一种空调控制方法、装置、电子设备及存储介质与流程

本发明涉及空调控制，特别是涉及一种空调控制方法、一种空调控制装置、一种电子设备以及一种可读存储介质。

背景技术：

1、通过云边交互实现对空调的智能化控制是指利用云端的大数据分析与模型决策能力，结合空调本地边缘芯片的实时环境感知与即时响应能力，通过云边双向数据协同联动来实现对空调运行状态的动态精准调控。

2、在通信链路发生中断时，相关技术普遍采用静态预设规则进行降级控制，然而，采用静态预设规则的固定阈值触发控制动作，在多维环境参量动态变化时，输出的控制指令缺乏精准度与灵活性，这会导致室内温湿度无法精准适配动态环境变化，引起室内温度剧烈波动与体感忽冷忽热，并因工况频繁切换产生突发风噪与不必要的增加额外能耗。

3、进一步地，在通信链路由中断重新恢复连接时，相关技术通常将云端服务器下发的控制意图或状态参数直接覆盖本地当前的控制状态，强制空调立即按云端指令执行。这种直接覆盖式切换使得空调在云边状态切换瞬间产生控制参数的阶跃跳变，容易引发变频压缩机频率骤变与硬件机械冲击，影响设备运行寿命与环境调控的连续平稳性。

技术实现思路

1、本发明实施例是提供一种空调控制方法、装置、电子设备以及可读存储介质，以克服上述问题或者至少部分地解决上述问题。

2、为了解决上述技术问题，本技术是这样实现的：

3、第一方面，本技术实施例提供了一种空调控制方法，所述方法应用于所述空调，所述空调用于与云端服务器执行数据交互，所述方法包括：

4、当判定所述空调处于通信链路中断状态时，按照预设采样周期采集多维传感信号，并通过所述多维传感信号生成标准化多维特征向量及数据有效性标志位；

5、获取所述空调的硬件资源参数，并基于所述硬件资源参数确定所述空调的当前算力模式及运算精度配置；

6、调用集成于所述空调的预训练模型，通过所述当前算力模式、所述运算精度配置、所述标准化多维特征向量及所述数据有效性标志位生成针对所述空调的初始人工智能决策指令；

7、将所述初始人工智能决策指令转化为针对所述空调的第一控制信号，并基于所述第一控制信号在所述空调处于所述通信链路中断状态时控制所述空调；

8、响应于所述空调的通信链路恢复，获取由所述云端服务器生成的云端意图向量、所述空调的本地状态向量，以及所述空调处于通信链路中断状态时所述云端服务器生成的云端历史指令，生成用于消除所述空调处于云边状态切换时的阶跃跳变的渐进式平滑目标控制指令；

9、基于所述标准化多维特征向量、所述渐进式平滑目标控制指令和所述初始人工智能决策指令，生成第二控制信号；

10、基于所述第二控制信号在所述空调的通信链路恢复时控制所述空调。

11、可选地，所述硬件资源参数包括中央处理器利用率、剩余静态随机存取存储器容量及供电电压数据，所述基于所述硬件资源参数确定所述空调的当前算力模式及运算精度配置的步骤包括：

12、对所述中央处理器利用率、所述剩余静态随机存取存储器容量及所述供电电压数据执行向量构建，生成三维资源向量；

13、利用预设的加权综合评估函数对所述三维资源向量执行加权计算，生成资源健康度指数；

14、结合预设的迟滞判定时长数据和双阈值迟滞带机制对所述资源健康度指数执行迟滞状态判定，生成算力状态评估结果；

15、基于所述算力状态评估结果执行模式匹配，确定所述当前算力模式；

16、基于所述算力状态评估结果执行精度映射，生成所述运算精度配置。

17、可选地，所述预训练模型包含三层神经网络，所述通过所述当前算力模式、所述运算精度配置、所述标准化多维特征向量及所述数据有效性标志位生成针对所述空调的初始人工智能决策指令的步骤包括：

18、将所述标准化多维特征向量及所述数据有效性标志位输入至所述预训练模型中，生成初始特征输入数据；

19、基于所述当前算力模式及所述运算精度配置，对所述三层神经网络的隐藏层权重执行加载与精度配置选择，生成目标隐藏层权重；

20、基于所述目标隐藏层权重，对所述初始特征输入数据执行前向推理计算，生成初始人工智能决策指令。

21、可选地，在所述基于所述第一控制信号在所述空调处于所述通信链路中断状态时控制所述空调的步骤之后，所述预训练模型的在线自进化训练过程包括：

22、获取所述标准化多维特征向量、表达用户偏好参数的个性化用户指纹向量及设定时间窗口内的环境数据；

23、基于预设的等效系数对所述设定时间窗口内的环境数据中的温度偏差量、湿度偏差量、风速感知偏差量及人员活动状态偏差量执行统一归一化处理，生成归一化温度量纲数据；

24、结合所述归一化温度量纲数据、所述标准化多维特征向量及所述个性化用户指纹向量执行残差计算，生成多维舒适度残差向量及综合残差标量；

25、当判定所述当前算力模式符合预设条件时，利用由所述预训练模型确定的输出层权重，对所述综合残差标量执行反向传播计算，生成隐藏层局部梯度；

26、获取离线时长数据，并基于所述离线时长数据及所述综合残差标量执行计算，生成自适应学习率；

27、获取弹性权重巩固正则化项；

28、结合所述自适应学习率及所述弹性权重巩固正则化项，对所述隐藏层局部梯度执行正则化与比例缩放计算，生成梯度更新量；

29、获取所述预训练模型的现有隐藏层权重，并基于所述梯度更新量对所述现有隐藏层权重执行更新计算，生成更新后的隐藏层权重；

30、将所述更新后的隐藏层权重加载至所述预训练模型的隐藏层中，生成更新后的预训练模型；所述更新后的预训练模型用于更新所述第一控制信号。

31、可选地，所述获取由所述云端服务器生成的云端意图向量、所述空调的本地状态向量，以及所述空调处于通信链路中断状态时所述云端服务器生成的云端历史指令，生成用于消除所述空调处于云边状态切换时的阶跃跳变的渐进式平滑目标控制指令的步骤包括：

32、获取由所述云端服务器生成的云端意图向量、所述空调的本地状态向量，以及所述空调处于通信链路中断状态时所述云端服务器生成的云端历史指令；

33、对所述云端意图向量及所述本地状态向量执行归一化处理及投影映射，生成归一化投影意图向量及归一化投影状态向量；

34、结合所述归一化投影意图向量及所述归一化投影状态向量执行语义距离计算，生成混合语义距离；

35、当判定所述混合语义距离大于预设阈值时，获取所述空调的实时工况参数，并基于所述实时工况参数执行参量构建，生成动态映射矩阵与动态偏置向量；

36、结合所述云端意图向量及所述云端历史指令执行增量计算，生成云端意图增量；

37、利用所述动态映射矩阵及所述动态偏置向量，对所述云端意图增量执行矩阵映射与偏置转换，生成本地控制增量；

38、获取离线时长数据，并对所述离线时长数据执行权重计算，确定基于离线时长的加权融合系数；

39、结合所述加权融合系数及预设的自适应一阶惯性滤波算法，对所述本地控制增量执行平滑计算，生成渐进式平滑目标控制指令。

40、可选地，所述空调配置有四级安全状态机，所述基于所述标准化多维特征向量、所述渐进式平滑目标控制指令和所述初始人工智能决策指令，生成第二控制信号的步骤包括：

41、获取所述初始人工智能决策指令、所述渐进式平滑目标控制指令及所述标准化多维特征向量；

42、获取由所述四级安全状态机确定的当前安全状态；

43、结合所述标准化多维特征向量及所述当前安全状态，对所述初始人工智能决策指令或所述渐进式平滑目标控制指令执行包含硬截断、可行域投影映射及安全替代求解的三层递进式硬约束校验，生成初步校验指令；

44、获取所述空调的变频压缩机的最小启停时间约束数据、频率变化率限制数据，以及针对所述空调的制冷制热模式切换过程的送风过渡保护序列；

45、基于所述最小启停时间约束数据、所述频率变化率限制数据及所述送风过渡保护序列，对所述初步校验指令执行硬件物理约束联动校验，生成符合安全边界与硬件物理约束的最终合规控制指令，并将所述最终合规控制指令转化为所述第二控制信号。

46、可选地，所述基于所述第二控制信号在所述空调的通信链路恢复时控制所述空调的步骤包括：

47、获取所述第二控制信号；

48、基于所述第二控制信号驱动所述空调的变频压缩机及风机终端负载执行控制动作；

49、在所述变频压缩机及风机终端负载执行所述控制动作的过程中，实时采集实际运行工况参数，并基于所述实际运行工况参数生成设备实际运行状态数据；所述设备实际运行状态数据用于更新所述本地状态向量。

50、第二方面，本技术实施例提供了一种空调控制装置，所述装置应用于所述空调，所述空调用于与云端服务器执行数据交互，所述装置包括：

51、信号采集模块，用于当判定所述空调处于通信链路中断状态时，按照预设采样周期采集多维传感信号，并通过所述多维传感信号生成标准化多维特征向量及数据有效性标志位；

52、硬件资源参数获取模块，用于获取所述空调的硬件资源参数，并基于所述硬件资源参数确定所述空调的当前算力模式及运算精度配置；

53、初始人工智能决策指令生成模块，用于调用集成于所述空调的预训练模型，通过所述当前算力模式、所述运算精度配置、所述标准化多维特征向量及所述数据有效性标志位生成针对所述空调的初始人工智能决策指令；

54、第一控制信号转化模块，用于将所述初始人工智能决策指令转化为针对所述空调的第一控制信号，并基于所述第一控制信号在所述空调处于所述通信链路中断状态时控制所述空调；

55、渐进式平滑目标控制指令生成模块，用于响应于所述空调的通信链路恢复，获取由所述云端服务器生成的云端意图向量、所述空调的本地状态向量，以及所述空调处于通信链路中断状态时所述云端服务器生成的云端历史指令，生成用于消除所述空调处于云边状态切换时的阶跃跳变的渐进式平滑目标控制指令；

56、第二控制信号生成模块，用于基于所述标准化多维特征向量、所述渐进式平滑目标控制指令和所述初始人工智能决策指令，生成第二控制信号；

57、空调控制模块，用于基于所述第二控制信号在所述空调的通信链路恢复时控制所述空调。

58、第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

59、第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

60、第五方面，本技术实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。

61、本发明实施例包括以下优点：

62、本发明实施例，针对智能家居系统在断网后依赖固定逻辑导致智能瘫痪、云边状态同步时因异构性导致指令阶跃跳变与设备频繁启停损坏硬件，以及边缘芯片算力受限难以承载复杂算法等技术问题，通过断网后按采样周期采集多维传感信号并结合芯片硬件资源状态动态分配算力模式与运算精度，调用本地预训练模型生成第一控制信号，突破了断网对云端算法的依赖，实现了设备在低功耗iot芯片上的离线自主自适应控制与鲁棒运行；同时，在通信链路恢复时，通过获取云端意图向量、本地状态向量及云端历史指令，构建动态语义映射并生成渐进式平滑目标控制指令与第二控制信号，彻底消除了云边状态切换时的阶跃跳变与模式冲突，避免了空调压缩机等硬件的频繁启停，延长了设备硬件寿命，达到了断网自治与联网恢复全工况下无冲突、无间断、高安全的平滑自适应控制技术效果。