基于卷积神经网络的温度控制方法、装置、空调及介质与流程

本发明涉及空调，尤其涉及一种基于卷积神经网络的温度控制方法、装置、空调及介质。

背景技术：

1、传统空调控制系统通常基于简单的温度传感器和用户设定的阈值来调节温度。这些系统缺乏智能学习的能力，不能根据室内外环境变化和用户行为自动调整温度。一些更高级的系统可能使用基于规则的逻辑来控制空调，例如，当室内外温差超过一定值时自动调节温度。然而，这些系统通常需要手动编程规则，并且不能从数据中学习以优化性能。随着神经网络在空调领域的运用，空调也能够实现智能化的温度控制，能够有效提高空调控制效率。

2、现有智能空调系统集成了传感器来收集室内外环境数据，并使用简单的算法来调节温度。但是，这些智能空调系统往往缺乏深度学习和端到端训练的能力，无法适应复杂的环境变化和用户需求，导致空调的温度控制准确性较低。

技术实现思路

1、本发明实施例提供了一种基于卷积神经网络的温度控制方法、装置、空调及介质，以提高空调的温度控制准确性。

2、第一方面，本发明实施例提供了一种基于卷积神经网络的温度控制方法，其包括：

3、采集环境参数和用户状态数据，并基于所述环境参数和所述用户状态数据构建训练数据；

4、根据所述训练数据对残差卷积神经网络进行模型训练，生成目标温度控制模型；

5、基于所述目标温度控制模型生成当前温度控制指令，并基于所述当前温度控制指令对空调进行控制。

6、第二方面，本发明实施例提供了一种基于卷积神经网络的温度控制装置，其包括：

7、数据采集单元，用于采集环境参数和用户状态数据，并基于所述环境参数和所述用户状态数据构建训练数据；

8、模型训练单元，用于根据所述训练数据对残差卷积神经网络进行模型训练，生成目标温度控制模型；

9、空调控制单元，用于基于所述目标温度控制模型生成当前温度控制指令，并基于所述当前温度控制指令对空调进行控制。

10、第三方面，本发明实施例提供了一种空调，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的基于卷积神经网络的温度控制方法。

11、第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于卷积神经网络的温度控制方法。

12、本发明实施例提供了一种基于卷积神经网络的温度控制方法、装置、空调及介质，该方法包括：采集环境参数和用户状态数据，并基于所述环境参数和所述用户状态数据构建训练数据；根据所述训练数据对残差卷积神经网络进行模型训练，生成目标温度控制模型；基于所述目标温度控制模型生成当前温度控制指令，并基于所述当前温度控制指令对空调进行控制。本发明实施例通过采集环境参数和用户状态数据以训练残差卷积神经网络，实现端到端训练温度控制模型，通过温度控制模型实现对空调温度的智能控制，有利于提高空调的温度控制准确性。

技术特征：

1.一种基于卷积神经网络的温度控制方法，其特征在于，包括：

2.根据权利要求1所述的基于卷积神经网络的温度控制方法，其特征在于，所述采集环境参数和用户状态数据，并基于所述环境参数和所述用户状态数据构建训练数据，包括：

3.根据权利要求2所述的基于卷积神经网络的温度控制方法，其特征在于，所述根据预设的检测周期采集所述环境参数和所述用户状态数据之前，所述方法还包括：

4.根据权利要求1所述的基于卷积神经网络的温度控制方法，其特征在于，所述根据所述训练数据对残差卷积神经网络进行模型训练，生成目标温度控制模型，包括：

5.根据权利要求4所述的基于卷积神经网络的温度控制方法，其特征在于，所述根据所述目标预测结果调整模型参数，得到目标模型参数，并基于所述目标模型参数重新进行模型迭代训练，得到所述目标温度控制模型，包括：

6.根据权利要求1至5任一项所述的基于卷积神经网络的温度控制方法，其特征在于，所述基于所述目标温度控制模型生成当前温度控制指令，并基于所述当前温度控制指令对空调进行控制之后，所述方法还包括：

7.根据权利要求1至5任一项所述的基于卷积神经网络的温度控制方法，其特征在于，所述基于所述目标温度控制模型生成当前温度控制指令，并基于所述当前温度控制指令对空调进行控制之后，所述方法还包括：

8.一种基于卷积神经网络的温度控制装置，其特征在于，包括：

9.一种空调，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于卷积神经网络的温度控制方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于卷积神经网络的温度控制方法。

技术总结本发明公开了一种基于卷积神经网络的温度控制方法、装置、空调及介质，该方法包括：采集环境参数和用户状态数据，并基于所述环境参数和所述用户状态数据构建训练数据；根据所述训练数据对残差卷积神经网络进行模型训练，生成目标温度控制模型；基于所述目标温度控制模型生成当前温度控制指令，并基于所述当前温度控制指令对空调进行控制。本发明实施例通过采集环境参数和用户状态数据以训练残差卷积神经网络，实现端到端训练温度控制模型，通过温度控制模型实现对空调温度的智能控制，有利于提高空调的温度控制准确性。技术研发人员：张裕松,毛跃辉,梁博,陶梦春受保护的技术使用者：珠海格力电器股份有限公司技术研发日：技术公布日：2024/11/4