一种自然风控制方法和装置的制造方法
【技术领域】
[0001] 本发明设及空调技术领域，尤其设及一种自然风控制方法和装置。
【背景技术】
[0002] 室内环境是用户最重要的环境之一。用户的生活、工作、学习和娱乐等活动都更多 地转入到室内环境中，用户每天在室内环境中度过的时间约占80% -90% W上。由于空调 设备可有效地改变室内环境的热状况，因此，被广泛应用在室内环境中，随着近年来低碳环 保意识的普及，W及用户对健康、舒适的室内环境的追求，空调设备中的机械风模式已远远 无法满足用户的生活需求。由于模拟自然风作为一种动态送风方式，在用户中的接受度较 高，且模拟自然风可W充分利用气流的冷却作用，可使用户在较热的环境中达到热中性和 热舒适。
[0003] 现有技术中，模拟自然风的方法通常是采用跟踪控制算法，即通过风速测量仪器， 在室外特定环境下，实际读取风速测量值，空调设备的控制系统将风速测量值进行还原后 将其W特定的自然风风速序列形式存储在控制系统的存储设备中，空调设备的控制系统需 根据自然风风速序列控制风机转速，从而实现模拟自然风送风。跟踪控制算法由于需要将 风速测量仪器测量的大量风速数据W特定的自然风风速序列形式存储在控制系统的存储 设备中，对控制系统的存储设备要求较高，此外，该跟踪控制算法对风速测量值要求较大， 且一旦空调设备整机出厂，其内部的空调设备就完全固化，用户永远只能使用一种特定的 自然风风速序列。长此已久，模拟自然风的用户体验会逐渐下降。
【发明内容】
[0004] 本发明的实施例提供一种自然风控制方法和装置，用W实现空调设备的控制系统 中自然风的风速数据不断更新，实现模拟自然风环境的动态送风，W提升用户体验。 阳〇化]为达到上述目的，本发明的实施例采用如下技术方案：
[0006] 第一方面，本发明实施例提供一种自然风控制方法，包括：
[0007] 接收用户输入的选择指令，所述选择指令指示空调系统的送风模式为模拟自然风 模式或机械风模式；
[0008] 若所述选择指令指示所述空调系统的送风模式为模拟自然风模式，则获取当前时 刻之前的前N个时刻的风速值，其中，N为正整数，且6《N《10 ;
[0009] 将所述当前时刻之前的前N个时刻的风速值输入至预设神经网络预测模型中，得 到所述空调系统的当前风速值；
[0010] 根据所述空调系统的当前风速值，调整所述空调系统的风机转速。
[0011] 结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述空调系统 的当前风速值，调整所述空调系统的风机转速，包括：
[0012] 根据所述空调系统的当前风速值，查询预设映射表，获取与所述空调系统的当前 风速值对应的第一预设风机转速；
[0013] 根据所述第一预设风机转速，将所述空调系统当前的风机转速调整至所述第一预 设风机转速。
[0014] 结合第一方面，在第一方面的第二种可能的实现方式中，所述方法还包括：
[0015] 建立预设神经网络预测模型。
[0016] 结合第一方面的第二种可能的实现方式，在第一方面的第=种可能的实现方式 中，所述建立预设神经网络预测模型，包括：
[0017] 获取样本风速数据集合，并将所述样本风速数据集合中的每个样本风速数据进行 归一化处理；
[0018] 确定反向传播神经网络的输入层节点个数、隐层节点个数及输出层节点个数W及 训练参数，得到神经网络预测模型，所述训练参数包括预设误差、初始权值和学习速率；
[0019] 将所述样本风速数据输入至所述输入层，W所述输出层输出的数据为预测值，对 所述神经网络预测模型进行训练，直至所述神经网络预测模型的学习速率至预设学习速 率，学习训练误差小于预设误差；
[0020] 对所述已训练的反向传播神经网络输出的数据进行反归一化处理，获得所述预设 神经网络预测模型。
[0021] 结合第一方面的第=种可能的实现方式，在第一方面的第四种可能的实现方式 中，所述将所述样本风速数据集合中的每个样本风速数据进行归一化处理，包括：
[0022] 根据公式
对所述样本风速数据集合中的每个样本风 速数据进行归一化处理，其中，d(t)为样本风速数据；v(t)为对样本数据进行归一化处理 后获得的数据，max(d(t))为样本风速数据集合中风速值最大的样本风速数据，min(d(t)) 为样本风速数据集合中风速值最小的样本风速数据；
[0023] 所述对所述已训练的反向传播神经网络输出的数据进行反归一化处理，包括： 阳024]根据公式 Y(t) = u(t)*(max(d(t))-min(d(t)))+min(d(t))对所述已训练的反 向传播神经网络输出层输出的数据进行反归一化处理，其中，u(t)为已训练的反向传播神 经网络输出层输出的数据，max (d (t))为样本风速数据集合中风速值最大的样本风速数据， min (d (t))为样本风速数据集合中风速值最小的样本风速数据。
[0025] 结合第一方面的第=种可能的实现方式，在第一方面的第五种可能的实现方式 中，所述反向传播神经网络隐层的神经元传递函数采用S型正切函数tansig ;
[00%] 所述反向传播神经网络隐层的输出层神经元传递函数采用S型对数函数logsig。
[0027] 结合第一方面的第一种可能的实现方式至第五种可能的实现方式，在第一方面的 第六种可能的实现方式中，所述预设神经网络预测模型为：
[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)为当前时刻的当前风速值，V(t-N)为当前时刻之前的前N时刻的风速 值，V(t-l)为当前时刻之前的前一时刻的风速值，V(t-2)为前一时刻之前的风速值。
[0030] 结合第一方面，在第一方面的第屯种可能的实现方式中，所述方法还包括：
[0031] 接收用户输入的调节指令，所述调节指令指示空调系统在自然风模式下的自然风 的风挡等级；
[0032] 根据预设的风挡等级与风速系数的对应关系，获取与所述调节指令指示的风挡等 级对应的风速系数；
[0033] 根据所述风速系数获取空调系统的最终风速值；
[0034] 根据所述最终风速值，查询预设映射表，获取与所述空调系统的最终风速值相对 应的第二预设风机转速；
[0035] 根据所述第二预设风机转速，将所述空调系统当前的风机转速调整至所述第二预 设风机转速。
[0036] 第二方面，本发明实施例提供一种自然风控制装置，包括：
[0037] 接收单元，用于接收用户输入的选择指令，所述选择指令指示空调系统的送风模 式为模拟自然风模式或机械风模式；
[0038] 判断单元，用于判断所述空调系统的送风模式为模拟自然风模式还是机械风模 式；
[0039] 获取单元，用于在所述判断单元确定所述空调系统的送风模式为模拟自然风模式 时，获取当前时刻之前的前N个时刻的风速值，其中，N为正整数，且6《N《10 ;
[0040] 计算单元，用于将所述当前时刻之前的前N个时刻的风速值输入至预设神经网络 预测模型中，得到所述空调系统的当前风速值；
[0041] 调整单元，用于根据所述空调系统的当前风速值，调整所述空调系统的风机转速。
[0042] 结合第二方面，在第二方面的第一种可能的实现方式中，所述调整单元包括：
[0043] 查询模块，用于根据所述空调系统的当前风速值，查询预设映射表，获取与所述空 调系统的当前风速值对应的第一预设风机转速；
[0044] 调整模块，用于根据所述第一预设风机转速，将所述空调系统当前的风机转速调 整至所述第一预设风机转速。
[0045] 结合第二方面，在第二方面的第二种可能的实现方式中所述装置还包括：
[0046] 建模单元，用于建立预设神经网络预测模型。
[0047] 结合第二方面的第二种可能的实现方式，在第二方面的第=种可能的实现方式中 所述建模单元包括：
[0048] 第一处理模块，用于获取样本风速数据集合，并将所述样本风速数据集合中的每 个样本风速数据进行归一化处理；
[0049] 确定模块，用于确定反向传播神经网络的输入层节点个数、隐层节点个数及输出 层节点个数W及训练参数，得到神经网络预测模型，所述训练参数包括预设误差、初始权值 和学习速率；
[0050] 训练模块，用于将所述样本风速数据输入至所述输入层，W所述输出层输出的数 据为预测值，对所述神经网络预测模型进行训练，直至所述神经网络预测模型的学习速率 至预设学习速率，学习训练误差小于预设误差；
[0051] 第二处理模块，用于对所述已训练的反向传播神经网络输出的数据进行反归一化 处理，获得所述预设神经网络预测模型。
[0052] 结合第二方面的第=种可能的实现方式，在第二方面