CN114061094A - 空调器的控制方法及其装置、计算机可读存储介质 - Google Patents
空调器的控制方法及其装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN114061094A CN114061094A CN202111365090.0A CN202111365090A CN114061094A CN 114061094 A CN114061094 A CN 114061094A CN 202111365090 A CN202111365090 A CN 202111365090A CN 114061094 A CN114061094 A CN 114061094A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- target
- target air
- humidity
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000007613 environmental effect Effects 0.000 claims abstract description 52
- 238000007791 dehumidification Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 47
- 230000001276 controlling effect Effects 0.000 claims description 46
- 238000001514 detection method Methods 0.000 claims description 18
- 238000005057 refrigeration Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 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
- F24F11/70—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
- F24F2110/20—Humidity
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
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
本发明公开了一种空调器的控制方法及其装置、计算机可读存储介质。其中,该方法包括:响应于湿度调节指令,获取目标空调器的当前运行模式;在当前运行模式表示目标空调器处于除湿模式时,控制目标空调器按照第一控制参数运行;在目标空调器按照第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,目标空间为目标空调器所在空间;在实际湿度值与目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。本发明解决了针对相关技术中空调器在对环境除湿后影响温度等其他参数导致用户体验较差的技术问题。
Description
技术领域
本发明涉及智能家电领域,具体而言,涉及一种空调器的控制方法及其装置、计算机可读存储介质。
背景技术
目前空调的控制方法通常是根据用户的判断与设定的指令对空调运行进行控制,而空调智能化控制处于初级起步状态,并且多是与用户交互的智能化开发,使用户脱离传统遥控器控制。但针对于空调自身控制方面,智能化程度仍然较低,难以实现运行控制参数的自适应调节,不能较为精准的运行最佳控制参数,智能性和舒适性有待提高。环境温度湿度与空调压缩机频率、风机转速和电子膨胀阀的开度均有较为直接的控制关系,对于制冷模式下的温度和湿度难以做到独立控制,温度降低时湿度很难达到人体舒适度范围。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种空调器的控制方法及其装置、计算机可读存储介质,以至少解决针对相关技术中空调器在对环境除湿后影响温度等其他参数导致用户体验较差的技术问题。
根据本发明实施例的一个方面,提供了一种空调器的控制方法,包括:响应于湿度调节指令,获取目标空调器的当前运行模式,其中,所述湿度调节指令中包含目标湿度值;在所述当前运行模式表示所述目标空调器处于除湿模式时,控制所述目标空调器按照第一控制参数运行;在所述目标空调器按照所述第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,所述目标空间为所述目标空调器所在空间;在所述实际湿度值与所述目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
可选地,所述第一控制参数包括:第一运行参数以及第一膨胀阀开度调节值,在控制所述目标空调器按照第一控制参数运行之前,所述方法还包括:确定所述第一膨胀阀开度调节值;其中,确定所述第一膨胀阀开度调节值,包括:将所述第一运行参数输入至第一网络模型,其中,所述第一网络模型为使用多组第一训练数据通过机器学习训练得到的,多组所述第一训练数据中的每一组第一训练数据均包括:第一历史运行参数以及与所述第一历史运行参数对应的第一历史膨胀阀开度调节值;将所述第一网络模型的输出作为所述第一膨胀阀开度调节值。
可选地,所述第一运行参数包括以下至少之一:所述目标空调器的压缩机的转速、所述目标空调器的风速、所述目标空间的环境温度、所述目标空间的环境湿度。
可选地,所述第二控制参数包括:第二运行参数以及第二膨胀阀开度调节值,在控制所述目标空调器按照所述第二控制参数运行之前,所述方法还包括:确定所述第二膨胀阀开度调节值;其中,确定所述第二膨胀阀开度调节值,包括:将所述第二运行参数输入至第二网络模型,其中,所述第二网络模型为使用多组第二训练数据通过机器学习训练得到的,多组所述第二训练数据中的每一组第二训练数据均包括:第二历史运行参数以及与所述第二历史运行参数对应的第二历史膨胀阀开度调节值;将所述第二网络模型的输出作为所述第二膨胀阀开度调节值。
可选地,所述第二运行参数包括以下至少之一:所述目标空调器的压缩机的转速、所述目标空调器的风速、所述目标空间的环境温度、所述目标空间的环境湿度变化率。
可选地,所述方法还包括:在所述当前运行模式表示所述目标空调器未处于除湿模式时,检测所述目标空调器是否处于制冷模式,得到检测结果;在所述检测结果表示所述目标空调器未处于所述制冷模式时,控制所述目标空调器的按照当前控制参数运行;在所述检测结果表示所述目标空调器处于所述制冷模式时,获取所述第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
可选地,在控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数之后,所述方法还包括:控制所述目标空调器的按照当前控制参数运行。
根据本发明实施例的另外一个方面,还提供了一种空调器的控制装置,包括:响应模块,用于响应于湿度调节指令,获取目标空调器的当前运行模式,其中,所述湿度调节指令中包含目标湿度值;第一控制模块,用于在所述当前运行模式表示所述目标空调器处于除湿模式时,控制所述目标空调器按照第一控制参数运行;第一获取模块,用于在所述目标空调器按照所述第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,所述目标空间为所述目标空调器所在空间;第二获取模块,用于在所述实际湿度值与所述目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
可选地,所述第一控制参数包括:第一运行参数以及第一膨胀阀开度调节值,所述装置还包括:第一确定模块,用于在控制所述目标空调器按照第一控制参数运行之前,确定所述第一膨胀阀开度调节值;其中,所述确定模块,包括:第一输入单元,用于将所述第一运行参数输入至第一网络模型,其中,所述第一网络模型为使用多组第一训练数据通过机器学习训练得到的,多组所述第一训练数据中的每一组第一训练数据均包括:第一历史运行参数以及与所述第一历史运行参数对应的第一历史膨胀阀开度调节值;第一输出单元,用于将所述第一网络模型的输出作为所述第一膨胀阀开度调节值。
可选地,所述第一运行参数包括以下至少之一:所述目标空调器的压缩机的转速、所述目标空调器的风速、所述目标空间的环境温度、所述目标空间的环境湿度。
可选地,所述第二控制参数包括:第二运行参数以及第二膨胀阀开度调节值,所述装置还包括:第二确定模块,用于在控制所述目标空调器按照所述第二控制参数运行之前,确定所述第二膨胀阀开度调节值;其中,所述第二确定模块,包括:第二输入单元,用于将所述第二运行参数输入至第二网络模型,其中,所述第二网络模型为使用多组第二训练数据通过机器学习训练得到的,多组所述第二训练数据中的每一组第二训练数据均包括:第二历史运行参数以及与所述第二历史运行参数对应的第二历史膨胀阀开度调节值;第二输出单元,用于将所述第二网络模型的输出作为所述第二膨胀阀开度调节值。
可选地,所述第二运行参数包括以下至少之一:所述目标空调器的压缩机的转速、所述目标空调器的风速、所述目标空间的环境温度、所述目标空间的环境湿度变化率。
可选地,所述装置还包括:检测单元,用于在所述当前运行模式表示所述目标空调器未处于除湿模式时,检测所述目标空调器是否处于制冷模式,得到检测结果;控制单元,用于在所述检测结果表示所述目标空调器未处于所述制冷模式时,控制所述目标空调器的按照当前控制参数运行;获取单元,用于在所述检测结果表示所述目标空调器处于所述制冷模式时,获取所述第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
可选地,所述装置还包括:第二控制模块,用于在控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数之后,控制所述目标空调器的按照当前控制参数运行。
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述中任一项所述的空调器的控制方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行上述中任一项所述的空调器的控制方法。
在本发明实施例中,响应于湿度调节指令,获取目标空调器的当前运行模式,其中,湿度调节指令中包含目标湿度值;在当前运行模式表示目标空调器处于除湿模式时,控制目标空调器按照第一控制参数运行;在目标空调器按照第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,目标空间为目标空调器所在空间;在实际湿度值与目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。通过本发明实施例提供的空调器的控制方法,达到了基于湿度调节指令和空调器当前运行模式来控制空调器对实际环境参数达到目标环境参数的目的,从而实现了提升用户体验的技术效果,进而解决了针对相关技术中空调器在对环境除湿后影响温度等其他参数导致用户体验较差的技术问题。
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是根据本发明实施例的空调器的控制方法的示意图;
图2(a)是根据本发明实施例的神经网络结构的示意图;
图2(b)是根据本发明实施例的另外的神经网络结构的示意图;
图3是根据本发明实施例的神经网络训练的流程图;
图4是根据本发明实施例的空调器控制方法的逻辑流程图;
图5是根据本发明实施例的空调器的控制装置的示意图。
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。
实施例1
根据本发明实施例,提供了一种空调器的控制方法的方法实施例,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。
图1是根据本发明实施例的空调器的控制方法的示意图,如图1所示,该方法包括如下步骤:
步骤S102,响应于湿度调节指令,获取目标空调器的当前运行模式,其中,湿度调节指令中包含目标湿度值。
可选的,在上述步骤中,用户首先对空调器设定调节至目标湿度的指令,空调器随之响应于用户的指令,并检测空调器的当前运行模式。
步骤S104,在当前运行模式表示目标空调器处于除湿模式时,控制目标空调器按照第一控制参数运行。
可选的,在上述步骤中,在获取到的空调器的当前运行模式为除湿模式时,则控制空调器按照第一控制参数运行,也即对目标空间进行目标湿度的调整。
步骤S106,在目标空调器按照第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,目标空间为目标空调器所在空间。
可选的,在上述步骤中,控制空调器对目标空间进行除湿的过程中时,同时获取空调器所在空间内的实际湿度值,并判断实际湿度值是否与目标湿度值的差值小于预设的湿度阈值,如果不是,则继续根据第一控制参数进行湿度调节;如果是,则控制空调器继续进行其他参数的调节。
步骤S108,在实际湿度值与目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
需要说明的是,本发明实施例中的环境参数可以包含:环境温度、环境湿度。
由上可知,在本发明实施例中,首先可以响应于湿度调节指令,获取目标空调器的当前运行模式,其中,湿度调节指令中包含目标湿度值;接着可以在当前运行模式表示目标空调器处于除湿模式时,控制目标空调器按照第一控制参数运行;接着可以在目标空调器按照第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,目标空间为目标空调器所在空间;最后可以在实际湿度值与目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。通过本发明实施例提供的空调器的控制方法,达到了基于湿度调节指令和空调器当前运行模式来控制空调器对实际环境参数达到目标环境参数的目的,从而实现了提升用户体验的技术效果,进而解决了针对相关技术中空调器在对环境除湿后影响温度等其他参数导致用户体验较差的技术问题。
作为一种可选的实施例,上述第一控制参数可以包括:第一运行参数以及第一膨胀阀开度调节值,在控制目标空调器按照第一控制参数运行之前,该空调器的控制方法还包括:确定第一膨胀阀开度调节值;其中,确定第一膨胀阀开度调节值,包括:将第一运行参数输入至第一网络模型,其中,第一网络模型为使用多组第一训练数据通过机器学习训练得到的,多组第一训练数据中的每一组第一训练数据均包括:第一历史运行参数以及与第一历史运行参数对应的第一历史膨胀阀开度调节值;将第一网络模型的输出作为第一膨胀阀开度调节值。
在上述可选的实施例中,针对***温湿度控制逻辑中神经网络模型的开发,可以利用搭建好的三层BP(Back Propagation)神经网络模型框架来设计BP神经网络结构为4-10-1的神经网络,隐含层与输出层神经元激活函数可以为Sigmoid函数和purelin线性函数。其中,输入层节点神经元为Pi,i=1、2、3、4,隐含层节点神经元为aj,j=1、2、…、10。输出层节点神经元可以为Y。aj=∑wjiPi+bj,其中,wji表示aj对Pi的权重系数,bj表示其修正阈值。隐含层输出为j=1、2、…、10;输出层输出为Y=∑wjHj+b,j=1、2、3、…、10,wj表示Y对Hj的权重系数。
作为一种可选的实施例,第一运行参数包括以下至少之一:目标空调器的压缩机的转速、目标空调器的风速、目标空间的环境温度、目标空间的环境湿度。
可选的,第一运行参数还可以包括:室内干球温度、室内相对温度、压缩机运行频率、风挡转速。
图2(a)是根据本发明实施例的神经网络结构的示意图,如图2(a)所示,通过隐含层和输出层运算输出电子膨胀阀步数目标修正值(即第一膨胀阀开度调节值),若检测到室内相对湿度湿度显著高于设定值,将降低电子膨胀阀开度值,具体降低数值由神经网络输出调控,以达到快速除湿舒适降温的效果。
作为一种可选的实施例,第二控制参数包括:第二运行参数以及第二膨胀阀开度调节值,在控制目标空调器按照第二控制参数运行之前,该空调器的控制方法还包括:确定第二膨胀阀开度调节值;其中,确定第二膨胀阀开度调节值,包括:将第二运行参数输入至第二网络模型,其中,第二网络模型为使用多组第二训练数据通过机器学习训练得到的,多组第二训练数据中的每一组第二训练数据均包括:第二历史运行参数以及与第二历史运行参数对应的第二历史膨胀阀开度调节值;将第二网络模型的输出作为第二膨胀阀开度调节值。
作为一种可选的实施例,第二运行参数包括以下至少之一:目标空调器的压缩机的转速、目标空调器的风速、目标空间的环境温度、目标空间的环境湿度变化率。
可选的,第二运行参数还可以包括:室内干球温度、室内相对湿度变化率、压缩机运行频率以及风挡风速。
图2(b)是根据本发明实施例的另外的神经网络结构的示意图,如图2(b)所示,输入参数为运行参数、室内干球温度和室内相对湿度变化速率,将输入参数数列输入神经网络,通过隐含层和输出层运算输出电子膨胀阀步数目标修正值,若检测计算得到室内相对湿度变化率逐渐减小时,将降低电子膨胀阀开度值,具体降低数值由神经网络输出调控,以达到合理除湿的同时温度不会过度降低的舒适效果。
图3是根据本发明实施例的神经网络训练的流程图,如图3所示,神经网络模型计算期望输出与实际输出的差值,并会将偏差值沿着运算的反向传播,通过每次训练偏差值来不断地修改神经元节点间的权重系数和阈值,使训练样本输出值不断逼近于期望值。
进一步地,神经网络模型包括训练部分和验证部分,其中,训练部分通过调用存储的训练样本训练预设的神经网络模型,进行隐含层与输出层输出计算、误差计算、权值与阈值更新;验证部分用于验证训练后模型的一般性,判断其是否训练完毕,即计算验证样本的输出值与目标输出值的差值,若小于预设差值则表示模型训练完毕。若判断其训练完毕则停止训练并生成预设神经网络模型,若判断训练未完成则继续执行训练部分要训练的步骤。
作为一种可选的实施例,该空调器的控制方法还包括:在当前运行模式表示目标空调器未处于除湿模式时,检测目标空调器是否处于制冷模式,得到检测结果;在检测结果表示目标空调器未处于制冷模式时,控制目标空调器的按照当前控制参数运行;在检测结果表示目标空调器处于制冷模式时,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
在该实施例中,若检测到目标空调器未处于除湿模式,则会继续检测目标空调器是否处于制冷模式,若否,则直接控制目标空调器按照当前控制参数运行;反之,则控制目标空调器按照第二控制参数运行,直到目标空调器的实际环境参数达到目标环境参数,即,环境湿度达到目标环境湿度,环境温度达到目标环境温度。
作为一种可选的实施例,在控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数之后,该空调器的控制方法还包括:控制目标空调器的按照当前控制参数运行。
图4是根据本发明实施例的空调器控制方法的逻辑流程图,如图4所示,首先用户设置目标湿度(即设置包含目标湿度值的湿度调节指令),接着判断空调器的当前运行模式,如果为普通制冷模式,则保持目前的运行模式;如果为除湿模式,则按照第一运行参数以及第一膨胀阀开度调节值进行调节,直到实际湿度达到与目标湿度值之间的湿度差值小于湿度阈值时,转换成控制空调器按照第二控制参数运行,直到空调器所在的空间(即目标空间)内的实际环境参数达到目标环境参数后,则保持当前运行模式继续运行。
由上可知,在本发明实施例中,本发明实施例提供了一种空调温湿度智能控制方法,搭载了多个神经网络控制模型,使得调控参数不再是开发时设置的固定模式,而是可以根据产品的不同使用环境条件展开进一步优化完善并且实现产品的二次多样化开发的方法,在本发明实施例中,空调器将实时采集空调的运行参数、环境参数以及用户设置运行模式和目标环境参数值,神经网络模型将依据条件参数进行自适应学习,通过不同的神经网络模型运算后输出相应电子膨胀阀的开度调节值,实现更加精准及时的温湿度高效调控,最终使得温湿度在一定误差范围内稳定于目标值,使用户的体验大大提升。
实施例2
根据本发明实施例的另外一个方面,还提供了一种空调器的控制装置,图5是根据本发明实施例的空调器的控制装置的示意图,如图5所示,包括:响应模块51、第一控制模块53、第一获取模块55以及第二获取模块57。下面对该空调器的控制装置进行说明。
响应模块51,用于响应于湿度调节指令,获取目标空调器的当前运行模式,其中,湿度调节指令中包含目标湿度值。
第一控制模块53,用于在当前运行模式表示目标空调器处于除湿模式时,控制目标空调器按照第一控制参数运行。
第一获取模块55,用于在目标空调器按照第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,目标空间为目标空调器所在空间。
第二获取模块57,用于在实际湿度值与目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
此处需要说明的是,上述响应模块51、第一控制模块53、第一获取模块55以及第二获取模块57对应于实施例1中的步骤S102至S108,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
由上可知,在本发明实施例中,首先可以利用响应模块51响应于湿度调节指令,获取目标空调器的当前运行模式,其中,湿度调节指令中包含目标湿度值;接着利用第一控制模块53在当前运行模式表示目标空调器处于除湿模式时,控制目标空调器按照第一控制参数运行;接着利用第一获取模块55在目标空调器按照第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,目标空间为目标空调器所在空间;最后利用第二获取模块57在实际湿度值与目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。通过本发明实施例提供的空调器的控制装置,达到了基于湿度调节指令和空调器当前运行模式来控制空调器对实际环境参数达到目标环境参数的目的,从而实现了提升用户体验的技术效果,进而解决了针对相关技术中空调器在对环境除湿后影响温度等其他参数导致用户体验较差的技术问题。
可选地,第一控制参数包括:第一运行参数以及第一膨胀阀开度调节值,该空调器的控制装置还包括:第一确定模块,用于在控制目标空调器按照第一控制参数运行之前,确定第一膨胀阀开度调节值;其中,确定模块,包括:第一输入单元,用于将第一运行参数输入至第一网络模型,其中,第一网络模型为使用多组第一训练数据通过机器学习训练得到的,多组第一训练数据中的每一组第一训练数据均包括:第一历史运行参数以及与第一历史运行参数对应的第一历史膨胀阀开度调节值;第一输出单元,用于将第一网络模型的输出作为第一膨胀阀开度调节值。
可选地,第一运行参数包括以下至少之一:目标空调器的压缩机的转速、目标空调器的风速、目标空间的环境温度、目标空间的环境湿度。
可选地,第二控制参数包括:第二运行参数以及第二膨胀阀开度调节值,该空调器的控制装置还包括:第二确定模块,用于在控制目标空调器按照第二控制参数运行之前,确定第二膨胀阀开度调节值;其中,第二确定模块,包括:第二输入单元,用于将第二运行参数输入至第二网络模型,其中,第二网络模型为使用多组第二训练数据通过机器学习训练得到的,多组第二训练数据中的每一组第二训练数据均包括:第二历史运行参数以及与第二历史运行参数对应的第二历史膨胀阀开度调节值;第二输出单元,用于将第二网络模型的输出作为第二膨胀阀开度调节值。
可选地,第二运行参数包括以下至少之一:目标空调器的压缩机的转速、目标空调器的风速、目标空间的环境温度、目标空间的环境湿度变化率。
可选地,该空调器的控制装置还包括:检测单元,用于在当前运行模式表示目标空调器未处于除湿模式时,检测目标空调器是否处于制冷模式,得到检测结果;控制单元,用于在检测结果表示目标空调器未处于制冷模式时,控制目标空调器的按照当前控制参数运行;获取单元,用于在检测结果表示目标空调器处于制冷模式时,获取第二控制参数,并控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
可选地,该空调器的控制装置还包括:第二控制模块,用于在控制目标空调器按照第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数之后,控制目标空调器的按照当前控制参数运行。
实施例3
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序被处理器运行时控制计算机可读存储介质所在设备执行上述中任一项的空调器的控制方法。
实施例4
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行计算机程序,其中,计算机程序运行时执行上述中任一项的空调器的控制方法。
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 (10)
1.一种空调器的控制方法,其特征在于,包括:
响应于湿度调节指令,获取目标空调器的当前运行模式,其中,所述湿度调节指令中包含目标湿度值;
在所述当前运行模式表示所述目标空调器处于除湿模式时,控制所述目标空调器按照第一控制参数运行;
在所述目标空调器按照所述第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,所述目标空间为所述目标空调器所在空间;
在所述实际湿度值与所述目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
2.根据权利要求1所述的方法,其特征在于,所述第一控制参数包括:第一运行参数以及第一膨胀阀开度调节值,在控制所述目标空调器按照第一控制参数运行之前,所述方法还包括:确定所述第一膨胀阀开度调节值;
其中,确定所述第一膨胀阀开度调节值,包括:
将所述第一运行参数输入至第一网络模型,其中,所述第一网络模型为使用多组第一训练数据通过机器学习训练得到的,多组所述第一训练数据中的每一组第一训练数据均包括:第一历史运行参数以及与所述第一历史运行参数对应的第一历史膨胀阀开度调节值;
将所述第一网络模型的输出作为所述第一膨胀阀开度调节值。
3.根据权利要求2所述的方法,其特征在于,所述第一运行参数包括以下至少之一:所述目标空调器的压缩机的转速、所述目标空调器的风速、所述目标空间的环境温度、所述目标空间的环境湿度。
4.根据权利要求1所述的方法,其特征在于,所述第二控制参数包括:第二运行参数以及第二膨胀阀开度调节值,在控制所述目标空调器按照所述第二控制参数运行之前,所述方法还包括:确定所述第二膨胀阀开度调节值;
其中,确定所述第二膨胀阀开度调节值,包括:
将所述第二运行参数输入至第二网络模型,其中,所述第二网络模型为使用多组第二训练数据通过机器学习训练得到的,多组所述第二训练数据中的每一组第二训练数据均包括:第二历史运行参数以及与所述第二历史运行参数对应的第二历史膨胀阀开度调节值;
将所述第二网络模型的输出作为所述第二膨胀阀开度调节值。
5.根据权利要求4所述的方法,其特征在于,所述第二运行参数包括以下至少之一:所述目标空调器的压缩机的转速、所述目标空调器的风速、所述目标空间的环境温度、所述目标空间的环境湿度变化率。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述当前运行模式表示所述目标空调器未处于除湿模式时,检测所述目标空调器是否处于制冷模式,得到检测结果;
在所述检测结果表示所述目标空调器未处于所述制冷模式时,控制所述目标空调器的按照当前控制参数运行;
在所述检测结果表示所述目标空调器处于所述制冷模式时,获取所述第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数之后,所述方法还包括:
控制所述目标空调器的按照当前控制参数运行。
8.一种空调器的控制装置,其特征在于,包括:
响应模块,用于响应于湿度调节指令,获取目标空调器的当前运行模式,其中,所述湿度调节指令中包含目标湿度值;
第一控制模块,用于在所述当前运行模式表示所述目标空调器处于除湿模式时,控制所述目标空调器按照第一控制参数运行;
第一获取模块,用于在所述目标空调器按照所述第一控制参数运行的过程中,获取目标空间的实际湿度值,其中,所述目标空间为所述目标空调器所在空间;
第二获取模块,用于在所述实际湿度值与所述目标湿度值之间的湿度差值小于湿度阈值的情况下,获取第二控制参数,并控制所述目标空调器按照所述第二控制参数运行,直到目标空间的实际环境参数达到目标环境参数。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述权利要求1至7中任一项所述的空调器的控制方法。
10.一种处理器,其特征在于,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行上述权利要求1至7中任一项所述的空调器的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111365090.0A CN114061094B (zh) | 2021-11-17 | 2021-11-17 | 空调器的控制方法及其装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111365090.0A CN114061094B (zh) | 2021-11-17 | 2021-11-17 | 空调器的控制方法及其装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114061094A true CN114061094A (zh) | 2022-02-18 |
CN114061094B CN114061094B (zh) | 2022-10-28 |
Family
ID=80277634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111365090.0A Active CN114061094B (zh) | 2021-11-17 | 2021-11-17 | 空调器的控制方法及其装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114061094B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107477803A (zh) * | 2017-09-12 | 2017-12-15 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置 |
CN108119989A (zh) * | 2017-12-07 | 2018-06-05 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置 |
KR20190019737A (ko) * | 2017-08-18 | 2019-02-27 | 엘지전자 주식회사 | 공기조화기의 제어방법 |
CN110567086A (zh) * | 2019-09-09 | 2019-12-13 | 海信(山东)空调有限公司 | 一种空调器的除湿方法及空调器 |
CN111536606A (zh) * | 2020-05-06 | 2020-08-14 | 广东芬尼克兹节能设备有限公司 | 一种热泵型除湿机的除湿控制方法及装置 |
CN111706972A (zh) * | 2020-06-04 | 2020-09-25 | 青岛海尔空调器有限总公司 | 用于空调器除湿的控制方法及控制装置、空调器 |
CN112524768A (zh) * | 2020-12-11 | 2021-03-19 | 珠海格力电器股份有限公司 | 一种空调器的除湿控制方法、空调器 |
CN112567183A (zh) * | 2018-08-15 | 2021-03-26 | 三菱电机株式会社 | 空调装置、控制装置、空气调节方法以及程序 |
CN112923525A (zh) * | 2021-02-26 | 2021-06-08 | 深圳市励科机电科技工程有限公司 | 机器学习型舒适节能空调智能控制方法 |
CN113280460A (zh) * | 2021-05-17 | 2021-08-20 | 珠海格力电器股份有限公司 | 空调的湿度控制方法、装置、空调、存储介质及处理器 |
-
2021
- 2021-11-17 CN CN202111365090.0A patent/CN114061094B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190019737A (ko) * | 2017-08-18 | 2019-02-27 | 엘지전자 주식회사 | 공기조화기의 제어방법 |
CN107477803A (zh) * | 2017-09-12 | 2017-12-15 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置 |
CN108119989A (zh) * | 2017-12-07 | 2018-06-05 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置 |
CN112567183A (zh) * | 2018-08-15 | 2021-03-26 | 三菱电机株式会社 | 空调装置、控制装置、空气调节方法以及程序 |
CN110567086A (zh) * | 2019-09-09 | 2019-12-13 | 海信(山东)空调有限公司 | 一种空调器的除湿方法及空调器 |
CN111536606A (zh) * | 2020-05-06 | 2020-08-14 | 广东芬尼克兹节能设备有限公司 | 一种热泵型除湿机的除湿控制方法及装置 |
CN111706972A (zh) * | 2020-06-04 | 2020-09-25 | 青岛海尔空调器有限总公司 | 用于空调器除湿的控制方法及控制装置、空调器 |
CN112524768A (zh) * | 2020-12-11 | 2021-03-19 | 珠海格力电器股份有限公司 | 一种空调器的除湿控制方法、空调器 |
CN112923525A (zh) * | 2021-02-26 | 2021-06-08 | 深圳市励科机电科技工程有限公司 | 机器学习型舒适节能空调智能控制方法 |
CN113280460A (zh) * | 2021-05-17 | 2021-08-20 | 珠海格力电器股份有限公司 | 空调的湿度控制方法、装置、空调、存储介质及处理器 |
Also Published As
Publication number | Publication date |
---|---|
CN114061094B (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726229B (zh) | 空调器的控制方法及装置、存储介质及处理器 | |
CN110726218B (zh) | 空调器及其控制方法、装置、存储介质和处理器 | |
CN110736244B (zh) | 控制空调的方法、装置和空调 | |
CN110736249B (zh) | 压缩机的运行频率控制方法及装置、存储介质和处理器 | |
CN110836514A (zh) | 空调组的控制方法和装置 | |
WO2005083531A1 (ja) | 機器制御方法および機器制御装置 | |
CN110486904A (zh) | 风阀开度动态调节方法、装置及空调设备 | |
CN109269036B (zh) | 多联机空调的云端控制方法以及多联机空调*** | |
CN109827292A (zh) | 家电自适应节能控制模型的构建方法、控制方法、家电 | |
CN111895608B (zh) | 空调器与通风机的联动控制方法及装置 | |
CN110736233B (zh) | 空调控制方法及装置 | |
CN110726209B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN111706969A (zh) | 空调除湿的控制方法、装置及空调器 | |
CN110736232A (zh) | 空调控制方法及装置 | |
CN107655176A (zh) | 空气调节***中风闸开度的控制方法、装置及存储介质 | |
CN106885339B (zh) | 空调器的控制方法 | |
CN110491379A (zh) | 一种家用电器的语音控制方法、语音控制器和空调器 | |
CN110986249B (zh) | 空调的自调节控制方法、***及空调器 | |
CN110726222A (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN114413420A (zh) | 空调的控制方法以及空调 | |
CN112128934A (zh) | 空调器的智能控制方法与智能控制设备 | |
CN114061094B (zh) | 空调器的控制方法及其装置、计算机可读存储介质 | |
CN111706968B (zh) | 空调除湿的控制方法及控制装置、空调器 | |
CN110726214A (zh) | 控制空调器的方法及装置 | |
CN112198853A (zh) | 智能家居设备的控制方法和装置 |
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 |