基于智能学习的空调控制方法、装置和智能空调与流程

本技术涉及智能家电，例如涉及一种基于智能学习的空调控制方法、装置和智能空调。

背景技术：

1、近年来，随着人们生活水平的提高，智慧产品也已逐渐进入普通人们的家庭。随着人们对于智慧产品的依赖程度越来越高，人们对智慧产品的智慧程度要求也越来越高。智能空调能够学习用户习惯，获得符合用户习惯的控制模式，并根据该符合用户习惯的控制模式进行控制，使用户获得较佳的使用体验。

2、在实现本技术实施例的过程中，发现相关技术中至少存在如下问题：

3、符合用户习惯的控制模式具有一定的时效性，容易导致用户体验不佳。

4、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本技术的背景的理解，因此可以包括不构成对本领普通技术人员已知的现有技术的信息。

技术实现思路

1、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。

2、本技术实施例提供了一种基于智能学习的空调控制方法，以符合用户舒适度要求，提高用户的使用体验。

3、在一些实施例中，基于智能学习的空调控制方法包括：在当前时刻之前所获得的历史空调运行参数能够满足智能学习控制模型学习过程的情况下，获得与用户舒适度相关的当前环境参数；将当前环境参数输入至舒适控制模式对应的舒适控制模型，获得舒适控制模型输出的与当前环境参数对应的第一空调运行参数；将当前环境参数输入至智能学习控制模式对应的智能学习控制模型，获得智能学习控制模型输出的与当前环境参数对应的第二空调运行参数；如果第一空调运行参数所表示的对当前环境参数的第一调整方式，与第二空调运行参数所表示的对当前环境参数的第二调整方式相同，则以智能学习控制模型控制空调，使空调进入智能学习控制模式。舒适控制模型中的设定环境参数是使用户感受到舒适的平均值；智能学习控制模型是通过学习用户习惯获得的控制模型。

4、可选地，与用户舒适度相关的当前环境参数包括当前室内温度、当前室内湿度、当前室内风速中的一个或多个。

5、可选地，第一调整方式为提高当前环境参数中的一个或多个、降低当前环境参数中的一个或多个，或维持当前环境参数中的一个或多个，第二调整方式为提高当前环境参数中的一个或多个、降低当前环境参数中的一个或多个，或维持当前环境参数中的一个或多个。

6、可选地，如果第一调整方式和第二调整方式为提高当前环境参数中的相同参数，降低当前环境参数中的相同参数，且维持当前环境参数中的相同参数，则确定第一调整方式和第二调整方式相同。

7、可选地，当前时刻之前所获得的历史空调运行参数能够满足智能学习控制模型学习过程的情况，包括：在当前时刻之前，空调的累积运行时长大于或等于设定运行时长阈值；或者，在当前时刻之前，空调的累积开机次数大于或等于设定运行次数阈值；或者，在当前时刻之前设定天数之内，空调非首次开机运行。

8、可选地，基于智能学习的空调控制方法还包括：如果第一空调运行参数所表示的对当前环境参数的第一调整方式，与第二空调运行参数所表示的对当前环境参数的第二调整方式不同，则以舒适控制模型控制空调，使空调进入舒适控制模式。

9、可选地，基于智能学习的空调控制方法还包括：在当前时刻之前所获得的历史空调运行参数不能够满足智能学习控制模型学习过程的情况下，舒适控制模型控制空调，使空调进入舒适控制模式。

10、在一些实施例中，基于智能学习的空调控制方法包括：在当前时刻之前所获得的历史空调运行参数能够满足智能学习控制模型学习过程的情况下，获得与用户舒适度相关的当前环境参数；将当前环境参数输入至舒适控制模式对应的舒适控制模型，获得舒适控制模型输出的与当前环境参数对应的第一设定环境参数；将当前环境参数输入至智能学习控制模式对应的智能学习控制模型，获得智能学习控制模型输出的与当前环境参数对应的第二设定环境参数；如果第一设定环境参数所表示的对当前环境参数的第三调整方式，与第二设定环境参数所表示的对当前环境参数的第四调整方式相同，则以智能学习控制模型控制空调，使空调进入智能学习控制模式。舒适控制模型中的设定环境参数是使用户感受到舒适的平均值；智能学习控制模型是通过学习用户习惯获得的控制模型。

11、在一些实施例中，基于智能学习的空调控制装置包括第一获得模块、第二获得模块、第三获得模块和第一控制模块；第一获得模块用于在当前时刻之前所获得的历史空调运行参数能够满足智能学习控制模型学习过程的情况下，获得与用户舒适度相关的当前环境参数；第二获得模块用于将当前环境参数输入至舒适控制模式对应的舒适控制模型，获得舒适控制模型输出的与当前环境参数对应的第一空调运行参数；第三获得模块用于将当前环境参数输入至智能学习控制模式对应的智能学习控制模型，获得智能学习控制模型输出的与当前环境参数对应的第二空调运行参数；第一控制模块用于如果第一空调运行参数所表示的对当前环境参数的第一调整方式，与第二空调运行参数所表示的对当前环境参数的第二调整方式相同，则以智能学习控制模型控制空调，使空调进入智能学习控制模式。舒适控制模型中的设定环境参数是使用户感受到舒适的平均值；智能学习控制模型是通过学习用户习惯获得的控制模型。

12、在一些实施例中，基于智能学习的空调控制装置包括第四获得模块、第五获得模块、第六获得模块和第二控制模块。

13、第四获得模块用于在当前时刻之前所获得的历史空调运行参数能够满足智能学习控制模型学习过程的情况下，获得与用户舒适度相关的当前环境参数；第五获得模块用于将当前环境参数输入至舒适控制模式对应的舒适控制模型，获得舒适控制模型输出的与当前环境参数对应的第一设定环境参数；第六获得模块用于将当前环境参数输入至智能学习控制模式对应的智能学习控制模型，获得智能学习控制模型输出的与当前环境参数对应的第二设定环境参数；第二控制模块用于如果第一设定环境参数所表示的对当前环境参数的第三调整方式，与第二设定环境参数所表示的对当前环境参数的第四调整方式相同，则以智能学习控制模型控制空调，使空调进入智能学习控制模式。舒适控制模型中的设定环境参数是使用户感受到舒适的平均值；智能学习控制模型是通过学习用户习惯获得的控制模型。

14、在一些实施例中，基于智能学习的空调控制装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行前述实施例提供的基于智能学习的空调控制方法。

15、在一些实施例中，智能空调包括前述实施例提供的基于智能学习的空调控制装置。

16、本技术实施例提供的基于智能学习的空调控制方法、装置和智能空调，可以实现以下技术效果：

17、在获得智能学习控制模型之后，获得与用户舒适度相关的当前环境参数，再基于智能学习控制模型获得该当前环境参数对应的第二空调运行参数，此时未立即依据该第二空调运行参数控制空调，而是基于舒适控制模型获得的该当前环境参数对应的第一空调运行参数，并利用该第一空调运行参数对第二空调运行参数进行确认，如果二者对应的调整方式相同，则说明该智能学习控制模型暂时符合舒适控制模型的要求，再继续以智能学习控制模型控制空调，即，以该第二空调运行参数对空调进行控制，如此，基于该智能学习控制模型控制空调时，仍然符合舒适控制的需求，提高用户的使用体验。

18、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本技术。