[發明專利]用于家電控制的方法、裝置和家電

有效

• 申請號: 202110405226.X
• 申請日: 2021-04-15
• 公開（公告）號: CN113110082B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 譚強;張飛;陳建龍
• 申請（專利權）人: 青島海爾空調器有限總公司;青島海爾空調電子有限公司;海爾智家股份有限公司
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 徐富杰

1.一種用于家電控制的方法，其特征在于，包括：

獲得當前環境參數，并將所述當前環境參數輸入至用于調節空調運行信息的預設控制模型；

控制空調在所述預設控制模型輸出的預測運行信息下運行，并獲得目標環境參數和所述空調運行過程中的第一實時環境參數；

根據所述第一實時環境參數和所述目標環境參數，確定用于滿足所述目標環境參數的目標家電，以及所述目標家電的目標運行參數；其中，所述目標家電為加濕器和/或新風機，所述目標環境參數至少包括：當前室內溫度、當前室外溫度、當前濕度以及當前空氣清潔度；

控制所述目標家電在所述目標運行參數下運行；

根據所述第一實時環境信息和所述當前環境參數，確定所述預測運行信息關聯的環境影響信息；

獲得用于確定目標家電和目標運行參數的影響因子模型；

利用所述環境影響信息、所述目標家電以及所述目標家電的目標運行參數，修正所述影響因子模型；

其中，如果所述預設控制模型包括參數預測模型，則所述參數預測模型通過如下方式獲得：

獲得用于訓練所述參數預測模型的第一樣本，并將所述第一樣本隨機分為訓練集和測試集，所述第一樣本包括不同環境參數下用于調節空調運行信息的用戶習慣信息；

將所述訓練集中的不同環境參數輸入至初始預測模型，并將所述訓練集中不同環境參數對應的用戶習慣信息作為所述初始預測模型的輸出，以對所述初始預測模型進行訓練；

根據所述測試集驗證訓練后的初始預測模型，得到驗證結果；

在所述驗證結果表示預測準確的情況下，得到所述參數預測模型；

獲得空調在設定運行信息下運行的新的環境參數；

根據設定運行信息和新的環境參數，確定新的環境參數下用于調節空調運行信息的新的用戶習慣信息，以更新第一樣本；

其中，如果用戶習慣信息包括所述空調的設定運行溫度，所述預設控制模型還包括與所述設定運行溫度對應的模式分類模型，則所述模式分類模型通過如下方式獲得：

獲得用于訓練所述模式分類模型的第二樣本，所述第二樣本包括不同環境參數下，已標注運行模式信息的設定運行溫度；

將所述不同環境參數和所述不同環境參數對應的設定運行溫度輸入至初始分類模型中，并將所述設定運行溫度對應的運行模式信息作為所述初始分類模型的輸出，以對所述初始分類模型進行訓練，得到所述模式分類模型；所述運行模式為制冷模式或者制熱模式；

所述用戶習慣信息通過以下方式獲得：

在預設時長內，分別采集不同環境參數下用戶設定的空調運行信息；

根據采集到的數據確定用戶習慣信息。

2.根據權利要求1所述的方法，其特征在于，所述對所述初始分類模型進行訓練，得到所述模式分類模型，包括：

將所述第二樣本隨機分為訓練樣本和測試樣本；

根據所述訓練樣本訓練所述模式分類模型，并根據所述測試樣本測試所述模式分類模型，得到測試結果；

如果所述測試結果表示運行模式信息和對應的環境參數不匹配，則繼續根據所述訓練樣本訓練所述模式分類模型。

3.根據權利要求1所述的方法，其特征在于，所述根據所述第一實時環境參數和所述目標環境參數，確定用于滿足所述目標參數的目標家電，以及所述目標家電的目標運行參數，包括：

如果所述第一實時環境參數至少包括室內實時濕度，所述目標環境參數至少包括室內目標濕度，則在所述室內目標濕度和所述室內實時濕度的第一差值大于或等于預設濕度差值的情況下，將加濕器確定為所述目標家電，并將根據所述第一差值確定的加濕量設置為所述加濕器的目標運行參數。

4.根據權利要求1所述的方法，其特征在于，所述根據所述第一實時環境參數和所述目標環境參數，確定用于滿足所述目標參數的目標家電，以及所述目標家電的目標運行參數，包括：

如果所述第一實時環境參數至少包括室內實時空氣潔凈度，所述目標環境參數至少包括室內目標空氣潔凈度，則在所述室內目標空氣潔凈度和所述室內實時空氣潔凈度的第二差值大于或等于預設潔凈度差值的情況下，將新風機確定為所述目標家電，并將根據所述第二差值確定的新風比設置為所述新風機的目標運行參數。