本发明属于温度控制，具体为自学习型的温度精密控制方法。
背景技术：
1、空调即空气调节器，是指用人工手段，对建筑或构筑物内环境空气的温度、湿度、流速等参数进行调节和控制的设备，空调一般包括冷源与热源设备，冷热介质输配系统，末端装置等几大部分和其他辅助设备，主要包括：制冷主机、水泵、风机和管路系统，末端装置则负责利用输配来的冷热量，具体处理空气状态，使目标环境的空气参数达到一定的要求，空调分为单冷空调和冷暖两用空调，工作原理是一样的，空调以前大多一般使用的制冷剂是氟利昂，氟利昂的特性是：由气态变为液态时，释放大量的热量，而由液态转变为气态时，会吸收大量的热量，空调就是据此原理而设计的，压缩机将气态的制冷剂压缩为高温高压的气态制冷剂，然后送到冷凝器散热后成为常温高压的液态制冷剂，所以室外机吹出来的是热风，其中空调的温度控制方法一般都是采用遥控器，人工调节的方式来对空调的温度进行调节，但是在夜里时，往往人们已经熟睡，而空调的温度无法通过遥控器来进行调节，导致房间内的温度不便，可能造成人们受凉感冒的情况，没有较为智能的控制方法来对温度进行控制，对此，我们提出了自学习型的温度精密控制方法。
技术实现思路
1、针对现有技术的不足，本发明提供了自学习型的温度精密控制方法，解决了空调温度无法智能调节的问题。
2、为实现上述目的，本发明提供如下技术方案：自学习型的温度精密控制方法，控制步骤为：
3、s1、温度传感器对外界温度进行智能监测，将监测的结果上传至控制系统内部；
4、s2、控制系统内建立有分析模块、温度评估模块与自学习算法，自学习算法通过数据库内的数据来分析室内环境的变化趋势推断出当前季节，通过温度评估模块评估当前房间内的温度结合于推断出的季节是否为人体合适的温度；
5、s3、通过分析模块分析出当前房间内监测到的温度与评估模块内评估出的温度是否一致；
6、s4、假设房间内的温度低于或高于评估模块内评估出的温度时，自动进行控制，将温度调节至评估模块内评估的温度值。
7、优先地，s1步骤中的温度传感器位于空调的外表面，s2步骤中的控制系统与空调的自冷系统相互连接，控制系统通过传输指令至自冷系统内，对空调的温度进行调节。
8、优先地，s2步骤中自学习算法通过收集空调的历史使用温度来了解到室内温度变化的趋势，为自学习算法提供数据基础，通过计算来分析出当前环境的大致季节情况，其中在空调的使用温度为16℃—22℃范围时，判断出当前季节为夏季，在空调的使用温度为22℃—26℃范围时，判断出当前季节为秋季，在空调使用制热模式时，判断为当前季节为冬季。
9、优先地，通过将收集得到的历史数据来进行平均计算得到平均温度情况来推断出当前环境内的季节情况；
10、平均值计算公式为：
11、
12、其中n1为第一日内的温度数值，n2为第二日内的温度数值，nn为第n日内的温度数值，n为总日数。
13、优先地，温度评估模块评估步骤为根据实际需求确定评估指标，根据评估指标设定相应的评估标准，通过温度传感器收集空调在实际运行中的数据，并记录下来，对收集到的数据进行分析，计算评估指标的值，并与评估标准进行比较，得到评估值。
14、优先地，温度评估模块评估判断标准为在夏季环境下白天的室内的环境温度为20℃，在夏季环境下夜里的室内环境温度为26℃，在秋季环境下白天的室内环境温度为24℃，在秋季环境下夜里的环境温度为26℃—28℃。
15、优先地，s3步骤中分析模块通过温度传感器收集得到的温度与温度评估模块进行对比分析，分析步骤为对收集得到的数据进行清洗处理，将清洗后的数据通过标准差计算出差异值，采用动态比较法进行比较，判断室内温度的情况。
16、优先地，标准差计算公式为：
17、样本标准差＝p＝s＝sqrt(((x1-x)^2+(x2-x)^2+……(xn-x)^2)/(n-1))
18、总体标准差＝σ＝sqrt(((x1-x)^2+(x2-x)^2+……(xn-x)^2)/n)
19、其中，两个标准差公式里的x为一组数n个数据的算术平均值，当所有数个数为n概率性地出现时对应的n个概率数值和为1，则x为该组数的数学期望，p为方差的算术平方根。
20、优先地，动态比较法采用回归分析法进行计算比较，回归分析法计算公式为：
21、y＝a+vc+α
22、其中y为因变量，v为y轴上的截距，c为自变量，α为均值为零的随机变量。
23、优先地，s4步骤中控制系统发出控制指令至自冷系统内对空调的温度进行控制，将室内的温度自动的调节至评估模块内评估出的温度一致。
24、与现有技术相比，本发明的有益效果如下：
25、本申请通过建立的分析模块、温度评估模块与自学习算法来预先通过空调使用的历史数据情况来得到当前环境所属的季节，并根据当前季节来分析出当前环境内最适宜人体的温度值，通过温度传感器来对外界的温度进行收集，来对空调的温度进行精密控制，减少夜里人们熟睡后空调温度过冷导致的感冒发烧情况，带来更好的使用前景。
1.自学习型的温度精密控制方法，其特征在于，控制步骤为：
2.根据权利要求1所述的自学习型的温度精密控制方法，其特征在于：s1步骤中的温度传感器位于空调的外表面，s2步骤中的控制系统与空调的自冷系统相互连接，控制系统通过传输指令至自冷系统内，对空调的温度进行调节。
3.根据权利要求1所述的自学习型的温度精密控制方法，其特征在于：s2步骤中自学习算法通过收集空调的历史使用温度来了解到室内温度变化的趋势，为自学习算法提供数据基础，通过计算来分析出当前环境的大致季节情况，其中在空调的使用温度为16℃—22℃范围时，判断出当前季节为夏季，在空调的使用温度为22℃—26℃范围时，判断出当前季节为秋季，在空调使用制热模式时，判断为当前季节为冬季。
4.根据权利要求3所述的自学习型的温度精密控制方法，其特征在于：通过将收集得到的历史数据来进行平均计算得到平均温度情况来推断出当前环境内的季节情况；
5.根据权利要求1所述的自学习型的温度精密控制方法，其特征在于：温度评估模块评估步骤为根据实际需求确定评估指标，根据评估指标设定相应的评估标准，通过温度传感器收集空调在实际运行中的数据，并记录下来，对收集到的数据进行分析，计算评估指标的值，并与评估标准进行比较，得到评估值。
6.根据权利要求5所述的自学习型的温度精密控制方法，其特征在于：温度评估模块评估判断标准为在夏季环境下白天的室内的环境温度为20℃，在夏季环境下夜里的室内环境温度为26℃，在秋季环境下白天的室内环境温度为24℃，在秋季环境下夜里的环境温度为26℃—28℃。
7.根据权利要求1所述的自学习型的温度精密控制方法，其特征在于：s3步骤中分析模块通过温度传感器收集得到的温度与温度评估模块进行对比分析，分析步骤为对收集得到的数据进行清洗处理，将清洗后的数据通过标准差计算出差异值，采用动态比较法进行比较，判断室内温度的情况。
8.根据权利要求7所述的自学习型的温度精密控制方法，其特征在于，标准差计算公式为：
9.根据权利要求7所述的自学习型的温度精密控制方法，其特征在于：动态比较法采用回归分析法进行计算比较，回归分析法计算公式为：
10.根据权利要求1所述的自学习型的温度精密控制方法，其特征在于：s4步骤中控制系统发出控制指令至自冷系统内对空调的温度进行控制，将室内的温度自动的调节至评估模块内评估出的温度一致。