【技术实现步骤摘要】
一种基于云端深度学习的空调功耗调节方法及装置
本专利技术涉及云操作系统
,更具体地说，涉及到一种基于云端深度学习的空调功耗调节方法及装置。
技术介绍
近年用户对智能空调接受度越来越高，越来越多的人通过APP使用智能空调。数据显示，APP用户数和APP月活跃用户数近年一直上升，截止到2019年11月份，建滔与美的空调合作开发和共同运维的“美居APP”用户数已达到320多万户，APP月活跃用户数较同期也有了大幅度的提高，同期增幅最高时接近100％。虽然APP活跃用户数量逐渐提高，但是目前市场上主流的智能空调厂商所提供的服务仅是远程操控，配套APP被当做远程的遥控器来使用。智能空调功能同质化，没有体现真正的人工智能，行业内也一直没有实质突破。调查研究发现，用户购买考虑因素主要是节能、省电、舒适健康等因素，而用户不满意点也恰怜集中在节能省电、舒适健康这几个因素。值得我们深思的是，近年家电企业一直在节能舒适这个方向持续发力，但是仍然有此需求并对比抱怨。分析原因，传统空调的节能舒适功能局限于本机策略，并没有很好的满...
【技术保护点】
1.一种基于云端深度学习的空调功耗调节方法，其特征在于，包括以下步骤：/n步骤一：使用Scatter-loading机制把中断服务程序和完成任务切换的代码存放至ARM的内部SRAM中执行；/n步骤二：使系统从内部SRAM里读取异常向量表以便加快中断响应速度。/n
【技术特征摘要】
1.一种基于云端深度学习的空调功耗调节方法，其特征在于，包括以下步骤：
步骤一：使用Scatter-loading机制把中断服务程序和完成任务切换的代码存放至ARM的内部SRAM中执行；
步骤二：使系统从内部SRAM里读取异常向量表以便加快中断响应速度。
2.根据权利要求1所述的一种基于云端深度学习的空调功耗调节方法，其特征在于，使用Scatter-loading机制把中断服务程序和完成任务切换的代码放到ARM的内部SRAM中执行，步骤具体包括：
使用Scatter-loading机制把一个可执行映像文件分解成多个域，所述域包括只读部分和可读写部分。
3.根据权利要求2所述的一种基于云端深度学习的空调功耗调节方法，其特征在于，在步骤2之后，步骤还包括：
在存储可执行映像文件时，将只读部分以及可读写部分的已被初始化数据置于非易失性存储器NVM中。
4.根据权利要求3所述的一种基于云端深度学习的空调功耗调节方法，其特征在于，在步骤3之后，步骤还包括：
在映像文件被执行之前，预先创建可读写部分的未被初始化数据。
5.根据权利要求4所述的一种基于云端深度学习的空调功耗调节方法，其特征在于，在步骤4之后，步骤还包括：
根据Scatter-loading描述的内容在存储器映射中对只读部分以及可读写部分中已被初始化数据与未被...
【专利技术属性】
技术研发人员：涂春光，
申请(专利权)人：深圳市建滔科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。