电子设备控制方法、装置、系统、存储介质及处理器制造方法及图纸

本发明专利技术提供了一种电子设备控制方法、装置、系统、存储介质及处理器，其中，该方法包括：控制设备获取电子设备检测到的当前特征参数；控制设备通过目标神经网络模型获取与当前特征参数对应的目标控制信号，其中，目标神经网络模型用于指示特征参数与控制信号的对应关系，目标控制信号用于控制电子设备在目标运行状态下运行，目标运行状态为使电子设备在当前所处的运行环境下的运行效率高于预设效率且能量损耗低于预设损耗的运行状态；控制设备向电子设备发送目标控制信号。采用上述技术方案，解决了相关技术中对电子设备的控制效率低导致电子设备功耗过高的问题，提高了电子设备的控制效率，降低了电子设备的功耗。

Electronic device control method, device, system, storage medium and processor

【技术实现步骤摘要】
电子设备控制方法、装置、系统、存储介质及处理器
本专利技术涉及通信领域，具体而言，涉及一种电子设备控制方法、装置、系统、存储介质及处理器。
技术介绍
随着经济的发展和科技的进步，人们在日常生活中对电子设备的应用越来越频繁，与此同时，人们对电子设备的要求也越来越高。伴随着人们对节能环保意识的不断提升，人们也希望使用的电子设备能够更加智能的达到节能环保的要求。但对电子设备不合理的操作及控制，会导致电子设备的功耗过高，无法达到节能减排、保护环境的目的。针对相关技术中对电子设备的控制效率低导致电子设备功耗过高的问题，目前还没有有效地解决方案。
技术实现思路
本专利技术实施例提供了一种电子设备控制方法、装置、系统、存储介质及处理器，以至少解决相关技术中对电子设备的控制效率低导致电子设备功耗过高的问题。根据本专利技术的一个实施例，提供了一种电子设备的控制方法，包括：控制设备获取电子设备检测到的当前特征参数，其中，所述当前特征参数用于指示所述电子设备当前所处的运行环境；所述控制设备通过目标神经网络模型获取与所述当前特征参数对应的目标控制信号，其中，所述目标神经网络模型用于指示特征参数与控制信号的对应关系，所述目标控制信号用于控制所述电子设备在目标运行状态下运行，所述目标运行状态为使所述电子设备在所述当前所处的运行环境下的运行效率高于预设效率且能量损耗低于预设损耗的运行状态；所述控制设备向所述电子设备发送所述目标控制信号。可选地，所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的所述目标控制信号包括：所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的目标运行标识，其中，所述目标神经网络模型用于指示特征参数与运行标识的对应关系，运行标识用于唯一标识控制信号；所述控制设备根据所述目标运行标识确定所述目标控制信号。可选地，在所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的所述目标控制信号之前，所述方法还包括：所述控制设备获取样本数据，其中，所述样本数据为已标注了特征参数与控制信号的对应关系的数据；所述控制设备从所述样本数据中获取训练样本；所述控制设备通过所述训练样本对初始神经网络模型进行训练，得到所述目标神经网络模型，其中，所述初始神经网络模型为根据特征参数与控制信号的数据特点预先配置的网络模型。可选地，所述控制设备通过所述训练样本对所述初始神经网络模型进行训练，得到所述目标神经网络模型包括：所述控制设备获取所述训练样本的目标输入参数和目标输出参数，并将所述初始神经网络模型作为当前神经网络模型；重复执行以下步骤，直至所述当前神经网络模型的输出参数产生的误差小于预设的误差值，得到所述目标神经网络模型：所述控制设备将所述目标输入参数输入当前神经网络模型，得到当前的输出参数；所述控制设备根据所述当前的输出参数与所述目标输出参数确定所述当前神经网络模型的当前误差；所述控制设备判断所述当前误差是否小于预设误差值；在判断出所述当前误差大于或者等于所述预设误差值的情况下，所述控制设备调整所述当前神经网络模型的模型参数，得到新的当前神经网络模型。可选地，在所述控制设备通过所述训练样本对所述初始神经网络模型进行训练，得到所述目标神经网络模型之后，所述方法还包括：所述控制设备从所述样本数据中获取测试样本；所述控制设备将所述目标神经网络模型作为待测试的神经网络模型，重复执行以下步骤，直至确定所述待测试的神经网络模型为所述目标神经网络模型：所述控制设备通过所述测试样本对所述待测试的神经网络模型进行测试，得到测试误差；所述控制设备判断所述测试误差是否小于预设的测试误差；在判断出所述测试误差大于或者等于所述预设的测试误差的情况下，所述控制设备重新通过所述训练样本对所述初始神经网络模型进行训练，得到新的待测试的神经网络模型；在判断出所述测试误差小于所述预设的测试误差的情况下，所述控制设备确定所述待测试的神经网络模型为所述目标神经网络模型。可选地，所述控制设备从所述样本数据中获取所述训练样本以及从所述样本数据中获取所述测试样本包括：所述控制设备根据所述样本数据的特征参数对所述样本数据进行排序；所述控制设备按照预设的间隔从排序后的所述样本数据中提取第一数据作为所述训练样本；所述控制设备获取所述样本数据中的第二数据作为所述测试样本，其中，所述第二数据为所述样本数据中除所述训练样本之外的全部数据。可选地，所述控制设备获取所述样本数据包括：所述控制设备获取多种环境类型对应的特征参数；所述控制设备确定在每种环境类型下使所述电子设备的运行效率高于预设效率且能量损耗低于预设损耗的所述电子设备的运行参数；所述控制设备对所述特征参数和所述运行参数之间的对应关系进行标注，得到原始数据；所述控制设备从所述特征参数中获取权重大于预设权重的参数作为所述样本数据的输入参数，其中，所述权重用于指示参数对电子设备的运行状态的影响程度，权重越大表示影响程度越大；所述控制设备获取所述运行参数对应的控制信号作为所述样本数据的输出参数，其中，所述控制信号用于控制所述电子设备在所述运行参数所指示的运行状态下运行；所述控制设备从所述原始数据的对应关系中提取所述输入参数与所述输出参数的对应关系，得到所述样本数据。可选地，特征参数包括以下至少之一：室内温度、室外温度、室内湿度、室外湿度、地域信息、天气信息、当前环境中的用户信息；控制信号包括以下至少之一：控制压缩机转速的信号、控制外风机转速的信号、控制电子膨胀阀开度的信号、控制内风机转速的信号、控制导风板方向的信号。根据本专利技术的另一个实施例，提供了一种电子设备的控制方法，包括：电子设备检测所述电子设备的当前特征参数，其中，所述当前特征参数用于指示所述电子设备当前所处的运行环境；所述电子设备将所述当前特征参数发送至控制设备，其中，所述控制设备用于通过目标神经网络模型获取与所述当前特征参数对应的目标控制信号并向所述电子设备发送所述目标控制信号，所述目标神经网络模型用于指示特征参数与控制信号的对应关系，所述目标控制信号用于控制所述电子设备在目标运行状态下运行，所述目标运行状态为使所述电子设备在所述当前所处的运行环境下的运行效率高于预设效率且能量损耗低于预设损耗的运行状态；所述电子设备接收所述控制设备返回的所述目标控制信号；所述电子设备响应所述目标控制信号将所述电子设备的运行状态调整至所述目标运行状态。可选地，所述目标控制信号中携带有目标运行标识，其中，所述目标运行标识用于唯一标识所述目标控制信号，所述电子设备响应所述目标控制信号将所述电子设备的运行状态调整至所述目标运行状态包括：所述电子设备将所述电子设备的运行状态调整至所述目标运行标识指示的所述目标运行状态。可选地，所述电子设备将所述电子设备的运行状态调整至所述目标运行标识指示的所述目标运行状态包括：所述电子设备根据所述目标运行标识确定所述目标运行状态，其中，所述电子设备中存储有运行标识与运行状态的对应关系；所述电子设备将所述电子设备的运行状态调整至所述目标运行状态。根据本专利技术的另一个实施例，提供了一种电子设备的控制装置，应用于控制设备，包括：第一获取模块，用于获取电子设备检测到的当前特征参数，其中，所述当前特征参数用于指示所述电子设备当前所处的运行环境；第二获取模本文档来自技高网...

【技术保护点】
一种电子设备的控制方法，其特征在于，包括：控制设备获取电子设备检测到的当前特征参数，其中，所述当前特征参数用于指示所述电子设备当前所处的运行环境；所述控制设备通过目标神经网络模型获取与所述当前特征参数对应的目标控制信号，其中，所述目标神经网络模型用于指示特征参数与控制信号的对应关系，所述目标控制信号用于控制所述电子设备在目标运行状态下运行，所述目标运行状态为使所述电子设备在所述当前所处的运行环境下的运行效率高于预设效率且能量损耗低于预设损耗的运行状态；所述控制设备向所述电子设备发送所述目标控制信号。

【技术特征摘要】
1.一种电子设备的控制方法，其特征在于，包括：控制设备获取电子设备检测到的当前特征参数，其中，所述当前特征参数用于指示所述电子设备当前所处的运行环境；所述控制设备通过目标神经网络模型获取与所述当前特征参数对应的目标控制信号，其中，所述目标神经网络模型用于指示特征参数与控制信号的对应关系，所述目标控制信号用于控制所述电子设备在目标运行状态下运行，所述目标运行状态为使所述电子设备在所述当前所处的运行环境下的运行效率高于预设效率且能量损耗低于预设损耗的运行状态；所述控制设备向所述电子设备发送所述目标控制信号。2.根据权利要求1所述的方法，其特征在于，所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的所述目标控制信号包括：所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的目标运行标识，其中，所述目标神经网络模型用于指示特征参数与运行标识的对应关系，运行标识用于唯一标识控制信号；所述控制设备根据所述目标运行标识确定所述目标控制信号。3.根据权利要求1所述的方法，其特征在于，在所述控制设备通过所述目标神经网络模型获取与所述当前特征参数对应的所述目标控制信号之前，所述方法还包括：所述控制设备获取样本数据，其中，所述样本数据为已标注了特征参数与控制信号的对应关系的数据；所述控制设备从所述样本数据中获取训练样本；所述控制设备通过所述训练样本对初始神经网络模型进行训练，得到所述目标神经网络模型，其中，所述初始神经网络模型为根据特征参数与控制信号的数据特点预先配置的网络模型。4.根据权利要求3所述的方法，其特征在于，所述控制设备通过所述训练样本对所述初始神经网络模型进行训练，得到所述目标神经网络模型包括：所述控制设备获取所述训练样本的目标输入参数和目标输出参数，并将所述初始神经网络模型作为当前神经网络模型；重复执行以下步骤，直至所述当前神经网络模型的输出参数产生的误差小于预设的误差值，得到所述目标神经网络模型：所述控制设备将所述目标输入参数输入当前神经网络模型，得到当前的输出参数；所述控制设备根据所述当前的输出参数与所述目标输出参数确定所述当前神经网络模型的当前误差；所述控制设备判断所述当前误差是否小于预设误差值；在判断出所述当前误差大于或者等于所述预设误差值的情况下，所述控制设备调整所述当前神经网络模型的模型参数，得到新的当前神经网络模型。5.根据权利要求3或4所述的方法，其特征在于，在所述控制设备通过所述训练样本对所述初始神经网络模型进行训练，得到所述目标神经网络模型之后，所述方法还包括：所述控制设备从所述样本数据中获取测试样本；所述控制设备将所述目标神经网络模型作为待测试的神经网络模型，重复执行以下步骤，直至确定所述待测试的神经网络模型为所述目标神经网络模型：所述控制设备通过所述测试样本对所述待测试的神经网络模型进行测试，得到测试误差；所述控制设备判断所述测试误差是否小于预设的测试误差；在判断出所述测试误差大于或者等于所述预设的测试误差的情况下，所述控制设备重新通过所述训练样本对所述初始神经网络模型进行训练，得到新的待测试的神经网络模型；在判断出所述测试误差小于所述预设的测试误差的情况下，所述控制设备确定所述待测试的神经网络模型为所述目标神经网络模型。6.根据权利要求5所述的方法，其特征在于，所述控制设备从所述样本数据中获取所述训练样本以及从所述样本数据中获取所述测试样本包括：所述控制设备根据所述样本数据的特征参数对所述样本数据进行排序；所述控制设备按照预设的间隔从排序后的所述样本数据中提取第一数据作为所述训练样本；所述控制设备获取所述样本数据中的第二数据作为所述测试样本，其中，所述第二数据为所述样本数据中除所述训练样本之外的全部数据。7.根据权利要求3所述的方法，其特征在于，所述控制设备获取所述样本数据包括：所述控制设备获取多种环境类型对应的特征参数；所述控制设备确定在每种环境类型下使所述电子设备的运行效率高于预设效率且能量损耗低于预设损耗的所述电子设备的运行参数；所述控制设备对所述特征参数和所述运行参数之间的对应关系进行标注，得到原始数据；所述控制设备从所述特征参数中获取权重大于预设权重的参数作为所述样本数据的输入参数，其中，所述权重用于指示参数对电子设备的运行状态的影响程度，权重越大表示影响程度越大；所述控制设备获取所述运行参数对应的控制信号作为所述样本数据的输出参数，其中，所述控制信号用于控制所述电子设备在所述运行参数所指示的运行状态下运行；所述控制设备从所述原始数据的对应关系中提取所述输入参数与所述输出参数的对应关系...

【专利技术属性】
技术研发人员：田涛，宋德超，陈翀，刘佰兰，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44