[发明专利]空调自动驾驶、模型训练和预测方法、装置及设备

权利要求书

1.一种体感环境温度预测模型的训练方法，包括：

获取训练数据，所述训练数据基于体感环境温度、第一空调的调节参数和所述第一空调的环境参数的样本数据得到，所述体感环境温度指所述第一空调所在室内的用户使用区域的温度，所述用户使用区域的温度是通过部署在用户使用区域的温度传感器采集；

以所述训练数据中的调节参数和环境参数为输入数据，以所述训练数据中的体感环境温度为目标数据，采用有监督机器学习的方式对体感环境温度的第一预测模型进行训练；

其中，所述调节参数包括所述第一空调的室内设定温度，或者包括所述第一空调的室内设定温度和室内设定风速。

2.如权利要求1所述的训练方法，其特征在于：

所述环境参数包括所述第一空调所在环境的室内温度，或者包括所述第一空调所在环境的室内温度和室外温度。

3.如权利要求1所述的训练方法，其特征在于：

所述第一预测模型基于单层前馈神经网络、多层前馈神经网络或者卷积神经网络构建。

4.如权利要求1所述的训练方法，其特征在于：

所述获取训练数据，包括：获取周期性采集的所述体感环境温度、调节参数和环境参数的样本数据并记录采集时间；将同一时间采集的或者采集时间之差小于设定偏差阈值的所述体感环境温度、调节参数和环境参数的样本数据合并为一组训练数据，得到多组训练数据；

所述进行训练，包括：分批使用所述多组训练数据，将其中一组训练数据中的环境参数和调节参数输入所述第一预测模型时，根据所述第一预测模型输出的体感环境温度和该组训练数据中的体感环境温度的差值计算损失；及，根据所述损失优化所述第一预测模型的参数，确定所述第一预测模型的预测精度达到要求时，结束训练。

5.如权利要求1所述的训练方法，其特征在于：

所述训练方法应用于云服务器，所述调节参数的样本数据由所述第一空调周期性采集和上传所述云服务器，所述体感环境温度和环境参数的样本数据由温度传感器周期性采集后直接上传或通过所述第一空调上传所述云服务器；上传的所述样本数据中携带以下标识中的任意一种或更多种：用户标识、所述第一空调的标识、用于区分同一用户下不同空调的标识。

6.一种体感环境温度预测模型的训练装置，其特征在于，包括处理器以及存储有计算机程序的存储器，其中，所述处理器执行所述计算机程序时实现如权利要求1至5中任一所述的体感环境温度预测模型的训练方法。

7.一种体感环境温度的预测方法，包括：

获取第一空调的调节参数和所述第一空调的环境参数；

将所述调节参数和环境参数输入体感环境温度的第一预测模型，根据所述第一预测模型的输出得到预测的体感环境温度；

其中，所述体感环境温度指所述第一空调所在室内的用户使用区域的温度，所述第一预测模型按照如权利要求1至5中任一所述的体感环境温度的训练方法得到。

8.如权利要求7所述的预测方法，其特征在于：

所述预测方法应用于所述第一空调，所述第一空调保存有云服务器下发的所述第一预测模型；或者

所述预测方法应用云服务器，所述云服务器保存有所述第一预测模型，所述调节参数由所述第一空调周期性采集和上传所述云服务器，所述环境参数由第二温度传感器周期性采集和上传所述云服务器；上传所述调节参数和环境参数时还携带以下标识中的任意一种或更多种：用户标识、所述第一空调的标识、用于区分同一用户下不同空调的标识。

9.一种体感环境温度的预测装置，其特征在于，包括，包括处理器以及存储有计算机程序的存储器，其中，所述处理器执行所述计算机程序时实现如权利要求7或8所述的体感环境温度的预测方法。