一种基于支持向量机学习的空调自适应控制方法及系统技术方案

本发明专利技术涉及一种基于支持向量机学习的空调自适应控制方法及系统，用于实现：空调系统部署时，建立基于支持向量机的PMV预测模型；当空调系统投入使用时，根据室内环境和用户活动状态，自适应地调控空调器工作，使室内温度保持在一个舒适水平；当用户对室内温度不满意时，根据用户手动调控的空调温度设定值，对基于支持向量机的PMV预测模型进行优化。借助室内环境探测传感器和用户探测图像传感器，在不同的工作模式下执行不同的自适应控制操作，使得空调器的控温输出始终与用户的体验处于最佳匹配状态，提高了空调器的智能化体验。

【技术实现步骤摘要】
一种基于支持向量机学习的空调自适应控制方法及系统
本专利技术涉及一种基于支持向量机学习的空调自适应控制方法及系统，属于空调控制领域处理领域。
技术介绍
伴随着人类生活水平的提高，空调器已经成为人们生活中必备的家居产品。在空调环境下，无论是生活还是工作，人们越来越关注舒适感。PMV(PredictedMeanVote)是当前国际公认的一个描述室内热环境的指标，它综合考虑了影响人体热舒适度的诸多因素，描述了人们对室内环境热舒适度的统计评价。但是，经典的PMV方程是根据特定人群的身体特质和室内环境拟合得到的，显然这不能完全适用于全球其他国家或地区(包括中国)的用户。近年来，机器学习受到各行各业的青睐，神经网络也被用来预测PMV值，但这种方案的高度容错性在满足空调用户的个性化需求方面受到了挑战，无法根据用户的室内环境和活动状态对空调器进行及时的自适应调节。
技术实现思路
本公开的几个示例方面的概述如下。提供本概述是为了读者的方便，以提供对这些实施例的基本理解而不是完全地限定本专利技术的范围。本概述不是所有预期实施例的广泛综述，并且既不旨在标识所有方面的关键或重要元素，也不描述任何或所有方面的范围。其唯一目的在于以简化的形式呈现一个或多个实施例的一些概念，作为稍后呈现的更详细描述的前奏。为了方便，在本文中术语“一些实施例”可用于指本公开的单一实施例或者多个实施例。针对上述问题，本专利技术提出了一种基于支持向量机学习的空调自适应控制方法及系统，本专利技术的技术方案通过对空调器进行及时的自适应调节。支持向量机是一类新型的机器学习方法，对于小样本数据集具有较好的泛化能力。因此，在实际应用中，支持向量机可以较好地反映每一个数据样本的特征，这对于满足空调用户的个性化需求具有一定的启发意义以提高空调用户的智能化和舒适度体验。本专利技术的技术方案包括一种基于支持向量机学习的空调自适应控制方法，其特征在于，该方法包括：预测模型创建步骤，在空调系统部署时根据室内空间及环境参数建立基于支持向量机的PMV预测模型；自适应调整步骤，根据室内环境和用户活动状态，自适应地调控空调器工作，使室内温度保持在一定范围内；预测模型优化步骤，根据用户手动调控的空调温度设定值，对基于支持向量机的PMV预测模型进行优化；自适应控制步骤，将室内环境参数和用户活动状态参数输入到基于支持向量机的PMV预测模型，根据输出的PMV预测值，计算出一个最舒适的室内温度值，并将控温指令发送给空调器。根据所述的基于支持向量机学习的空调自适应控制方法，其中所述预测模型创建步骤具体包括：使用多个采集设备采集室内环境参数，根据室内环境参数和随机生成的用户状态参数代基于PMV评价指标，多次计算得出相应的PMV值，形成小规模的样本数据集，并用于训练支持向量机模型，输出样本数据集的特征数据，得到第一PMV预测模型。根据所述的基于支持向量机学习的空调自适应控制方法，其中执行所述自适应调整步骤前还包括确定智能遥控终端的控制模式，其特征在于：确定智能遥控终端的控制模式，其中控制模式包括I类自适应控制模式和II类自适应控制模式；根据确定的智能遥控终端的控制模式设置方式使用人工手动设置方式或智能自动设置方式进行设置。根据所述的基于支持向量机学习的空调自适应控制方法，其中该方法还包括：当使用手动设置方式时，根据用户选择对应地开启I类自适应控制模式或者II类自适应控制模式；当使用自动设置方式时，使用图像传感器采集用户图像，判定用户所处环境的敏感程度，若用户所处环境为非敏感的则自动进入I类自适应控制模式，若用户所述环境为非敏感的则进入II类自适应控制模式。根据所述的基于支持向量机学习的空调自适应控制方法，其中该方法还包括：在I类自适应控制模式，智能遥控终端根据室内环境和用户活动状态的实时数据，利用PMV预测模型估计出期望的PMV值，并用于指导空调器工作；在II类自适应控制模式，若智能遥控终端检测到用户主动改变温度的行为，则自动修正PMV值，得到一组新的训练数据，将新增的训练数据与支持向量机特征数据融合，用于重新训练支持向量机，得到新的支持向量机特征数据和第二PMV预测模型，从而根据新的PMV预测模型指导空调器工作；若未检测到用户改变温度，则继续使用原来的PMV预测模型指导空调器工作。根据所述的基于支持向量机学习的空调自适应控制方法，其中在智能自动设置方式中，智能遥控终端周期性地检测室内环境和用户活动状态，实现I类自适应控制方式和II类自适应控制方式的自动切换。本专利技术的技术方案还包括一种用于执行上述任意所述方法的基于支持向量机学习的空调自适应控制系统，其特征在于，该系统包括包括：预测模型创建模块，用于在空调系统部署时根据室内空间及环境参数建立基于支持向量机的PMV预测模型；自适应调整模块，用于根据室内环境和用户活动状态，自适应地调控空调器工作，使室内温度保持在一定范围内；预测模型优化模块用于，根据用户手动调控的空调温度设定值，对基于支持向量机的PMV预测模型进行优化；自适应控制模块，用于将室内环境参数和用户活动状态参数输入到基于支持向量机的PMV预测模型，根据输出的PMV预测值，计算出一个最舒适的室内温度值，并将控温指令发送给空调器。本专利技术的有益效果为：通过人工手动设置或者智能自动设置的方式，使智能遥控终端工作在I类自适应控制模式或II类自适应控制模式下。借助室内环境传感器和用户探测传感器，在不同的自适应控制模式下执行不同的空调器调控操作，使得空调器的控温输出始终与用户的体验处于最佳匹配状态，提高了空调的智能化体验。附图说明图1所示为本专利技术实施方式的总体流程图；图2所示为本专利技术实施方式的智能遥控终端的基于支持向量机的PMV预测模型框图；图3所示为本专利技术实施方式的智能遥控终端两种设置方式流程示意图；图4所示为本专利技术实施方式的智能遥控终端在I类自适应控制模式下的操作流程示意图；图5所示为本专利技术实施方式的智能遥控终端在II类自适应控制模式下的操作流程示意图；图6所示为本专利技术实施方式的智能遥控终端在I类和II类自适应控制模式之间的自动切换流程示意图。具体实施方式本专利技术的技术方案包括一种基于支持向量机学习的空调自适应控制方法及系统，适用于以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本
的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称本文档来自技高网...

【技术保护点】
1.一种基于支持向量机学习的空调自适应控制方法，其特征在于，该方法包括：预测模型创建步骤，在空调系统部署时根据室内空间及环境参数建立基于支持向量机的PMV预测模型；自适应调整步骤，根据室内环境和用户活动状态，自适应地调控空调器工作，使室内温度保持在一定范围内；预测模型优化步骤，根据用户手动调控的空调温度设定值，对基于支持向量机的PMV预测模型进行优化；自适应控制步骤，将室内环境参数和用户活动状态参数输入到基于支持向量机的PMV预测模型，根据输出的PMV预测值，计算出一个最舒适的室内温度值，并将控温指令发送给空调器。

【技术特征摘要】
1.一种基于支持向量机学习的空调自适应控制方法，其特征在于，该方法包括：预测模型创建步骤，在空调系统部署时根据室内空间及环境参数建立基于支持向量机的PMV预测模型；自适应调整步骤，根据室内环境和用户活动状态，自适应地调控空调器工作，使室内温度保持在一定范围内；预测模型优化步骤，根据用户手动调控的空调温度设定值，对基于支持向量机的PMV预测模型进行优化；自适应控制步骤，将室内环境参数和用户活动状态参数输入到基于支持向量机的PMV预测模型，根据输出的PMV预测值，计算出一个最舒适的室内温度值，并将控温指令发送给空调器。2.根据权利要求1所述的基于支持向量机学习的空调自适应控制方法，其特征在于，所述预测模型创建步骤具体包括：使用多个采集设备采集室内环境参数，根据室内环境参数和随机生成的用户状态参数代基于PMV评价指标，多次计算得出相应的PMV值，形成小规模的样本数据集，并用于训练支持向量机模型，输出样本数据集的特征数据，得到第一PMV预测模型。3.根据权利要求1所述的基于支持向量机学习的空调自适应控制方法，执行所述自适应调整步骤前还包括确定智能遥控终端的控制模式，其特征在于：确定智能遥控终端的控制模式，其中控制模式包括I类自适应控制模式和II类自适应控制模式；根据确定的智能遥控终端的控制模式设置方式使用人工手动设置方式或智能自动设置方式进行设置。4.根据权利要求3所述的基于支持向量机学习的空调自适应控制方法，其特征在于，该方法还包括：当使用手动设置方式时，根据用户选择对应地开启I类自适应控制模式或者II类自适应控制模式；当使用自动设置方式时，使用图像传感器采集用户图像，判定用户所处环境的敏感程度，若用户所处环境为非...

【专利技术属性】
技术研发人员：姚昌春，宁海波，窦威，
申请(专利权)人：珠海东之尼电子科技有限公司，
类型：发明
国别省市：广东,44