一種自然風控制方法和裝置的制造方法
【技術(shù)領域】
[0001] 本發(fā)明設及空調(diào)技術(shù)領域，尤其設及一種自然風控制方法和裝置。
【背景技術(shù)】
[0002] 室內(nèi)環(huán)境是用戶最重要的環(huán)境之一。用戶的生活、工作、學習和娛樂等活動都更多 地轉(zhuǎn)入到室內(nèi)環(huán)境中，用戶每天在室內(nèi)環(huán)境中度過的時間約占80% -90% W上。由于空調(diào) 設備可有效地改變室內(nèi)環(huán)境的熱狀況，因此，被廣泛應用在室內(nèi)環(huán)境中，隨著近年來低碳環(huán) 保意識的普及，W及用戶對健康、舒適的室內(nèi)環(huán)境的追求，空調(diào)設備中的機械風模式已遠遠 無法滿足用戶的生活需求。由于模擬自然風作為一種動態(tài)送風方式，在用戶中的接受度較 高，且模擬自然風可W充分利用氣流的冷卻作用，可使用戶在較熱的環(huán)境中達到熱中性和 熱舒適。
[0003] 現(xiàn)有技術(shù)中，模擬自然風的方法通常是采用跟蹤控制算法，即通過風速測量儀器， 在室外特定環(huán)境下，實際讀取風速測量值，空調(diào)設備的控制系統(tǒng)將風速測量值進行還原后 將其W特定的自然風風速序列形式存儲在控制系統(tǒng)的存儲設備中，空調(diào)設備的控制系統(tǒng)需 根據(jù)自然風風速序列控制風機轉(zhuǎn)速，從而實現(xiàn)模擬自然風送風。跟蹤控制算法由于需要將 風速測量儀器測量的大量風速數(shù)據(jù)W特定的自然風風速序列形式存儲在控制系統(tǒng)的存儲 設備中，對控制系統(tǒng)的存儲設備要求較高，此外，該跟蹤控制算法對風速測量值要求較大， 且一旦空調(diào)設備整機出廠，其內(nèi)部的空調(diào)設備就完全固化，用戶永遠只能使用一種特定的 自然風風速序列。長此已久，模擬自然風的用戶體驗會逐漸下降。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的實施例提供一種自然風控制方法和裝置，用W實現(xiàn)空調(diào)設備的控制系統(tǒng) 中自然風的風速數(shù)據(jù)不斷更新，實現(xiàn)模擬自然風環(huán)境的動態(tài)送風，W提升用戶體驗。 陽〇化]為達到上述目的，本發(fā)明的實施例采用如下技術(shù)方案：
[0006] 第一方面，本發(fā)明實施例提供一種自然風控制方法，包括：
[0007] 接收用戶輸入的選擇指令，所述選擇指令指示空調(diào)系統(tǒng)的送風模式為模擬自然風 模式或機械風模式；
[0008] 若所述選擇指令指示所述空調(diào)系統(tǒng)的送風模式為模擬自然風模式，則獲取當前時 刻之前的前N個時刻的風速值，其中，N為正整數(shù)，且6《N《10 ;
[0009] 將所述當前時刻之前的前N個時刻的風速值輸入至預設神經(jīng)網(wǎng)絡預測模型中，得 到所述空調(diào)系統(tǒng)的當前風速值；
[0010] 根據(jù)所述空調(diào)系統(tǒng)的當前風速值，調(diào)整所述空調(diào)系統(tǒng)的風機轉(zhuǎn)速。
[0011] 結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述根據(jù)所述空調(diào)系統(tǒng) 的當前風速值，調(diào)整所述空調(diào)系統(tǒng)的風機轉(zhuǎn)速，包括：
[0012] 根據(jù)所述空調(diào)系統(tǒng)的當前風速值，查詢預設映射表，獲取與所述空調(diào)系統(tǒng)的當前 風速值對應的第一預設風機轉(zhuǎn)速；
[0013] 根據(jù)所述第一預設風機轉(zhuǎn)速，將所述空調(diào)系統(tǒng)當前的風機轉(zhuǎn)速調(diào)整至所述第一預 設風機轉(zhuǎn)速。
[0014] 結(jié)合第一方面，在第一方面的第二種可能的實現(xiàn)方式中，所述方法還包括：
[0015] 建立預設神經(jīng)網(wǎng)絡預測模型。
[0016] 結(jié)合第一方面的第二種可能的實現(xiàn)方式，在第一方面的第=種可能的實現(xiàn)方式 中，所述建立預設神經(jīng)網(wǎng)絡預測模型，包括：
[0017] 獲取樣本風速數(shù)據(jù)集合，并將所述樣本風速數(shù)據(jù)集合中的每個樣本風速數(shù)據(jù)進行 歸一化處理；
[0018] 確定反向傳播神經(jīng)網(wǎng)絡的輸入層節(jié)點個數(shù)、隱層節(jié)點個數(shù)及輸出層節(jié)點個數(shù)W及 訓練參數(shù)，得到神經(jīng)網(wǎng)絡預測模型，所述訓練參數(shù)包括預設誤差、初始權(quán)值和學習速率；
[0019] 將所述樣本風速數(shù)據(jù)輸入至所述輸入層，W所述輸出層輸出的數(shù)據(jù)為預測值，對 所述神經(jīng)網(wǎng)絡預測模型進行訓練，直至所述神經(jīng)網(wǎng)絡預測模型的學習速率至預設學習速 率，學習訓練誤差小于預設誤差；
[0020] 對所述已訓練的反向傳播神經(jīng)網(wǎng)絡輸出的數(shù)據(jù)進行反歸一化處理，獲得所述預設 神經(jīng)網(wǎng)絡預測模型。
[0021] 結(jié)合第一方面的第=種可能的實現(xiàn)方式，在第一方面的第四種可能的實現(xiàn)方式 中，所述將所述樣本風速數(shù)據(jù)集合中的每個樣本風速數(shù)據(jù)進行歸一化處理，包括：
[0022] 根據(jù)公式
對所述樣本風速數(shù)據(jù)集合中的每個樣本風 速數(shù)據(jù)進行歸一化處理，其中，d(t)為樣本風速數(shù)據(jù)；v(t)為對樣本數(shù)據(jù)進行歸一化處理 后獲得的數(shù)據(jù)，max(d(t))為樣本風速數(shù)據(jù)集合中風速值最大的樣本風速數(shù)據(jù)，min(d(t)) 為樣本風速數(shù)據(jù)集合中風速值最小的樣本風速數(shù)據(jù)；
[0023] 所述對所述已訓練的反向傳播神經(jīng)網(wǎng)絡輸出的數(shù)據(jù)進行反歸一化處理，包括： 陽024]根據(jù)公式 Y(t) = u(t)*(max(d(t))-min(d(t)))+min(d(t))對所述已訓練的反 向傳播神經(jīng)網(wǎng)絡輸出層輸出的數(shù)據(jù)進行反歸一化處理，其中，u(t)為已訓練的反向傳播神 經(jīng)網(wǎng)絡輸出層輸出的數(shù)據(jù)，max (d (t))為樣本風速數(shù)據(jù)集合中風速值最大的樣本風速數(shù)據(jù)， min (d (t))為樣本風速數(shù)據(jù)集合中風速值最小的樣本風速數(shù)據(jù)。
[0025] 結(jié)合第一方面的第=種可能的實現(xiàn)方式，在第一方面的第五種可能的實現(xiàn)方式 中，所述反向傳播神經(jīng)網(wǎng)絡隱層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)tansig ;
[00%] 所述反向傳播神經(jīng)網(wǎng)絡隱層的輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)logsig。
[0027] 結(jié)合第一方面的第一種可能的實現(xiàn)方式至第五種可能的實現(xiàn)方式，在第一方面的 第六種可能的實現(xiàn)方式中，所述預設神經(jīng)網(wǎng)絡預測模型為：
[0028] V (t) = F (V (t-1)，V (t-2)，V (t-3)，. . .，V (t-M，V (t-N-1)，V (t-N))
[0029] 其中，V(t)為當前時刻的當前風速值，V(t-N)為當前時刻之前的前N時刻的風速 值，V(t-l)為當前時刻之前的前一時刻的風速值，V(t-2)為前一時刻之前的風速值。
[0030] 結(jié)合第一方面，在第一方面的第屯種可能的實現(xiàn)方式中，所述方法還包括：
[0031] 接收用戶輸入的調(diào)節(jié)指令，所述調(diào)節(jié)指令指示空調(diào)系統(tǒng)在自然風模式下的自然風 的風擋等級；
[0032] 根據(jù)預設的風擋等級與風速系數(shù)的對應關系，獲取與所述調(diào)節(jié)指令指示的風擋等 級對應的風速系數(shù)；
[0033] 根據(jù)所述風速系數(shù)獲取空調(diào)系統(tǒng)的最終風速值；
[0034] 根據(jù)所述最終風速值，查詢預設映射表，獲取與所述空調(diào)系統(tǒng)的最終風速值相對 應的第二預設風機轉(zhuǎn)速；
[0035] 根據(jù)所述第二預設風機轉(zhuǎn)速，將所述空調(diào)系統(tǒng)當前的風機轉(zhuǎn)速調(diào)整至所述第二預 設風機轉(zhuǎn)速。
[0036] 第二方面，本發(fā)明實施例提供一種自然風控制裝置，包括：
[0037] 接收單元，用于接收用戶輸入的選擇指令，所述選擇指令指示空調(diào)系統(tǒng)的送風模 式為模擬自然風模式或機械風模式；
[0038] 判斷單元，用于判斷所述空調(diào)系統(tǒng)的送風模式為模擬自然風模式還是機械風模 式；
[0039] 獲取單元，用于在所述判斷單元確定所述空調(diào)系統(tǒng)的送風模式為模擬自然風模式 時，獲取當前時刻之前的前N個時刻的風速值，其中，N為正整數(shù)，且6《N《10 ;
[0040] 計算單元，用于將所述當前時刻之前的前N個時刻的風速值輸入至預設神經(jīng)網(wǎng)絡 預測模型中，得到所述空調(diào)系統(tǒng)的當前風速值；
[0041] 調(diào)整單元，用于根據(jù)所述空調(diào)系統(tǒng)的當前風速值，調(diào)整所述空調(diào)系統(tǒng)的風機轉(zhuǎn)速。
[0042] 結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述調(diào)整單元包括：
[0043] 查詢模塊，用于根據(jù)所述空調(diào)系統(tǒng)的當前風速值，查詢預設映射表，獲取與所述空 調(diào)系統(tǒng)的當前風速值對應的第一預設風機轉(zhuǎn)速；
[0044] 調(diào)整模塊，用于根據(jù)所述第一預設風機轉(zhuǎn)速，將所述空調(diào)系統(tǒng)當前的風機轉(zhuǎn)速調(diào) 整至所述第一預設風機轉(zhuǎn)速。
[0045] 結(jié)合第二方面，在第二方面的第二種可能的實現(xiàn)方式中所述裝置還包括：
[0046] 建模單元，用于建立預設神經(jīng)網(wǎng)絡預測模型。
[0047] 結(jié)合第二方面的第二種可能的實現(xiàn)方式，在第二方面的第=種可能的實現(xiàn)方式中 所述建模單元包括：
[0048] 第一處理模塊，用于獲取樣本風速數(shù)據(jù)集合，并將所述樣本風速數(shù)據(jù)集合中的每 個樣本風速數(shù)據(jù)進行歸一化處理；
[0049] 確定模塊，用于確定反向傳播神經(jīng)網(wǎng)絡的輸入層節(jié)點個數(shù)、隱層節(jié)點個數(shù)及輸出 層節(jié)點個數(shù)W及訓練參數(shù)，得到神經(jīng)網(wǎng)絡預測模型，所述訓練參數(shù)包括預設誤差、初始權(quán)值 和學習速率；
[0050] 訓練模塊，用于將所述樣本風速數(shù)據(jù)輸入至所述輸入層，W所述輸出層輸出的數(shù) 據(jù)為預測值，對所述神經(jīng)網(wǎng)絡預測模型進行訓練，直至所述神經(jīng)網(wǎng)絡預測模型的學習速率 至預設學習速率，學習訓練誤差小于預設誤差；
[0051] 第二處理模塊，用于對所述已訓練的反向傳播神經(jīng)網(wǎng)絡輸出的數(shù)據(jù)進行反歸一化 處理，獲得所述預設神經(jīng)網(wǎng)絡預測模型。
[0052] 結(jié)合第二方面的第=種可能的實現(xiàn)方式，在第二方面