空调器的智能控制方法与智能控制设备技术

本发明专利技术提供了一种空调器的智能控制方法与智能控制设备。其中空调器的智能控制方法包括：确定空调器所处的运行季，并获取与运行季对应的自调整模型，自调整模型利用运行季中的空调器的运行状态及对应的环境数据作为训练样本通过机器学习算法训练得到；获取空调器的运行状态以及环境参数；将运行状态和环境参数输入自调整模型；利用自调整模型进行预测计算得到空调器的自调整策略；以及按照自调整策略对空调器进行控制。本发明专利技术的方案，选取具有明确使用特征的运行季分别训练得到自调整模型，利用自调整模型进行预测计算，按照得出的自调整策略对智能空调器进行控制，可以准确地满足用户对环境的舒适性要求，提高了智能家电的智能化水平。

【技术实现步骤摘要】
空调器的智能控制方法与智能控制设备
本专利技术涉及智能家电控制，特别是涉及空调器的智能控制方法与智能控制设备。
技术介绍
随着生活水平的日益提高，消费者对家电的选择不再是单单注重产品的质量，而是更注重产品能够带来的使用体验。对于空调器之类的环境调节设备，用户的需求在于获得高舒适性的环境体验。为了满足用户的需求，空调器的功能逐渐扩展，控制也更加精细化。因此，空调器的使用也越来越复杂。现有技术中已经使用终端App来进行控制，然而这也使得用户学习使用的门槛越来越高，操作也越来越复杂。这反而给用户带来的不便。随着人工智能、机器学习等技术的快速发展，在空调器中使用相关智能技术的也逐渐成为技术研究热点。然而现有应用人工智能技术的空调器的智能控制方法的使用结果还不能完全满足用户的使用需求，部分用户甚至反馈智能空调器提供的环境不够舒适，反而带来了更多困扰。
技术实现思路
本专利技术的一个目的是要提供一种至少在一定程度上解决上述相关技术中的技术问题任一方面的空调器的智能控制方法与智能控制设备。本专利技术一个进一步的目的是要空调器可以智能地提供舒适的室内环境，提高用户的使用体验。特别地，本专利技术提供了一种空调器的智能控制方法，该智能控制方法包括：确定空调器所处的运行季，并获取与运行季对应的自调整模型，自调整模型利用运行季中的空调器的运行状态及对应的环境数据作为训练样本通过机器学习算法训练得到；获取空调器的运行状态以及环境参数；将运行状态和环境参数输入自调整模型；利用自调整模型进行预测计算得到空调器的自调整策略；以及按照自调整策略对空调器进行控制。可选地，确定空调器所处的运行季的步骤包括：获取空调器的安装位置信息；根据安装位置信息确定空调器所在区域的气候规律；按照气候规律确定空调器所处的运行季。可选地，确定空调器所处的运行季的步骤包括：获取空调器此前设定时间段内的环境数据；根据环境数据确定空调器所处的运行季。可选地，获取与运行季对应的空调器自调整模型的步骤包括：获取空调器的运行记录；根据运行记录判断空调器是否调用过与运行季对应的自调整模型；若是，则获取之前调用过的与运行季对应的自调整模型。可选地，在空调器未调用过与运行季对应的自调整模型的情况下还包括：获取为空调器所在区域配置的运行季初始自调整模型，将运行季初始自调整模型作为自调整模型。可选地，在按照自调整策略对空调器进行控制的步骤之后还包括：获取空调器的手动调整记录；判断手动调整记录是否超过设定次数阈值；若是，将手动调整记录以及手动调整期间的环境参数作为训练样本，对自调整模型进行迭代训练。可选地，在确定空调器所处的运行季的步骤之后还包括：在确定出的运行季与空调器上次运行确定的运行季出现变化的情况下，获取空调器的时钟信息，利用时钟信息对确定出的运行季进行验证；在运行季与时钟信息相匹配的情况下，执行获取与运行季对应的自调整模型的步骤。可选地，在确定空调器所处的运行季的步骤之后还包括：在确定出的运行季与空调器上次运行确定的运行季出现变化的情况下，输出运行季更替提示信息；获取由用户反馈的针对运行季更替提示信息的响应操作，在响应操作指示确认运行季的情况下，执行获取与运行季对应的自调整模型的步骤。可选地，运行季包括以下任意一项或多项：制冷季节、采暖季节、梅雨季节、除霾季节。在制冷季节中，空调器的优先运行模式为制冷模式；在采暖季节中，空调器的优先运行模式为制热模式；在制冷季节中，空调器的优先运行模式为除湿模式；在除霾季节中，空调器的优先运行模式为净化模式。根据本专利技术的另一个方面，还提供了一种空调器的智能控制设备。该空调器的智能控制设备包括：处理器；以及存储器，存储器内存储有控制程序，控制程序被处理器执行时用于实现上述任一种的空调器的智能控制方法。本专利技术的空调器的智能控制方法，针对单一的空调器自调整模型无法满足各种中运行条件下的调整要求，选取具有明确使用特征的运行季，针对每种运行季分别训练得到自调整模型，利用自调整模型对空调器的运行状态以及环境参数进行预测计算，从而按照得出的自调整策略对空调器进行控制。本专利技术的方法由于按照运行季的数据进行人工学习模型的训练，减小了自调整模型的预测计算难度，得到的自调整策略更加符合运行季的环境调节需求，从而提高了用户的使用体验。进一步地，本专利技术的空调器的智能控制方法，可以根据空调器的安装区域选择制冷季节、采暖季节、梅雨季节、除霾季节中的一项或多项作为运行季，由于这些运行季一般具有优先运行模式，那么通过自调整模型的预测计算的不确定性大大降低。更进一步地，本专利技术的空调器的智能控制方法，还优化了运行季的确定方法以及自调整模型迭代训练的方式等，使得控制方法更加智能高效，满足了用户的智能要求。相对于智能家电(智慧家电)及智能空调(智慧空调)等领域中的现有技术，本专利技术的方案更加智能高效，提高了智能化水平。根据下文结合附图对本专利技术具体实施例的详细描述，本领域技术人员将会更加明了本专利技术的上述以及其他目的、优点和特征。附图说明后文将参照附图以示例性而非限制性的方式详细描述本专利技术的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1是根据本专利技术一个实施例的空调器的数据交互示意图；图2是根据本专利技术一个实施例的空调器的智能控制设备的示意图；图3是根据本专利技术一个实施例的空调器的智能控制方法的示意图；以及图4是根据本专利技术一个实施例的空调器的智能控制方法应用实例的流程图。具体实施方式图1是根据本专利技术一个实施例的空调器10的数据交互示意图。终端设备20(包括但不限于各种移动终端)上安装有空调器控制应用程序(App)或者其他控制控制客户端(Client)。空调器10的用户可以通过应用程序或者客户端来配置空调器10的功能以及应用场景。网络数据平台30可以用于采集并记录空调器10运行数据、采集并记录用户行为信息等。网络数据平台30可以通过对空调器10运行数据以及用户行为信息进行机器学习模型的训练，并利用训练得到的模型进行空调器10的预测计算。其中预测计算的决策条件包括空调器10的室内外环境(温度、湿度、污染情况、风力、天气等)、用户信息(各项生理指标、位置、穿衣指数等)，预测的目标包括：空调器10的开关状态(包括开机参数)、运行模式(制冷、制热、净化、除湿等)、设定参数(风力、风向、温度、湿度等)。空调器10获取自身运行状态以及室内外环境数据，并按照网络数据平台30预测得到的自调整策略对空调器10进行控制。另外，网络数据平台30还可以向空调器10和终端设备20发送各种提醒消息，并接收用户通过空调器10以及终端设备20回复的信息。本实施例中使用的机器学习模型(自调整模型)可以是能够从已有数据(空调器10的运行状态以及环境参数)中学习到一定的知识和能力用于处理新数据，并可以被设计用于执行各种任务，在本实施例中用于对空调本文档来自技高网...

【技术保护点】
1.一种空调器的智能控制方法，包括：/n确定所述空调器所处的运行季，并获取与所述运行季对应的自调整模型，所述自调整模型利用所述运行季中的空调器的运行状态及对应的环境数据作为训练样本通过机器学习算法训练得到；/n获取所述空调器的运行状态以及环境参数；/n将所述运行状态和所述环境参数输入所述自调整模型；/n利用所述自调整模型进行预测计算得到所述空调器的自调整策略；以及/n按照所述自调整策略对所述空调器进行控制。/n

【技术特征摘要】
1.一种空调器的智能控制方法，包括：
确定所述空调器所处的运行季，并获取与所述运行季对应的自调整模型，所述自调整模型利用所述运行季中的空调器的运行状态及对应的环境数据作为训练样本通过机器学习算法训练得到；
获取所述空调器的运行状态以及环境参数；
将所述运行状态和所述环境参数输入所述自调整模型；
利用所述自调整模型进行预测计算得到所述空调器的自调整策略；以及
按照所述自调整策略对所述空调器进行控制。


2.根据权利要求1所述的空调器的智能控制方法，其中所述确定所述空调器所处的运行季的步骤包括：
获取所述空调器的安装位置信息；
根据所述安装位置信息确定所述空调器所在区域的气候规律；
按照所述气候规律确定所述空调器所处的运行季。


3.根据权利要求1所述的空调器的智能控制方法，其中所述确定所述空调器所处的运行季的步骤包括：
获取所述空调器此前设定时间段内的环境数据；
根据所述环境数据确定所述空调器所处的运行季。


4.根据权利要求1所述的空调器的智能控制方法，其中，所述获取与所述运行季对应的空调器自调整模型的步骤包括：
获取所述空调器的运行记录；
根据所述运行记录判断所述空调器是否调用过与所述运行季对应的自调整模型；
若是，则获取之前调用过的与所述运行季对应的自调整模型。


5.根据权利要求4所述的空调器的智能控制方法，其中，
在所述空调器未调用过与所述运行季对应的自调整模型的情况下还包括：获取为所述空调器所在区域配置的运行季初始自调整模型，将所述运行季初始自调整模型作为所述自调整模型。


6.根据权利要求1所述的空调器的智能控制方法，其中，在所述按照所述自调整策略对所述空调器进...

【专利技术属性】
技术研发人员：宋世芳，郭丽，程永甫，
申请(专利权)人：青岛海尔空调器有限总公司，海尔智家股份有限公司，
类型：发明
国别省市：山东;37