空调器及其控制方法、装置、存储介质和处理器

摘要

本发明公开了一种空调器及其控制方法、装置、存储介质和处理器。该方法包括：获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；通过第一运行参数对空调器进行控制。通过本发明，达到了降低对空调器进行控制的局限性的效果。

权利要求

1.一种空调器的控制方法，其特征在于，包括：

获取第一需求数据，其中，所述第一需求数据用于指示用户对所述空调器的性能的第一需求；

基于神经网络模型对所述第一需求数据进行分析，得到所述空调器的第一运行参数，其中，所述神经网络模型用于建立不同的需求数据与所述空调器的运行参数之间的映射关系；

通过所述第一运行参数对所述空调器进行控制；

其中，在通过第一运行参数对所述空调器进行控制时，所述方法还包括：输出所述空调器在所述第一运行参数控制下的运行状态；

其中，基于神经网络模型对所述第一需求数据进行分析，得到所述空调器的第一运行参数，包括：基于所述第一需求数据对所述神经网络模型进行修正；通过修正后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数。

2.根据权利要求1所述的方法，其特征在于，基于神经网络模型对所述第一需求数据进行分析，得到所述空调器的第一运行参数，包括：基于所述神经网络模型对所述第一需求数据进行分析，确定与所述第一需求数据相关联的所述空调器的至少一个执行器，并获取所述至少一个执行器的所述第一运行参数。

3.根据权利要求1所述的方法，其特征在于，基于所述第一需求数据对所述神经网络模型进行修正，包括：对所述神经网络模型中与所述第一需求数据对应的权重进行修正。

4.根据权利要求3所述的方法，其特征在于，通过修正后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数，包括：通过修正所述权重后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数。

5.根据权利要求4所述的方法，其特征在于，通过修正所述权重后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数，包括：基于修正所述权重后的所述神经网络模型获取与所述第一需求数据对应的温度修正值；

通过所述温度修正值对所述空调器设定的原始温度值进行修正，得到目标温度值；

获取与所述目标温度值对应的所述第一运行参数。

6.根据权利要求1所述的方法，其特征在于，在获取第一需求数据之前，所述方法还包括：获取所述空调器所处的环境的信息、所述空调器的使用对象的信息、第二需求数据，其中，所述第二需求数据用于指示用户对所述空调器的性能的第二需求；

基于所述神经网络模型对所述环境的信息、所述使用对象的信息、所述第二需求数据进行分析，得到所述空调器的第二运行参数；

通过所述第二运行参数对所述空调器进行控制。

7.根据权利要求6所述的方法，其特征在于，获取所述第一需求数据包括：在通过所述第二运行参数对所述空调器进行控制的过程中，获取所述第一需求数据。

8.根据权利要求1至7中任意一项所述的方法，其特征在于，在基于神经网络模型对所述第一需求数据进行分析，得到所述空调器的第一运行参数之前，所述方法还包括：获取样本数据，其中，所述样本数据至少包括：不同的需求数据、与所述不同的需求数据对应的所述空调器的运行参数；

基于子神经网络模型对所述样本数据进行学习，生成所述神经网络模型。

9.根据权利要求1至7中任意一项所述的方法，其特征在于，所述第一需求数据包括：对所述空调器的耗电量进行评价的评价数据，和/或，对所述空调器的舒适性进行评价的评价数据。

10.一种空调器的控制方法，其特征在于，包括：

在交互界面上显示第一需求数据，其中，所述第一需求数据用于指示用户对所述空调器的性能的第一需求；

在所述交互界面上显示第一运行参数，其中，所述第一运行参数为基于神经网络模型对所述第一需求数据进行分析得到，所述神经网络模型用于建立不同的需求数据与所述空调器的运行参数之间的映射关系；

在所述交互界面上显示所述空调器在所述第一运行参数控制下的运行状态；

其中，在通过第一运行参数对所述空调器进行控制时，所述方法还包括：输出所述空调器在所述第一运行参数控制下的运行状态；

其中，所述方法还包括：基于所述第一需求数据对所述神经网络模型进行修正；通过修正后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数。

11.根据权利要求10所述的方法，其特征在于，在交互界面上显示所述第一需求数据之前，所述方法还包括：在所述交互界面上显示所述空调器所处的环境的信息、所述空调器的使用对象的信息、第二需求数据，其中，所述第二需求数据用于指示用户对所述空调器的性能的第二需求；

在所述交互界面上显示第二运行参数，其中，所述第二运行参数为基于所述神经网络模型对所述环境的信息、所述使用对象的信息、所述第二需求数据进行分析得到；

在所述交互界面上显示所述空调器在所述第二运行参数控制下的运行状态。

12.一种空调器的控制装置，其特征在于，包括：

获取单元，用于获取第一需求数据，其中，所述第一需求数据用于指示用户对所述空调器的性能的第一需求；

分析单元，用于基于神经网络模型对所述第一需求数据进行分析，得到所述空调器的第一运行参数，其中，所述神经网络模型用于建立不同的需求数据与所述空调器的运行参数之间的映射关系；

控制单元，用于通过所述第一运行参数对所述空调器进行控制；

其中，所述装置用于在通过第一运行参数对所述空调器进行控制时，输出所述空调器在所述第一运行参数控制下的运行状态；

其中，所述分析单元通过以下步骤来基于神经网络模型对所述第一需求数据进行分析，得到所述空调器的第一运行参数：基于所述第一需求数据对所述神经网络模型进行修正；通过修正后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数。

13.一种空调器的控制装置，其特征在于，包括：

第一显示单元，用于在交互界面上显示第一需求数据，其中，所述第一需求数据用于指示用户对所述空调器的性能的第一需求；

第二显示单元，用于在所述交互界面上显示第一运行参数，其中，所述第一运行参数为基于神经网络模型对所述第一需求数据进行分析得到，所述神经网络模型用于建立不同的需求数据与所述空调器的运行参数之间的映射关系；

第三显示单元，用于在所述交互界面上显示所述空调器在所述第一运行参数控制下的运行状态；

其中，所述装置用于在通过第一运行参数对所述空调器进行控制时，输出所述空调器在所述第一运行参数控制下的运行状态；

其中，所述装置还用于基于所述第一需求数据对所述神经网络模型进行修正；通过修正后的所述神经网络模型对所述第一需求数据进行分析，得到所述第一运行参数。

14.一种空调器，其特征在于，包括权利要求12或13所述的空调器的控制装置。

15.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至11中任意一项所述的方法。

16.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至11中任意一项所述的方法。

说明书

空调器及其控制方法、装置、存储介质和处理器

技术领域

[0001] 本发明涉及空调器领域，具体而言，涉及一种空调器及其控制方法、装置、存储介质和处理器。

背景技术

[0002] 目前，在对空调器进行控制时，通常是通过设定温度值来对其进行控制的，这无法根据用户自身对空调器在使用过程中的性能的需求，来对空调器进行灵活控制，使得对空调器进行控制具有较大的局限性。

[0003] 针对现有技术中对空调器进行控制的局限性大的问题，目前尚未提出有效的解决方案。

发明内容

[0004] 本发明的主要目的在于提供一种空调器及其控制方法、装置、存储介质和处理器，以至少解决对空调器进行控制的局限性大的技术问题。

[0005] 为了实现上述目的，根据本发明的一个方面，提供了一种空调器的控制方法。该方可以包括：获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；通过第一运行参数对空调器进行控制。

[0006] 可选地，在通过第一运行参数对空调器进行控制时，该方法还包括：输出空调器在第一运行参数控制下的运行状态。

[0007] 可选地，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，包括：基于神经网络模型对第一需求数据进行分析，确定与第一需求数据相关联的空调器的至少一个执行器，并获取至少一个执行器的第一运行参数。

[0008] 可选地，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，包括：基于第一需求数据对神经网络模型进行修正；通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0009] 可选地，基于第一需求数据对神经网络模型进行修正，包括：对神经网络模型中与第一需求数据对应的权重进行修正。

[0010] 可选地，通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数，包括：通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0011] 可选地，通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数，包括：基于修正权重后的神经网络模型获取与第一需求数据对应的温度修正值；通过温度修正值对空调器设定的原始温度值进行修正，得到目标温度值；获取与目标温度值对应的第一运行参数。

[0012] 可选地，在获取第一需求数据之前，该方法还包括：获取空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据，其中，第二需求数据用于指示用户对空调器的性能的第二需求；基于神经网络模型对环境的信息、使用对象的信息、第二需求数据进行分析，得到空调器的第二运行参数；通过第二运行参数对空调器进行控制。

[0013] 可选地，获取第一需求数据包括：在通过第二运行参数对空调器进行控制的过程中，获取第一需求数据。

[0014] 可选地，在基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数之前，该方法还包括：获取样本数据，其中，样本数据至少包括：不同的需求数据、与不同的需求数据对应的空调器的运行参数；基于子神经网络模型对样本数据进行学习，生成神经网络模型。

[0015] 可选地，第一需求数据包括：对空调器的耗电量进行评价的评价数据，和/或，对空调器的舒适性进行评价的评价数据。

[0016] 为了实现上述目的，根据本发明的另一方面，还提供了一种空调器的控制方法。该方法可以包括：在交互界面上显示第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；在交互界面上显示第一运行参数，其中，第一运行参数为基于神经网络模型对第一需求数据进行分析得到，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；在交互界面上显示空调器在第一运行参数控制下的运行状态。

[0017] 可选地，该方法还包括：基于第一需求数据对神经网络模型进行修正；通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0018] 可选地，在交互界面上显示第一需求数据之前，该方法还包括：在交互界面上显示空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据，其中，第二需求数据用于指示用户对空调器的性能的第二需求；在交互界面上显示第二运行参数，其中，第二运行参数为基于神经网络模型对环境的信息、使用对象的信息、第二需求数据进行分析得到；在交互界面上显示空调器在第二运行参数控制下的运行状态。

[0019] 为了实现上述目的，根据本发明的另一方面，还提供了一种空调器的控制装置。该装置可以包括：获取单元，用于获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；分析单元，用于基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；控制单元，用于通过第一运行参数对空调器进行控制。

[0020] 为了实现上述目的，根据本发明的另一方面，还提供了一种空调器的控制装置。该装置可以包括：第一显示单元，用于在交互界面上显示第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；第二显示单元，用于在交互界面上显示第一运行参数，其中，第一运行参数为基于神经网络模型对第一需求数据进行分析得到，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；第三显示单元，用于在交互界面上显示空调器在第一运行参数控制下的运行状态。

[0021] 为了实现上述目的，根据本发明的另一方面，还提供了一种空调器。该空调器可以包括本发明实施例的空调器的控制装置。

[0022] 为了实现上述目的，根据本发明的另一方面，还提供了一种存储介质。该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行本发明实施例的空调器的控制方法。

[0023] 为了实现上述目的，根据本发明的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的空调器的控制方法。

[0024] 通过本发明，采用获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；通过第一运行参数对空调器进行控制。也就是说，本发明基于神经网络模型对用户输入的需求数据进行分析，得到对空调器进行控制的运行参数，以满足用户需求，避免了无法根据用户自身对空调器在使用过程中的性能的需求，来对空调器进行灵活控制，从而解决了对空调器进行控制的局限性大的技术问题，进而达到了降低对空调器进行控制的局限性的技术效果。

附图说明

[0025] 构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

[0026] 图1是根据本发明实施例的一种空调器的控制方法的流程图；

[0027] 图2是根据本发明实施例的另一种空调器的控制方法的流程图；

[0028] 图3是根据本发明实施例的一种基于神经网络模型确定空调器的运行参数的示意图；

[0029] 图4是根据本发明实施例的一种基于评价数据修正内部设定温度的示意图；

[0030] 图5是根据本发明实施例的一种空调器的控制装置的示意图；以及

[0031] 图6是根据本发明实施例的另一种空调器的控制装置的示意图。

具体实施方式

[0032] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

[0033] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

[0034] 需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0035] 实施例1

[0036] 本发明实施例提供了一种空调器的控制方法。

[0037] 图1是根据本发明实施例的一种空调器的控制方法的流程图。如图1所示，该方法可以包括以下步骤：

[0038] 步骤S102，获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求。

[0039] 在本发明上述步骤S102提供的技术方案中，可以在空调器运行的过程中，获取第一需求数据，该第一需求数据可以是用于指示舒适性需求的数据，该舒适性可以是热舒适性，第一需求数据还可以是用于指示空调器的耗电量需求的数据，此处不做限制。

[0040] 可选地，该实施例可以通过与空调器建立通讯连接的输入端来获取第一需求数据，比如，该输入端可以为智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备，可选地，该实施例通过终端设备上安装的应用(Application，简称为APP)来获取第一需求数据。

[0041] 步骤S104，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数。

[0042] 在本发明上述步骤S104提供的技术方案中，获取第一需求数据之后，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系。

[0043] 在该实施例中，可以预先训练好合适的神经网络模型，该神经网络模型为空调器自身的智能模块，可以用于建立不同的需求数据与空调器的运行参数之间的映射关系，也即，通过用户的需求数据可以映射得到空调器的运行参数。

[0044] 该实施例可以将第一需求数据作为神经网络模型的输入层，将第一运行参数的输出层，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，该第一运行参数为按照第一需求数据为用户定制的对空调器进行控制的最优控制参数，可以包括空调器的压缩机的频率、内风机的转速、导风板的角度、外风机的转速、膨胀阀的开度等执行器的最优控制参数，还可以调节室内温度、风速等参数，从而使得空调器处于最优运行状态；可选地，该实施例通过对第一需求数据经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理，将处理后得到的经由神经网络模型通过神经网络算法进行处理，得到空调器的第一运行参数。

[0045] 步骤S106，通过第一运行参数对空调器进行控制。

[0046] 在本发明上述步骤S106提供的技术方案中，在基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数之后，按照第一运行参数对空调器进行控制，使得最终的控制结果可以与第一需求数据所指示的需求相匹配，从而避免了无法根据用户自身的需求来对空调器进行控制，从而达到满足用户需求的目的，降低了对空调器进行控制的局限性。

[0047] 下面对该实施例的上述方法进行进一步地说明。

[0048] 作为一种可选的实施方式，在步骤S106，通过第一运行参数对空调器进行控制时，该方法还包括：输出空调器在第一运行参数控制下的运行状态。

[0049] 在该实施例中，在通过第一运行参数对空调器进行控制的过程中，可以实时地输出空调器在第一运行参数控制下的运行状态，该运行状态也即对空调器按照第一运行参数进行控制的当前控制状态，从而达到向用户反馈当前控制状态的目的，以使用户确定是否真正达到的自身需求。

[0050] 作为一种可选的实施方式，步骤S104，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，包括：基于神经网络模型对第一需求数据进行分析，确定与第一需求数据相关联的空调器的至少一个执行器，并获取至少一个执行器的第一运行参数。

[0051] 在该实施例中，为了满足用户的需求，需要空调器的多个执行器参与其中。在基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数时，可以基于神经网络模型对第一需求数据进行分析，确定与第一需求数据相关联的空调器的至少一个执行器，比如，该执行器可以为压缩机、内风机、外风机、膨胀阀、挡风板等。在确定与第一需求数据相关联的空调器的至少一个执行器后，获取该至少一个执行器的第一运行参数，比如，压缩机的频率、内风机的转速、外风机的转速、膨胀阀的开度、挡风板的角度等运行参数，也即，需要压缩机的频率、内风机的转速、外风机的转速、膨胀阀的开度、挡风板的状态等运行参数共同对空调器进行控制，才可以达到用户的需求。

[0052] 作为一种可选的实施方式，步骤S104，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，包括：基于第一需求数据对神经网络模型进行修正；通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0053] 在该实施例中，在获取第一需求数据之后，可以通过第一需求数据对神经网络模型进行修正，比如，在空调器运行一段时间后，用户可通过APP评价空调器的耗电量、室内热舒适性等需求数据，将其反馈给空调器，空调器根据第一需求数据对神经网络模型进行修正。在基于第一需求数据对神经网络模型进行修正之后，通过修正后的神经网络模型对第一需求数据进行进一步分析，以得到第一运行参数。

[0054] 作为一种可选的实施方式，基于第一需求数据对神经网络模型进行修正，包括：对神经网络模型中与第一需求数据对应的权重进行修正；通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数，包括：通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0055] 在该实施例中，在基于第一需求数据对神经网络模型进行修正时，可以通过第一需求数据对神经网路模型中与第一需求数据对应的权重进行修改，比如，通过APP输入的耗电量需求数据、舒适性需求数据，神经网络模型可以自行调节耗电量需求数据对应的权重、舒适性需求数据对应的权重，从而通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数，进而按照第一运行参数对空调器进行控制，从而满足个性差异化需求。

[0056] 作为一种可选的实施方式，通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数，包括：基于修正权重后的神经网络模型获取与第一需求数据对应的温度修正值；通过温度修正值对空调器设定的原始温度值进行修正，得到目标温度值；获取与目标温度值对应的第一运行参数。

[0057] 在该实施例中，基于修正权重后的神经网络模型来调整空调器的内部设定温度，可选地，该实施例基于修改权重后的神经网络模型获取与第一需求数据对应的温度修正值，比如，分别获取与空调器耗电量需求数据对应的温度修正值和与舒适性需求数据对应的温度修正值。在基于修正权重后的神经网络模型获取与第一需求数据对应的温度修正值之后，通过温度修正值对空调器设定的原始温度值进行修正，得到目标温度值，其中，空调器设定的原始温度值也即上述空调器的内部设定温度。在将原始温度值修正为目标温度值之后，获取与目标温度值对应的用于对空调器进行控制的第一运行参数。

[0058] 作为一种可选的实施方式，在步骤S102，获取第一需求数据之前，该方法还包括：获取空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据，其中，第二需求数据用于指示用户对空调器的性能的第二需求；基于神经网络模型对环境的信息、使用对象的信息、第二需求数据进行分析，得到空调器的第二运行参数；通过第二运行参数对空调器进行控制。

[0059] 在该实施例中，在获取第一需求数据之前，比如，在空调器开始运行时，可以获取空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据。可选地，该实施例可以通过设置在空调器上的检测传感器来检测室内外环境，得到环境的信息；该实施例还可以通过热成像仪或摄像头来采集空调器所处的环境内的使用对象的信息，比如，获取人员数量、人员位置、人员体温等信息；该实施例可以通过用户自己输入对空调器的第二需求数据，该第二需求数据可以是耗电量需求数据、舒适性需求数据，其中，耗电量需求数据可以是具体耗电量限值，舒适性需求数据可以是用于反映热舒适性需求状况的数据。

[0060] 在获取空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据之后，将空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据输入值神经网络模型中进行处理。可选地，先对空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理，得到处理结果，然后对处理结果采用神经网络算法进行处理，从而得到空调器的第二运行参数，进而通过第二运行参数对空调器进行控制。

[0061] 作为一种可选的实施方式，步骤S102，获取第一需求数据包括：在通过第二运行参数对空调器进行控制的过程中，获取第一需求数据。

[0062] 在该实施例中，在通过第二运行参数对空调器进行控制的过程中，如果通过第二运行参数对空调器进行控制的结果还满足不了用户的需求，则获取第一需求数据，比如，空调器安装有电量检测装置，在空调器上可以显示通过电量检测装置检测到的空调器在第二运行参数控制下的耗电量，用户可以对其进行查看，以确定是否满足自身的需求，如果没有满足，可以重新设置耗电量需求数据，空调器重新获取耗电量需求数据，进而输出针对于耗电量需求数据的第一运行参数，从而实现为用户定制特殊运行模式目的。

[0063] 作为一种可选的实施方式，在步骤S104，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数之前，该方法还包括：获取样本数据，其中，样本数据至少包括：不同的需求数据、与不同的需求数据对应的空调器的运行参数；基于子神经网络模型对样本数据进行学习，生成神经网络模型。

[0064] 在该实施例中，在基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数之前，需要预先训练好神经网络模型。该实施例可以预先采集大量的样本数据，该样本数据也即试验数据，可以包括不同的需求数据、与不同的需求数据对应的空调器的运行参数。

[0065] 在获取样本数据之后，基于子神经网络模型对样本数据进行学习，该子神经网络模型为初始建立的神经网络模型，可以将不同的需求数据作为子神经网络模型的输入层，将与不同的需求数据对应的空调器的运行参数作为子神经网络模型的输出层，隐藏层可以为多层，包括多个隐藏节点，优选地，隐藏层为一层，每一层的全职神经网络模型的训练利用上述大量的样本数据进行。

[0066] 作为一种可选的实施方式，第一需求数据包括：对空调器的耗电量进行评价的评价数据，和/或，对空调器的舒适性进行评价的评价数据。

[0067] 在该实施例中，第一需求数据可以为用户对空调器的耗电量进行评价的评价数据，比如，耗电、一般、节能等评价数据，每一评价数据可以具有对应的标识，比如，耗电的标识可以为+2、可接受可以为+1、节能的标识可以为+0；对空调器的舒适性进行评价的评价数据可以为较冷、冷、舒适、热、较热等评价数据，较冷的标识可以为+2、冷的标识可以为+1、舒适的标识可以为+0、热的标识可以为-1、较热的标识可以为-2。

[0068] 需要说明的是该实施例的上述评价数据仅为本发明实施例的一种举例，并不代表本发明实施例的评价数据仅为上述，任何可以用于对空调器的耗电量进行评价的评价数据，和/或，对空调器的舒适性进行评价的评价数据都在该实施例的范围之内，此处不再一一举例说明。

[0069] 在该实施例中，采用获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求；基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系；通过第一运行参数对空调器进行控制。也就是说，该实施例基于神经网络模型对用户输入的需求数据进行分析，得到对空调器进行控制的运行参数，以满足用户需求，避免了无法根据用户自身对空调器在使用过程中的性能的需求，来对空调器进行灵活控制，从而解决了对空调器进行控制的局限性大的技术问题，进而达到了降低对空调器进行控制的局限性的技术效果。

[0070] 本发明实施例还从用户交互角度，提供了另一种空调器的控制方法。

[0071] 图2是根据本发明实施例的另一种空调器的控制方法的流程图。如图2所示，该方法可以包括以下步骤：

[0072] 步骤S202，在交互界面上显示第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求。

[0073] 在该实施例中，可以在空调器运行的过程中，获取并在交互界面上显示第一需求数据，该第一需求数据可以是用于指示舒适性需求的数据，该舒适性可以是热舒适性，第一需求数据还可以是用于指示空调器的耗电量需求的数据，此处不做限制。

[0074] 可选地，该实施例可以通过与空调器建立通讯连接的输入端来获取第一需求数据，并在交互界面上显示获取到的第一需求数据。

[0075] 步骤S204，在交互界面上显示第一运行参数，其中，第一运行参数为基于神经网络模型对第一需求数据进行分析得到。

[0076] 在本发明上述步骤S204提供的技术方案中，在交互界面上显示第一需求数据之后，可以在交互界面上显示第一运行参数，该第一运行参数为基于神经网络模型对第一需求数据进行分析得到，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系。

[0077] 在该实施例中，可以预先训练好合适的神经网络模型，该神经网络模型为空调器自身的智能模块，可以用于建立不同的需求数据与空调器的运行参数之间的映射关系，也即，通过用户的需求数据可以映射得到空调器的运行参数。

[0078] 该实施例可以将第一需求数据作为神经网络模型的输入层，将第一运行参数的输出层，基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，并输出至交互界面，在交互界面上显示第一运行参数，该第一运行参数为按照第一需求数据为用户定制的对空调器进行控制的最优控制参数，可以包括空调器的压缩机的频率、内风机的转速、导风板的角度、外风机的转速、膨胀阀的开度等执行器的最优控制参数；可选地，该实施例通过对第一需求数据经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理，将处理后得到的经由神经网络模型通过神经网络算法进行处理，从而得到空调器的第一运行参数。

[0079] 步骤S206，在交互界面上显示空调器在第一运行参数控制下的运行状态。

[0080] 在本发明上述步骤S206提供的技术方案中，在交互界面上显示第一运行参数之后，按照第一运行参数对空调器进行控制，在交互界面上显示空调器在第一运行参数控制下的运行状态。

[0081] 该实施例可以在通过第一运行参数对空调器进行控制的过程中，实时地在交互界面上显示空调器在第一运行参数控制下的运行状态，该运行状态也即对空调器按照第一运行参数进行控制的当前控制状态，从而达到向用户反馈当前控制状态的目的，以使用户确定是否真正达到的自身需求，使得最终的控制结果可以与第一需求数据所指示的需求相匹配，从而避免了无法根据用户自身的需求来对空调器进行控制，从而达到满足用户需求的目的，降低了对空调器进行控制的局限性。

[0082] 作为一种可选的实施方式，该方法还包括：基于第一需求数据对神经网络模型进行修正；通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0083] 在该实施例中，在交互界面上显示第一需求数据之后，可以通过第一需求数据对神经网络模型进行修正，比如，在空调器运行一段时间后，用户可通过APP评价空调器的耗电量、室内热舒适性等需求数据，将其反馈给空调器，空调器根据第一需求数据对神经网络模型进行修正。在基于第一需求数据对神经网络模型进行修正之后，通过修正后的神经网络模型对第一需求数据进行进一步分析，将得到第一运行参数输出至交互界面进行显示。

[0084] 作为一种可选的实施方式，在交互界面上显示第一需求数据之前，该方法还包括：在交互界面上显示空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据，其中，第二需求数据用于指示用户对空调器的性能的第二需求；在交互界面上显示第二运行参数，其中，第二运行参数为基于神经网络模型对环境的信息、使用对象的信息、第二需求数据进行分析得到；在交互界面上显示空调器在第二运行参数控制下的运行状态。

[0085] 在该实施例中，在步骤S202，交互界面上第一需求数据之前，比如，在空调器开始运行时，可以获取并在交互界面上显示空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据。可选地，该实施例可以通过设置在空调器上的检测传感器来检测室内外环境，得到环境的信息；该实施例还可以通过热成像仪或摄像头来采集空调器所处的环境内的使用对象的信息，比如，获取人员数量、人员位置、人员体温等信息；该实施例可以通过用户自己输入对空调器的第二需求数据，该第二需求数据可以是耗电量需求数据、舒适性需求数据，其中，耗电量需求数据可以是具体耗电量限值，舒适性需求数据可以是用于反映热舒适性需求状况的数据。

[0086] 在交互界面上显示空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据之后，可以将空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据输入值神经网络模型中进行处理。可选地，先对空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理，得到处理结果，然后对处理结果采用神经网络算法进行处理，从而得到空调器的第二运行参数，并在交互界面上显示该第二运行参数，进而通过第二运行参数对空调器进行控制。

[0087] 该实施例通过在交互界面上显示第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求，在交互界面上显示第一运行参数，该第一运行参数为基于神经网络模型对第一需求数据进行分析得到，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系，按照第一运行参数对空调器进行控制，在交互界面上显示空调器在第一运行参数控制下的运行状态。也就是说，该实施例基于神经网络模型对用户输入的需求数据进行分析，得到对空调器进行控制的运行参数，以满足用户需求，避免了无法根据用户自身对空调器在使用过程中的性能的需求，来对空调器进行灵活控制，从而解决了对空调器进行控制的局限性大的技术问题，进而达到了降低对空调器进行控制的局限性的技术效果。

[0088] 需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

[0089] 实施例2

[0090] 下面结合优选的实施例对本发明的技术方案进行举例说明。

[0091] 在该实施例中，空调器安装有电量检测装置，可以显示空调器的耗电量，便于用户查看，用户通过App等输入端，对空调器的耗电量进行评价，比如，不可接受、可接受、一般、节能等评价数据，还可以对空调启动舒适性进行评价，比如，冷、凉、稍凉、适中、稍暖、暖、热等评价数据，将评价数据传输至空调器的智能模块中神经网络模型，通过神经网络模型对上述数据进行处理，输出目标运行参数，通过目标运行参数来控制空调器的压缩机、内风机、外风机、膨胀阀等执行器运行，以满足用户需求，还可以向用户反馈当前的控制状态，从而达到为用户定制特殊模式的目的。

[0092] 图3是根据本发明实施例的一种基于神经网络模型确定空调器的运行参数的示意图。如图3所示，该实施例的神经网络模型包括输入层、隐藏层、输出层。其中，隐藏层包括多个隐藏节点，比如，隐藏节点1、隐藏节点2……隐藏节点n。

[0093] 首先，将采集的数据输入至神经网络模型的输入层，可以将空调耗电量需求的数据、热舒适性需求的数据、室内外环境的数据、室内人员信息以及其它信息等输入至神经网络模型的输入层。可选地，该实施例可以使用热成像仪或摄像头来采集空调器所处的房间内的人员，可以获取人员的数量、人员的位置、体温等室内人员信息；使用空调器自身设置的检测传感器检测室内外环境，再通过用户自己输入对空调器的耗电量需求(—具体耗电量限值)以及反馈热舒适性需求状况。

[0094] 在将采集的数据输入至神经网络模型的输入层之后，在隐藏层对数据进行处理。该实施例将上述采集的数据输入至空调器内部的智能模块，采用神经网络算法，即通过经过归一化等线性处理及对数变换、平方根变换、立方根等非线性处理，将处理后得到的数据通过神经网络算法进行处理，得到处理结果，该处理结果可以包括空调压缩机频率、内风机转速、导风板角度、外风机转速、膨胀阀开度等其它用于对空调器进行控制的最优运行参数。

[0095] 在对数据进行处理之后，通过神经网络模型的输出层输出处理结果，可以输出空调压缩机频率、内风机转速、导风板角度、外风机转速、膨胀阀开度等用于对空调器进行控制的最优运行参数。

[0096] 在空调器按照上述最优运行参数运行的过程中，用户还可以反馈修正目标设定温度。图4是根据本发明实施例的一种基于评价数据修正内部设定温度的示意图。如图4所示，在空调器运行一段时间之后，用户可以通过APP输入空调器的耗电量评价数据(比如，耗电+2、一般+1、节能+0)、热舒适性评价数据(比如，较冷+2、冷+1、舒适+0、热-1、较热-2)，反馈给空调器，空调器可以基于耗电量评价数据得到对应的温度修正值Δt1，基于热舒适性评价数据得到对应的温度修正值Δt2，进而通过与耗电量评价数据对应的温度修正值、与热舒适性评价数据对应的温度修正值来修正内部设定温度。

[0097] 可选地，在该实施例中，通过上述评价数据对神经网络模型进行修正，可以自行调节耗电量与热舒适性的权重，进而调整内部设定温度，得到空调器的各执行器在运行时的最优运行参数，以满足个性差异化需求，使得用户对空调耗电量、热舒适性评价度越来越高，从而提升了用户体验。

[0098] 在该实施例中，用户在使用空调器的过程中，可以根据自身的热舒适性对室内环境进行评价，并根据自身对空调器的耗电量的需求对空调器的电量进行管理规划，空调器可以采集相应信息，利用智能模块中的神经网络算法模型，来调节室内温度、风速等参数，从而实现空调器处于最佳运行状态，这样用户可根据自身的需求，对室内环境状态及空调电量提出要求，从而实现同时满足用户电量及热舒适性的需求的目的。

[0099] 实施例3

[0100] 本发明还提供了一种空调器的控制装置。需要说明的是，该实施例的空调器的控制装置可以用于执行本发明实施例的图1所示的空调器的控制方法。

[0101] 图5是根据本发明实施例的一种空调器的控制装置的示意图。如图5所示，该空调器的控制装置50可以包括：获取单元51、分析单元52和控制单元53。

[0102] 获取单元51，用于获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求。

[0103] 分析单元52，用于基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系。

[0104] 控制单元53，用于通过第一运行参数对空调器进行控制。

[0105] 可选地，该装置还包括：输出单元，用于在通过第一运行参数对空调器进行控制时，输出空调器在第一运行参数控制下的运行状态。

[0106] 可选地，分析单元52包括：处理模块，用于基于神经网络模型对第一需求数据进行分析，确定与第一需求数据相关联的空调器的至少一个执行器，并获取至少一个执行器的第一运行参数。

[0107] 可选地，分析单元52包括：修正模块，用于基于第一需求数据对神经网络模型进行修正；分析模块，用于通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0108] 可选地，修正模块包括：修正子模块，用于对神经网络模型中与第一需求数据对应的权重进行修正。

[0109] 可选地，分析模块包括：分析子模块，用于通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0110] 可选地，分析子模块还用于通过以下步骤来实现通过修正权重后的神经网络模型对第一需求数据进行分析，得到第一运行参数：基于修正权重后的神经网络模型获取与第一需求数据对应的温度修正值；通过温度修正值对空调器设定的原始温度值进行修正，得到目标温度值；获取与目标温度值对应的第一运行参数。

[0111] 可选地，该装置还包括：第一获取单元，用于在获取第一需求数据之前，获取空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据，其中，第二需求数据用于指示用户对空调器的性能的第二需求；第一分析单元，用于基于神经网络模型对环境的信息、使用对象的信息、第二需求数据进行分析，得到空调器的第二运行参数；第一控制单元，用于通过第二运行参数对空调器进行控制。

[0112] 可选地，获取单元51包括：获取模块，用于在通过第二运行参数对空调器进行控制的过程中，获取第一需求数据。

[0113] 可选地，该装置还包括：第二获取单元，用于在基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数之前，获取样本数据，其中，样本数据至少包括：不同的需求数据、与不同的需求数据对应的空调器的运行参数；训练单元，用于基于子神经网络模型对样本数据进行学习，生成神经网络模型。

[0114] 可选地，该实施例的第一需求数据包括：对空调器的耗电量进行评价的评价数据，和/或，对空调器的舒适性进行评价的评价数据。

[0115] 该装置通过获取单元51获取第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求，通过分析单元52基于神经网络模型对第一需求数据进行分析，得到空调器的第一运行参数，其中，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系，通过控制单元53通过第一运行参数对空调器进行控制。也就是说，该实施例基于神经网络模型对用户输入的需求数据进行分析，得到对空调器进行控制的运行参数，以满足用户需求，解决了对空调器进行控制的局限性大的技术问题，达到了降低对空调器进行控制的局限性的技术效果。

[0116] 本发明还提供了另一种空调器的控制装置。需要说明的是，该实施例的空调器的控制装置可以用于执行本发明实施例的图2所示的空调器的控制方法。

[0117] 图6是根据本发明实施例的另一种空调器的控制装置的示意图。如图6所示，该空调器的控制装置60可以包括：第一显示单元61、第二显示单元62和第三显示单元63。

[0118] 第一显示单元61，用于在交互界面上显示第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求。

[0119] 第二显示单元62，用于在交互界面上显示第一运行参数，其中，第一运行参数为基于神经网络模型对第一需求数据进行分析得到，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系。

[0120] 第三显示单元63，用于在交互界面上显示空调器在第一运行参数控制下的运行状态。

[0121] 可选地，该装置还包括：修正单元，用于基于第一需求数据对神经网络模型进行修正；分析单元，用于通过修正后的神经网络模型对第一需求数据进行分析，得到第一运行参数。

[0122] 可选地，该装置还包括：第四显示单元，用于在交互界面上显示第一需求数据之前，在交互界面上显示空调器所处的环境的信息、空调器的使用对象的信息、第二需求数据，其中，第二需求数据用于指示用户对空调器的性能的第二需求；第五显示单元，用于在交互界面上显示第二运行参数，其中，第二运行参数为基于神经网络模型对环境的信息、使用对象的信息、第二需求数据进行分析得到；第六显示单元，用于在交互界面上显示空调器在第二运行参数控制下的运行状态。

[0123] 该实施例通过第一显示单元61在交互界面上显示第一需求数据，其中，第一需求数据用于指示用户对空调器的性能的第一需求，通过第二显示单元62在交互界面上显示第一运行参数，其中，第一运行参数为基于神经网络模型对第一需求数据进行分析得到，神经网络模型用于建立不同的需求数据与空调器的运行参数之间的映射关系，通过第三显示单元63在交互界面上显示空调器在第一运行参数控制下的运行状态。也就是说，该实施例基于神经网络模型对用户输入的需求数据进行分析，得到对空调器进行控制的运行参数，以满足用户需求，解决了对空调器进行控制的局限性大的技术问题，达到了降低对空调器进行控制的局限性的技术效果。

[0124] 实施例4

[0125] 本发明实施例还提供了一种空调器，该空调器可以包括本发明实施例的空调器的出风温度的确定装置。

[0126] 实施例5

[0127] 本发明实施例还提供了一种存储介质。该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行本发明实施例的空调器的出风温度的确定方法。

[0128] 实施例6

[0129] 本发明实施例还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的空调器的出风温度的确定方法。

[0130] 显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

[0131] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。