[发明专利]空调器的控制方法及装置、空调器设备

权利要求书

1.一种空调器的控制方法，其特征在于，包括：

在空调器开启后，采集空调器的多个运行状态参数；

基于所述多个运行状态参数，预测空调器是否会出现排气波动；

若预测出所述空调器会出现排气波动，开启排气防波动控制，并预测所述空调器的排气波动参数；

基于所述排气波动参数，调节所述空调器的膨胀阀开度，以使所述空调器的排气温度达到目标排气温度，

基于所述多个运行状态参数，预测空调器是否会出现排气波动的步骤，包括：

将所述多个运行状态参数输入至预设的神经网络模型，其中，所述神经网络模型是通过多组运行状态参数和空调器排气波动预测结果训练得到的；接收通过所述神经网络模型计算空调器的当前排气参数；基于所述当前排气参数，预测所述空调器是否会出现排气波动。

2.根据权利要求1所述的控制方法，其特征在于，采集空调器的多个运行状态参数的步骤，包括：

采集所述空调器的室内环境参数和室外环境参数；

采集所述空调器的压缩机的当前排气温度；

采集所述空调器的内机换热器温度值和外机换热器温度；

获取所述空调器的上次排气波动参数；

基于所述室内环境参数、室外环境参数、压缩机的当前排气温度、内机换热器温度值和外机换热器温度和上次排气波动参数，得到所述多个运行状态参数。

3.根据权利要求1所述的控制方法，其特征在于，在基于所述多个运行状态参数，预测空调器是否会出现排气波动之前，所述控制方法还包括：

建立初始网络模型，其中，所述初始网络模型至少包括：输入层、隐藏层和输出层，所述输入层用于接收多组运行状态参数和用户设定参数，所述隐藏层用于对各组运行状态参数建立参数节点，通过参数节点计算排气波动结果，所述输出层用于输出预测的排气波动预测结果；

向所述初始网络模型输入多组运行状态参数和用户设定参数，并利用预设的神经网络算法对所述多组运行状态参数和用户设定参数进行处理；

接收所述初始网络模型的排气波动预测结果，并将所述排气波动预测结果与实际排气波动数据进行比较，得到比较结果；

基于所述比较结果，调整所述初始网络模型，得到所述神经网络模型。

4.根据权利要求3所述的控制方法，其特征在于，利用预设的神经网络算法对所述多组运行状态参数和用户设定参数进行处理的步骤，包括：

对所述多组运行状态参数和用户设定参数进行预设线性处理，其中，所述预设线性处理方式至少包括：归一化线性处理；和/或，

对所述多组运行状态参数和用户设定参数进行预设的非线性处理，其中，所述预设的非线性处理包括下述至少之一：对数变换、平方根变换和立方根变换。

5.根据权利要求1所述的控制方法，其特征在于，所述当前排气参数包括下述至少之一：冷媒循环时长、冷媒流量值、排气值、冷媒压缩比、高低压差值。

6.根据权利要求1至5中任意一项所述的控制方法，其特征在于，所述排气波动参数至少包括：排气波动幅度、排气波动上下限值和排气波动时间。

7.一种空调器的控制装置，其特征在于，包括：

采集单元，用于在空调器开启后，采集空调器的多个运行状态参数；

预测单元，用于基于所述多个运行状态参数，预测空调器是否会出现排气波动；

开启单元，用于在预测出所述空调器会出现排气波动时，开启排气防波动控制，并预测所述空调器的排气波动参数；

调节单元，用于基于所述排气波动参数，调节所述空调器的膨胀阀开度，以使所述空调器的排气温度达到目标排气温度，

所述预测单元包括：第一输入模块，用于将所述多个运行状态参数输入至预设的神经网络模型，其中，所述神经网络模型是通过多组运行状态参数和空调器排气波动预测结果训练得到的；第一接收模块，用于接收通过所述神经网络模型计算空调器的当前排气参数；预测模块，用于基于所述当前排气参数，预测所述空调器是否会出现排气波动。