用于空调的控制方法、装置和服务器

摘要

本申请涉及智能家电技术领域，公开一种用于空调的控制方法，包括：获得同一地区、同一机型的多个空调的故障类型和故障相关参数之间的故障关联关系；在多个空调中存在故障空调的情况下，获得故障空调的目标运行参数；根据目标运行参数，从故障关联关系中确定目标故障类型，并向故障空调关联的用户发出提醒。这样可以及时发现空调故障，并且无需人工检测，因此可以节约维修人员的维修时间，提高用户的使用体验。本申请还公开一种用于空调的控制装置和服务器。

权利要求

1.一种用于空调的控制方法，其特征在于，包括：获得同一地区、同一机型的多个空调的故障类型和故障相关参数之间的故障关联关系；

在所述多个空调中存在故障空调的情况下，获得所述故障空调的目标运行参数；

根据所述目标运行参数，从所述故障关联关系中确定目标故障类型，并向所述故障空调关联的用户发出提醒；

其中，所述故障关联关系包括根据所述故障相关参数确定所述故障类型的故障预测模型，所述故障预测模型通过如下方式获得：获得用于训练所述故障预测模型的样本，所述样本包括已标注故障类型的所述多个空调的故障标注参数；

将所述故障标注参数输入至初始预测模型，并将所述故障标注参数对应的故障类型作为所述初始预测模型的输出，以对所述初始预测模型进行训练，得到所述故障预测模型；

从所述故障标注参数中确定异常参数，并剔除所述异常参数；

采用剔除所述异常参数后的样本训练所述故障预测模型；

所述从所述故障标注参数中确定异常参数，包括：按照预设参数类型对所述故障标注参数分类，并获得各类故障标注参数对应的四分位数；

根据各所述四分位数，确定所述各类故障标注参数中的异常参数；

所述获得各类故障标注参数对应的四分位数，包括：分别将各类故障标注参数从小到大排列；

将排列后的各类故障标注参数四等分，获得各类故障标注参数对应的上四分位数和下四分位数。

2.根据权利要求1所述的控制方法，其特征在于，所述对所述初始预测模型进行训练，得到所述故障预测模型，包括：将所述样本分为训练样本和测试样本；

采用所述训练样本训练所述故障预测模型，并采用所述测试样本测试所述故障预测模型，得到测试结果；

在所述测试结果的准确度小于预设准确度的情况下，继续采用所述训练样本训练所述故障预测模型。

3.根据权利要求1所述的控制方法，其特征在于，所述根据所述目标运行参数，从所述故障关联关系中确定目标故障类型，包括：将所述目标运行参数输入至所述故障预测模型，得到所述故障预测模型输出的目标故障类型。

4.根据权利要求1所述的控制方法，其特征在于，所述根据各所述四分位数，确定所述各类故障标注参数中的各类异常参数，包括：根据所述各类故障标注参数对应的上四分位数和下四分位数，确定所述各类故障标注参数对应的第一阈值和第二阈值；

在一个或多个故障标注参数大于各自对应的第一阈值或者小于各自对应的第二阈值的情况下，将所述一个或多个故障标注参数确定为所述异常参数。

5.根据权利要求4所述的控制方法，其特征在于，所述第一阈值通过如下方式获得：

Out1＝Q3+a×(Q3‑Q1)

其中，Out1为所述第一阈值，Q3为所述上四分位数，Q1为所述下四分位数，a为异常系数；

和/或，

所述第二阈值通过如下方式获得：

Out2＝Q1‑a×(Q3‑Q1)

其中，Out2为所述第二阈值，Q3为所述上四分位数，Q1为所述下四分位数，a为异常系数。

6.一种用于空调的控制装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至5任一项所述的用于空调的控制方法。

7.一种服务器，其特征在于，包括如权利要求6所述的用于空调的控制装置。

说明书

用于空调的控制方法、装置和服务器

技术领域

[0001] 本申请涉及智能家电技术领域，例如涉及一种用于空调的控制方法、装置和服务器。

背景技术

[0002] 随着科技的进步和人们生活水平的提高，越来越多的人开始关注智能家居的发展，追求更智能化的家电控制体验。以空调为例，由于受成本、安装调试以及外界环境等因素的影响，空调会逐渐出现各种问题，如排气温度过高或过低、冷媒泄露和管路震裂等故障。

[0003] 现有的空调维修方案中，当空调出现故障时，用户需要请维修人员上门对空调进行故障检测，因此比较考验维修人员的维修能力，而且比较浪费时间，容易影响用户的使用体验。

发明内容

[0004] 为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

[0005] 本公开实施例提供了一种用于空调的控制方法、装置和服务器，以自动对空调进行故障检测，无需人工检测，从而节约维修时间，提高用户的使用体验。

[0006] 在一些实施例中，所述用于空调的控制方法包括：获得同一地区、同一机型的多个空调的故障类型和故障相关参数之间的故障关联关系；在多个空调中存在故障空调的情况下，获得故障空调的目标运行参数；根据目标运行参数，从故障关联关系中确定目标故障类型，并向故障空调关联的用户发出提醒。

[0007] 在一些实施例中，所述用于空调的控制装置包括处理器和存储有程序指令的存储器；处理器被配置为在执行程序指令时，执行上述的用于空调的控制方法。

[0008] 在一些实施例中，所述服务器包括上述的用于空调的控制装置。

[0009] 本公开实施例提供的用于空调控制的方法、装置和服务器，可以实现以下技术效果：

[0010] 通过获取同一地区、同一机型的多个空调的故障类型和故障相关参数之间的关联关系，以根据故障空调的目标运行参数，从关联关系中确定目标故障类型，从而实现空调故障的自动检测。和现有技术相比，这样可以及时发现空调故障，并且无需人工检测，因此可以节约维修人员的维修时间，提高用户的使用体验。

[0011] 以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

[0012] 一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

[0013] 图1是本公开实施例提供的一个用于空调的控制方法的流程图；

[0014] 图2是本公开实施例提供的一个用于空调的控制方法的流程图；

[0015] 图3是本公开实施例提供的一个用于空调的控制装置的示意图。

具体实施方式

[0016] 为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。
然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

[0017] 本公开实施例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，以便这里描述的本公开实施例的实施例。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。

[0018] 除非另有说明，术语“多个”表示两个或两个以上。

[0019] 本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

[0020] 术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

[0021] 术语“对应”可以指的是一种关联关系或绑定关系，A与B相对应指的是A与B之间是一种关联关系或绑定关系。

[0022] 本公开实施例中，智能家电设备是指将微处理器、传感器技术、网络通信技术引入家电设备后形成的家电产品，具有智能控制、智能感知及智能应用的特征，智能家电设备的运作过程往往依赖于物联网、互联网以及电子芯片等现代技术的应用和处理，例如智能家电设备可以通过连接电子设备，实现用户对智能家电设备的远程控制和管理。

[0023] 公开实施例中，终端设备是指具有无线连接功能的电子设备，终端设备可以通过连接互联网，与如上的智能家电设备进行通信连接，也可以直接通过蓝牙、wifi等方式与如上的智能家电设备进行通信连接。在一些实施例中，终端设备例如为移动设备、电脑、或悬浮车中内置的车载设备等，或其任意组合。移动设备例如可以包括手机、智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备等，或其任意组合，其中，可穿戴设备例如包括：智能手表、智能手环、计步器等。

[0024] 本公开实施例提供的用于空调的控制方法，应用于与多个空调分别建立通信关系的服务器。如此，服务器可以方便、及时地采集多个空调的运行数据。

[0025] 图1是本公开实施例提供的一个用于空调的控制方法的流程图。结合图1所示，本公开实施例提供一种用于空调的控制方法，可以包括：

[0026] S11，处理器获得同一地区、同一机型的多个空调的故障类型和故障相关参数之间的故障关联关系。

[0027] 这里，故障相关参数，可以体现为与不同故障强相关的空调运行参数。在实际应用过程中，若发生压缩机排气保护故障，则与该故障强相关的空调运行参数可以是压缩机运行频率、膨胀阀开度以及室外环境温度。

[0028] 可选地，故障关联关系包括根据故障相关参数确定故障类型的故障预测模型，故障预测模型可以通过如下方式获得：处理器获得用于训练故障预测模型的样本，样本包括已标注故障类型的多个空调的故障标注参数；处理器将故障标注参数输入至初始预测模型，并将故障标注参数对应的故障类型作为初始预测模型的输出，以对初始预测模型进行训练，得到故障预测模型。这样，将模型算法引入故障检测逻辑中，有助于自动、及时地对空调进行故障检测，从而无需人工检测，可以节约维修人员的维修时间，提高用户的使用体验。

[0029] 这里，故障类型可以通过不同的标识信息标注。例如是，冷媒泄露故障标注为“1”，排气温度保护故障标注为“2”，管路震裂故障标注为“3”，本公开实施例对此可不做具体限定。

[0030] 初始预测模型可以是根据机器学习算法确定的预测模型，具体可以是K近邻算法、朴素贝叶斯算法、支持向量机算法等。

[0031] 具体地，处理器对初始预测模型进行训练，得到故障预测模型，可以包括：处理器将样本分为训练样本和测试样本；处理器采用训练样本训练故障预测模型，并采用测试样本测试故障预测模型，得到测试结果；在测试结果的准确度小于预设准确度的情况下，处理器继续采用训练样本训练故障预测模型。这样，有助于保证故障预测模型的准确性，从而保证自动、准确地对空调进行故障检测，提高用户的使用体验。

[0032] 其中，预设准确度可以为70％。

[0033] 处理器将样本分为训练样本和测试样本，可以体现为处理器按照预设比例随机将样本分为训练样本和测试样本。例如是，预设比例为4：1。

[0034] S12，在多个空调中存在故障空调的情况下，处理器获得故障空调的目标运行参数。

[0035] 这里，本公开实施例可以提供多种实现方式获得故障空调的目标运行参数。下面举例说明。

[0036] 一种方式下，如果处理器可以与故障空调建立通信连接，则处理器可以直接获得故障空调的目标运行参数。

[0037] 另一种方式下，如果多个空调各自关联的运行参数保存于空调信息库，该空调信息库保存于处理器关联的服务器，则处理器在需要确定故障空调的目标运行参数时，可以通过本地读取的方式从空调信息库中获得故障空调的目标运行参数。或者，如果该空调信息库保存于其他数据存储服务器，则处理器可以在需要时，通过访问数据存储服务器的方式获得保存于空调信息库中的故障空调的目标运行参数。

[0038] 采用以上方式，处理器均可以方便、快速地获得故障空调的目标运行参数。

[0039] S13，处理器根据目标运行参数，从故障关联关系中确定目标故障类型，并向故障空调关联的用户发出提醒。

[0040] 可选地，处理器根据目标运行参数，从故障关联关系中确定目标故障类型，可以包括：处理器将目标运行参数输入至故障预测模型，得到故障预测模型输出的目标故障类型。如此，可以自动、及时地对空调进行故障检测，从而无需人工检测，节约了维修人员的维修时间，提高了用户的使用体验。

[0041] 可选地，本公开实施例可以提供多种实现方式向故障空调关联的用户发出提醒，下面举例说明。

[0042] 一种方式下，如果故障空调配置有信息提醒模块，则处理器通过向信息提醒模块下发提醒指令的方式，触发信息提醒模块向用户发出故障提醒信息。例如，信息提醒模块可以体现为语音播报模块，则可以通过语音播报故障类型。或者，信息提醒模块可以体现为空调显示屏，则可以通过空调显示屏显示故障类型。

[0043] 另一种方式下，如果处理器可以与用户关联的终端设备进行无线通信，则可以直接将故障提醒信息发送至终端设备，供用户查看。

[0044] 这里，无线通信的方式包括Wi‑Fi连接、紫蜂协议连接和蓝牙连接中的一种或多种。

[0045] 综上，采用本公开实施例提供的用于空调的控制方法，通过获取同一地区、同一机型的多个空调的故障类型和故障相关参数之间的关联关系，以根据故障空调的目标运行参数，从关联关系中确定目标故障类型，从而实现空调故障的自动检测。和现有技术相比，这样可以及时发现空调故障，并且无需人工检测，因此可以节约维修人员的维修时间，提高用户的使用体验。

[0046] 图2是本公开实施例提供的一个用于空调的控制方法的流程图。结合图2所示，本公开实施例提供一种用于空调的控制方法，可以包括：

[0047] S21，处理器获得用于训练故障预测模型的样本，样本包括已标注故障类型的多个空调的故障标注参数。

[0048] S22，处理器从故障标注参数中确定异常参数，并剔除异常参数。

[0049] 可选地，处理器从故障标注参数中确定异常参数，可以包括：处理器按照预设参数类型对故障标注参数分类，并获得各类故障标注参数对应的四分位数；处理器根据各四分位数，确定各类故障标注参数中的异常参数。如此，有助于避免人为等因素干扰而造成样本不切合实际，从而恢复数据的客观真实性，更好地保证故障预测模型的准确性，实现空调故障的自动、准确检测，进一步提高用户的使用体验。

[0050] 其中，预设参数类型，可以体现为空调运行相关的参数类型。例如是，空调室内机盘管温度、内风机转速、空调室外机盘管温度、外风机转速、压缩机运行频率、压缩机排气温度、膨胀阀开度、室外环境温度、室内环境温度中的一个或多个。

[0051] 对应地，处理器获得各类故障标注参数对应的四分位数，可以包括：处理器分别将各类故障标注参数从小到大排列；处理器将排列后的各类故障标注参数四等分，获得各类故障标注参数对应的上四分位数和下四分位数。如此，有助于后续通过上四分位数和下四分位数的比较处理，得到各类故障标注参数的变化趋势，从而有助于确定并剔除异常参数，避免人为等因素干扰而造成样本不切合实际，从而恢复数据的客观真实性。

[0052] 可选地，处理器根据各四分位数，确定各类故障标注参数中的异常参数，可以包括：处理器根据各类故障标注参数对应的上四分位数和下四分位数，确定各类故障标注参数对应的第一阈值和第二阈值；在一个或多个故障标注参数大于各自对应的第一阈值或者小于各自对应的第二阈值的情况下，处理器将一个或多个故障标注参数确定为异常参数。如此，有助于避免人为等因素干扰而造成样本不切合实际，从而恢复数据的客观真实性，更好地保证故障预测模型的准确性，实现空调故障的自动、准确检测，进一步提高用户的使用体验。

[0053] 具体地，第一阈值可以通过如下方式获得：

[0054] Out1＝Q3+a×(Q3‑Q1)

[0055] 其中，Out1为第一阈值，Q3为上四分位数，Q1为下四分位数，a为异常系数。

[0056] 具体地，第二阈值可以通过如下方式获得：

[0057] Out2＝Q1‑a×(Q3‑Q1)

[0058] 其中，Out2为第二阈值，Q3为上四分位数，Q1为下四分位数，a为异常系数。

[0059] 可选地，异常系数的取值范围可以为1.5～3。这样，可以剔除高度异常的异常值。

[0060] S23，处理器将剔除异常参数后的故障标注参数输入至初始预测模型，并将剔除异常参数后的故障标注参数对应的故障类型作为初始预测模型的输出，以对初始预测模型进行训练，得到故障预测模型。

[0061] S24，在多个空调中存在故障空调的情况下，处理器获得故障空调的目标运行参数。

[0062] S25，处理器将目标运行参数输入至故障预测模型，得到故障预测模型输出的目标故障类型，并向故障空调关联的用户发出提醒。

[0063] 综上，采用本公开实施例提供的用于空调的控制方法，通过获取同一地区、同一机型的多个空调的故障类型和故障相关参数之间的关联关系，以根据故障空调的目标运行参数，从关联关系中确定目标故障类型，从而实现空调故障的自动检测。和现有技术相比，这样可以及时发现空调故障，并且无需人工检测，因此可以节约维修人员的维修时间，提高用户的使用体验。此外，有助于避免人为等因素干扰而造成样本不切合实际，从而恢复数据的客观真实性，更好地保证故障预测模型的准确性，实现空调故障的自动、准确检测，进一步提高用户的使用体验。

[0064] 图3是本公开实施例提供的一个用于空调的控制装置的示意图。结合图3所示，本公开实施例提供一种用于空调的控制装置，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的用于空调的控制方法。

[0065] 此外，上述的存储器101中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

[0066] 存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于空调的控制方法。

[0067] 存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。

[0068] 本公开实施例提供了一种服务器，包含上述的用于空调的控制装置。

[0069] 本公开实施例提供了一种存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述用于空调的控制方法。

[0070] 上述的存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。

[0071] 本公开实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

[0072] 以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

[0073] 本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0074] 本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

[0075] 附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。