空调控制器、控制方法及空调器 |
CN106979599A (zh) * | 2017-05-12 | 2017-07-25 | 广东美的制冷设备有限公司 | 家用电器控制方法和装置、服务器 |
CN107741084A (zh) * | 2017-09-30 | 2018-02-27 | 广东美的制冷设备有限公司 | 空调器及其运行参数的推荐方法、***和大数据服务器 |
CN109520071A (zh) * | 2018-10-18 | 2019-03-26 | 珠海东之尼电子科技有限公司 | 一种基于支持向量机学习的空调自适应控制方法及*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115111717A (zh) * | 2021-03-08 | 2022-09-27 | 佛山市顺德区美的电热电器制造有限公司 | 温度调节设备及其温控方法及装置、电子设备及存储介质 |
CN113531818A (zh) * | 2021-06-21 | 2021-10-22 | 青岛海尔空调器有限总公司 | 用于空调的运行模式推送方法及装置、空调 |
WO2022267671A1 (zh) * | 2021-06-21 | 2022-12-29 | 青岛海尔空调器有限总公司 | 用于空调的运行模式推送方法及装置、空调 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN114237069B (zh) | 室内环境控制方法、装置、***及存储介质 | |
CN102901180B (zh) | 一种控制空调的方法及*** | |
WO2021196912A1 (zh) | 环境场景的智能调控方法及环境调节*** | |
CN113446715B (zh) | 一种温度控制方法、***、温控器及存储介质 | |
WO2022267671A1 (zh) | 用于空调的运行模式推送方法及装置、空调 | |
CN110017586B (zh) | 运行控制方法、装置、空调器和计算机可读存储介质 | |
CN111442483B (zh) | 空气调节设备及其控制方法、装置、电子设备 | |
CN111536677B (zh) | 空调回油控制方法、空调及可读存储介质 | |
CN111397153B (zh) | 空气调节设备及其控制方法、装置、电子设备 | |
CN110726212B (zh) | 空调器的控制方法及装置、空调器设备 | |
CN112325450A (zh) | 智能空调器控制参数的获取方法与控制设备 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN109883016B (zh) | 一种空气舒适度调节方法和设备 | |
CN111457565A (zh) | 空气调节设备及其控制方法、装置、电子设备 | |
CN113357779A (zh) | 用于空气调节的控制方法及装置、家电设备 | |
CN111870793A (zh) | 一种温度预调节方法、装置、电子设备及可读存储介质 | |
CN110579003A (zh) | 智能空调的控制方法、装置、服务器及存储介质 | |
CN111043733B (zh) | 基于空间布局特征的空调器送风模式控制方法及空调器 | |
CN110454941B (zh) | 一种温度的智能控制方法、装置和空调设备 | |
CN114115027A (zh) | 目标环境参数的调节方法、***、装置、设备及存储介质 | |
CN110726213B (zh) | 控制空调器的方法、存储介质和处理器 | |
JP7330750B2 (ja) | 空調制御システム及びプログラム | |
CN115711465A (zh) | 壁挂空调器室内机的控制方法、装置与壁挂空调器室内机 | |
CN115614948A (zh) | 壁挂空调器室内机的控制方法、装置与壁挂空调器室内机 |
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 |