空调器及其控制方法、计算机可读存储介质技术

本发明专利技术公开了一种空调器的控制方法，该方法包括：获取环境温度和人体信息；所述人体信息表征空调器作用空间内处于睡眠状态的人体情况；将所述环境温度和所述人体信息输入睡眠温度预测模型，并将所述睡眠温度预测模型的输出结果作为所述空调器的目标睡眠温度；所述睡眠温度预测模型为用于预测所述目标睡眠温度的机器学习模型；根据所述目标睡眠温度控制所述空调器运行。本发明专利技术还公开了一种空调器和计算机可读存储介质。本发明专利技术旨在提高用户的睡眠质量。质量。质量。

【技术实现步骤摘要】
空调器及其控制方法、计算机可读存储介质


[0001]本专利技术涉及空调
，尤其涉及空调器的控制方法、空调器和计算机可读存储介质。

技术介绍

[0002]随着经济技术的发展，空调器的应用越来越广泛，空调器的性能也在不断地优化。目前，空调器大多设置有睡眠模式，在用户的睡眠状态下，一般会按照预先设置的固定睡眠温度控制空调运行，然而这容易导致空调器的运行与当前环境或环境内用户的实际睡眠状态不匹配，影响用户的睡眠质量。

技术实现思路

[0003]本专利技术的主要目的在于提供一种空调器的控制方法、空调器以及计算机可读存储介质，旨在提高用户的睡眠质量。
[0004]为实现上述目的，本专利技术提供一种空调器的控制方法，所述空调器的控制方法包括以下步骤：
[0005]获取环境温度和人体信息；所述人体信息表征空调器作用空间内处于睡眠状态的人体情况；
[0006]将所述环境温度和所述人体信息输入睡眠温度预测模型，并将所述睡眠温度预测模型的输出结果作为所述空调器的目标睡眠温度；所述睡眠温度预测模型为用于预测所述目标睡眠温度的机器学习模型；
[0007]根据所述目标睡眠温度控制所述空调器运行。
[0008]可选地，所述获取环境温度和人体信息的步骤之前，还包括：
[0009]获取样本集；
[0010]根据所述样本集训练预设神经网络模型，获得特征提取模型；
[0011]采用所述特征提取模型提取所述样本集中最佳睡眠温度相关的数据特征；
[0012]根据所述数据特征训练预设回归器模型，获得所述睡眠温度预测模型；
[0013]其中，所述样本集包括多个预设睡眠温度以及每个预设睡眠温度对应的环境温度数据和人体睡眠数据，所述环境温度数据是对应的预设睡眠温度为最佳睡眠温度时所采集的环境温度的特征数据，所述人体睡眠数据集包括对应的预设睡眠温度为最佳睡眠温度时所采集的处于睡眠状态下人体的特征数据。
[0014]可选地，所述根据所述样本集训练预设神经网络模型，获得特征提取模型的步骤包括：
[0015]按照预设比例将所述样本集划分成训练集和测试集；所述训练集和所述测试集分别包括不同的多个所述预设睡眠温度及其对应的环境温度数据和人体睡眠数据；
[0016]根据所述训练集训练所述预设神经网络模型，获得所述特征提取模型；
[0017]所述根据所述数据特征训练预设回归器模型，获得所述睡眠温度预测模型的步骤
包括：
[0018]根据所述数据特征训练所述预设回归器模型的训练结果作为待定模型；
[0019]根据所述测试集校验所述待定模型的校验结果确定所述睡眠温度预测模型。
[0020]可选地，所述预设神经网络模型包括依次连接的多个子模块，每个子模块包括密集连接层和与所述密集连接层连接的转换层。
[0021]可选地，所述密集连接层包括多个第一卷积层，所述转换层包括一个第二卷积层；所述第一卷积层的卷积核尺寸为M*M，M>1；所述第二卷积层的卷积核尺寸为1*1；
[0022]且/或，所述依次连接的多个子模块的输入端与第三卷积层连接，所述第三卷积层的卷积核尺寸为N*N，N>1；
[0023]且/或，所述依次连接的多个子模块的输出端与池化层连接，所述池化层与多于一个全连接层连接。
[0024]可选地，所述环境温度数据包括室内环境温度数据和/或室外环境温度数据；
[0025]且/或，所述状态数据包括人体属性数据、睡眠时长数据、睡眠曲线数据和/或清醒状态数据；所述睡眠曲线数据为表征人体在睡眠状态下不同时间所对应的睡眠阶段的数据。
[0026]可选地，所述环境温度包括所述室内环境温度和/或所述室外环境温度；
[0027]且/或，所述人体信息包括所述人体属性信息和人体睡眠状态信息。
[0028]可选地，所述获取人体信息的步骤包括：
[0029]获取所述空调器作用空间内人体图像数据；
[0030]根据所述人体图像数据确定所述人体属性信息和所述人体睡眠状态信息。
[0031]可选地，所述人体睡眠状态信息包括睡眠时长信息、睡眠曲线和/或清醒状态信息，所述根据所述人体图像数据确定所述人体睡眠状态信息的步骤包括：
[0032]根据所述人体图像数据确定所述空调器作用空间内人体的脸部动作信息和肢体信息；
[0033]根据所述脸部动作信息和所述肢体信息确定所述睡眠时长信息、所述睡眠曲线和/或所述清醒状态信息；
[0034]其中，所述睡眠曲线表征所述空调器作用空间内人体当前在睡眠状态下不同时间所对应的睡眠阶段。
[0035]此外，为了实现上述目的，本申请还提出一种空调器，所述空调器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空调器的控制程序，所述空调器的控制程序被所述处理器执行时实现如上任一项所述的空调器的控制方法的步骤。
[0036]此外，为了实现上述目的，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有空调器的控制程序，所述空调器的控制程序被处理器执行时实现如上任一项所述的空调器的控制方法的步骤。
[0037]本专利技术提出的一种空调器的控制方法，该方法通过将环境温度和表征空调作用空间内睡眠的用户情况的人体信息，输入到机器学习模型中预测用于空调器运行控制的目标睡眠温度，从而保证用户睡眠状态下空调器运行控制所需的睡眠温度并不再是预先设置的参数，而是与实际环境情况和睡眠状态下用户的实际情况相匹配的温度，保证空调器按照目标睡眠温度运行时其送风可与当前环境和睡眠用户的实际状态精准匹配，以实现用户睡
眠质量的有效提高。
附图说明
[0038]图1为本专利技术空调器一实施例运行涉及的硬件结构示意图；
[0039]图2为本专利技术空调器的控制方法一实施例的流程示意图；
[0040]图3为本专利技术空调器的控制方法另一实施例的流程示意图；
[0041]图4为本专利技术空调器的控制方法又一实施例的流程示意图。
[0042]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0043]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0044]本专利技术实施例的主要解决方案是：获取环境温度和人体信息；所述人体信息表征空调器作用空间内处于睡眠状态的人体的情况；将所述环境温度和所述人体信息输入睡眠温度预测模型，获得所述睡眠温度预测模型的输出结果确定为所述空调器的目标睡眠温度；所述睡眠温度预测模型为用于预测所述目标睡眠温度的神经网络模型；根据所述目标睡眠温度控制所述空调器运行
[0045]由于现有技术中，空调器大多设置有睡眠模式，在用户的睡眠状态下，一般会按照预先设置的固定睡眠温度控制空调运行，然而这容易导致空调器的运行与当前环境或环境内用户的实际睡眠状态不匹配，影响用户的睡眠质量。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调器的控制方法，其特征在于，所述空调器的控制方法包括以下步骤：获取环境温度和人体信息；所述人体信息表征空调器作用空间内处于睡眠状态的人体情况；将所述环境温度和所述人体信息输入睡眠温度预测模型，并将所述睡眠温度预测模型的输出结果作为所述空调器的目标睡眠温度；所述睡眠温度预测模型为用于预测所述目标睡眠温度的机器学习模型；根据所述目标睡眠温度控制所述空调器运行。2.如权利要求1所述的空调器的控制方法，其特征在于，所述获取环境温度和人体信息的步骤之前，还包括：获取样本集；根据所述样本集训练预设神经网络模型，获得特征提取模型；采用所述特征提取模型提取所述样本集中最佳睡眠温度相关的数据特征；根据所述数据特征训练预设回归器模型，获得所述睡眠温度预测模型；其中，所述样本集包括多个预设睡眠温度以及每个预设睡眠温度对应的环境温度数据和人体睡眠数据，所述环境温度数据是对应的预设睡眠温度为最佳睡眠温度时所采集的环境温度的特征数据，所述人体睡眠数据集包括对应的预设睡眠温度为最佳睡眠温度时所采集的处于睡眠状态下人体的特征数据。3.如权利要求2所述的空调器的控制方法，其特征在于，所述根据所述样本集训练预设神经网络模型，获得特征提取模型的步骤包括：按照预设比例将所述样本集划分成训练集和测试集；所述训练集和所述测试集分别包括不同的多个所述预设睡眠温度及其对应的环境温度数据和人体睡眠数据；根据所述训练集训练所述预设神经网络模型，获得所述特征提取模型；所述根据所述数据特征训练预设回归器模型，获得所述睡眠温度预测模型的步骤包括：根据所述数据特征训练所述预设回归器模型的训练结果作为待定模型；根据所述测试集校验所述待定模型的校验结果确定所述睡眠温度预测模型。4.如权利要求2所述的空调器的控制方法，其特征在于，所述预设神经网络模型包括依次连接的多个子模块，每个子模块包括密集连接层和与所述密集连接层连接的转换层。5.如权利要求4所述的空调器的控制方法，其特征在于，所述密集连接层包括多个第一卷积层，所述转换层包括一个第二卷积层；所述第一卷积层的卷积核尺寸为M*M，M>1；所述第二卷积层的卷积核尺寸为1*1；且/或，所述依次连接的多个子模块的输入端与第三卷积层连接，所述第三卷积层的卷积核...

【专利技术属性】
技术研发人员：颜林，霍伟明，
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：