本申请公开了一种空调设备控制方法、控制装置及空调设备，其中，所述控制方法包括：获取原始声音信号，并从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号；基于所述目标噪声信号，控制所述空调设备的风机运转速度。通过本申请提供的技术方案能够提高针对空调设备噪声的控制准确度。针对空调设备噪声的控制准确度。针对空调设备噪声的控制准确度。
【技术实现步骤摘要】
一种空调设备控制方法、控制装置及空调设备
[0001]本申请属于空调控制
，尤其涉及一种空调设备控制方法、控制装置及空调设备。
技术介绍
[0002]风噪控制是提升空调设备性能的一个重要方面，目前，空调设备的风噪控制一般通过噪声传感器进行声音信号的物理采集，并根据采集信号的信号强度控制空调设备的噪声。然而，通过噪声传感器直接采集的声音信号并不能完全、真实的反应出空调设备的风噪情况，导致在实际过程中不能对风噪进行准确的控制。基于此，如何提高针对空调设备噪声的控制准确度是亟待解决的技术问题。
技术实现思路
[0003]本申请的实施例提供了一种空调设备控制方法、控制装置及空调设备，进而至少在一定程度上可以提高针对空调设备噪声的控制准确度。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0005]根据本申请实施例的第一方面，提供了一种空调设备控制方法，所述方法包括：获取原始声音信号，并从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号；基于所述目标噪声信号，控制所述空调设备的风机运转速度。
[0006]在本申请的一些实施例中，基于前述方案，所述从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号，包括：识别所述原始声音信号中的非目标噪声信号；对所述原始声音信号中的非目标噪声信号进行过滤，得到所述目标噪声信号。
[0007]在本申请的一些实施例中，基于前述方案，所述对所述原始声音信号中的非目标噪声信号进行过滤，得到所述目标噪声信号，包括：通过预先构建的第一机器学习模型或者数字滤波模型对所述原始声音信号中的非目标噪声信号进行过滤，得到所述目标噪声信号。
[0008]在本申请的一些实施例中，基于前述方案，所述基于所述目标噪声信号，控制所述空调设备的风机运转速度，包括：通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度；基于所述噪声强度，控制所述空调设备的风机运转速度。
[0009]本申请实施例通过从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号，可以有效将原始采集的声音信号中的干扰信号区分出来，从而防止把非噪声信号当作噪声信号进行对待处理而出现误采集、误识别等问题，并基于从所述原始声音信号中分离出的目标噪声信号，控制所述空调设备的风机运转速度，可以提高在实际过程中针对空调设备噪声的控制准确度。
[0010]根据本申请实施例的第二方面，提供了一种空调设备控制方法，所述方法包括：获取由所述空调设备的风机产生的目标噪声信号；通过预先训练的第二机器学习模型确定与
所述目标噪声信号对应的噪声强度；基于所述噪声强度，控制所述空调设备的风机运转速度。
[0011]在本申请的一些实施例中，基于前述方案，所述通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度，包括：确定所述目标噪声信号的频谱信息；基于所述频谱信息，通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度。
[0012]在本申请的一些实施例中，基于前述方案，在通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度之前，所述方法还包括：获取所述空调设备的风机在各个风量状态下的频谱信息；基于所述风机在各个风量状态下的频谱信息，训练所述第二机器学习模型。
[0013]在本申请的一些实施例中，基于前述方案，所述基于所述噪声强度，控制所述空调设备的风机运转速度，包括：获取噪声强度容忍值，并计算所述噪声强度与所述噪声强度容忍值之间的噪声差值；基于所述噪声差值，控制所述空调设备的风机运转速度。
[0014]在本申请的一些实施例中，基于前述方案，所述基于所述噪声差值，控制所述空调设备的风机运转速度，包括：在所述噪声差值的绝对值大于预定阈值时，按照预定的调整粒度，步进调整所述空调设备的风机运转速度，直至所述噪声差值的绝对值小于或等于所述预定阈值。
[0015]在本申请的一些实施例中，基于前述方案，所述基于所述噪声差值，控制所述空调设备的风机运转速度，包括：基于所述噪声差值，通过查表确定针对所述风机运转速度的调整幅度；按照所述调整幅度，调整所述空调设备的风机运转速度。
[0016]本申请实施例通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度，一方面，能够提高确定噪声强度的精度和准确性。另一方面，通过预先训练得到第二机器学习模型，无需人工建立数学模型，因此不受限于某一特定的噪声强度识别场景，故使得得到第二机器学习模型可移植性强，同时极大地节约了现场和技术上投入的人力成本。
[0017]根据本申请实施例的第三方面，提供了一种空调设备控制装置，所述装置包括：第一获取单元，用于获取原始声音信号，并从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号；第一控制单元，用于基于所述目标噪声信号，控制所述空调设备的风机运转速度。
[0018]根据本申请实施例的第四方面，提供了一种空调设备控制装置，所述装置包括：第二获取单元，用于获取由所述空调设备的风机产生的目标噪声信号；确定单元，用于通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度；第二控制单元，用于基于所述噪声强度，控制所述空调设备的风机运转速度。
[0019]根据本申请实施例的第五方面，提供了一种空调设备，所述空调设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现上述第一方面任一实施例所述方法，或者实现上述第二方面任一实施例所述方法。
[0020]上述第三方面至第五方面各个实施例的有益效果，可以参考上述第一、第二方面及第一、第二方面各个实施例的有益效果，这里不再赘述。
[0021]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0023]图1示出了本申请实施例中空调设备的结构示意图；
[0024]图2示出了本申请实施例中第一方面的空调设备控制方法的流程图；
[0025]图3示出了本申请实施例中一目标噪声信号的频谱图；
[0026]图4示出了本申请实施例中第二方面的空调设备控制方法的流程图；
[0027]图5示出了本申请实施例中空调设备控制方法的场景示意图；
[0028]图6示出了本申请实施例中第三方面的空调设备控制装置的框图；
[0029]图7示出了本申请实施例中第四方面的空调设备控制装置的框图；
[0030]图8示出了本申请实施例中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种空调设备控制方法，其特征在于，所述方法包括：获取原始声音信号，并从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号；基于所述目标噪声信号，控制所述空调设备的风机运转速度。2.根据权利要求1所述的方法，其特征在于，所述从所述原始声音信号中分离出由所述空调设备的风机产生的目标噪声信号，包括：识别所述原始声音信号中的非目标噪声信号；对所述原始声音信号中的非目标噪声信号进行过滤，得到所述目标噪声信号。3.根据权利要求2所述的方法，其特征在于，所述对所述原始声音信号中的非目标噪声信号进行过滤，得到所述目标噪声信号，包括：通过预先构建的第一机器学习模型或者数字滤波模型对所述原始声音信号中的非目标噪声信号进行过滤，得到所述目标噪声信号。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标噪声信号，控制所述空调设备的风机运转速度，包括：通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度；基于所述噪声强度，控制所述空调设备的风机运转速度。5.一种空调设备控制方法，其特征在于，所述方法包括：获取由所述空调设备的风机产生的目标噪声信号；通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度；基于所述噪声强度，控制所述空调设备的风机运转速度。6.根据权利要求4所述的方法，其特征在于，所述通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度，包括：确定所述目标噪声信号的频谱信息；基于所述频谱信息，通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度。7.根据权利要求4所述的方法，其特征在于，在通过预先训练的第二机器学习模型确定与所述目标噪声信号对应的噪声强度之前，所述方法还包括：获取所述空调设备的风机在各个风量状态下的频谱信息；基于所述风机在各个风量状态下的频谱信息，训练所述...
【专利技术属性】
技术研发人员：颜林，霍伟明，席红艳，
申请(专利权)人：广东美的制冷设备有限公司，
类型：发明
国别省市：
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。