技术领域
[0001] 本
发明涉及设备控制技术领域，具体而言，涉及一种设备控制方法、控制器及空调机组。
背景技术
[0002] 随着空气调节技术的进步及消费
水平的提高，用户对于空调的舒适度要求越来越高，如何确认空调可靠连续、高效的运行，为用户打造
温度适宜的居住环境，成为空调的核心关键。空气调节器的任务是向室内提供预订的冷量、热量、新
风量，通过空气循环交换，以保证室内具有适宜的温度、湿度及空气品质。而空调在调节温度、湿度及空气品质时，所需要的条件参数均需根据机组自带的相关
传感器信息来确定，以满足机组能
力的调节和正常运行。
[0003] 而当前空调机组如果关键传感器(例如感温包)出现故障均会停机，需要售后人员前来处理，期间空调无法开机，导致无法提供冷量或热量，不能满足用户的使用需求，影响用户体验。
[0004] 针对相关技术中传感器故障时无法使用空调的问题，目前尚未提出有效地解决方案。
发明内容
[0005] 本发明提供了一种设备控制方法、控制器及空调机组，以至少解决
现有技术中传感器故障时无法使用空调的问题。
[0006] 为解决上述技术问题，根据本发明
实施例的一个方面，提供了一种设备控制方法，包括：监听设备的传感器的状态；在监听到传感器处于故障状态时，获取传感器的预测值；根据传感器的预测值控制设备的运行。
[0007] 进一步地，还包括：在监听到传感器处于正常运行状态时，获取传感器的检测值；根据传感器的检测值控制设备的运行。
[0008] 进一步地，获取传感器的预测值，包括：获取设备的当前运行参数；将当前运行参数带入传感器的
预测模型，确定传感器的预测值。
[0009] 进一步地，在监听到传感器处于故障状态之前，还包括：获取传感器的历史检测值和设备的历史运行参数；其中，传感器的历史检测值是传感器正常运行时的检测值，设备的历史运行参数是传感器正常运行时设备的运行参数；根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型。
[0010] 进一步地，根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型，包括：确定预测模型的初阶模型，其中，初阶模型采用如下线性模型：f(x)＝w1x1+....+wnxn+b，f(x)为传感器的预测值，x1至xn为设备的运行参数，w1至wn为权重系数，b为常量；将设备的历史运行参数带入传感器的初阶模型，确定初阶模型的预测值；计算初阶模型的预测值和传感器的历史检测值的差值，采用最小方差法确定权重系数w1至wn以及常量b，从而确定传感器的预测模型。
[0011] 进一步地，设备的运行参数至少包括以下之一：入管温度、出管温度、室内机风速、室外
环境温度、用户设定目标温度、空调运行模式、空调在当前运行模式下的运行时长。
[0012] 进一步地，在根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型之后，还包括：通过评价函数对传感器的预测模型的准确性进行评价；根据评价结果对传感器的预测模型进行修正。
[0013] 进一步地，通过评价函数对传感器的预测模型的准确性进行评价，包括：获取传感器的实测值和传感器的预测值；根据传感器的实测值和传感器的预测值，通过评价函数计算传感器的预测模型的评价值；其中，评价函数为：G(Tf)＝A*(1/(|Tf-Tr|+B))，G(Tf)为评价值，Tf为传感器的预测值，Tr为传感器的实测值，A为系数，B为常量；评价值越高，传感器的预测模型的准确性越高。
[0014] 进一步地，根据评价结果对传感器的预测模型进行修正，包括：根据评价值，通过
梯度下降法对传感器的预测模型进行
修改。
[0015] 进一步地，在根据传感器的预测值控制设备的运行之后，还包括：判断传感器的预测模型的评价值是否小于预设
阈值；如果是，输出故障
信号给设备。
[0016] 根据本发明实施例的另一方面，提供了一种设备控制器，包括：监听模
块，用于监听设备的传感器的状态；预测模块，用于在监听到传感器处于故障状态时，获取传感器的预测值；控
制模块，用于根据传感器的预测值控制设备的运行。
[0017] 进一步地，控制器还包括：历史数据获取模块，用于在监听到传感器处于故障状态之前，获取传感器的历史检测值和设备的历史运行参数；其中，传感器的历史检测值是传感器正常运行时的检测值，设备的历史运行参数是传感器正常运行时设备的运行参数；预测模型建立模块，用于根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型。
[0018] 进一步地，控制器还包括：评价模块，用于在根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型之后，通过评价函数对传感器的预测模型的准确性进行评价；学习模块，用于根据评价结果对传感器的预测模型进行修正。
[0019] 进一步地，控制器还包括：输出判定模块，用于在根据传感器的预测值控制设备的运行之后，判断评价模块对传感器的预测模型的评价值是否小于预设阈值；如果是，输出故障信号给设备。
[0020] 根据本发明实施例的又一方面，提供了一种空调机组，包括如上述的设备控制器。
[0021] 根据本发明实施例的又一方面，提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的设备控制方法。
[0022] 在本发明中，提出一种设备传感器故障条件下连续运行的控制方案，主要包括：监听设备的传感器的状态，在监听到传感器故障时，获取传感器的预测值，根据传感器的预测值维持机组正常运行。上述方案有效地解决了现有技术中传感器故障时无法使用空调的问题，在传感器出现故障时仍然维持设备正常运行，提高了设备的故障处理能力，同时提升了用户体验，满足舒适性要求。
附图说明
[0023] 图1是根据本发明实施例的设备控制方法的一种可选的
流程图；
[0024] 图2是根据本发明实施例的控制器的一种可选的结构
框图；以及
[0025] 图3是根据本发明实施例的控制器的另一种可选的结构框图。
具体实施方式
[0026] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附
权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
[0027] 实施例1
[0028] 在本发明优选的实施例1中提供了一种设备控制方法，该控制方法可以直接应用至各种设备上，具体实现时，可以通过在控制器安装
软件、APP、或者写入控制器相应的程序的方式来实现。具体来说，图1示出该方法的一种可选的流程图，如图1所示，该方法包括如下步骤S102-S106：
[0029] S102：监听设备的传感器的状态；
[0030] S104：在监听到传感器处于故障状态时，获取传感器的预测值；
[0031] S106：根据传感器的预测值控制设备的运行。
[0032] 在上述实施方式中，提出一种设备传感器故障条件下连续运行的控制方案，主要包括：监听设备的传感器的状态，在监听到传感器故障时，获取传感器的预测值，根据传感器的预测值维持机组正常运行。上述方案有效地解决了现有技术中传感器故障时无法使用空调的问题，在传感器出现故障时仍然维持设备正常运行，提高了设备的故障处理能力，同时提升了用户体验，满足舒适性要求。
[0033] 在本发明一个优选的实施方式中，还包括：在监听到传感器处于正常运行状态时，获取传感器的检测值；根据传感器的检测值控制设备的运行。
[0034] 本发明在传感器未出现故障时，使用
传感器数据；在传感器出现故障时，使用预测值维持机组正常运行。因此，本发明的控制方案能够维持设备的运行，提高了设备的
稳定性。
[0035] 在传感器出现故障时，获取传感器的预测值，包括：获取设备的当前运行参数；将当前运行参数带入传感器的预测模型，确定传感器的预测值。
[0036] 在本发明另一个优选的实施方式中，在监听到传感器故障之前，还包括：获取传感器的历史检测值和设备的历史运行参数；其中，传感器的历史检测值是传感器正常运行时的检测值，设备的历史运行参数是传感器正常运行时设备的运行参数；根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型。
[0037] 进一步地，根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型，包括：确定预测模型的初阶模型，其中，初阶模型采用如下线性模型：f(x)＝w1x1+....+wnxn+b，f(x)为传感器的预测值，x1至xn为设备的运行参数，w1至wn为权重系数，b为常量；将设备的历史运行参数带入传感器的初阶模型，确定初阶模型的预测值；计算初阶模型的预测值和传感器的历史检测值的差值，采用最小方差法确定权重系数w1至wn以及常量b，从而确定传感器的预测模型。
[0038] 其中，设备的运行参数至少包括以下之一：入管温度、出管温度、室内机风速、室外环境温度、用户设定目标温度、空调运行模式、空调在当前运行模式下的运行时长。
[0039] 进一步地，在根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型之后，还包括：通过评价函数对传感器的预测模型的准确性进行评价；根据评价结果对传感器的预测模型进行修正。
[0040] 本发明在传感器未出现故障时，使用传感器数据并且用该数据对预测模型进行修正，以提高预测模型的准确性，进而提高预测值的准确性，从而使设备在传感器故障时的运行更加贴合用户需求及设备的状况。
[0041] 在上述实施方式中，通过评价函数对传感器的预测模型的准确性进行评价，包括：获取传感器的实测值和传感器的预测值；根据传感器的实测值和传感器的预测值，通过评价函数计算传感器的预测模型的评价值；其中，评价函数为：G(Tf)＝A*(1/(|Tf-Tr|+B))，G(Tf)为评价值，Tf为传感器的预测值，Tr为传感器的实测值，A为系数，B为常量；评价值越高，传感器的预测模型的准确性越高。
[0042] 优选地，根据评价结果对传感器的预测模型进行修正，包括：根据评价值，通过梯度下降法对传感器的预测模型进行修改。
[0043] 在本发明又一个优选的实施方式中，在根据传感器的预测值控制设备的运行之后，还包括：判断传感器的预测模型的评价值是否小于预设阈值；如果是，输出故障信号给设备。在传感器的预测模型的评价值不小于预设阈值时，说明预测模型较准确，可以采用预测值对设备进行控制。
[0044] 实施例2
[0045] 基于上述实施例1中提供的设备控制方法，在本发明优选的实施例2中还提供了一种控制器，具体地，图2示出该控制器的一种可选的结构框图，如图2所示，该控制器包括：
[0046] 监听模块202，用于监听设备的传感器的状态；
[0047] 预测模块204，与监听模块202连接，用于在监听到传感器处于故障状态时，获取传感器的预测值；
[0048]
控制模块206，与预测模块204连接，用于根据传感器的预测值控制设备的运行。
[0049] 在上述实施方式中，提出一种设备传感器故障条件下连续运行的控制方案，主要包括：监听设备的传感器的状态，在监听到传感器故障时，获取传感器的预测值，根据传感器的预测值维持机组正常运行。上述方案有效地解决了现有技术中传感器故障时无法使用空调的问题，在传感器出现故障时仍然维持设备正常运行，提高了设备的故障处理能力，同时提升了用户体验，满足舒适性要求。
[0050] 在本发明一个优选的实施方式中，控制器还包括：检测模块，用于在监听到传感器处于正常运行状态时，获取传感器的检测值；检测值控制模块，用于根据传感器的检测值控制设备的运行。
[0051] 其中，预测模块包括：第一获取单元，用于获取设备的当前运行参数；预测值获取单元，用于将当前运行参数带入传感器的预测模型，确定传感器的预测值。
[0052] 在本发明另一个优选的实施方式中，控制器还包括：历史数据获取模块，用于在监听到传感器故障之前，获取传感器的历史检测值和设备的历史运行参数；其中，传感器的历史检测值是传感器正常运行时的检测值，设备的历史运行参数是传感器正常运行时设备的运行参数；预测模型建立模块，用于根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型。
[0053] 优选地，预测模型建立模块包括：初阶模型建立单元，用于确定预测模型的初阶模型，其中，初阶模型采用如下线性模型：f(x)＝w1x1+....+wnxn+b，f(x)为传感器的预测值，x1至xn为设备的运行参数，w1至wn为权重系数，b为常量；预测值确定单元，用于将设备的历史运行参数带入传感器的初阶模型，确定初阶模型的预测值；预测模型确定单元，用于计算初阶模型的预测值和传感器的历史检测值的差值，采用最小方差法确定权重系数w1至wn以及常量b，从而确定传感器的预测模型。
[0054] 其中，设备的运行参数至少包括以下之一：入管温度、出管温度、室内机风速、室外环境温度、用户设定目标温度、空调运行模式、空调在当前运行模式下的运行时长。
[0055] 在本发明又一个优选的实施方式中，控制器还还包括：评价模块，用于在根据传感器的历史检测值和设备的历史运行参数确定传感器的预测模型之后，通过评价函数对传感器的预测模型的准确性进行评价；学习模块，用于根据评价结果对传感器的预测模型进行修正。
[0056] 其中，评价模块包括：第二获取单元，用于获取传感器的实测值和传感器的预测值；评价值计算单元，用于根据传感器的实测值和传感器的预测值，通过评价函数计算传感器的预测模型的评价值；其中，评价函数为：G(Tf)＝A*(1/(|Tf-Tr|+B))，G(Tf)为评价值，Tf为传感器的预测值，Tr为传感器的实测值，A为系数，B为常量；评价值越高，传感器的预测模型的准确性越高。
[0057] 可选地，学习模块包括：修正单元，用于根据评价值，通过梯度下降法对传感器的预测模型进行修改。
[0058] 在本发明又一个优选的实施方式中，控制器还包括，输出判定模块，用于在根据传感器的预测值控制设备的运行之后，判断传感器的预测模型的评价值是否小于预设阈值；如果是，输出故障信号给设备。
[0059] 在本发明优选的实施例2中，还提供了控制器的另一种可选的结构框图，如图3所示，包括：
[0060] 预测模块、评价模块、学习模块和输出判定模块。
[0061] 其中，预测模块用于获取环境数据，对传感器值进行预测，并输出响应结果。环境指设备的运行参数，至少包括以下之一：入管温度、出管温度、室内机风速、室外环境温度、用户设定目标温度、空调运行模式、空调在当前运行模式下的运行时长。
[0062] 评价模块用于获取传感器的值和预测模块的预测值，通过评价函数对预测准确性进行评价。
[0063] 学习模块用于根据评价模块的评价值,并通过梯度下降法对预测模块的权重值进行修改。
[0064] 输出判定模块用于根据评价值，输出最终的传感器值，用于调节空调运行状态。
[0065] 评价模块按照如下公式得出评价值：
[0066] G(Tf)＝A*(1/(|Tf-Tr|+B))；其中，G(Tf)为评价值，Tf为传感器的预测值，Tr为传感器的实测值，A为系数，B为常量；评价值越高，传感器的预测模型的准确性越高。
[0067] 预测模块，使用线性模型进行预测：
[0068] f(x)＝w1x1+w2x2+w3x3+....+wnxn+b；其中，f(x)为传感器的预测值，x1至xn为设备的运行参数，w1至wn为权重系数，b为常量；
[0069] 获取数据集：{(x1；x2；...；x7，y1)...(xn；xn；...；xn，yn)}，其中x1为入管温度，x2为出管温度，x3为室内机风速，x4为室外环境温度，x5为用户设定目标温度，x6为空调运行模式，x7为空调在该模式下的运行时长，y为传感器的实测值。
[0070] 显然f(x)-y的差值一定程度上可以衡量预测的
精度，使用
最小均方误差来衡量预测的精度：
[0071]
[0072] 根据预测的精度指导w和b的选取，最终选取出使均方误差最小化的w值和b值。
[0073] 输出判定模块按照如下方式进行，输出最终传感器值：
[0074] 当传感器正常时，输出温度传感器值；
[0075] 当传感器故障且评价模块历史反馈不小于阈值G时，输出预测值；
[0076] 当传感器故障且评价模块历史反馈小于阈值G时，输出故障。
[0077] 关于上述实施例中的装置，其中各个单元、模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0078] 实施例3
[0079] 基于上述实施例2中提供的控制器，在本发明优选的实施例3中还提供了一种空调机组，包括如上述的控制器。
[0080] 在上述实施方式中，提出一种设备传感器故障条件下连续运行的控制方案，主要包括：监听设备的传感器的状态，在监听到传感器故障时，获取传感器的预测值，根据传感器的预测值维持机组正常运行。上述方案有效地解决了现有技术中传感器故障时无法使用空调的问题，在传感器出现故障时仍然维持设备正常运行，提高了设备的故障处理能力，同时提升了用户体验，满足舒适性要求。
[0081] 实施例4
[0082] 基于上述实施例1中提供的设备控制方法，在本发明优选的实施例4中还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述的设备控制方法。
[0083] 在上述实施方式中，提出一种设备传感器故障条件下连续运行的控制方案，主要包括：监听设备的传感器的状态，在监听到传感器故障时，获取传感器的预测值，根据传感器的预测值维持机组正常运行。上述方案有效地解决了现有技术中传感器故障时无法使用空调的问题，在传感器出现故障时仍然维持设备正常运行，提高了设备的故障处理能力，同时提升了用户体验，满足舒适性要求。
[0084] 本领域技术人员在考虑
说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本
申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
[0085] 应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
