智能空调设备的控制实现方法及装置与流程

1.本发明涉及智能空调设备技术领域，尤其涉及一种智能空调设备的控制实现方法及装置。


背景技术：

2.随着电子技术的快速发展，越来越多的设备朝着智能化方向发展，且基于操作方便快捷、省时省力等优点，智能设备在生活、工作、生产等场景中的应用越来越普及且也越来越重要。
3.在实际应用中，对于智能空调设备而言，用户可以通过相应的app或者相应的遥控装置实现对智能空调设备的制冷/制热控制，也即：当用户选定智能空调设备的工作模式及工作温度之后，智能空调设备就在用户选定的工作模式及工作温度下进行工作。然而，实践发现，当用户感到温度不适时，需要用户通过相应的app或者相应的遥控装置反复多次调整智能空调设备的工作温度，工作温度调整效率，不利于提高用户的使用体验。可见，如何智能化的调整智能空调设备的工作参数以提高调整效率显得尤为重要。


技术实现要素：

4.本发明提供了一种智能空调设备的控制实现方法及装置，能够提高智能空调设备工作参数的调整效率。
5.为了解决上述技术问题，本发明第一方面公开了一种智能空调设备的控制实现方法，所述方法包括：
6.检测是否接收到目标用户对应的热感觉修正指示，所述目标用户包括所述智能空调设备所处的当前环境中的至少一个用户；
7.当检测接收到所述目标用户对应的热感觉修正指示时，确定所述目标用户对应的参数，并根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值；
8.其中，所述目标pmv值用于供所述智能空调设备的控制装置调整所述智能空调设备的工作参数。
9.作为一种可选的实施方式，在本发明第一方面中，所述目标用户对应的参数包括所述当前环境的环境参数、所述目标用户的个人参数、所述目标用户对应的休息参数以及所述目标用户对应的热感觉反馈中的一种或多种的组合；
10.其中，所述根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值，包括：
11.将所目标用户对应的参数以及预先确定出的所述目标用户的当前pmv值输入预先训练好的pmv分析模型中进行分析，并获取所述pmv分析模型输出的分析结果，作为目标pmv值；或者，
12.当所述目标用户对应的参数包括所述目标用户对应的热感觉反馈时，根据所述目
标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值。
13.作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值之后，所述方法还包括：
14.根据所述目标pmv值计算与所述目标用户相匹配的热环境偏好参数，与所述目标用户相匹配的热环境偏好参数用于提供给所述智能空调设备的控制装置，以触发所述智能空调设备的控制装置根据与所述目标用户相匹配的热环境偏好参数调整所述智能空调设备的工作参数，与所述目标用户相匹配的热环境偏好参数包括与所述目标用户相匹配的偏好热负荷值和/或与所述目标用户相匹配的偏好温度；
15.其中，所述根据所述目标pmv值计算与所述目标用户相匹配的热环境偏好参数，包括：
16.当与所述目标用户相匹配的热环境偏好参数包括与所述目标用户相匹配的偏好热负荷值时，确定与所述目标用户匹配的热负荷转换系数，并根据所述目标pmv值以及所述热负荷转换系数，计算与所述目标用户相匹配的偏好热负荷值。
17.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
18.当与所述目标用户相匹配的热环境偏好参数包括与所述目标用户相匹配的偏好温度时，根据与所述目标用户相匹配的偏好热负荷值计算与所述目标用户相匹配的偏好温度，或者，根据与所述目标用户相匹配的偏好热负荷值以及目标用户对应的参数计算与所述目标用户相匹配的偏好温度。
19.作为一种可选的实施方式，在本发明第一方面中，所述确定与所述目标用户匹配的热负荷转换系数，包括：
20.确定所述目标用户对应的目标参数，所述目标用户对应的目标参数包括所述目标用户对应的代谢率；
21.根据所述目标用户对应的代谢率与确定出的热负荷修正系数计算与所述目标用户匹配的热负荷转换系数；
22.其中，与所述目标用户匹配的热负荷转换系数的计算公式如下：
23.η＝a
×eαm
+b；
24.式中，所述η为与所述目标用户匹配的热负荷转换系数，所述m为所述目标用户的代谢率，所述a、所述b及所述α分别为热负荷修正系数。
25.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
26.确定不同用户标签的样本用户对应的训练集，每个所述用户标签的样本用户对应的数量大于等于确定出的数量阈值，每个所述用户标签的样本用户对应的训练集包括每个所述用户标签的样本用户对应的用户训练参数，每个所述用户标签的样本用户对应的用户训练参数包括每个所述用户标签的样本用户对应的用户训练代谢率以及每个所述用户标签的样本用户对应的训练pmv值；
27.基于确定出的系数拟合方式对每个所述用户标签的样本用户对应的用户训练代谢率以及每个所述用户标签的样本用户对应的训练pmv值执行拟合操作，得到拟合系数，并确定所述拟合系数，为所述热负荷修正系数。
28.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
29.确定不同用户标签的样本用户对应的训练集，每个所述用户标签的样本用户对应的数量大于等于确定出的数量阈值，每个所述用户标签的样本用户对应的训练集包括每个所述用户标签的样本用户对应的用户训练偏好热负荷值、每个所述用户标签的样本用户对应的用户训练代谢率、每个所述用户标签的样本用户对应的训练环境参数以及每个所述用户标签的样本用户对应的训练个人属性参数；
30.建立每个所述样本用户与该样本用户对应的训练集之间的关联关系，并基于确定出的所有所述用户标签的样本用户对应的训练集以及每个所述样本用户与该样本用户对应的训练集之间的关联关系，训练预先确定出的pmv基础分析模型，得到训练后的pmv基础分析模型，并确定训练后的所述pmv基础分析模型为预先训练好的pmv分析模型。
31.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：所述根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值之后，所述方法还包括：
32.判断所述目标pmv值是否满足预先确定出的迭代停止条件；
33.当判断出所述目标pmv不满足所述迭代停止条件时，将所述目标pmv确定为所述目标用户的当前pmv值，并触发执行所述的检测是否接收到目标用户对应的热感觉修正指示的操作。
34.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：所述根据所述目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值，包括：
35.当所述目标用户的数量等于1时，根据所述目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值；
36.当所述目标用户的数量大于1时，根据每个所述目标用户对应的热感觉反馈以及确定出的每个所述目标用户的pmv修正系数修正预先确定出的每个所述目标用户的当前pmv值，得到修正后的每个所述目标用户的pmv值，并基于修正后的所有所述目标用户的pmv值，确定目标pmv值；
37.其中，所述基于修正后的所有所述目标用户的pmv值，确定目标pmv值，包括：
38.计算修正后的所有所述目标用户的pmv值的均值，作为目标pmv值；或者，
39.当所述目标用户的数量大于1且为奇数时，确定修正后的所有所述目标用户的pmv值中pmv值处于中间值的pmv值，作为目标pmv值。
40.作为一种可选的实施方式，在本发明第一方面中，所述当前环境的环境参数包括所述当前环境的气压、所述当前环境的湿度以及所述当前环境的温度中的一种或多种的组合，所述目标用户的个人参数包括所述目标用户的个人属性参数、所述目标用户的健康参数以及所述目标用户的生理参数中的一种或多种的组合，所述目标用户的个人属性参数包括所述目标用户的性别和/或所述目标用户所属的年龄段；所述目标用户对应的休息参数包括所述目标用户休息过程中所使用的物品对应的参数和/或所述目标用户的休息姿态，所述目标用户休息过程中所使用的所述物品包括被子和/或垫子，所述目标用户休息过程中所使用的所述物品对应的参数包括所述目标用户休息过程中所使用的所述物品与所述目标用户的接触面积、所述物品的厚度、所述物品的种类、所述物品的材质以及所述物品的气密性中的至少一种。
41.本发明第二方面公开了一种智能空调设备的控制实现装置，所述装置包括：
42.检测模块，用于检测是否接收到目标用户对应的热感觉修正指示，所述目标用户包括所述智能空调设备所处的当前环境中的至少一个用户；
43.确定模块，用于当检测接收到所述目标用户对应的热感觉修正指示时，确定所述目标用户对应的参数；
44.修正模块，用于根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值；
45.其中，所述目标pmv值用于供所述智能空调设备的控制装置调整所述智能空调设备的工作参数。
46.作为一种可选的实施方式，在本发明第二方面中，所述目标用户对应的参数包括所述当前环境的环境参数、所述目标用户的个人参数、所述目标用户对应的休息参数以及所述目标用户对应的热感觉反馈中的一种或多种的组合；
47.其中，所述修正模块根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值的方式具体为：
48.将所目标用户对应的参数以及预先确定出的所述目标用户的当前pmv值输入预先训练好的pmv分析模型中进行分析，并获取所述pmv分析模型输出的分析结果，作为目标pmv值；或者，
49.当所述目标用户对应的参数包括所述目标用户对应的热感觉反馈时，根据所述目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值。
50.作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
51.计算模块，用于在所述修正模块根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值之后，根据所述目标pmv值计算与所述目标用户相匹配的热环境偏好参数，与所述目标用户相匹配的热环境偏好参数用于提供给所述智能空调设备的控制装置，以触发所述智能空调设备的控制装置根据与所述目标用户相匹配的热环境偏好参数调整所述智能空调设备的工作参数，与所述目标用户相匹配的热环境偏好参数包括与所述目标用户相匹配的偏好热负荷值和/或与所述目标用户相匹配的偏好温度；
52.其中，所述计算模块，包括：
53.确定子模块，用于当与所述目标用户相匹配的热环境偏好参数包括与所述目标用户相匹配的偏好热负荷值时，确定与所述目标用户匹配的热负荷转换系数；
54.计算子模块，用于根据所述目标pmv值以及所述热负荷转换系数，计算与所述目标用户相匹配的偏好热负荷值。
55.作为一种可选的实施方式，在本发明第二方面中，所述计算子模块，还用于当与所述目标用户相匹配的热环境偏好参数包括与所述目标用户相匹配的偏好温度时，根据与所述目标用户相匹配的偏好热负荷值计算与所述目标用户相匹配的偏好温度，或者，根据与所述目标用户相匹配的偏好热负荷值以及目标用户对应的参数计算与所述目标用户相匹配的偏好温度。
56.作为一种可选的实施方式，在本发明第二方面中，所述确定子模块确定与所述目
标用户匹配的热负荷转换系数的方式具体为：
57.确定所述目标用户对应的目标参数，所述目标用户对应的目标参数包括所述目标用户对应的代谢率；
58.根据所述目标用户对应的代谢率与确定出的热负荷修正系数计算与所述目标用户匹配的热负荷转换系数；
59.其中，与所述目标用户匹配的热负荷转换系数的计算公式如下：
60.η＝a
×eαm
+b；
61.式中，所述η为与所述目标用户匹配的热负荷转换系数，所述m为所述目标用户的代谢率，所述a、所述b及所述α分别为热负荷修正系数。
62.作为一种可选的实施方式，在本发明第二方面中，所述确定模块，还用于确定不同用户标签的样本用户对应的训练集，每个所述用户标签的样本用户对应的数量大于等于确定出的数量阈值，每个所述用户标签的样本用户对应的训练集包括每个所述用户标签的样本用户对应的用户训练参数，每个所述用户标签的样本用户对应的用户训练参数包括每个所述用户标签的样本用户对应的用户训练代谢率以及每个所述用户标签的样本用户对应的训练pmv值；
63.所述装置还包括：
64.拟合模块，用于基于确定出的系数拟合方式对每个所述用户标签的样本用户对应的用户训练代谢率以及每个所述用户标签的样本用户对应的训练pmv值执行拟合操作，得到拟合系数；
65.所述确定模块，还用于确定所述拟合系数，为所述热负荷修正系数。
66.作为一种可选的实施方式，在本发明第二方面中，所述确定模块，还用于确定不同用户标签的样本用户对应的训练集，每个所述用户标签的样本用户对应的数量大于等于确定出的数量阈值，每个所述用户标签的样本用户对应的训练集包括每个所述用户标签的样本用户对应的用户训练偏好热负荷值、每个所述用户标签的样本用户对应的用户训练代谢率、每个所述用户标签的样本用户对应的训练环境参数以及每个所述用户标签的样本用户对应的训练个人属性参数；
67.所述装置还包括：
68.训练模块，用于建立每个所述样本用户与该样本用户对应的训练集之间的关联关系，并基于确定出的所有所述用户标签的样本用户对应的训练集以及每个所述样本用户与该样本用户对应的训练集之间的关联关系，训练预先确定出的pmv基础分析模型，得到训练后的pmv基础分析模型；
69.所述确定模块，还用于确定训练后的所述pmv基础分析模型为预先训练好的pmv分析模型。
70.作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
71.判断模块，用于在所述修正模块根据所述目标用户对应的参数修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值之后，判断所述目标pmv值是否满足预先确定出的迭代停止条件；
72.所述确定模块，还用于当所述判断模块判断出所述目标pmv不满足所述迭代停止条件时，将所述目标pmv确定为所述目标用户的当前pmv值，并触发所述检测模块执行所述
的检测是否接收到目标用户对应的热感觉修正指示的操作。
73.作为一种可选的实施方式，在本发明第二方面中，所述修正模块根据所述目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值的方式具体为：
74.当所述目标用户的数量等于1时，根据所述目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的所述目标用户的当前pmv值，得到目标pmv值；
75.当所述目标用户的数量大于1时，根据每个所述目标用户对应的热感觉反馈以及确定出的每个所述目标用户的pmv修正系数修正预先确定出的每个所述目标用户的当前pmv值，得到修正后的每个所述目标用户的pmv值，并基于修正后的所有所述目标用户的pmv值，确定目标pmv值；
76.其中，所述修正模块基于修正后的所有所述目标用户的pmv值，确定目标pmv值的方式具体为：
77.计算修正后的所有所述目标用户的pmv值的均值，作为目标pmv值；或者，
78.当所述目标用户的数量大于1且为奇数时，确定修正后的所有所述目标用户的pmv值中pmv值处于中间值的pmv值，作为目标pmv值。
79.作为一种可选的实施方式，在本发明第二方面中，所述当前环境的环境参数包括所述当前环境的气压、所述当前环境的湿度以及所述当前环境的温度中的一种或多种的组合，所述目标用户的个人参数包括所述目标用户的个人属性参数、所述目标用户的健康参数以及所述目标用户的生理参数中的一种或多种的组合，所述目标用户的个人属性参数包括所述目标用户的性别和/或所述目标用户所属的年龄段；所述目标用户对应的休息参数包括所述目标用户休息过程中所使用的物品对应的参数和/或所述目标用户的休息姿态，所述目标用户休息过程中所使用的所述物品包括被子和/或垫子，所述目标用户休息过程中所使用的所述物品对应的参数包括所述目标用户休息过程中所使用的所述物品与所述目标用户的接触面积、所述物品的厚度、所述物品的种类、所述物品的材质以及所述物品的气密性中的至少一种。
80.本发明第三方面公开了另一种智能空调设备的控制实现装置，所述装置包括：
81.存储有可执行程序代码的存储器；
82.与所述存储器耦合的处理器；
83.所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的任意一种智能空调设备的控制实现方法中的部分或全部步骤。
84.本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的任意一种智能空调设备的控制实现方法中的部分或全部步骤。
85.与现有技术相比，本发明实施例具有以下有益效果：
86.本发明实施例中，检测是否接收到目标用户对应的热感觉修正指示，该目标用户包括智能空调设备所处的当前环境中的至少一个用户；当检测接收到目标用户对应的热感觉修正指示时，确定目标用户对应的参数，并根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值；其中，该目标pmv值用于供智能空调设备的控制装置调整智能空调设备的工作参数。可见，本发明在检测接收到用户对应的热感觉修正提示
之后，自动确定用户对应的参数，如：用户的热感觉反馈、当前环境参数等，并进一步自动基于确定出的参数修正用户的当前pmv值，得到修正后的pmv值，便于智能空调设备的控制装置根据修正后的pmv值智能化调整智能空调设备的工作参数，从而提高智能空调设备的调整效率以及智能性，进而满足不同用户对环境舒适度的需求，无需用户手动控制智能空调设备，即使在用户处于睡眠状态，同样能够为用户提供准确的舒适环境，提高了用户的使用体验。
附图说明
87.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
88.图1是本发明实施例公开的一种智能空调设备的控制实现方法的流程示意图；
89.图2是本发明实施例公开的另一种智能空调设备的控制实现方法的流程示意图；
90.图3是本发明实施例公开的一种智能空调设备的控制实现装置的结构示意图；
91.图4是本发明实施例公开的另一种智能空调设备的控制实现装置的结构示意图；
92.图5是本发明实施例公开的又一种智能空调设备的控制实现装置的结构示意图；
93.图6为本发明实施例公开的一种场景示意图。
具体实施方式
94.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
95.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
96.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
97.本发明公开了一种智能空调设备的控制实现方法及装置，能够在检测接收到用户对应的热感觉修正提示之后，自动确定用户对应的参数，如：用户的热感觉反馈、当前环境参数等，并进一步自动基于确定出的参数修正用户的当前pmv值，得到修正后的pmv值，便于智能空调设备的控制装置根据修正后的pmv值智能化调整智能空调设备的工作参数，从而提高智能空调设备的调整效率以及智能性，进而满足不同用户对环境舒适度的需求，无需用户手动控制智能空调设备，即使在用户处于睡眠状态，同样能够为用户提供准确的舒适
环境，提高了用户的使用体验。以下分别对本发明所描述的智能空调设备的控制实现方法及装置进行详细的说明。
98.实施例一
99.请参阅图1，图1是本发明实施例公开的一种智能空调设备的控制实现方法的流程示意图。其中，图1所描述的方法可以应用于控制实现装置中，其中，控制实现装置包括智能空调设备的控制装置或者能够与智能空调设备的控制装置建立通信连接的其他控制装置(如小区内智能空调设备的中央控制器)，其中，该智能空调设备的控制装置可以包括智能空调设备本身或智能空调设备对应的服务器，其中，控制实现装置可以与用户终端和/或当前环境的其他智能设备(如：智能扫地设备、智能图像采集设备、智能门锁、智能烟机等)进行通信连接，其中，用户终端包括但不限于智能穿戴设备(如智能运动手环等)和/或智能手机(android手机、ios手机等)，本发明实施例不做限定。如图1所示，该智能空调设备的控制实现方法可以包括以下操作：
100.101、检测是否接收到目标用户对应的热感觉修正指示，该目标用户包括智能空调设备所处的当前环境中的至少一个用户。
101.本发明实施例中，目标用户对应的热感觉修正指示可以是目标用户触发的，也可以是与目标用户同标签的其他用户触发的。其中，标签包括用户标签和/或场景标签，其中，用户标签包括性别标签、年龄段标签、体质标签、饮食习惯标签中的一种或者多种组合，场景标签包括用户活动场景标签和/或区域场景标签，其中，区域场景标签包括客厅场景标签、房间场景标签、工作室场景标签、洗澡后的场景标签、中的一种或者多种组合，用户活动场景标签包括用户洗澡后的场景标签和/或用户运动后的场景标签，这样有利于修正同标签的用户/场景匹配的pmv值，从而有利于对同标签的用户所在环境的智能空调设备实现智能化调整，提高控制实现装置的智能性。
102.102、当接收到目标用户对应的热感觉修正指示时，确定目标用户对应的参数。
103.本发明实施例中，目标用户对应的参数包括当前环境的环境参数、目标用户的个人参数、目标用户对应的休息参数以及目标用户对应的热感觉反馈中的一种或多种的组合。其中，当前环境的环境参数包括当前环境的气压、当前环境的湿度以及当前环境的温度中的一种或多种的组合，目标用户的个人参数包括目标用户的个人属性参数、目标用户的健康参数以及目标用户的生理参数中的一种或多种的组合，目标用户的个人属性参数包括目标用户的性别、目标用户所属的年龄段以及目标用户的体质中的一种或多种的组合；目标用户对应的休息参数包括目标用户休息过程中所使用的物品对应的参数和/或目标用户的休息姿态，目标用户休息过程中所使用的物品包括被子和/或垫子，目标用户休息过程中所使用的物品对应的参数包括目标用户休息过程中所使用的物品与目标用户的接触面积、物品的厚度、物品的种类、物品的材质以及物品的气密性中的至少一种。其中，目标用户对应的热感觉修正指示可以承载有目标用户对应的热感觉反馈。进一步的，目标用户对应的参数还包括智能空调设备距离用户休息所在地(如床)之间的相对位置、目标用户的活动情况。这样用户对应的参数包括的内容越多，越有利于提高用户的pmv值的修正准确性，从而有利于提高用户匹配的热环境偏好参数的计算准确性以及智能空调设备的工作参数的调整准确性，进而有利于为用户提供舒适环境。
104.本发明实施例中，用户的热感觉反馈可以包括对本次休息时感受到的温度反馈信
息、对本次休息时感受到的湿度反馈信息、对本次休息时感受到的风度反馈信息以及对本次休息时感受到的智能空调设备的出风口大小和/或方向的反馈信息中的一种或多种信息，这样用户反馈信息包括的内容越多，越有利于提高pmv值的修正精准性。需要说明的是，用户的热感觉反馈的时间可以包括智能空调设备进入对应的工作模式后的任何时候，或者，智能空调设备结束对应的工作模式之后的任意时刻，或者智能空调设备还未开始进入对应的工作模式的时刻，本发明实施例不做限定。其中，智能空调设备的工作模式可以包括睡眠工作模式或非睡眠工作模式，其中，不同的工作模式对应不同的工作参数。睡眠工作模式对应用户的睡眠状态，非睡眠工作模式对应用户的非睡眠状态，其中，非睡眠状态包括休闲状态、工作状态以及强劳动状态中的其中一种。其中，休闲状态为人员处于坐姿无需体力且轻微用脑的状态，如阅读、看电影等；工作状态为人员处于坐姿轻需要轻微体力且强用脑的状态，如写文章、分析数据等；强劳动状态为人员处于站立且需要较多体力的状态，如做家务、运动等。
105.103、根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值。
106.本发明实施例中，目标pmv值用于供智能空调设备的控制装置调整智能空调设备的工作参数。具体的，智能空调设备的控制装置接收到目标pmv值之后，直接根据目标pmv值调整智能空调设备的工作参数；或者，智能空调设备的控制装置接收到目标pmv值之后，基于目标pmv值计算目标用户匹配的热环境偏好参数，并基于计算出的目标用户匹配的热环境偏好参数调整智能空调设备的工作参数；或者，当控制实现装置包括其他控制装置时，其他控制装置基于目标pmv值计算目标用户匹配的热环境偏好参数，并向智能空调设备的控制装置发送该热环境偏好参数，智能空调设备的控制装置接收该热环境偏好参数，并基于该热环境偏好参数调整智能空调设备的工作参数。其中，针对其他控制装置基于目标pmv值计算目标用户匹配的热环境偏好参数的描述，请参阅下述相关内容的具体描述。进一步的，与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好热负荷值和/或与目标用户相匹配的偏好温度。又进一步的，与目标用户相匹配的热环境偏好参数还包括与目标用户匹配的偏好风速，这样与用户匹配的热环境偏好参数包括的内容越多越有利于提高智能空调设备的工作参数的调整准确性以及效率。其中，智能空调设备的工作参数包括工作输出温度。进一步的，智能空调设备的工作参数还包括工作风速以及出风模式中的一种或者多种组合。其中，智能空调设备的出风模式为智能空调设备的导风板运动和/或智能空调设备的前面板运动所形成的模式。其中，智能空调设备的出风模式包括水平出风模式、上下出风模式以及全域风(四周出风)模式中的一种。其中，智能空调设备的导风板的运动和智能空调设备的前面板的运动均包括移动和/翻转，其中，智能空调设备的导风板的移动和智能空调设备的前面板的移动均包括上移动、下移动、前移动以及后移动中的一种。
107.需要说明的是，智能空调设备的控制装置接收到相关参数(如目标pmv值、热环境偏好参数)之后，可以当即根据相关参数调整智能空调设备的工作参数，也可以在智能空调设备开启之后根据相关参数调整智能空调设备的工作参数，本发明实施例不做限定。
108.可见，本发明实施例所描述的方法在检测接收到用户对应的热感觉修正提示之后，自动确定用户对应的参数，如：用户的热感觉反馈、当前环境参数、用户的性别、年龄等，并进一步自动基于确定出的参数修正用户的当前pmv值，得到修正后的pmv值，便于智能空
调设备的控制装置根据修正后的pmv值智能化调整智能空调设备的工作参数，从而提高智能空调设备的调整效率以及智能性，进而满足不同用户对环境舒适度的需求，无需用户手动控制智能空调设备，即使在用户处于睡眠状态，同样能够为用户提供准确的舒适环境，提高了用户的使用体验。
109.在一个可选的实施例中，根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值，包括：
110.将目标用户对应的参数以及预先确定出的目标用户的当前pmv值输入预先训练好的pmv分析模型中进行分析，并获取pmv分析模型输出的分析结果，作为目标pmv值；和/或，
111.当目标用户对应的参数包括目标用户对应的热感觉反馈时，根据目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值。
112.该可选的实施例中，当目标用户对应的参数包括目标用户对应的热感觉反馈时，目标pmv值的计算公式如下：
113.pmvi＝pmv0±
φ；
114.式中，pmvi为目标pmv值，pmv0为目标用户的当前pmv值，φ为pmv修正系数，且φ为任意实数，例如：若用户反馈太冷，则φ＝-0.1；若用户反馈太热，则φ＝
±
0.1。
115.可见，该可选的实施例通过将用户对应的参数以及当前pmv值输入到训练好的pmv分析模型中进行分析，能够提高pmv值的修正准确性以及效率；或者通过用户的热感觉反馈对pmv值进行修正，能够丰富pmv值的修正方式，有利于提高智能空调设备的工作参数的调整效率与准确性。
116.在另一个可选的实施例中，根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值之后，该方法还可以包括以下步骤：
117.根据目标pmv值计算与目标用户相匹配的热环境偏好参数，与目标用户相匹配的热环境偏好参数用于提供给智能空调设备的控制装置，以触发智能空调设备的控制装置根据与目标用户相匹配的热环境偏好参数调整智能空调设备的工作参数，与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好热负荷值和/或与目标用户相匹配的偏好温度；
118.该可选的实施例中，可选的，根据目标pmv值计算与目标用户相匹配的热环境偏好参数，包括：
119.当与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好热负荷值时，确定与目标用户匹配的热负荷转换系数，并根据目标pmv值以及热负荷转换系数，计算与目标用户相匹配的偏好热负荷值。
120.该可选的实施例中，与目标用户相匹配的偏好热负荷值的计算公式如下：
[0121][0122]
式中，δc为与目标用户相匹配的偏好热负荷值；η为与目标用户匹配的热负荷转换系数。
[0123]
可见，该可选的实施例在修正用户的pmv值之后，进一步自动基于修正后的用户的pmv值及相应的热负荷转换系数计算用户匹配的偏好热负荷值，能够提高用户匹配的偏好
热负荷值的计算准确性以及效率，从而有利于提高智能空调设备的工作参数的准确性。
[0124]
在又一个可选的实施例中，该方法还可以包括以下操作：
[0125]
当与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好温度时，根据与目标用户相匹配的偏好热负荷值计算与目标用户相匹配的偏好温度，或者，根据与目标用户相匹配的偏好热负荷值以及目标用户对应的参数计算与目标用户相匹配的偏好温度。
[0126]
该可选的实施例中，与目标用户相匹配的偏好温度的计算公式如下：
[0127][0128]
式中，t为与目标用户相匹配的偏好温度，ri为目标用户休息过程中所使用的物品的初始热阻值，m为目标用户的人体代谢率，s为目标用户的人体体表面积，m为目标用户的休息姿态，εi为目标用户休息过程中所使用的物品的热阻值误差，pa为当前环境的气压，n1、n2、n3、n4、n5、n6、n7、n8分别为常数，如：n1＝13.342，n2＝1.519
×
10-3
，n3＝0.128，n4＝34.6，n5＝0.24，n6＝35.4，n7＝3.074
×
10-3
，n8＝5520。其中，物品的初始热阻值是根据物品的厚度、物品的种类、物品的材质、物品的气密性、人员休息过程中所使用的物品与人员的接触面积(或覆盖率0-100％，其中，100％表示人员的全身都在物品下，95％表示人员只露头部)以及目标用户休息过程中的穿着等中的至少一个参数估算的或者基于设置在物品上或周边的热敏传感器采集的。
[0129]
可见，该可选的实施例还能够自动根据计算出的与用户相匹配的偏好热负荷值(以及用户对应的参数，如：当前环境的湿度等)计算与用户相匹配的偏好温度，能够提高用户匹配的偏好温度的计算准确性以及效率，从而有利于提高智能空调设备的工作参数的调整准确性。
[0130]
在又一个可选的实施例中，确定与目标用户匹配的热负荷转换系数，包括：
[0131]
确定目标用户对应的目标参数，该目标用户对应的目标参数包括目标用户对应的代谢率；
[0132]
根据目标用户对应的代谢率与确定出的热负荷修正系数计算与目标用户匹配的热负荷转换系数；
[0133]
该可选的实施例中，与目标用户匹配的热负荷转换系数的计算公式如下：
[0134]
η＝a
×eαm
+b
[0135]
式中，η为与目标用户匹配的热负荷转换系数，m为目标用户的代谢率，a、b及α分别为热负荷修正系数。
[0136]
该可选的实施例中，不同用户均存在匹配的热负荷转换系数。
[0137]
可见，该可选的实施例通过结合用户的代谢率以及热负荷修正系数计算与目标用户匹配的热负荷转换系数，能够提高热负荷转换系数的计算准确性以及可靠性，从而有利于提高热环境偏好参数的计算准确性与可靠性，进而有利于提高智能空调设备的工作参数的调整准确性以及可靠性。
[0138]
在又一个可选的实施例中，该方法还可以包括以下操作：
[0139]
确定不同用户标签的样本用户对应的训练集，每个用户标签的样本用户的数量大于等于确定出的数量阈值(如500)，每个用户标签的样本用户的每个样本用户对应的训练
集包括每个样本用户对应的用户训练代谢率、训练pmv值以及训练偏好热负荷值；
[0140]
基于确定出的系数拟合方式对每个用户标签的样本用户的每个样本用户对应的用户训练代谢率以及每个用户标签的样本用户的每个样本用户对应的训练pmv值执行拟合操作，得到拟合系数，并确定拟合系数，为热负荷修正系数。
[0141]
该可选的实施例中，不同用户标签的样本用户对应的训练集的来源可以为全国各地，也可以为同一社区，还可以为家庭成员。
[0142]
该可选的实施例中，具体的，基于最小二乘法对每个用户标签的样本用户的每个样本用户对应的用户训练代谢率以及每个用户标签的样本用户的每个样本用户对应的训练pmv值执行拟合操作，得到拟合系数，其中，拟合系数的计算公式为：
[0143][0144]
式中，ηi为每个用户标签的样本用户的每个样本用户对应的训练pmv值以及每个用户标签的样本用户的每个样本用户对应的训练偏好热负荷值的比值，mi为每个用户标签的样本用户的每个样本用户对应的用户训练代谢率，a、b、α分别为热负荷修正系数。
[0145]
可见，该可选的实施例通过自动对采集到的各个地区的用户的训练pmv值、训练偏好热负荷值以及训练代谢率进行拟合，能够提高热负荷修正系数的拟合准确性以及可靠性，从而有利于提高后续获取到用户的偏好热负荷值准确性以及可靠性。
[0146]
在又一个可选的实施例中，该方法还可以包括以下操作：
[0147]
确定不同用户标签的样本用户对应的训练集，每个用户标签的样本用户的数量大于等于确定出的数量阈值，每个用户标签的样本用户对应的训练集包括每个用户标签的样本用户对应的用户训练偏好热负荷值、每个用户标签的样本用户对应的用户训练代谢率、每个用户标签的样本用户对应的训练环境参数以及每个用户标签的样本用户对应的训练个人属性参数；
[0148]
建立每个样本用户与该样本用户对应的训练集之间的关联关系，并基于确定出的所有用户标签的样本用户对应的训练集以及每个样本用户与该样本用户对应的训练集之间的关联关系，训练预先确定出的pmv基础分析模型，得到训练后的pmv基础分析模型，并确定训练后的pmv基础分析模型为预先训练好的pmv分析模型。
[0149]
该可选的实施例中，可选的，每个用户标签的样本用户对应的训练环境参数以及每个用户标签的样本用户对应的训练个人属性参数的相关描述，请参阅上述相关内容的具体描述，在此不再赘述。进一步的，每个用户标签的样本用户对应的训练集还包括每个用户标签的样本用户对应的其他设备的参数，如：智能门锁的开启时刻、智能烟机的开启时刻、用餐时刻等。
[0150]
该可选的实施例中，可选的，pmv基础分析模型包括但不限于naive bayes、k-nearest neighbor、decision tree、linear svm、radial basis function(rbf)svm、random forest、neural network模型中的一种或多种组合。
[0151]
该可选的实施例中，可选的，得到训练后的pmv基础分析模型，该方法还可以包括以下步骤：
[0152]
基于每个用户标签的样本用户的校验样本用户对应的校验集持续校验训练好的pmv基础分析模型，并持续确定经过校验的pmv基础分析模型对应的精确度，直至pmv基础分析模型的精确度大于等于确定出的精确度阈值(如95％)时，停止对pmv基础分析模型执行
校验操作，或者直至校验pmv基础分析模型得到的pmv值与预测pmv值之间的绝对差值小于等于确定出的绝对差值阈值，并确定最后一次校验的pmv基础分析模型为确定出的pmv分析模型。
[0153]
该可选的实施例中，结合智能空调设备的工作参数(如出风模式、工作输出温度等)修正pmv分析模型，这样能够有利于获取到更符合各个场景、条件下的pmv分析模型，有利于提高pmv值的分析精准性。
[0154]
可见，该可选的实施例通过自动对采集到的训练集进行训练操作，能够获取到与本方案相适应的pmv分析模型，有利于提高后续使用pmv分析模型修正用户的pmv值的效率以及准确性，从而提高用户的热环境偏好系数的计算准确性，提高智能空调设备的工作参数的调整准确性；以及基于校验集对训练得到的模型执行校验操作，并在该模型的精确度达到所设定的精确度阈值时，方停止对该模型执行校验操作，能够获取到更精准的pmv分析模型，从而进一步提高pmv值的修正准确性以及效率。
[0155]
在又一个可选的实施例中，根据目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值，包括：
[0156]
当目标用户的数量等于1时，根据目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值；
[0157]
当目标用户的数量大于1时，根据每个目标用户对应的热感觉反馈以及确定出的每个目标用户的pmv修正系数修正预先确定出的每个目标用户的当前pmv值，得到修正后的每个目标用户的pmv值，并基于修正后的所有目标用户的pmv值，确定目标pmv值；
[0158]
其中，基于修正后的所有目标用户的pmv值，确定目标pmv值，包括：
[0159]
计算修正后的所有目标用户的pmv值的均值，作为目标pmv值；或者，
[0160]
当目标用户的数量大于1且为奇数时，确定修正后的所有目标用户的pmv值中pmv值处于中间值的pmv值，作为目标pmv值；或者，
[0161]
确定每个目标用户对信息的敏感度，并从所有目标用户对应的敏感度中选择最大敏感度对应的目标用户(如儿童等)匹配的pmv值，作为目标pmv值，该信息包括温度和/或灰尘。
[0162]
可见，该可选的实施例通过当前环境内用户的不同环境情况，选择合适的pmv值，如：当有多个用户时，确定多个用户的pmv值的平均值作为最终的pmv值，从而有利于提高智能空调设备的工作参数的调整性，进而有利于为当前环境内的所有用户均能提供到合适的舒适环境，满足不同用户的舒适度需求。
[0163]
实施例二
[0164]
请参阅图2，图2是本发明实施例公开的另一种智能空调设备的控制实现方法的流程示意图。其中，图2所描述的方法可以应用于控制实现装置中，其中，控制实现装置包括智能空调设备的控制装置或者能够与智能空调设备的控制装置建立通信连接的其他控制装置(如小区内智能空调设备的中央控制器)，其中，该智能空调设备的控制装置可以包括智能空调设备本身或智能空调设备对应的服务器，其中，控制实现装置可以与用户终端和/或当前环境的其他智能设备(如：智能扫地设备、智能图像采集设备、智能门锁、智能烟机等)进行通信连接，其中，用户终端包括但不限于智能穿戴设备(如智能运动手环等)和/或智能手机(android手机、ios手机等)，本发明实施例不做限定。如图2所示，该智能空调设备的控
制实现方法可以包括以下操作：
[0165]
201、检测是否接收到目标用户对应的热感觉修正指示，该目标用户包括智能空调设备所处的当前环境中的至少一个用户。
[0166]
本发明实施例中，目标用户对应的热感觉修正指示可以是目标用户触发的，也可以是与目标用户同标签的其他用户触发的。其中，标签包括性别标签、年龄段标签、体质标签以及饮食习惯标签中的一种或者多种组合，这样有利于修正同标签的用户匹配的pmv值，从而有利于对同标签的用户所在环境的智能空调设备实现智能化调整。
[0167]
202、当接收到目标用户对应的热感觉修正指示时，确定目标用户对应的参数。
[0168]
203、根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值。
[0169]
204、判断目标pmv值是否满足预先确定出的迭代停止条件；当判断出目标pmv不满足迭代停止条件时，触发执行步骤205；当判断出目标pmv满足迭代停止条件时，可以触发执行步骤206，其中，步骤206及相关的详细描述，请参阅实施例一中针对相关内容的描述。
[0170]
205、将目标pmv确定为目标用户的当前pmv值。
[0171]
206、根据目标pmv值计算与目标用户相匹配的热环境偏好参数。
[0172]
本发明实施例中，需要说明的是，针对步骤201-步骤203的相关描述，请参阅实施例一中针对步骤101-步骤103的详细描述，本发明实施例不再赘述。
[0173]
可见，本发明实施例在检测接收到用户对应的热感觉修正提示之后，自动确定用户对应的参数，如：用户的热感觉反馈、当前环境参数等，并进一步自动基于确定出的参数修正用户的当前pmv值，得到修正后的pmv值，便于智能空调设备的控制装置根据修正后的pmv值智能化调整智能空调设备的工作参数，从而提高智能空调设备的调整效率以及智能性，进而满足不同用户对环境舒适度的需求，无需用户手动控制智能空调设备，即使在用户处于睡眠状态，同样能够为用户提供准确的舒适环境，提高了用户的使用体验。此外，在对用户的pmv值进行修正之后，判断修正后的pmv值是否满足确定出的迭代条件，若不满足，则继续自动对其进行修正，直至满足为止，若满足，则进行后续的热环境偏好参数的计算操作，有利于提高pmv值的修正准确性以及可靠性，从而有利于进一步提高用户的热环境偏好系数的计算准确性与可靠性，提高智能空调设备的工作参数的调整准确性与可靠性，从而提高为用户提供舒适环境的准确性以及可靠性。
[0174]
在一个可选的实施例中，判断目标pmv值是否满足预先确定出的迭代停止条件，包括：
[0175]
计算目标pmv值与预设pmv修正值(如：0)之间的差值绝对值是否处于确定出的修正值范围(如0-0.3)，当判断出处于修正值范围时，确定目标pmv值满足预先确定出的迭代停止条件；或者，
[0176]
确定目标用户的当前pmv值的修正次数，并判断修正次数是否大于等于确定出的修正次数阈值(如3次)，当判断出修正次数大于等于修正次数阈值时，确定目标pmv值满足预先确定出的迭代停止条件。
[0177]
可见，该可选的实施例通过在判断出修正后的pmv值的大小趋于预设大小或者在判断出用户的当前pmv值的修正次数达到预设次数时，即能够提供多种方式确定修正后的pmv值满足修正要求，能够提高修正后的pmv值满足迭代停止条件的确定准确性以及效率。
[0178]
在另一个可选的实施例中，根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值之前，该方法还可以包括以下步骤：
[0179]
根据目标用户的个人属性参数为目标用户对应的参数包括的每个内容设置对应的权重值；
[0180]
该可选的实施例中，可选的，根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值，包括：
[0181]
根据目标用户对应的参数包括的所有内容以及目标用户对应的参数包括的每个内容对应的权重值，修正预先确定出的目标用户的当前pmv值，得到目标pmv值。
[0182]
该可选的实施例中，不同个人属性参数的用户，其确定出的目标用户对应的参数包括的每个内容对应的权重值各不相同，但目标用户对应的参数包括的每个内容对应的权重值之和均等于1。例如：体质为寒性体质，对应环境温度对应的权重值大于体质为非寒性体质对应的权重值；同年龄下，性别为女性，对应的环境温度对应的权重值大于体质为男性体质对应的权重值。
[0183]
可见，该可选的实施例能够根据不同个人属性参数的用户，为其确定用户对应的参数包括的内容分配对应的权重值，能够提高对应属性匹配的权重值的设置准确性，并进一步结合用户对应的参数包括的每个内容分配对应的权重值与确定出的多个参数，能够进一步提高pmv值的修正准确性以及可靠性，有利于进一步提高热环境偏好参数的计算准确性以及可靠性，进而有利于进一步提高为对应属性的用户提供精准的舒适环境，进一步提升了用户体验感。
[0184]
在又一个可选的实施例中，该方法还可以包括以下步骤：
[0185]
若当前环境的智能空调设备处于工作状态，采集当前环境的其他参数，其中，该其他参数包括智能空调设备的出风速度、工作输出温度、当前环境的空间大小、当前环境的空间密集度(用于表示当前环境的空间中物品的摆放情况)、当前环境中其他智能设备的工作情况中的一种或多种组合；
[0186]
该可选的实施例中，可选的，根据目标用户对应的参数包括的所有内容以及目标用户对应的参数包括的每个内容对应的权重值，修正预先确定出的目标用户的当前pmv值，得到目标pmv值，包括：
[0187]
根据目标用户对应的参数包括的所有内容、目标用户对应的参数包括的每个内容对应的权重值以及当前环境的其他参数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值。
[0188]
可见，该可选的实施例能够进一步结合当前环境的其他参数，如：智能空调设备的工作参数、其他智能设备的工作情况以及当前环境的空间情况等，能够进一步提高pmv值的修正准确性以及可靠性，有利于进一步提高热环境偏好参数的计算准确性以及可靠性，进而有利于进一步提高为对应属性的用户提供精准的舒适环境，进一步提升了用户体验感，从而进一步为当前区域的人员提供更贴切的舒适环境。
[0189]
以下以用户小明、小辉以及小伟进行举例说明：
[0190]
如图6所示，图6为本发明实施例的一种场景示意图，如图6所示，检测是否接收到房间内小明、小辉以及小伟对应的热感觉修正指示，当检测到该热感觉修正指示时，自动确定房间内的环境参数、小明、小辉以及小伟的个人参数、小明、小辉以及小伟的个人休息参
数以及小明、小辉以及小伟的个人热感觉反馈等，并将环境参数结合个人参数分别对小明、小辉以及小伟对应的当前pmv值进行修正，得到修正后的小明的目标pmv值、小辉的目标pmv值以及小伟的目标pmv值，则可以计算小明的目标pmv值、小辉的目标pmv值以及小伟的目标pmv值三者的平均值作为最终的目标pmv值，或者，如果小明的目标pmv值、小辉的目标pmv值以及小伟的目标pmv值依次减小，则将中间值的小辉的目标pmv值作为最终的目标pmv值，或者，如果智能空调设备有三个独立的送风区域(如图6所示，s1，s2，s3)，则确定小明的目标pmv值、小辉的目标pmv值以及小伟的目标pmv值均为最终的目标pmv值，并根据小明、小辉以及小伟各自的位置与每个独立的送风区域的位置分别为小明、小辉以及小伟确定对应的送风区域，即s1送风系统与小辉对应，用于输出与小辉合适的温度、风速等，s2送风区域与小明对应，用于输出与小明合适的温度、风速等，s3送风区域与小伟对应，用于输出与小伟合适的温度、风速等，确定出最终的目标pmv值之后，进一步直接将最终的目标pmv值发送至房间内的智能空调设备的控制装置，以便于智能空调设备的控制装置调整智能空调设备的工作参数，或者，在确定出最终的目标pmv值之后，进一步基于最终的目标pmv值以及上述确定出的房间对应的参数计算小明、小辉以及小伟均匹配的偏好热负荷值、偏好温度，再将偏好热负荷值、偏好温度发送至房间内的智能空调设备的控制装置，以便于智能空调设备的控制装置调整智能空调设备的工作参数，从而提高房间内的智能空调设备的调整效率，进而满足小明、小辉以及小伟对环境舒适度的需求，无需小明、小辉以及小伟手动控制智能空调设备，即使在小明处于睡眠状态，同样能够为小明提供准确的舒适环境，提高了小明、小辉以及小伟的使用体验。
[0191]
实施例三
[0192]
请参阅图3，图3是本发明实施例公开的一种智能空调设备的控制实现装置的结构示意图。其中，图3所描述的装置可以包括智能空调设备的控制装置或者能够与智能空调设备的控制装置建立通信连接的其他控制装置(如小区内智能空调设备的中央控制器)，其中，该智能空调设备的控制装置可以包括智能空调设备本身或智能空调设备对应的服务器，其中，控制实现装置可以与用户终端和/或当前环境的其他智能设备(如：智能扫地设备、智能图像采集设备、智能门锁、智能烟机等)进行通信连接，其中，用户终端包括但不限于智能穿戴设备(如智能运动手环等)和/或智能手机(android手机、ios手机等)，本发明实施例不做限定。如图3所示，该智能空调设备的控制实现装置可以包括：
[0193]
检测模块301，用于检测是否接收到目标用户对应的热感觉修正指示，该目标用户包括智能空调设备所处的当前环境中的至少一个用户。
[0194]
确定模块302，用于当接收到目标用户对应的热感觉修正指示时，确定目标用户对应的参数。
[0195]
修正模块303，用于根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值；
[0196]
其中，目标pmv值用于供智能空调设备的控制装置调整智能空调设备的工作参数。
[0197]
可见，实施图3所描述的装置能够在检测接收到用户对应的热感觉修正提示之后，自动确定用户对应的参数，如：用户的热感觉反馈、当前环境参数等，并进一步自动基于确定出的参数修正用户的当前pmv值，得到修正后的pmv值，便于智能空调设备的控制装置根据修正后的pmv值智能化调整智能空调设备的工作参数，从而提高智能空调设备的调整效
率以及智能性，进而满足不同用户对环境舒适度的需求，无需用户手动控制智能空调设备，即使在用户处于睡眠状态，同样能够为用户提供准确的舒适环境，提高了用户的使用体验。
[0198]
在一个可选的实施例中，如图4所示，目标用户对应的参数包括当前环境的环境参数、目标用户的个人参数、目标用户对应的休息参数以及目标用户对应的热感觉反馈中的一种或多种的组合；
[0199]
其中，修正模块303根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值的方式具体为：
[0200]
将所目标用户对应的参数以及预先确定出的目标用户的当前pmv值输入预先训练好的pmv分析模型中进行分析，并获取pmv分析模型输出的分析结果，作为目标pmv值；和/或，
[0201]
当目标用户对应的参数包括目标用户对应的热感觉反馈时，根据目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值。
[0202]
可见，实施图4所描述的装置通过将用户对应的参数以及当前pmv值输入到训练好的pmv分析模型中进行分析，能够提高pmv值的修正准确性以及效率；或者通过用户的热感觉反馈对pmv值进行修正，能够丰富pmv值的修正方式，有利于提高智能空调设备的工作参数的调整效率与准确性。
[0203]
在另一个可选的实施例中，如图4所示，该装置还包括：
[0204]
计算模块304，用于在修正模块303根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值之后，根据目标pmv值计算与目标用户相匹配的热环境偏好参数，与所目标用户相匹配的热环境偏好参数用于提供给智能空调设备的控制装置，以触发智能空调设备的控制装置根据与目标用户相匹配的热环境偏好参数调整智能空调设备的工作参数，与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好热负荷值和/或与目标用户相匹配的偏好温度。
[0205]
其中，计算模块304，包括：
[0206]
确定子模块3041，用于当与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好热负荷值时，确定与目标用户匹配的热负荷转换系数。
[0207]
计算子模块3042，用于根据目标pmv值以及热负荷转换系数，计算与目标用户相匹配的偏好热负荷值。
[0208]
可见，实施图4所描述的装置还能够在修正用户的pmv值之后，进一步自动基于修正后的用户的pmv值及相应的热负荷转换系数计算用户匹配的偏好热负荷值，能够提高用户匹配的偏好热负荷值的计算准确性以及效率，从而有利于提高智能空调设备的工作参数的准确性。
[0209]
在又一个可选的实施例中，如图4所示，计算子模块3042，还用于当与目标用户相匹配的热环境偏好参数包括与目标用户相匹配的偏好温度时，根据与目标用户相匹配的偏好热负荷值计算与目标用户相匹配的偏好温度，或者，根据与目标用户相匹配的偏好热负荷值以及目标用户对应的参数计算与目标用户相匹配的偏好温度。
[0210]
可见，实施图4所描述的装置还能够自动根据计算出的与用户相匹配的偏好热负荷值(以及用户对应的参数，如：当前环境的湿度等)计算与用户相匹配的偏好温度，能够提
高用户匹配的偏好温度的计算准确性以及效率，从而有利于提高智能空调设备的工作参数的调整准确性。
[0211]
在又一个可选的实施例中，如图4所示，确定子模块3041确定与目标用户匹配的热负荷转换系数的方式具体为：
[0212]
确定目标用户对应的目标参数，目标用户对应的目标参数包括目标用户对应的代谢率；
[0213]
根据目标用户对应的代谢率与确定出的热负荷修正系数计算与目标用户匹配的热负荷转换系数；
[0214]
该可选的实施例中，与目标用户匹配的热负荷转换系数的计算公式如下：
[0215]
η＝a
×eαm
+b
[0216]
式中，η为与目标用户匹配的热负荷转换系数，m为目标用户的代谢率，a、b及α分别为热负荷修正系数。
[0217]
可见，实施图4所描述的装置还能够通过结合用户的代谢率以及热负荷修正系数计算与目标用户匹配的热负荷转换系数，能够提高热负荷转换系数的计算准确性以及可靠性，从而有利于提高热环境偏好参数的计算准确性与可靠性，进而有利于提高智能空调设备的工作参数的调整准确性以及可靠性。
[0218]
在又一个可选的实施例中，如图4所示，确定模块302，还用于确定不同用户标签的样本用户对应的训练集，每个用户标签的样本用户对应的数量大于等于确定出的数量阈值，每个用户标签的样本用户对应的训练集包括每个用户标签的样本用户对应的用户训练参数，每个用户标签的样本用户对应的用户训练参数包括每个用户标签的样本用户对应的用户训练代谢率以及每个用户标签的样本用户对应的训练pmv值。
[0219]
如图4所示，该装置还包括：
[0220]
拟合模块305，用于基于确定出的系数拟合方式对每个用户标签的样本用户对应的用户训练代谢率以及每个用户标签的样本用户对应的训练pmv值执行拟合操作，得到拟合系数。
[0221]
确定模块302，还用于确定拟合系数，为热负荷修正系数。
[0222]
可见，实施图4所描述的装置还能够通过自动对采集到的各个地区的用户的训练pmv值、训练偏好热负荷值以及训练代谢率进行拟合，能够提高热负荷修正系数的拟合准确性以及可靠性，从而有利于提高后续获取到用户的偏好热负荷值准确性以及可靠性。
[0223]
在又一个可选的实施例中，如图4所示，确定模块302，还用于确定不同用户标签的样本用户对应的训练集，每个用户标签的样本用户对应的数量大于等于确定出的数量阈值，每个用户标签的样本用户对应的训练集包括每个用户标签的样本用户对应的用户训练偏好热负荷值、每个用户标签的样本用户对应的用户训练代谢率、每个用户标签的样本用户对应的训练环境参数以及每个用户标签的样本用户对应的训练个人属性参数。
[0224]
如图4所示，该装置还包括：
[0225]
训练模块306，用于建立每个样本用户与该样本用户对应的训练集之间的关联关系，并基于确定出的所有用户标签的样本用户对应的训练集以及每个样本用户与该样本用户对应的训练集之间的关联关系，训练预先确定出的pmv基础分析模型，得到训练后的pmv基础分析模型。
[0226]
确定模块302，还用于确定训练后的pmv基础分析模型为预先训练好的pmv分析模型。
[0227]
可见，实施图4所描述的装置还能够通过自动对采集到的训练集进行训练操作，能够获取到与本方案相适应的pmv分析模型，有利于提高后续使用pmv分析模型修正用户的pmv值的效率以及准确性，从而提高用户的热环境偏好系数的计算准确性，提高智能空调设备的工作参数的调整准确性。
[0228]
在又一个可选的实施例中，如图4所示，该装置还包括：
[0229]
判断模块307，用于在修正模块303根据目标用户对应的参数修正预先确定出的目标用户的当前pmv值，得到目标pmv值之后，判断目标pmv值是否满足预先确定出的迭代停止条件。
[0230]
确定模块302，还用于当判断模块307判断出目标pmv不满足迭代停止条件时，将目标pmv确定为目标用户的当前pmv值，并触发检测模块301执行上述的检测是否接收到目标用户对应的热感觉修正指示的操作。
[0231]
可见，实施图4所描述的装置还能够在对用户的pmv值进行修正之后，判断修正后的pmv值是否满足确定出的迭代条件，若不满足，则继续自动对其进行修正，直至满足为止，若满足，则进行后续的热环境偏好参数的计算操作，有利于提高pmv值的修正准确性以及可靠性，从而有利于进一步提高用户的热环境偏好系数的计算准确性与可靠性，提高智能空调设备的工作参数的调整准确性与可靠性，从而提高为用户提供舒适环境的准确性以及可靠性。
[0232]
在又一个可选的实施例中，如图4所示，修正模块303根据目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值的方式具体为：
[0233]
当目标用户的数量等于1时，根据目标用户对应的热感觉反馈以及确定出的pmv修正系数，修正预先确定出的目标用户的当前pmv值，得到目标pmv值；
[0234]
当目标用户的数量大于1时，根据每个目标用户对应的热感觉反馈以及确定出的每个目标用户的pmv修正系数修正预先确定出的每个目标用户的当前pmv值，得到修正后的每个目标用户的pmv值，并基于修正后的所有目标用户的pmv值，确定目标pmv值；
[0235]
其中，修正模块303基于修正后的所有目标用户的pmv值，确定目标pmv值的方式具体为：
[0236]
计算修正后的所有目标用户的pmv值的均值，作为目标pmv值；或者，
[0237]
当目标用户的数量大于1且为奇数时，确定修正后的所有目标用户的pmv值中pmv值处于中间值的pmv值，作为目标pmv值。
[0238]
可见，实施图4所描述的装置还能够通过当前环境内用户的不同环境情况，选择合适的pmv值，如：当有多个用户时，确定多个用户的pmv值的平均值作为最终的pmv值，从而有利于提高智能空调设备的工作参数的调整性，进而有利于为当前环境内的所有用户均能提供到合适的舒适环境，满足不同用户的舒适度需求。
[0239]
实施例四
[0240]
请参阅图5，图5是本发明实施例公开的又一种智能空调设备的控制实现装置的结构示意图。其中，图5所描述的装置可以包括智能空调设备的控制装置或者能够与智能空调
设备的控制装置建立通信连接的其他控制装置(如小区内智能空调设备的中央控制器)，其中，该智能空调设备的控制装置可以包括智能空调设备本身或智能空调设备对应的服务器，其中，控制实现装置可以与用户终端和/或当前环境的其他智能设备(如：智能扫地设备、智能图像采集设备、智能门锁、智能烟机等)进行通信连接，其中，用户终端包括但不限于智能穿戴设备(如智能运动手环等)和/或智能手机(android手机、ios手机等)，本发明实施例不做限定。如图5所示，该智能空调设备的控制实现装置可以包括：
[0241]
存储有可执行程序代码的存储器401；
[0242]
与存储器401耦合的处理器402；
[0243]
处理器402调用存储器402中存储的可执行程序代码，执行本发明实施例一或实施例二公开的智能空调设备的控制实现方法中部分或全部的步骤。
[0244]
实施例五
[0245]
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或实施例二公开的智能空调设备的控制实现方法中部分或全部的步骤。
[0246]
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0247]
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0248]
最后应说明的是：本发明实施例公开的一种智能空调设备的控制实现方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。