基于卷积神经网络的室内温度控制方法及系统技术方案

本发明专利技术涉及温度控制的技术领域，特别是涉及一种基于卷积神经网络的室内温度控制方法及系统，其能够对室内温度进行精准控制；方法包括：设定预期温度；检测室内多个预设点位的温度，获得多个温度值；根据预设点位的空间位置，将检测到的多个温度值转换成三维矩阵；将三维矩阵输入至预先训练的卷积神经网络中，对三维矩阵进行温度特征识别，得到实时温度状态；构建调温数据库，将不同的实时温度与不同的预期温度分别进行关联，并对每个关联赋予调节指令；将实时温度状态与调温数据库进行匹配，得出达到预期温度所需要的调节指令；根据调节指令进行温度调节。调节指令进行温度调节。调节指令进行温度调节。

【技术实现步骤摘要】
基于卷积神经网络的室内温度控制方法及系统


[0001]本专利技术涉及温度控制的
，特别是涉及一种基于卷积神经网络的室内温度控制方法及系统。

技术介绍

[0002]温度控制是通过各种控制系统来维持特定环境的温度。在工业中，温度控制非常重要，可以确保产品的一致性和可靠性；在居住环境中，室内温度控制直接影响人们的舒适性，过高或过低的室温会使人感到不舒适，需要将温度调节至适合自己的状态；因此随着生活质量的提高和生产环境的高标准，对室内温度的控制精度有着较高的要求。
[0003]目前市场上的温度控制只是单纯的使用温度传感器监测传感器安装部位的温度，当传感器安装部位的温度达到设定温度时即控制压缩机停止工作，而此时室内其他方位的温度并没有达到设定温度，因此当室内温度均衡后，室内实际温度与设定温度之间存在着较大的误差，从而无法精准控制室内温度。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种能够对室内温度进行精准控制的基于卷积神经网络的室内温度控制方法。
[0005]第一方面，本专利技术提供了基于卷积神经网络的室内温度控制方法，所述方法包括：设定预期温度；检测室内多个预设点位的温度，获得多个温度值；根据预设点位的空间位置，将检测到的多个温度值转换成三维矩阵；将三维矩阵输入至预先训练的卷积神经网络中，对三维矩阵进行温度特征识别，得到实时温度状态；构建调温数据库，将不同的实时温度与不同的预期温度分别进行关联，并对每个关联赋予调节指令；将实时温度状态与调温数据库进行匹配，得出达到预期温度所需要的调节指令；根据调节指令进行温度调节。
[0006]另一方面，本申请还提供了基于卷积神经网络的室内温度控制方法及系统系统，所述系统包括：温度调节模块，用于手动设定预期温度，并将预期温度发送；温度检测模块，包括测温传感器，用于对室内多个预设点位的实时温度状态进行检测，并将检测到的多个温度值发送；数据预处理单元，用于接收温度检测模块发送的温度值，按照预设点位所在的三维空间位置将检测到的多个温度值转换成三维矩阵，并发送；调温数据库，用于储存实时温度、实时温度对应的特征矩阵、预期温度、实时温度和预期温度之间的关联度、不同关联度所对应的调节指令；
指令选择单元，用于接收数据预处理单元发送的三维矩阵和温度调节模块发送的预期温度，并利用预先训练的卷积神经网络对三维矩阵进行温度特征识别，得到室内实时温度所对应的特征矩阵，并将特征矩阵、预期温度与调温数据库中的数据进行匹配，得出达到预期温度所需要的调节指令，并将调节指令发送；执行单元，用于接收指令选择单元发生的调节指令，并根据调节指令进行温度调节。
[0007]第三方面，本申请提供了一种电子设备，包括总线、收发器、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，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
[0008]第四方面，本申请还提供了一种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上述任意一项所述方法中的步骤。
[0009]进一步地，对所述预设点位进行温度检测包括以下方法：利用扫描仪对室内进行扫描建模，生成室内的三维模型；根据三维模型确定需要进行温度检测的若干个定位点，即预设点位；利用测温传感器对若干个预设点位进行温度检测。
[0010]进一步地，所述调节指令包括：制冷功率和制冷时长、制热功率和制热时长、无动作。
[0011]进一步地，所述测温传感器在对每个预设点位进行测温时，需经过重复测量，并根据多次测量结果取平均值。
[0012]进一步地，所述卷积神经网络包括卷积层，所述卷积层中卷积核大小为2*2*2，所述卷积核的步长为1。
[0013]进一步地，所述卷积核在对三维矩阵进行卷积运算时，卷积核上的八个数据分别与三维矩阵内重叠位置的八个数据相乘，然后将八个乘积相加，得到的卷积运算结果即为所述实时温度状态所对应的特征矩阵。
[0014]进一步地，所述调温数据库内所储存的数据包括实时温度、实时温度对应的特征矩阵、预期温度、实时温度和预期温度之间的关联度、不同关联度所对应的调节指令。
[0015]与现有技术相比本专利技术的有益效果为：通过对室内多方位的温度检测，并利用卷积神经网络对多个温度值进行识别，识别出实时状态下室温均衡后的实时室温；之后根据预先存储的数据库，调出实时室温达到预期温度所需要的调节指令，然后按照调节指令执行温度调节，待室温均衡后即得到与预期温度高度重合的实时室温；通过上述设置，避免由于室内空间各个方位的温度不均，导致调温后室内温度与预期温度存在较大温差的情况发生，能够对室内温度进行精准控制。
附图说明
[0016]图1是本专利技术的逻辑流程图；图2是室内三维建模中预设点位的示意图；图3是卷积运算的流程图图；图4是卷积核在三维矩阵上遍历的流程图。
具体实施方式
[0017]在本申请的描述中，所属
的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件（包括固件、驻留软件、微代码等）、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
[0018]上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
[0019]本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
[0020]本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
[0021]应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
[0022]也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
[0023]也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的室内温度控制方法，其特征在于，所述方法包括：设定预期温度；检测室内多个预设点位的温度，获得多个温度值；根据预设点位的空间位置，将检测到的多个温度值转换成三维矩阵；将三维矩阵输入至预先训练的卷积神经网络中，对三维矩阵进行温度特征识别，得到实时温度状态；构建调温数据库，将不同的实时温度与不同的预期温度分别进行关联，并对每个关联赋予调节指令；将实时温度状态与调温数据库进行匹配，得出达到预期温度所需要的调节指令；根据调节指令进行温度调节。2.如权利要求1所述的基于卷积神经网络的室内温度控制方法，其特征在于，对所述预设点位进行温度检测包括以下方法：利用扫描仪对室内进行扫描建模，生成室内的三维模型；根据三维模型确定需要进行温度检测的若干个定位点，即预设点位；利用测温传感器对若干个预设点位进行温度检测。3.如权利要求1所述的基于卷积神经网络的室内温度控制方法，其特征在于，所述调节指令包括：制冷功率和制冷时长、制热功率和制热时长、无动作。4.如权利要求2所述的基于卷积神经网络的室内温度控制方法，其特征在于，所述测温传感器在对每个预设点位进行测温时，需经过重复测量，并根据多次测量结果取平均值。5.如权利要求1所述的基于卷积神经网络的室内温度控制方法，其特征在于，所述卷积神经网络包括卷积层，所述卷积层中卷积核大小为2*2*2，所述卷积核的步长为1。6.如权利要求5所述的基于卷积神经网络的室内温度控制方法，其特征在于，所述卷积核在对三维矩阵进行卷积运算时，卷积核上的八个数据分别与三维矩阵内重叠位置的八个数据相乘，然后将八个乘积相加，得到的卷积运算结果即为所述实时温度状态所对应的特征矩阵。7.如权利要求6所述的基于卷积神经网络的室内温度控制方法，...

【专利技术属性】
技术研发人员：曹敏，肖先来，邹定，
申请(专利权)人：深圳市众信海科技有限公司，
类型：发明
国别省市：