【技术实现步骤摘要】
本申请涉及空气处理领域，具体而言，涉及一种积尘度检测方法、系统、控制器及空气处理设备。
技术介绍
1、对于诸如空调等空气处理设备，随着使用时间的增长，空气中的灰尘极易堆积在设备内部的过滤网上，导致空气处理设备的出风效果以及空气处理效果下降。
2、为了对设备内部的积尘度进行检测，目前采用根据设备进风量与预设阈值相比较的方式，检测积尘度。当积尘度较大时，则需要对设备内部的灰尘进行清理。但是由于设备的积尘度受多种因素影响，使得目前的积尘度检测结果准确度差。
技术实现思路
1、本申请提供了一种积尘度检测方法、系统、控制器及空气处理设备，以至少解决积尘度检测准确度差的技术问题。
2、根据本申请实施例的第一个方面，提供了一种积尘度检测方法，应用于空气处理设备，所述方法包括：
3、获取所述空气处理设备在当前时间节点的第一数据和至少一个历史时间节点的第二数据，其中，所述第一数据至少包括所述空气处理设备在所述当前时间节点的运行数据和设定数据，所述第二数据至少包括所述空气处理设备在所述历史时间节点的运行数据和设定数据；
4、利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果。
5、可选地，所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果，包括：
6、根据所述第一数据和第二数据分别计算所述长短期记忆模型中的输入门、遗忘门和输出门；
7、根据所述输入门、遗忘门、输出门以及长短期
8、可选地，所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果，包括：
9、基于所述第一数据和第二数据进行计算，得到所述积尘度检测结果，所述计算公式包括：
10、it＝σ(wi[ht-1,xt]+bi)；
11、ft＝σ(wf[ht-1,xt]+bf)；
12、ct＝ftct-1+ittanh(wc[ht-1,xt]+bc)；
13、ot＝σ(wo[ht-1,xt]+bo)；
14、ht＝ottanh(ct)；
15、其中，xt为第一数据；ht-1为第二数据；σ为sigmoid函数；i、f、o和c分别为输入门、遗忘门、输出门和内存单元；bi、bf、bo和bc分别为输入门、遗忘门、输出门和内存单元的偏置向量；w为各内存单元与门矢之间的权值矩阵；t为时间。
16、可选地，所述方法还包括：
17、按照预设的时间节点数量和时间节点间隔，获取多个所述历史时间节点的第二数据，相邻的历史时间节点之间的时间间隔为所述时间节点间隔，所述历史时间节点的数量等于所述时间节点数量。
18、可选地，所述第一数据还包括所述空气处理设备在所述当前时间节点的运行环境数据和/或在所述当前时间节点的设备总使用时间；所述第二数据还包括所述空气处理设备在所述历史时间节点的运行环境数据和/或在所述历史时间节点的设备总使用时间；所述第二数据中的数据类型以及数据数量与所述第一数据相同。
19、可选地，在所述获取所述空气处理设备在当前时间节点的第一数据和至少一个历史时间节点的第二数据之前，所述方法还包括：
20、根据所述空气处理设备的唯一编码，判断与所述空气处理设备对应的所述长短期记忆模型是否得到更新；
21、如果未得到更新，调取预设的所述长短期记忆模型，以对所述第一数据和第二数据进行处理；
22、如果得到更新，调取更新后的所述长短期记忆模型，以对所述第一数据和第二数据进行处理。
23、可选地，在所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果之后，所述方法还包括：
24、响应于灰尘清理信号，获取在所述灰尘清理信号响应之前采集的至少一组所述第一数据，得到更新数据集，其中，每组所述第一数据均对应有时间节点；
25、利用所述更新数据集对所述长短期记忆模型进行更新，其中，所述第一数据中包括所述空气处理设备在对应的时间节点时的运行环境数据、灰尘清理时间和设备总使用时间。
26、可选地，所述利用所述更新数据集对所述长短期记忆模型进行更新，包括：
27、将所述更新数据集作为输入，得到输出结果，有{y1,y2,……,yn}＝lstm{x1,x2,……,xn}，
28、其中，{y1,y2,……,yn}为输出结果，{x1,x2,……,xn}为更新数据集；
29、根据损失函数mse或迭代次数完成对所述长短期记忆模型的更新，其中，
30、根据本申请实施例的第二个方面，提供了一种积尘度检测系统，应用于空气处理设备，包括处理端和平台端，所述处理端与所述平台端通信连接；
31、所述处理端用于获取所述空气处理设备的运行数据、设定数据和运行环境数据并将获取的数据上传至所述平台端；
32、所述平台端用于接收所述处理端上传的所述运行数据、设定数据和运行环境数据，并将当前时间节点的运行数据、设定数据、运行环境数据、上一次清洗滤网时间和空调总使用时间作为第一数据，将至少一个历史时间节点的运行数据、设定数据、运行环境数据、上一次清洗滤网时间和空调总使用时间作为第二数据；
33、所述平台端还用于利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果。
34、根据本申请实施例的第三个方面，提供了一种控制器，采用上述所述的积尘度检测方法。
35、根据本申请实施例的第四个方面，提供了一种空气处理设备，包括上述所述的积尘度检测系统或上述所述的控制器。
36、在本申请实施例中，第一数据和第二数据均包括了多种类型的数据，且第一数据与第二数据属于不同的时间序列，使得在对积尘度进行检测时，能够根据多个时间序列下的多个类型的数据对积尘度进行预测，提高了检测结果的准确度。
本文档来自技高网...【技术保护点】
1.一种积尘度检测方法，其特征在于，应用于空气处理设备，所述方法包括：
2.根据权利要求1所述的积尘度检测方法，其特征在于，所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果，包括：
3.根据权利要求2所述的积尘度检测方法，其特征在于，所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果，包括：
4.根据权利要求2所述的积尘度检测方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的积尘度检测方法，其特征在于，所述第一数据还包括所述空气处理设备在所述当前时间节点的运行环境数据和/或在所述当前时间节点的设备总使用时间；所述第二数据还包括所述空气处理设备在所述历史时间节点的运行环境数据和/或在所述历史时间节点的设备总使用时间；所述第二数据中的数据类型以及数据数量与所述第一数据相同。
6.根据权利要求1所述的积尘度检测方法，其特征在于，在所述获取所述空气处理设备在当前时间节点的第一数据和至少一个历史时间节点的第二数据之前，所述方法还包括：
7.根据权利要求1所述的
8.根据权利要求7所述的积尘度检测方法，其特征在于，所述利用所述更新数据集对所述长短期记忆模型进行更新，包括：
9.一种积尘度检测系统，其特征在于，应用于空气处理设备，包括处理端和平台端，所述处理端与所述平台端通信连接；
10.一种控制器，其特征在于，采用权利要求1-8任一项所述的积尘度检测方法。
11.一种空气处理设备，其特征在于，包括权利要求9所述的积尘度检测系统或权利要求10所述的控制器。
...【技术特征摘要】
1.一种积尘度检测方法，其特征在于，应用于空气处理设备，所述方法包括：
2.根据权利要求1所述的积尘度检测方法，其特征在于，所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果，包括：
3.根据权利要求2所述的积尘度检测方法，其特征在于，所述利用长短期记忆模型对所述第一数据和第二数据进行处理，得到积尘度检测结果，包括：
4.根据权利要求2所述的积尘度检测方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的积尘度检测方法，其特征在于，所述第一数据还包括所述空气处理设备在所述当前时间节点的运行环境数据和/或在所述当前时间节点的设备总使用时间；所述第二数据还包括所述空气处理设备在所述历史时间节点的运行环境数据和/或在所述历史时间节点的设备总使用时间；所述第二数据中的数据类型以及数据数量与所述第一数据相同...
【专利技术属性】
技术研发人员：张文炫，吕浩，
申请(专利权)人：珠海格力电器股份有限公司，
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。