[發(fā)明專利]基于機(jī)器學(xué)習(xí)的空調(diào)控制方法、裝置和設(shè)備在審
| 申請?zhí)枺?/td> | 202010257512.1 | 申請日: | 2020-04-03 |
| 公開(公告)號: | CN111473494A | 公開(公告)日: | 2020-07-31 |
| 發(fā)明(設(shè)計)人: | 鄒觀華;李曉明;謝惠敏;黃煒鎣;朱麟濤;李金恩;林創(chuàng)鴻 | 申請(專利權(quán))人: | 五邑大學(xué) |
| 主分類號: | F24F11/89 | 分類號: | F24F11/89;F24F11/64;G06N20/00 |
| 代理公司: | 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205 | 代理人: | 孫浩 |
| 地址: | 529000 廣*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 機(jī)器 學(xué)習(xí) 空調(diào) 控制 方法 裝置 設(shè)備 | ||
1.基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,應(yīng)用于空調(diào)器,包括:
接收空調(diào)數(shù)據(jù)和處理問題信息,根據(jù)所述空調(diào)數(shù)據(jù)和所述處理問題信息得到特征數(shù)據(jù);
根據(jù)所述處理問題信息,利用所述特征數(shù)據(jù)訓(xùn)練得到數(shù)學(xué)模型;
根據(jù)所述處理問題信息,對所述數(shù)學(xué)模型仿真得到最優(yōu)預(yù)測變量組;
根據(jù)最優(yōu)預(yù)測變量組,得到用于控制所述空調(diào)器的反饋控制信息。
2.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,根據(jù)所述空調(diào)數(shù)據(jù)和所述處理問題信息得到特征數(shù)據(jù),包括:
根據(jù)所述處理問題信息,對所述空調(diào)數(shù)據(jù)進(jìn)行維規(guī)約,得到特征數(shù)據(jù)。
3.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,所述根據(jù)所述處理問題信息,利用所述特征數(shù)據(jù)訓(xùn)練得到數(shù)學(xué)模型之前,包括:
對所述特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,使所述特征數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布。
4.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,所述處理問題信息包括有回歸問題信息和分類問題信息。
5.如權(quán)利要求4所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,所述根據(jù)所述處理問題信息,利用所述特征數(shù)據(jù)訓(xùn)練得到數(shù)學(xué)模型,包括:
將所述特征數(shù)據(jù)劃分為訓(xùn)練集和測試集;
根據(jù)所述回歸問題信息,利用回歸器組件對所述訓(xùn)練集訓(xùn)練,得到對應(yīng)的回歸模型,或者根據(jù)所述分類問題信息,利用分類器組件對所述訓(xùn)練集訓(xùn)練,得到對應(yīng)的分類模型,所述回歸器組件包括線性回歸器、梯度提高回歸器和隨機(jī)森林回歸器,所述分類器組件包括線性分類器、梯度提高分類器和隨機(jī)森林分類器;
利用所述測試集與所述回歸模型進(jìn)行全局匹配,確定全局匹配中準(zhǔn)確度最高的所述回歸模型作為數(shù)學(xué)模型,或者利用所述測試集與若干個所述分類模型進(jìn)行全局匹配,確定全局匹配中準(zhǔn)確度最高的所述分類模型作為數(shù)學(xué)模型。
6.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,所述根據(jù)所述處理問題信息,對所述數(shù)學(xué)模型仿真得到最優(yōu)預(yù)測變量組,包括:
根據(jù)所述處理問題信息,對所述數(shù)學(xué)模型進(jìn)行仿真得到本質(zhì)變量和最優(yōu)預(yù)測變量組,所述最優(yōu)預(yù)測變量組包括有一級預(yù)測變量、二級預(yù)測變量和三級預(yù)測變量。
7.如權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法,其特征在于,所述空調(diào)器包括有冷卻裝置、冷凝裝置、冷水泵和冷卻塔,所述空調(diào)數(shù)據(jù)包括有所述冷卻裝置的流入水溫、所述冷卻裝置的流出水溫,所述冷凝裝置的流入水溫、所述冷凝裝置的流出水溫、所述冷水泵的狀態(tài)數(shù)據(jù)和所述冷卻塔的狀態(tài)數(shù)據(jù)。
8.基于機(jī)器學(xué)習(xí)的空調(diào)控制裝置,其特征在于,應(yīng)用于空調(diào)器,包括:
初始化模塊,用于接收空調(diào)數(shù)據(jù)和處理問題信息,根據(jù)所述空調(diào)數(shù)據(jù)和所述處理問題信息得到特征數(shù)據(jù);
訓(xùn)練模塊,用于根據(jù)所述處理問題信息,利用所述特征數(shù)據(jù)訓(xùn)練得到數(shù)學(xué)模型;
仿真模塊,用于根據(jù)所述處理問題信息,對所述數(shù)學(xué)模型仿真得到最優(yōu)預(yù)測變量組;
控制模塊,用于根據(jù)最優(yōu)預(yù)測變量組,得到用于控制所述空調(diào)器的反饋控制信息。
9.基于機(jī)器學(xué)習(xí)的空調(diào)控制設(shè)備,其特征在于,包括:
至少一個處理器;以及,
與所述至少一個處理器通信連接的存儲器;其中,
所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令,所述指令被所述至少一個處理器執(zhí)行,以使所述至少一個處理器能夠執(zhí)行如權(quán)利要求1至7任一項(xiàng)所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法。
10.一種計算機(jī)可讀存儲介質(zhì),其特征在于,所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)可執(zhí)行指令,所述計算機(jī)可執(zhí)行指令用于使計算機(jī)執(zhí)行如權(quán)利要求1至7任一項(xiàng)所述的基于機(jī)器學(xué)習(xí)的空調(diào)控制方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于五邑大學(xué),未經(jīng)五邑大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010257512.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





