CN112361542B - 厨房空调器的控制方法、装置、控制器及一种电器*** - Google Patents
厨房空调器的控制方法、装置、控制器及一种电器*** Download PDFInfo
- Publication number
- CN112361542B CN112361542B CN202011079473.7A CN202011079473A CN112361542B CN 112361542 B CN112361542 B CN 112361542B CN 202011079473 A CN202011079473 A CN 202011079473A CN 112361542 B CN112361542 B CN 112361542B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- condition
- kitchen
- humidity
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010801 machine learning Methods 0.000 claims abstract description 40
- 239000000779 smoke Substances 0.000 claims description 35
- 238000010411 cooking Methods 0.000 claims description 8
- 230000017531 blood circulation Effects 0.000 claims description 6
- 210000004556 brain Anatomy 0.000 claims description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000010304 firing Methods 0.000 claims 24
- 230000037323 metabolic rate Effects 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000004378 air conditioning Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000004060 metabolic process Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006698 induction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000707 wrist Anatomy 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
-
- 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
- F24F11/46—Improving electric energy efficiency or saving
-
- 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
- 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
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
- F24F2120/14—Activity of occupants
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)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种厨房空调器的控制方法、装置、控制器及一种电器***,所述厨房空调器的控制方法,包括:获取厨房环境数据和人体数据;根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;根据所述空调器最优运行参数对空调器进行控制;本发明通过用户实际使用厨房的情况,将用户的应用场景进行分类,并将用户在不同应用场景下的使用条件数据作为控制空调运行的输入条件,应用机器学习方法得到用户在不同应用场景和使用条件下的空调器最优运行参数,使用该参数控制空调器运行,既能满足用户的使用习惯,又能实现精准节能运行。
Description
技术领域
本发明涉及空调器控制技术领域,具体涉及一种厨房空调器的控制方法、装置、控制器及一种电器***。
背景技术
随着人工智能技术的发展以及家电技术的不断创新,智能家居的技术已步入人们生活中,随着人民生活水平的不断提高,对于节能需求与自适应性能的要求也不断变大。目前,智能空调对参数的调节方式大都是根据温度进行调节,或者基于对用户的人体特征参数进行监控进行调节,如专利CN110094837A和CN109595765A,其智能控制方式虽然可以实现节能运行,但无法满足用户的使用要求以及个性化的舒适度体验。
厨房作为较为费电的空调使用场所,其对空调运行节能的需求也相对较大,但目前针对厨房空调器的精细化节能控制方法还较少,而既能节能又能满足用户使用习惯的智能空调更是少之又少。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种厨房空调器的控制方法、装置、控制器及一种电器***。
为实现以上目的,本发明采用如下技术方案:一种厨房空调器的控制方法,包括:
获取厨房环境数据和人体数据;
根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
根据所述空调器最优运行参数对空调器进行控制。
可选的,所述厨房环境数据包括如下项中的一项或多项:
厨房内温度、厨房内湿度、室外环境温度、室外环境湿度。
可选的,所述人体数据包括:人员数量和人体劳动强度数据;
其中,所述人体劳动强度数据包括如下项中的一项或多项:
心率、指尖血流量、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率。
可选的,所述根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件,具体包括:
根据所述厨房环境数据和人体数据的不同组合,得到包含各因素的最终应用场景;
结合以往的空调器运行数据,确定与所述应用场景相对应的用户使用条件。
可选的,所述机器学习模型是通过如下过程建立的:
步骤一:预先获取厨房环境数据、人体数据及空调器运行数据;
步骤二:基于所述厨房环境数据、人体数据及空调器运行数据,确定厨房的应用场景和该应用场景下的用户使用条件;
步骤三:按照步骤一和步骤二获取不同应用场景、用户使用条件下的多组空调器运行数据;
步骤四:分别对相同应用场景和用户使用条件下的多组空调器运行数据进行分析,以确定出该应用场景和用户使用条件下能耗最小的空调器运行数据,并将该空调器运行数据作为该应用场景和用户使用条件下的空调器最优运行参数;
步骤五:按照步骤四的方法确定出每一种应用场景和用户使用条件下的空调器最优运行参数;
步骤六:根据机器学习方法,利用步骤五得到的每一种应用场景和用户使用条件下的空调器最优运行参数对所述机器学习模型进行训练,以建立出所述机器学习模型。
可选的,所述控制方法还包括:
在空调器运行特定时间后,重新获取厨房环境数据、人体数据及空调器运行数据;
根据重新获取的厨房环境数据、人体数据及空调器运行数据对所述机器学习模型进行修正,得到修正后的机器学习模型,此后通过所述修正后的机器学习模型获取符合当前应用场景和用户使用条件的空调器最优运行参数。
本发明还提供了一种控制器,用于执行前面任一项所述厨房空调器的控制方法。
本发明还提供了一种厨房空调器的控制装置,包括:
数据获取模块,用于获取厨房环境数据和人体数据;
第一确定模块,用于根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
第二确定模块,用于通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
控制模块,用于根据所述空调器最优运行参数对空调器进行控制。
本发明还提供了一种电器***,包括:前面所述厨房空调器的控制装置和厨房空调器。
可选的,所述电器***还包括:排烟***;
所述控制装置还用于根据厨房环境数据和人体数据确定排烟***控制参数,并根据所述排烟***控制参数控制所述排烟***运行。
本发明采用以上技术方案,所述一种厨房空调器的控制方法,包括:获取厨房环境数据和人体数据;根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;根据所述空调器最优运行参数对空调器进行控制;本发明通过用户实际使用厨房的情况,将用户的应用场景进行分类,并将用户在不同应用场景下的使用条件数据作为控制空调运行的输入条件,应用机器学习方法得到用户在不同应用场景和使用条件下的空调器最优运行参数,使用该参数控制空调器运行,既能满足用户的使用习惯,又能实现精准节能运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,对于本领域普通技术人员来讲,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是本发明一种厨房空调器的控制方法实施例一提供的流程示意图;
图2是本发明一种厨房空调器的控制方法实施例二提供的流程示意图;
图3是本发明一种厨房空调器的控制装置一个实施例提供的结构示意图;
图4是本发明一种电器***的实施例提供的结构示意图。
图中:1、数据获取模块;2、第一确定模块;3、第二确定模块;4、控制模块;5、控制装置;6、厨房空调器;7、排烟***。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1是本发明一种厨房空调器的控制方法实施例一提供的流程示意图。
如图1所示,本实施例所述的一种厨房空调器的控制方法,包括:
S11:获取厨房环境数据和人体数据;
进一步的,所述厨房环境数据包括如下项中的一项或多项:
厨房内温度、厨房内湿度、室外环境温度、室外环境湿度。
进一步的,所述人体数据包括:人员数量和人体劳动强度数据;
其中,所述人体劳动强度数据包括如下项中的一项或多项:
心率、指尖血流量、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率。
S12:根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
进一步的,所述根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件,具体包括:
根据所述厨房环境数据和人体数据的不同组合,得到包含各因素的最终应用场景;
结合以往的空调器运行数据,确定与所述应用场景相对应的用户使用条件。
S13:通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
进一步的,所述机器学习模型是通过如下过程建立的:
步骤一:预先获取厨房环境数据、人体数据及空调器运行数据;
步骤二:基于所述厨房环境数据、人体数据及空调器运行数据,确定厨房的应用场景和该应用场景下的用户使用条件;
步骤三:按照步骤一和步骤二获取不同应用场景、用户使用条件下的多组空调器运行数据;
步骤四:分别对相同应用场景和用户使用条件下的多组空调器运行数据进行分析,以确定出该应用场景和用户使用条件下能耗最小的空调器运行数据,并将该空调器运行数据作为该应用场景和用户使用条件下的空调器最优运行参数;
步骤五:按照步骤四的方法确定出每一种应用场景和用户使用条件下的空调器最优运行参数;
步骤六:根据机器学习方法,利用步骤五得到的每一种应用场景和用户使用条件下的空调器最优运行参数对所述机器学习模型进行训练,以建立出所述机器学习模型。
S14:根据所述空调器最优运行参数对空调器进行控制。
本实施例所述的控制方法在实际执行时,第一步,预先将厨房的不同应用场景、人员数量及人体运动强度进行分类。
根据厨房内是否做饭、做饭是否开火、开火后产生的热量、湿量等判断条件将厨房应用场景进行分类,具体分类情况见下表。需要指出的是,以上分类方法只是本申请的一种分类方法,本领域的技术人员基于以上思路的其他分类方法并未偏离本申请的保护范围。
表中的温度指厨房中的环境温度,湿度指厨房中的环境相对湿度。T为实测温度,T0、T1、T2是设定的分类温度值,T0<T1<T2。RH为实测相对湿度,RH0、RH1、RH2是设定的分类湿度值,RH0<RH1<RH2。
在确定厨房应用场景时同步确定厨房中的人员情况。包括确定人员数量和人员劳动强度。人员数量分为1,2,3,4等。人员劳动强度分为弱中强三种,其分类方法可以基于心率、指尖血流量、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率等人体指标的一种或多种。
将厨房的不同应用场景、人员数量及人体劳动强度的分类结果进行组合,得到包含各因素的最终应用场景。
第二步,获取厨房环境数据、人体数据和空调器运行数据。具体的,厨房环境数据包括厨房内温度、厨房内湿度、室外环境温度、室外环境湿度,人体数据包括人员数量和人体劳动强度,其中人体劳动强度数据为心率、指尖血流量、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率等人体指标的一种或多种。空调器运行数据包括但不限于压缩机频率、出水温度、风机转速、水流量、空调运行时段、设定温度、设定湿度等。
可以理解的是,所述厨房环境数据是通过厨房环境监测设备获取的,所述厨房环境监测设备包括温度监测设备、湿度监测设备、做饭监测设备。所述人体数据是通过人员及生理参数监测设备获取的,所述人员及生理参数监测设备可以是以下设备的一种或多种:摄像头、红外感应设备、手环、腕带和其他无线感应设备。是否开火的监测设备可以是摄像头,烟雾传感器或做饭设备的开关控制信号可以直接反馈给空调器。
第三步,根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件。
用户在厨房做饭时,做饭习惯各不相同,控制空调器统的条件也各不相同。可以根据第一步的分类方法以及第二步获取的数据确定用户所处的应用场景以及用户在不同时段、对应的应用场景下的空调使用习惯。比如,用户基本在每天下午六点做饭,厨房温度为T1<T≤T2,湿度为RH>RH2,一个人做饭,劳动强度为中,此时控制空调的设定温度为23℃,湿度为40%,则可以根据前述的分类条件以及厨房环境数据和人体数据确定出对应的应用场景,以及该应用场景下的用户使用条件,并进行保存。
第四步,通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数。
获取不同应用场景、用户使用条件、环境数据及空调器运行数据后,可以基于自学习方法对数据进行分析,得到不同应用场景下既符合用户使用习惯又能实现节能的机器学习模型。其中,机器学习模型用于建立不同应用场景、用户使用条件与空调器最优运行参数之间的映射关系。模型的输入参数为不同应用场景、用户使用条件、环境数据,输出参数为空调器的最优运行参数,最优运行参数包括但不限于压缩机频率、出水温度、风机转速、水流量等参数。最优控制参数是指在当前环境条件、应用场景、用户使用条件下,采用该最优运行参数控制空调器运行时,空调器的能耗最小。
第五步,根据所述空调器最优运行参数对空调器进行控制。
本实施例所述的控制方法通过将厨房的应用场景进行精细化分类,可以在较小的范围内寻找最优的空调器运行参数,实现更加精准的控制;将用户在不同应用场景下的使用条件数据作为控制空调器运行的输入条件,充分考虑用户的个性化舒适需求;通过建立机器学习模型,依据应用场景和用户使用条件控制空调器运行参数,达到既能精细化节能又能满足用户使用习惯的目的。
图2是本发明一种厨房空调器的控制方法实施例二提供的流程示意图。
如图2所示,本实施例所述的一种厨房空调器的控制方法,包括:
S21:根据预先获取的厨房环境数据、人体数据和空调器运行参数建立机器学习模型;
S22:获取厨房环境数据和人体数据;
S23:根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
S24:通过所述机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
S25:根据所述空调器最优运行参数对空调器进行控制;
S26:在空调器运行特定时间后,重新获取厨房环境数据、人体数据及空调器运行数据;
S27:根据重新获取的厨房环境数据、人体数据及空调器运行数据对所述机器学习模型进行修正,得到修正后的机器学习模型,此后通过所述修正后的机器学习模型获取符合当前应用场景和用户使用条件的空调器最优运行参数。
本实施例通过将厨房的应用场景进行精细化分类,并将用户在不同应用场景下的使用条件数据作为控制空调器运行的输入条件,应用机器学习方法得到用户在不同应用场景和使用条件下的空调器最优运行参数,使用该空调器最优运行参数控制空调器运行,同时,在空调器运行特定时间后,还能对所述学习模型进行修正,此后通过所述修正后的学习模型获取符合当前应用场景和用户使用条件的空调器最优运行参数,既能满足不同用户的使用习惯,又能实现对空调器进行精准控制,实现节能。
本发明还提供了一种控制器,用于执行图1或图2所述厨房空调器的控制方法。
图3是本发明一种厨房空调器的控制装置一个实施例提供的结构示意图。
如图3所示,本实施例所述的一种厨房空调器的控制装置,包括:
数据获取模块1,用于获取厨房环境数据和人体数据;
第一确定模块2,用于根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
第二确定模块3,用于通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
控制模块4,用于根据所述空调器最优运行参数对空调器进行控制。
本实施例所述一种厨房空调器的控制装置的工作原理与上文图1或图2所述一种厨房空调器的控制方法的工作原理相同,在此不再赘述。
图4是本发明一种电器***的实施例提供的结构示意图。
如图4所示,本实施例所述的一种电器***,包括:
如图3所述厨房空调器的控制装置5和厨房空调器6。
所述控制装置5可以是与空调器之间能够相互接收和发送数据信息的独立装置,也可以是集成在空调器中的一个模块。在获得空调器最优运行参数后,所述控制装置5控制空调器执行该参数下的相应动作,使不同功能区域达到最佳运行效果。
进一步的,所述电器***还包括:排烟***7;
所述控制装置5还用于根据厨房环境数据和人体数据确定排烟***控制参数,并根据所述排烟***控制参数控制所述排烟***7运行。
厨房空调器6可以和厨房的排烟***7实现联控,用户在厨房做饭时不需要手动控制排烟***7和空调***,两个***可以自动满足用户的使用要求,并在此基础上实现节能。
具体实现步骤如下:
步骤一:获取用户控制排烟***7的习惯。
将所述厨房空调器的控制装置5与排烟***7的控制装置进行数据联通,在获取空调器的数据时同步获取用户在做饭时对排烟***7的操作习惯。对排烟***7的控制包括是否打开排烟***7,控制档位的高、中、低等。比如,用户在厨房开火做饭时,厨房环境温度26℃,相对湿度78%,烟雾浓度为中,对排烟***7的控制为高档位。
步骤二:建立排烟***7的机器学习模型。
由获取的用户控制排烟***7的习惯,和从所述厨房空调器的控制装置5得到的与之对应的实时厨房环境数据(包括烟雾浓度),建立不同厨房环境数据与排烟***7控制的机器学习模型,模型的输入条件为厨房环境数据,输出条件为排烟***控制参数。排烟***控制参数包括是否打开及控制档位。
步骤三:由所述控制装置5同时控制空调器和排烟***7的运行。
具体的,获取用户的厨房环境数据、人体数据;由厨房数据分别通过空调***的模型和排烟***模型得到对应的输出参数;由输出参数分别控制空调***和排烟***7运行。
所述控制装置5可以同时参与空调***和排烟***7的运行控制。在获得两个***的控制参数后,所述控制装置5控制厨房空调器6和排烟***7执行该参数下的相应动作。
本实施例所述的一种电器***根据应用场景和用户使用条件控制空调器和排烟***7的运行参数,达到既能精细化节能又能满足用户使用习惯的目的,提高了厨房的智能化程度。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种厨房空调器的控制方法,其特征在于,包括:
获取厨房环境数据和人体数据;
根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
根据所述空调器最优运行参数对空调器进行控制;
所述人体数据包括:人员数量和人体劳动强度数据;
其中,所述人体劳动强度数据包括如下项中的一项或多项:
心率、指尖血流量、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率;
根据厨房内是否做饭、做饭是否开火、开火后产生的热量、湿量判断条件将厨房应用场景进行分类,具体分类情况包括:
将不开火定义为场景1;
将开火,温度T满足条件:T0<T≤T1,湿度RH满足条件:RH0<RH≤RH1,定义为场景2;
将开火,温度T满足条件:T1<T≤T2,湿度RH满足条件:RH0<RH≤RH1,定义为场景3;
将开火,温度T满足条件:T>T2,湿度RH满足条件:RH0<RH≤RH1,定义为场景4;
将开火,温度T满足条件:T0<T≤T1,湿度RH满足条件:RH1<RH≤RH2,定义为场景5;
将开火,温度T满足条件:T1<T≤T2,湿度RH满足条件:RH1<RH≤RH2,定义为场景6;
将开火,温度T满足条件:T>T2,湿度RH满足条件:RH1<RH≤RH2,定义为场景7;
将开火,温度T满足条件:T0<T≤T1,湿度RH满足条件:RH>RH2,定义为场景8;
将开火,温度T满足条件:T1<T≤T2,湿度RH满足条件:RH>RH2,定义为场景9;
将开火,温度T满足条件:T>T2,湿度RH满足条件:RH>RH2,定义为场景10;
将开火后关火,温度T逐渐降低,湿度RH逐渐降低,定义为场景11;
其中,温度T指厨房中的环境温度,湿度RH指厨房中的环境相对湿度;T为实测温度,T0、T1、T2是设定的分类温度值,T0<T1<T2;RH为实测相对湿度,RH0、RH1、RH2是设定的分类湿度值,RH0<RH1<RH2。
2.根据权利要求1所述的控制方法,其特征在于,所述厨房环境数据包括如下项中的一项或多项:
厨房内温度、厨房内湿度、室外环境温度、室外环境湿度。
3.根据权利要求1所述的控制方法,其特征在于,所述根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件,具体包括:
根据所述厨房环境数据和人体数据的不同组合,得到包含各因素的最终应用场景;
结合以往的空调器运行数据,确定与所述应用场景相对应的用户使用条件。
4.根据权利要求1所述的控制方法,其特征在于,所述机器学习模型是通过如下过程建立的:
步骤一:预先获取厨房环境数据、人体数据及空调器运行数据;
步骤二:基于所述厨房环境数据、人体数据及空调器运行数据,确定厨房的应用场景和该应用场景下的用户使用条件;
步骤三:按照步骤一和步骤二获取不同应用场景、用户使用条件下的多组空调器运行数据;
步骤四:分别对相同应用场景和用户使用条件下的多组空调器运行数据进行分析,以确定出该应用场景和用户使用条件下能耗最小的空调器运行数据,并将该空调器运行数据作为该应用场景和用户使用条件下的空调器最优运行参数;
步骤五:按照步骤四的方法确定出每一种应用场景和用户使用条件下的空调器最优运行参数;
步骤六:根据机器学习方法,利用步骤五得到的每一种应用场景和用户使用条件下的空调器最优运行参数对所述机器学习模型进行训练,以建立出所述机器学习模型。
5.根据权利要求1至4任一项所述的控制方法,其特征在于,还包括:
在空调器运行特定时间后,重新获取厨房环境数据、人体数据及空调器运行数据;
根据重新获取的厨房环境数据、人体数据及空调器运行数据对所述机器学习模型进行修正,得到修正后的机器学习模型,此后通过所述修正后的机器学习模型获取符合当前应用场景和用户使用条件的空调器最优运行参数。
6.一种控制器,其特征在于,用于执行权利要求1至5任一项所述厨房空调器的控制方法。
7.一种厨房空调器的控制装置,其特征在于,包括:
数据获取模块,用于获取厨房环境数据和人体数据;
第一确定模块,用于根据所述厨房环境数据和人体数据确定对应的应用场景和用户使用条件;
第二确定模块,用于通过机器学习模型得到所述应用场景和用户使用条件下的空调器最优运行参数;
控制模块,用于根据所述空调器最优运行参数对空调器进行控制;
所述人体数据包括:人员数量和人体劳动强度数据;
其中,所述人体劳动强度数据包括如下项中的一项或多项:
心率、指尖血流量、呼吸率、皮肤温度、新陈代谢率、脑电波、排汗率;
根据厨房内是否做饭、做饭是否开火、开火后产生的热量、湿量判断条件将厨房应用场景进行分类,具体分类情况包括:
将不开火定义为场景1;
将开火,温度T满足条件:T0<T≤T1,湿度RH满足条件:RH0<RH≤RH1,定义为场景2;
将开火,温度T满足条件:T1<T≤T2,湿度RH满足条件:RH0<RH≤RH1,定义为场景3;
将开火,温度T满足条件:T>T2,湿度RH满足条件:RH0<RH≤RH1,定义为场景4;
将开火,温度T满足条件:T0<T≤T1,湿度RH满足条件:RH1<RH≤RH2,定义为场景5;
将开火,温度T满足条件:T1<T≤T2,湿度RH满足条件:RH1<RH≤RH2,定义为场景6;
将开火,温度T满足条件:T>T2,湿度RH满足条件:RH1<RH≤RH2,定义为场景7;
将开火,温度T满足条件:T0<T≤T1,湿度RH满足条件:RH>RH2,定义为场景8;
将开火,温度T满足条件:T1<T≤T2,湿度RH满足条件:RH>RH2,定义为场景9;
将开火,温度T满足条件:T>T2,湿度RH满足条件:RH>RH2,定义为场景10;
将开火后关火,温度T逐渐降低,湿度RH逐渐降低,定义为场景11;
其中,温度T指厨房中的环境温度,湿度RH指厨房中的环境相对湿度;T为实测温度,T0、T1、T2是设定的分类温度值,T0<T1<T2;RH为实测相对湿度,RH0、RH1、RH2是设定的分类湿度值,RH0<RH1<RH2。
8.一种电器***,其特征在于,包括:权利要求7所述厨房空调器的控制装置和厨房空调器。
9.根据权利要求8所述的电器***,其特征在于,还包括:排烟***;
所述控制装置还用于根据厨房环境数据和人体数据确定排烟***控制参数,并根据所述排烟***控制参数控制所述排烟***运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011079473.7A CN112361542B (zh) | 2020-10-10 | 2020-10-10 | 厨房空调器的控制方法、装置、控制器及一种电器*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011079473.7A CN112361542B (zh) | 2020-10-10 | 2020-10-10 | 厨房空调器的控制方法、装置、控制器及一种电器*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112361542A CN112361542A (zh) | 2021-02-12 |
CN112361542B true CN112361542B (zh) | 2021-11-16 |
Family
ID=74507944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011079473.7A Active CN112361542B (zh) | 2020-10-10 | 2020-10-10 | 厨房空调器的控制方法、装置、控制器及一种电器*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112361542B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113531853A (zh) * | 2021-06-29 | 2021-10-22 | 青岛海尔空调器有限总公司 | 厨房空调的控制方法、装置及设备 |
CN114543317A (zh) * | 2022-01-28 | 2022-05-27 | 青岛海尔空调器有限总公司 | 用于场景模拟的方法及装置、空调器 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104214888B (zh) * | 2013-06-05 | 2017-06-06 | 海尔集团公司 | 空调器及其温度控制方法、装置 |
CN106152408B (zh) * | 2016-07-06 | 2019-11-05 | 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 |
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*** |
CN106556111A (zh) * | 2016-11-24 | 2017-04-05 | 广东美的制冷设备有限公司 | 家电控制方法、装置、服务器和空调器 |
CN106482189A (zh) * | 2016-11-29 | 2017-03-08 | 广东万家乐燃气具有限公司 | 一种吸油烟机与智能手环交互的***及方法 |
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 |
CN108870679B (zh) * | 2018-07-02 | 2023-11-03 | 珠海格力电器股份有限公司 | 一种空调的控制方法、装置、存储介质及空调 |
CN109631255A (zh) * | 2018-12-10 | 2019-04-16 | 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 |
CN109974224B (zh) * | 2019-04-01 | 2021-10-08 | 珠海格力电器股份有限公司 | 自适应场所使用需求的空调器、控制空调器的方法及装置 |
CN110094837B (zh) * | 2019-04-30 | 2020-09-04 | 珠海格力电器股份有限公司 | 空调智能控制装置及方法 |
CN110650200A (zh) * | 2019-09-25 | 2020-01-03 | 佛山市顺德区美的洗涤电器制造有限公司 | 控制方法、厨房电器***、终端、厨房电器及存储介质 |
CN111664565A (zh) * | 2020-05-07 | 2020-09-15 | 华帝股份有限公司 | 一种厨房空调的控制***及其控制方法 |
CN111750462B (zh) * | 2020-06-04 | 2021-12-21 | 华帝股份有限公司 | 一种烟机空调的控制方法及烟机空调 |
-
2020
- 2020-10-10 CN CN202011079473.7A patent/CN112361542B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112361542A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112178861B (zh) | 健身房空调器的控制方法、装置、控制器及空调*** | |
CN112361542B (zh) | 厨房空调器的控制方法、装置、控制器及一种电器*** | |
CN105094093B (zh) | 一种智能家居控制方法及控制中心 | |
CN109099551A (zh) | 一种空调器的控制方法、装置、存储介质及空调器 | |
WO2023115928A1 (zh) | 室内环境控制方法、装置、***及存储介质 | |
CN109506342A (zh) | 空调的控制方法、装置和空调 | |
CN103728953A (zh) | 一种基于智能手环的家庭健康服务***及方法 | |
CN110631220B (zh) | 用于空气设备的控制方法、装置、***及计算机存储介质 | |
CN103673197B (zh) | 空调器及其控制方法 | |
CN105278338A (zh) | 基于物联网家居的健康管理***和健康管理方法 | |
CN105656679B (zh) | 智能家居设备的控制方法、控制装置和智能家居设备 | |
CN109405224B (zh) | 一种空调的控制方法、装置、存储介质及空调 | |
CN108954662A (zh) | 一种空调温度控制方法及装置 | |
CN109497945A (zh) | 一种睡眠状态控制方法及装置 | |
CN109044272A (zh) | 睡眠状态监测及睡眠环境参数调控方法、***及终端设备 | |
CN107490133A (zh) | 家电设备控制方法及***、智能照明设备、空调 | |
CN103673195B (zh) | 空调器及其控制方法 | |
CN110631218A (zh) | 用于空气设备的控制方法、装置、***及计算机存储介质 | |
CN109028516A (zh) | 空调器控制方法、装置以及存储介质 | |
CN112361544A (zh) | 酒店空调的控制方法、装置及酒店空调 | |
CN109458692A (zh) | 一种控制智能电器的方法及智能电器 | |
CN112880141A (zh) | 空调器的控制方法及空调器控制*** | |
CN113883673A (zh) | 空调器的控制方法、装置、空调器和存储介质 | |
CN108969863A (zh) | 辅助睡眠和渐进唤醒*** | |
CN112671623B (zh) | 基于投影的叫醒方法、装置、投影设备和计算机存储介质 |
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 |