制冷设备的控制方法和制冷设备与流程

本技术属于人工智能，尤其涉及一种制冷设备的控制方法和制冷设备。

背景技术：

1、目前，随着人们生活质量及水平的提高，健康越来越成为家庭这一场景中所重视的因素。甲醛作为一级致癌物，广泛存在于家具、墙面和地板等家装材料中。相关技术中存在通过固定时长对烘房进行升温，并在固定时长后进入除醛阶段的空调器，该空调器按照固定的升温时长，难以在复杂多样的真实用户环境中保证每一次除醛时烘房的温度均能达到最优除醛温度，使得烘房除醛效果较差，且通用性较差，适用场景有限。

技术实现思路

1、本技术旨在至少解决相关技术中存在的技术问题之一。为此，本技术提出一种制冷设备的控制方法和制冷设备，能够在复杂多样的真实用户环境中保证每次除醛时烘房的温度达到最优的除醛温度，进而提高了除醛效果以及除醛控制的通用性，拓宽了适用场景。

2、第一方面，本技术提供了一种制冷设备的控制方法，所述制冷设备包括：温度传感器、新风系统和压缩机；所述控制方法包括：

3、获取所述温度传感器采集到的，所述制冷设备所处的环境对应的实际环境温度；

4、基于所述实际环境温度和目标环境温度，得到所述实际环境温度达到所述目标环境温度所需的目标升温时长；

5、控制所述压缩机运行所述目标升温时长，并在所述目标升温时长后，控制所述新风系统运行。

6、根据本技术实施例提供的制冷设备的控制方法，通过采集制冷设备所处环境下的实际环境温度，并根据实际环境温度和目标环境温度，计算得到实际环境温度达到目标环境温度所需的目标升温时长，从而控制压缩机运行目标升温时长，以在目标环境温度下，控制新风系统运行，能够结合用户所处环境与烘房除醛温度要求，自主生成烘房除醛的升温阶段对应的加热时长，从而能够在复杂多样的真实用户环境中保证每次除醛时烘房的温度达到最优的除醛温度，进而提高了除醛效果以及除醛控制的通用性，拓宽了适用场景。

7、本技术一个实施例的制冷设备的控制方法，所述实际环境温度包括室内环境温度和室外环境温度；所述基于所述实际环境温度和目标环境温度，得到所述实际环境温度达到所述目标环境温度所需的目标升温时长，包括：

8、基于所述室内环境温度和所述目标环境温度，得到所述实际环境温度达到所述目标环境温度所需的目标升温时长；

9、基于所述室外环境温度，得到补偿升温时长；

10、将所述目标升温时长和所述补偿升温时长之和，确定为新的目标升温时长。

11、本技术一个实施例的制冷设备的控制方法，所述基于所述实际环境温度和目标环境温度，得到所述实际环境温度达到所述目标环境温度所需的目标升温时长，包括：

12、将所述实际环境温度和所述目标环境温度输入至目标神经网络模型，获取所述目标神经网络模型输出的所述目标升温时长。

13、本技术一个实施例的制冷设备的控制方法，所述实际环境温度包括室内环境温度和室外环境温度，所述目标神经网络模型包括第一神经网络层和第二神经网络层；所述将所述实际环境温度和所述目标环境温度输入至目标神经网络模型，获取所述目标神经网络模型输出的所述目标升温时长，包括：

14、将所述室内环境温度和所述目标环境温度输入至所述第一神经网络层，获取所述第一神经网络层输出的目标升温时长；

15、将所述室外环境温度输入至所述第二神经网络层，获取所述第二神经网络层输出的补偿升温时长；

16、将所述目标升温时长和所述补偿升温时长之和，确定为新的目标升温时长。

17、本技术一个实施例的制冷设备的控制方法，所述实际环境温度包括室内环境温度和室外环境温度，所述方法还包括：

18、将所述室内环境温度、所述目标环境温度、所述制冷设备所处的环境对应的季节信息和地域信息输入至目标神经网络模型的第一神经网络层，获取所述第一神经网络层输出的目标升温时长；

19、将所述室外环境温度、所述制冷设备所处的环境对应的季节信息和地域信息输入至所述目标神经网络模型的第二神经网络层，获取所述第二神经网络层输出的补偿升温时长；

20、将所述目标升温时长和所述补偿升温时长之和，确定为新的目标升温时长。

21、本技术一个实施例的制冷设备的控制方法，

22、所述第一神经网络层基于如下步骤训练得到：

23、基于所述制冷设备所处的室内环境对应的室内温阶因子、保温因子、第一温阶常数、和sigmoid函数，构建所述第一神经网络层；

24、将样本室内环境温度、样本除甲醛温度、样本季节信息、样本地域信息和第一样本升温时长输入至所述第一神经网络层，基于所述第一神经网络层输出的预测升温时长，和与所述样本室内环境温度、所述样本除甲醛温度、所述样本季节信息和所述样本地域信息对应的第一样本升温时长之间的差异度，训练得到所述第一神经网络层；

25、所述第二神经网络层基于如下步骤训练得到：

26、基于所述制冷设备对应的室外环境的室外温阶因子、所述保温因子、第二温阶常数、和所述sigmoid函数，构建所述第二神经网络层；

27、将样本室外环境温度、所述样本季节信息、所述样本地域信息和第二样本升温时长输入至所述第二神经网络层，基于所述第二神经网络层输出的预测升温时长，和与所述样本室外环境温度、所述样本季节信息和所述样本地域信息对应的第二样本升温时长之间的差异度，训练得到所述第二神经网络层。

28、第二方面，本技术提供了一种制冷设备，包括：

29、室内主体；

30、室外主体；

31、至少一个温度传感器，所述至少一个温度传感器分别安装于所述室内主体的壳体内部，和所述室外主体的壳体内部；

32、新风系统，所述新风系统安装于所述室内主体的壳体内部；

33、压缩机，所述压缩机安装于所述室外主体的壳体内部；

34、所述制冷设备基于如第一方面所述的制冷设备的控制方法运行。

35、根据本技术实施例提供的制冷设备，通过采集制冷设备所处环境下的实际环境温度，并根据实际环境温度和目标环境温度，计算得到实际环境温度达到目标环境温度所需的目标升温时长，从而控制压缩机运行目标升温时长，以在目标环境温度下，控制新风系统运行，能够结合用户所处环境与烘房除醛温度要求，自主生成烘房除醛的升温阶段对应的加热时长，从而能够在复杂多样的真实用户环境中保证每次除醛时烘房的温度达到最优的除醛温度，进而提高了除醛效果以及除醛控制的通用性，拓宽了适用场景。

36、第三方面，本技术提供了一种电子设备，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如上述第一方面所述的制冷设备的控制方法。

37、第四方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的制冷设备的控制方法。

38、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的制冷设备的控制方法。

39、本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

40、通过采集制冷设备所处环境下的实际环境温度，并根据实际环境温度和目标环境温度，计算得到实际环境温度达到目标环境温度所需的目标升温时长，从而控制压缩机运行目标升温时长，以在目标环境温度下，控制新风系统运行，能够结合用户所处环境与烘房除醛温度要求，自主生成烘房除醛的升温阶段对应的加热时长，从而能够在复杂多样的真实用户环境中保证每次除醛时烘房的温度达到最优的除醛温度，进而提高了除醛效果以及除醛控制的通用性，拓宽了适用场景。

41、进一步地，通过采集制冷设备对应的室外环境温度，以根据室外环境温度对升温时长进行补偿，考虑室外环境温度对升温时长的影响，可以更精确地控制室内温度，提高了除甲醛效率。

42、更进一步地，通过将室内环境温度、目标环境温度、季节信息和地域信息输入至第一神经网络层，获取第一神经网络层输出的目标升温时长，并将室外环境温度、季节信息和地域信息输入至第二神经网络层，获取第二神经网络层输出的补偿升温时长，通过结合温度信息、季节信息和地域信息，能够更精准地预测烘房除醛升温阶段达到目标环境温度所需的时长，进而提高了烘房除醛效果。

43、再进一步地，通过样本室内环境温度、样本除甲醛温度、样本季节信息和样本地域信息等数据，训练得到第一神经网络层，并通过样本室外环境温度、样本季节信息和样本地域信息等数据，训练得到第二神经网络层，通过对室内温差与升温时长，以及室外环温与升温时长之间的拟合关系进行训练，并建立专家模型，可以针对用户家庭环境的室内外温度以及室内温差生成相对应的升温时长，从而保证了烘房除醛进入除醛阶段时处于最优温度，解决了由于不同用户工况在固定升温时长下存在未达到设定温度就进入除醛阶段导致除醛效果不佳的问题，提高了烘房除醛能效。

44、本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。