本發(fā)明的實施例涉及空調(diào)技術(shù)領(lǐng)域，尤其涉及空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法及裝置和空調(diào)系統(tǒng)。

背景技術(shù)：

目前，空調(diào)智能化時代已然到來，用戶可以采用APP控制、語音控制、肢體動作控制等智能化控制模式已開始使用，這些智能化控制方法主要是將用戶從傳統(tǒng)的遙控器控制中解放出來。例如，在夏季用戶可以在下班后通過手機終端上的關(guān)于空調(diào)控制的APP上對家中的空調(diào)的運行參數(shù)進行遠程網(wǎng)絡(luò)控制，實現(xiàn)對家庭環(huán)境的預(yù)熱、預(yù)冷以及濕度調(diào)整空氣凈化等，或者在家中通過采集用戶的聲音或肢體動作實現(xiàn)對空調(diào)運行參數(shù)的控制；但是上述控制過程中，仍然是需要用戶主動參與對空調(diào)的運行參數(shù)設(shè)置，而用戶并不能準確判斷空調(diào)的運行參數(shù)是否為當前最佳，即仍然是基于用戶的判斷對空調(diào)的控制作出的決策，因此并不能實現(xiàn)真正的智能化。

一種方案為，使用訓練的神經(jīng)網(wǎng)絡(luò)解決空調(diào)智能化，其實際是用戶開啟空調(diào)后，使用預(yù)先訓練和學習的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)檢測到輸入的環(huán)境參數(shù)和用戶特征參數(shù)時自動判斷并生成空調(diào)運行參數(shù)控制空調(diào)運行至用戶所需狀態(tài)?？梢哉f預(yù)先訓練和學習的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)是一個表征用戶及用戶需求的中間控制系統(tǒng)，而如何獲取訓練樣本，以提高神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)預(yù)測的準確性是需要研究的課題。

技術(shù)實現(xiàn)要素：

本發(fā)明的實施例提供一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法及裝置和空調(diào)系統(tǒng)，能夠提供一種訓練樣本采集方式，以提高神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)預(yù)測的準確性。

第一方面，提供一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法，包括：

獲取空調(diào)器在測試運行工況下的環(huán)境參數(shù)；

記錄測試者的用戶特征參數(shù)；

在所述測試運行工況下，調(diào)整所述空調(diào)器的空調(diào)運行參數(shù)并記錄所述測試者反饋的環(huán)境舒適度，直至所述測試者的環(huán)境舒適度達到預(yù)設(shè)值，記錄所述空調(diào)器當前的空調(diào)運行參數(shù)；

記錄所述測試者在環(huán)境舒適度到達預(yù)設(shè)值時，所述用戶特征參數(shù)、所述環(huán)境參數(shù)與所述空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本。

第二方面，提供一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置，包括：

控制單元，用于獲取空調(diào)器在測試運行工況下的環(huán)境參數(shù)；

記錄單元，用于記錄測試者的用戶特征參數(shù)；

調(diào)節(jié)單元，用于在所述測試運行工況下，調(diào)整所述空調(diào)器的空調(diào)運行參數(shù)并記錄所述測試者反饋的環(huán)境舒適度，直至所述測試者的環(huán)境舒適度達到預(yù)設(shè)值，記錄所述空調(diào)器當前的空調(diào)運行參數(shù)；

所述記錄單元還用于，記錄所述測試者在環(huán)境舒適度到達預(yù)設(shè)值時，所述用戶特征參數(shù)、所述環(huán)境參數(shù)與所述空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本。

第三方面，提供一種空調(diào)系統(tǒng)，包括服務(wù)器、連接所述服務(wù)器的空調(diào)器以及上述的空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置。

上述方案中獲取空調(diào)器在測試運行工況下的環(huán)境參數(shù)；記錄測試者的用戶特征參數(shù)；在測試運行工況下，調(diào)整空調(diào)器的空調(diào)運行參數(shù)并記錄所述測試者反饋的環(huán)境舒適度，直至測試者的環(huán)境舒適度達到預(yù)設(shè)值，記錄空調(diào)器當前的空調(diào)運行參數(shù)；記錄測試者在環(huán)境舒適度到達預(yù)設(shè)值時，用戶特征參數(shù)、環(huán)境參數(shù)與空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本，通過上述方案提供了一種訓練樣本的采集方式，以提高神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)預(yù)測的準確性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的實施例提供的一種空調(diào)系統(tǒng)的結(jié)構(gòu)示意圖；

圖2為本發(fā)明的實施例提供的一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集原理示意圖；

圖3為本發(fā)明的實施例提供的一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法流程示意圖；

圖4為本發(fā)明的另一實施例提供的一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法流程示意圖；

圖5為本發(fā)明的實施例提供的一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

參照圖1所示，本發(fā)明的實施例應(yīng)用于如下空調(diào)系統(tǒng)10、包括空調(diào)器11、服務(wù)器12和空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置13，其中服務(wù)器用于根據(jù)空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置生成的訓練樣本進行神經(jīng)網(wǎng)絡(luò)訓練，以生成對空調(diào)器進行智能控制的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。

參照圖2所示，基于上述的系統(tǒng)，在實際環(huán)境中，人體對于空調(diào)功能的主要需求是環(huán)境舒適度，人體對于不同環(huán)境下的環(huán)境舒適度需求的指標不同，維持特定的環(huán)境需要空調(diào)器運行至某種狀態(tài)。因此可以明確的是不通用戶P_i對于不同環(huán)境E_i的環(huán)境舒適度S_i存在某種需求Y對應(yīng)的空調(diào)運行參數(shù)T_i。因此神經(jīng)網(wǎng)絡(luò)學習的映射關(guān)系為：

f(P_i,E_i,S_i)→Y(T_i)

因此，通過訓練樣本進行神經(jīng)網(wǎng)絡(luò)訓練得到的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)對空調(diào)器進行控制，其中神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)輸入?yún)?shù)為用戶特征參數(shù)P_i、環(huán)境參數(shù)E_i以及環(huán)境舒適度S_i，輸出參數(shù)為空調(diào)運行參數(shù)T_i。而訓練樣本通常通過在特定的測試運行工況下對采集的輸入?yún)?shù)和輸出參數(shù)進行量化分析后得到的測試記錄參數(shù)/量化指標構(gòu)成。

基于上述系統(tǒng)本發(fā)明的實施例提供的技術(shù)方案的基本原理為：空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置在測試運行工況下，調(diào)整空調(diào)器的空調(diào)運行參數(shù)并記錄測試者反饋的環(huán)境舒適度，直至測試者的環(huán)境舒適度達到預(yù)設(shè)值，記錄空調(diào)器當前的空調(diào)運行參數(shù)；將用戶特征參數(shù)、環(huán)境參數(shù)與測試者在環(huán)境舒適度到達預(yù)設(shè)值時空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本。從而提供了一種能夠提高神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)預(yù)測的準確性的訓練樣本采集方式。

具體的參照以下實施例對本發(fā)明提供的方案進行說明：

參照圖3所示，本發(fā)明的實施例提供的空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法，包括如下步驟：

101、獲取空調(diào)器在測試運行工況下的環(huán)境參數(shù)。

102、記錄測試者的用戶特征參數(shù)。

103、在所述測試運行工況下，調(diào)整所述空調(diào)器的空調(diào)運行參數(shù)并記錄所述測試者反饋的環(huán)境舒適度，直至所述測試者的環(huán)境舒適度達到預(yù)設(shè)值，記錄所述空調(diào)器當前的空調(diào)運行參數(shù)。

104、記錄所述測試者在環(huán)境舒適度到達預(yù)設(shè)值時，所述用戶特征參數(shù)、所述環(huán)境參數(shù)與所述空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本。

其中，該預(yù)設(shè)值可以為測試者對于環(huán)境舒適度的最佳需求，或者對于環(huán)境舒適度其他等級的需求。

具體的，對于輸入?yún)?shù)：用戶特征參數(shù)的具體指標包括：性別、年齡段分布、體態(tài)分布、健康指數(shù)、特殊人群分布等。環(huán)境舒適度的具體表現(xiàn)指標包括熱感覺指數(shù)、干濕指數(shù)、舒適度主觀評價指數(shù)。環(huán)境參數(shù)包括室內(nèi)外溫度、室內(nèi)干濕度、出風方向以及風速等。

對于輸出參數(shù)：人體對于特定環(huán)境下的環(huán)境舒適度需求確定后，需要空調(diào)器維持當前環(huán)境狀態(tài)，那么空調(diào)需要調(diào)整到一定的工作狀態(tài)，表現(xiàn)出不同的空調(diào)運行參數(shù)，例如壓縮機運行頻率、加\除濕量、風度、出風口形態(tài)等。

通常情況下訓練樣本獲取具有廣泛性及普遍適應(yīng)性，所獲得的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)才能準確反映相應(yīng)的映射關(guān)系。

根據(jù)系統(tǒng)的輸入輸出分析，可以確定測試方法的基本要素如附圖4：測試運行工況選擇、測試人群選擇、環(huán)境舒適度選擇、空調(diào)運行參數(shù)選擇。

(1)測試人群用戶特征參數(shù)的量化:確定測試者分布比例，男女被測試者要求覆蓋不同年齡段、不同體態(tài)、健康情況、運動情況、特殊人群等。以下示出其中的四項，其中還可以有其他擴展項本申請并不做限定：

P_i＝[a_i,s_i,h_i,k_i]

a_i--測試者年齡；

s_i--測試者性別；

h_i--測試者體態(tài)；

k_i--測試者健康指數(shù)；

具體比例分布及量化指數(shù)如表1-表4所示，測試時記錄測試者的特征參考表1-表4；

表1

表2

表3

表4

測試者基數(shù)確認：滿足設(shè)定的某一類測試者占比最小的人數(shù)大于等于1，比如占比最小的為P(s＝男/女、a＝15歲以下/65歲以上、h＝瘦/胖、k＝感冒/正常)＝0.001％，因此總數(shù)至少為1000，以保證覆蓋全部特征。

具體實施過程中分類不局限與此，分類可以進一步細化，細化后所需的測試者數(shù)量增加，前期可考慮綜合成本選擇測試者基數(shù)，測試者的普遍性、廣泛性會影響使用神經(jīng)網(wǎng)絡(luò)預(yù)測，原則上樣本數(shù)量越大，預(yù)測越準確。

(2)特征參數(shù)的量化：測試運行工況可以選擇國家標準中的焓差試驗工況：額定制冷、額定制熱、最大(小)運行制熱、最大(小)運行制熱、高溫制冷、低溫制熱…，由于這些工況是離散的，進一步提高神經(jīng)網(wǎng)絡(luò)預(yù)測的精度可以進一步細分試驗工況；不同測試運行工況可以通過溫濕度等參數(shù)量化，即：

E_i＝[t_(indoor)i,t_(outdoor)i,h_(indoor)i,e_i]

t_(indoor)i--工況室內(nèi)溫度；

t_(outdoor)i--工況室外溫度；

h_(indoor)i--工況室內(nèi)干濕度；

e_i--工況其他環(huán)境參數(shù)；

試驗時記錄實驗室室內(nèi)外環(huán)境溫度、干濕度，此外還可以包括出風方向及氣流風度等參數(shù)；

(3)環(huán)境舒適度是表征用戶對于環(huán)境舒適度需求的形式，主要從人群對于特定環(huán)境下的熱感覺指數(shù)、干濕指數(shù)、舒適度主觀評價指數(shù)等方面進行評價，即：

S_i＝[H_i,W_i,C_i]

H_i--熱感覺指數(shù)；

W_i--干濕指數(shù)；

C_i--舒適度主觀評價指數(shù)；

測試者對于環(huán)境舒適度需求指標標尺如表5-7所示。

表5

表6

表7

測試的終止條件為達到用戶對于環(huán)境舒適度的最佳需求，即上述表5-7中各項指標為最大時停止測試。

(4)用戶的需求可以通過空調(diào)運行狀態(tài)維持，空調(diào)的運行狀態(tài)可以通過控制壓縮機運行頻率、加\除濕量、風扇電機、導風板角度等空調(diào)運行參數(shù)保證。

Y＝＝[F_i,J_i,M_i,A_i]

F_i--壓縮機運行頻率；

J_i--加\除濕量；

M_i--表征風速的風扇電機轉(zhuǎn)速或者風速；

A_i--表征出風口形態(tài)的導風板角度或者其他出風口形態(tài)；

綜上分析輸入、輸出量化明確后需考慮傳感器檢測的可行性，用戶特征參數(shù)依賴于空調(diào)器安裝的圖像傳感器、圖像傳感器可以獲取性別、年齡、體態(tài)等參數(shù)，紅外傳感器檢測測試者的體表溫度由此判斷發(fā)熱等癥狀；環(huán)境參數(shù)由空調(diào)器安裝的溫度傳感器、濕度傳感器、風速傳感器等獲取；環(huán)境舒適度測試時由低到高依次進行，獲取最佳后實際訓練時直接按最大值作為環(huán)境評價的輸入。通過上述方案提供了一種訓練樣本的采集方式，以提高神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)預(yù)測的準確性。

本發(fā)明的實施例提供另一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集方法，具體實施如圖4包括如下步驟：

201、獲取在實驗室選擇測試運行工況下的環(huán)境參數(shù)E_i。

對于步驟201中的環(huán)境參數(shù)E_i，例如可以為某特定室內(nèi)外溫度、室內(nèi)干濕度。

202、對測試者P_i記錄測試者用戶特征參數(shù)。

步驟202中，用戶特征參數(shù)可以包括生理及身體特征年齡a_i、性別s_i、體態(tài)h_i、健康狀況k_i。

203、在上述的測試運行工況下，通過調(diào)節(jié)空調(diào)運行參數(shù)T改變室內(nèi)環(huán)境參數(shù)，記錄測試者P_i的環(huán)境舒適度S_i；

空調(diào)運行參數(shù)T包括如下參數(shù)壓縮機運行頻率F、加\除濕量J、風扇電機轉(zhuǎn)速M、導風板角度A；環(huán)境舒適度S_i包括如下熱舒適度H_i、干濕舒適度W_i、舒適度主觀評價指數(shù)C_i。

204、調(diào)節(jié)空調(diào)運行狀態(tài)記錄測試者反饋的環(huán)境舒適度S_i，判斷測試測試者的環(huán)境舒適度S_i達到預(yù)設(shè)值。

205、若是，記錄此時空調(diào)運行參數(shù)T_i。

在步驟205之后還包括，將測試者在環(huán)境舒適度到達預(yù)設(shè)值時，將用戶特征參數(shù)、環(huán)境參數(shù)與空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本存儲至服務(wù)器，以便服務(wù)器根據(jù)訓練樣本進行神經(jīng)網(wǎng)絡(luò)訓練。

具體的，步驟205中測試者認為環(huán)境舒適度S_i的各向評價指標均為最佳時停止調(diào)節(jié)空調(diào)，并記錄此時空調(diào)運行參數(shù)T_i。空調(diào)運行參數(shù)T_i包括如下參數(shù)壓縮機運行頻率F_i、加\除濕量J_i、風扇電機轉(zhuǎn)速M_i、導風板角度A_i。

206、重復(fù)上述步驟201-205測試流程，對下一測試者P_i+1進行測試，直至在上述測試運行工況對所有測試者采樣完畢。

207、選擇另一測試運行工況，對下一環(huán)境參數(shù)E_i+1，重復(fù)上述步驟201-206測試流程，直至所有測試運行工況采樣完畢。

208、針對全部測試者及測試運行工況測試后結(jié)束。

209、整理采集的訓練樣本。

測試結(jié)束后的數(shù)據(jù)可以用于訓練空調(diào)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。測試前測試者需要培訓整個測試過程及注意事項，熟悉相關(guān)記錄表的填寫方法，休息至少半個小時，減少運動對于測試的影響，另外測試者測試前應(yīng)更衣室更換統(tǒng)一測試服裝，測試者在實驗室的活動區(qū)域及活動狀態(tài)應(yīng)固定。

參照圖5所示，本發(fā)明的實施例提供一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置50，用于實施上述的各項方法實施例中提供的訓練樣本采集方法，包括：

控制單元51，用于獲取空調(diào)器在測試運行工況下的環(huán)境參數(shù)；

記錄單元52，用于記錄測試者的用戶特征參數(shù)；

調(diào)節(jié)單元53，用于在所述測試運行工況下，調(diào)整所述空調(diào)器的空調(diào)運行參數(shù)并記錄所述測試者反饋的環(huán)境舒適度，直至所述測試者的環(huán)境舒適度達到預(yù)設(shè)值，記錄所述空調(diào)器當前的空調(diào)運行參數(shù)；

所述記錄單元52還用于，記錄所述測試者在環(huán)境舒適度到達預(yù)設(shè)值時，所述用戶特征參數(shù)、所述環(huán)境參數(shù)與所述空調(diào)運行參數(shù)的映射關(guān)系作為空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本。

通過上述方案提供了一種空調(diào)器神經(jīng)網(wǎng)絡(luò)的訓練樣本采集裝置，以提高神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)預(yù)測的準確性。

一種優(yōu)選方案為，調(diào)節(jié)單元53，具體用于調(diào)整所述空調(diào)器的空調(diào)運行參數(shù)并記錄所述測試者反饋的環(huán)境舒適度；判斷所述測試測試者的環(huán)境舒適度達到預(yù)設(shè)值，若是則記錄所述空調(diào)器當前的空調(diào)運行參數(shù)；若否，則繼續(xù)調(diào)整所述空調(diào)器的空調(diào)運行參數(shù)。

可選的，還包括存儲單元54，用于將所述映射關(guān)系作為訓練樣本存儲至服務(wù)器，以便所述服務(wù)器根據(jù)所述訓練樣本進行神經(jīng)網(wǎng)絡(luò)訓練。

其中，環(huán)境參數(shù)包括室內(nèi)外溫度、室內(nèi)干濕度。測試運行工況包括至少以下一項：額定制冷、額定制熱、最大\最小運行制熱、最大\最小運行制冷、高溫制冷、低溫制熱；所述測試者的用戶特征參數(shù)包括：性別、年齡段分布、體態(tài)分布、特殊人群分布；所述空調(diào)運行參數(shù)包括：壓縮機運行頻率、加\除濕量、風度、出風口形態(tài)；所述環(huán)境舒適度包括：熱感覺指數(shù)、干濕指數(shù)、舒適度主觀評價指數(shù)。

需要說明的是，上述方案中控制單元51、記錄單元52、調(diào)節(jié)單元53可以為單獨設(shè)立的處理器，也可以集成在裝置中的某一個處理器中實現(xiàn)，此外，也可以以程序代碼的形式存儲于裝置的存儲器中，由裝置的某一個處理器調(diào)用并執(zhí)行以上控制單元51、記錄單元52、調(diào)節(jié)單元53的功能。這里所述的處理器可以是一個中央處理器(Central Processing Unit，CPU)，或者是特定集成電路(App lication Specific Integrated Circuit，ASI C)，或者是被配置成實施本發(fā)明實施例的一個或多個集成電路。上述存儲單元54可以為存儲器。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準。