CN109812938A - 一种基于神经网络的空气净化方法及系统 - Google Patents
一种基于神经网络的空气净化方法及系统 Download PDFInfo
- Publication number
- CN109812938A CN109812938A CN201910180326.XA CN201910180326A CN109812938A CN 109812938 A CN109812938 A CN 109812938A CN 201910180326 A CN201910180326 A CN 201910180326A CN 109812938 A CN109812938 A CN 109812938A
- Authority
- CN
- China
- Prior art keywords
- data
- indoor
- carbon dioxide
- air
- air quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Air Conditioning Control Device (AREA)
- Ventilation (AREA)
Abstract
本发明公开了一种基于神经网络的空气净化方法及系统，空气净化方法包括以下步骤：数据实时采集步骤：通过数据采集节点实时采集室内的空气质量数据和人数数据；数据预先分析步骤：将采集的室内空气质量数据导入空气质量预先分析模型中，对模型进一步进行学习训练，并结合室内人数数据变化情况和当前室内空气质量数据对室内空气质量数据的变化趋势进行分析；预先净化步骤：根据空气质量预先分析模型的数据分析结果对室内的空气质量进行预先净化。通过神经网络模型对室内二氧化碳含量和人数变化情况进行分析，预测下一时间段室内二氧化碳浓度的情况，根据预测结果对室内二氧化碳浓度进行控制；能够让室内的二氧化碳浓度一直处于适宜范围。
Description
技术领域
本发明涉及空气净化技术领域，尤其涉及一种基于神经网络的空气净化方法及系统。
背景技术
现目前对室内空气质量的监控净化方法中都是通过监测室内空气质量各成分的浓度(如二氧化碳、PM2.5)是否达到火灾超过预先设定的阈值；如果达到火灾超过预先设定的阈值就会通过相应的手段来对室内空气质量进行净化，以控制室内空气质量各成分的浓度在适宜范围内。
但是这种空气净化方式明显存在滞后性，当空气中某种成分(如二氧化碳)的浓度已经达到超过预设阈值后再进行净化，在二氧化碳的浓度降低到适宜范围后是需要一定的时间的，而在这段时间内人们处在二氧化碳超标的环境中，会让人们觉得很不舒服；而且室内二氧化碳的浓度是随着时间和人数一直在变化的，所以现有的空气净化方法每隔一段时间人们就会处于二氧化碳超标的环境中。
因此如何提前预测室内二氧化碳的浓度以保证人们一直处在二氧化碳浓度适宜范围内，是现阶段需要解决的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于神经网络的空气净化方法及系统，解决了现有空气净化方法存在的问题。
本发明的目的是通过以下技术方案来实现的：一种基于神经网络的空气净化方法，空气净化方法包括以下步骤：
数据实时采集步骤：通过数据采集节点实时采集室内的空气质量数据和人数数据；
数据预先分析步骤：将采集的室内空气质量数据导入空气质量预先分析模型中，对模型进一步进行学习训练，并结合室内人数数据变化情况和当前室内空气质量数据对室内空气质量数据的变化趋势进行分析；
预先净化步骤：根据空气质量预先分析模型的数据分析结果对室内的空气质量进行预先净化。
在通过基于神经网络的空气净化方法进行室内空气预先净化之前还需要通过采集结合室内不同人数与室内空气质量数据变化的历史数据进行机器学习并建立空气质量预先分析模型。
室内空气质量数据包括室内二氧化碳浓度数据、室内微尘颗粒含量数据和空气湿度数据中的一种或者多种。
对室内空气质量数据的变化趋势进行分析包括根据当前室内人数数据不变时对下一时间段室内二氧化碳浓度数据的变化进行分析，以及根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析。
根据当前室内人数数据不变时对下一时间段室内空气质量数据的变化进行分析包括以下内容：
根据每个人单位时间内产生的二氧化碳量结合当前室内人数数据计算出单位时间内室内产生的二氧化碳总量；
根据单位时间内室内产生的二氧化碳总量结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；
根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。
根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析包括以下内容：
根据每个人单位时间内产生的二氧化碳量结合当前室内人数的变化情况计算出单位时间内室内产生的二氧化碳总量的变化情况；
根据单位时间内室内产生的二氧化碳总量的变化情况结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；
根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。
预先净化步骤包括以下内容；
判断预测出的下一时间段室内二氧化碳浓度数据是否达到预设的室内二氧化碳浓度阈值；
如果达到预设的室内二氧化碳浓度阈值，则通过通入室外空气或者通过将室内二氧化碳转化为氧气的方式，以降低室内二氧化碳浓度和增加氧气浓度。
一种基于神经网络的空气净化方法的空气净化系统，包括用于采集室内空气质量和人数数据的数据采集模块、用于接收所述数据采集模块采集的数据并进行分析以及结果判断的数据分析模块、以及根据所述数据分析模块的分析判断结果实现对室内空气质量进行净化的空气净化设备。
数据采集模块包括用于采集室内二氧化碳浓度的二氧化碳传感器，用于采集室内微尘颗粒含量的PM2.5传感器和PM10传感器，用于采集室内空气湿度的湿度传感器，以及用于采集室内人数数量的红外计数传感器。
空气净化设备包括用于净化室外空气或者将二氧化碳转化为氧气的空气净化器，以及用于将室外空气抽入到所述空气净化器进行净化或者将室内空气抽入到所述空气净化器把二氧化碳转化为氧气的风机。
本发明的有益效果是：一种基于神经网络的空气净化方法及系统，通过神经网络模型对室内二氧化碳含量和人数变化情况进行分析，预测下一时间段室内二氧化碳浓度的情况，根据预测结果对室内二氧化碳浓度进行控制；能够让室内的二氧化碳浓度一直处于适宜范围，防止了室内二氧化碳超标给人们带来的不良影响，极大地提升了人们的满意度。
附图说明
图1为本发明方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“上”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种基于神经网络的空气净化方法，空气净化方法包括以下步骤：
S1、数据实时采集步骤：通过数据采集节点实时采集室内的空气质量数据和人数数据；
S2、数据预先分析步骤：将采集的室内空气质量数据导入空气质量预先分析模型中，对模型进一步进行学习训练，并结合室内人数数据变化情况和当前室内空气质量数据对室内空气质量数据的变化趋势进行分析；
S3、预先净化步骤：根据空气质量预先分析模型的数据分析结果对室内的空气质量进行预先净化。
进一步地，在通过基于神经网络的空气净化方法进行室内空气预先净化之前还需要通过采集结合室内不同人数与室内空气质量数据变化的历史数据进行机器学习并建立空气质量预先分析模型。
进一步地，消防预测模型通过卷积神经网络、循环神经网络或者时间递归神经网络中的一种来进行学习训练。
进一步地，室内空气质量数据包括室内二氧化碳浓度数据、室内微尘颗粒含量数据和空气湿度数据中的一种或者多种。
优选地，室内空气质量数据包括室内二氧化碳浓度数据。
进一步地，对室内空气质量数据的变化趋势进行分析包括根据当前室内人数数据不变时对下一时间段室内二氧化碳浓度数据的变化进行分析，以及根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析。
S21、根据当前室内人数数据不变时对下一时间段室内空气质量数据的变化进行分析包括以下内容：
S211、根据每个人单位时间内产生的二氧化碳量结合当前室内人数数据计算出单位时间内室内产生的二氧化碳总量；
S212、根据单位时间内室内产生的二氧化碳总量结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；
S213、根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。
S22、根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析包括以下内容：
S221、根据每个人单位时间内产生的二氧化碳量结合当前室内人数的变化情况计算出单位时间内室内产生的二氧化碳总量的变化情况；
S222、根据单位时间内室内产生的二氧化碳总量的变化情况结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；
S223、根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。
经计算一个成年人每小时释放或者产生0.88～1.55mol二氧化碳，因此结合当前室内的具体人数就可以计算出单位时间内产生的二氧化碳总量；进一步地可以计算出每过单位时间内室内二氧化碳含量增加的数量，再结合检测的当前室内二氧化碳的含量就可以计算出下一时间段室内二氧化碳的浓度数量。
如果室内人数数据出现变化(人数增加或者减少)，则需要将增加或者减少人数单位时间内产生的二氧化碳数量考虑进去，进而才能正确计算出下一时间段室内二氧化碳的浓度数据。
S3、预先净化步骤包括以下内容；
S31、判断预测出的下一时间段室内二氧化碳浓度数据是否达到预设的室内二氧化碳浓度阈值；
S32、如果达到预设的室内二氧化碳浓度阈值，则通过通入室外空气或者通过将室内二氧化碳转化为氧气的方式，以降低室内二氧化碳浓度和增加氧气浓度。
进一步地，通过通入室外空气的方式包括通过风机将室外空气抽入到空气净化器经过净化后在通入室内，以降低室内二氧化碳浓度和增加氧气浓度的目的；通过将室内二氧化碳转化为氧气的方式包括通过风机将室内空气抽入到空气净化器中，通过二氧化碳与空气净化器中放置的过氧化钠进行化学反应产生氧气，再通入到室内，以降低室内二氧化碳浓度和增加氧气浓度的目的。
其中，预设的室内二氧化碳浓度阈值为350ppm～1000ppm，优选地预设的室内二氧化碳浓度阈值为500ppm～800ppm；经试验当室内二氧化碳浓度在350ppm～1000ppm之间时，人们会觉得空气清新，呼吸顺畅；而当室内二氧化碳浓度大于1000ppm时，人们就会感觉空气混浊，并开始觉得昏昏欲睡；所以通过对室内二氧化碳空气浓度进行提前预测就能让室内二氧化碳浓度一直处于让人觉得空气清新，呼吸顺畅的范围中。
因为，室内的PM2.5和PM10等微尘颗粒基本不会随着时间和人数数量变化进行改变，所以只需要在室内PM2.5和PM10达到预先设置的阈值时，通过空气净化器进行净化即可；预设的PM2.5阈值为25ug/m3/天，预设的PM10阈值为150ug/m3/天。
一种基于神经网络的空气净化方法的空气净化系统，包括用于采集室内空气质量和人数数据的数据采集模块、用于接收所述数据采集模块采集的数据并进行分析以及结果判断的数据分析模块、以及根据所述数据分析模块的分析判断结果实现对室内空气质量进行净化的空气净化设备。
进一步地，数据采集模块包括用于采集室内二氧化碳浓度的二氧化碳传感器，用于采集室内微尘颗粒含量的PM2.5传感器和PM10传感器，用于采集室内空气湿度的湿度传感器，以及用于采集室内人数数量的红外计数传感器。
进一步地，空气净化设备包括用于净化室外空气或者将二氧化碳转化为氧气的空气净化器，以及用于将室外空气抽入到所述空气净化器进行净化或者将室内空气抽入到所述空气净化器把二氧化碳转化为氧气的风机。
进一步地，数据分析处理模块中嵌入有空气质量预先分析模型以实现对室内二氧化碳浓度进行预测分析
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于神经网络的空气净化方法，其特征在于：所述的空气净化方法包括以下步骤：
数据实时采集步骤：通过数据采集节点实时采集室内的空气质量数据和人数数据；
数据预先分析步骤：将采集的室内空气质量数据导入空气质量预先分析模型中，对模型进一步进行学习训练，并结合室内人数数据变化情况和当前室内空气质量数据对室内空气质量数据的变化趋势进行分析；
预先净化步骤：根据空气质量预先分析模型的数据分析结果对室内的空气质量进行预先净化。
2.根据权利要求1所述的一种基于神经网络的空气净化方法，其特征在于：在通过基于神经网络的空气净化方法进行室内空气预先净化之前还需要通过采集结合室内不同人数与室内空气质量数据变化的历史数据进行机器学习并建立空气质量预先分析模型。
3.根据权利要求1所述的一种基于神经网络的空气净化方法，其特征在于：所述室内空气质量数据包括室内二氧化碳浓度数据、室内微尘颗粒含量数据和空气湿度数据中的一种或者多种。
4.根据权利要求3所述的一种基于神经网络的空气净化方法，其特征在于：所述对室内空气质量数据的变化趋势进行分析包括根据当前室内人数数据不变时对下一时间段室内二氧化碳浓度数据的变化进行分析，以及根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析。
5.根据权利要求4所述的一种基于神经网络的空气净化方法，其特征在于：所述根据当前室内人数数据不变时对下一时间段室内空气质量数据的变化进行分析包括以下内容：
根据每个人单位时间内产生的二氧化碳量结合当前室内人数数据计算出单位时间内室内产生的二氧化碳总量；
根据单位时间内室内产生的二氧化碳总量结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；
根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。
6.根据权利要求5所述的一种基于神经网络的空气净化方法，其特征在于：所述根据当前室内人数数据变化时对下一时间段室内二氧化碳浓度数据的变化进行分析包括以下内容：
根据每个人单位时间内产生的二氧化碳量结合当前室内人数的变化情况计算出单位时间内室内产生的二氧化碳总量的变化情况；
根据单位时间内室内产生的二氧化碳总量的变化情况结合室内空间体积计算出单位时间内室内二氧化碳浓度的变化趋势；
根据采集的当前室内二氧化碳浓度数据和二氧化碳浓度的变化趋势预测出下一时间段室内二氧化碳浓度数据。
7.根据权利要求6所述的一种基于神经网络的空气净化方法，其特征在于：所述预先净化步骤包括以下内容；
判断预测出的下一时间段室内二氧化碳浓度数据是否达到预设的室内二氧化碳浓度阈值；
如果达到预设的室内二氧化碳浓度阈值，则通过通入室外空气或者通过将室内二氧化碳转化为氧气的方式，以降低室内二氧化碳浓度和增加氧气浓度。
8.根据权利要求1-7任意一项所述的一种基于神经网络的空气净化方法的空气净化系统，其特征在于：包括用于采集室内空气质量和人数数据的数据采集模块、用于接收所述数据采集模块采集的数据并进行分析以及结果判断的数据分析模块、以及根据所述数据分析模块的分析判断结果实现对室内空气质量进行净化的空气净化设备。
9.根据权利要求8所述的一种基于神经网络的空气净化方法的空气净化系统，其特征在于：所述数据采集模块包括用于采集室内二氧化碳浓度的二氧化碳传感器，用于采集室内微尘颗粒含量的PM2.5传感器和PM10传感器，用于采集室内空气湿度的湿度传感器，以及用于采集室内人数数量的红外计数传感器。
10.根据权利要求8所述的一种基于神经网络的空气净化方法的空气净化系统，其特征在于：所述空气净化设备包括用于净化室外空气或者将二氧化碳转化为氧气的空气净化器，以及用于将室外空气抽入到所述空气净化器进行净化或者将室内空气抽入到所述空气净化器把二氧化碳转化为氧气的风机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910180326.XA CN109812938B (zh) | 2019-03-11 | 2019-03-11 | 一种基于神经网络的空气净化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910180326.XA CN109812938B (zh) | 2019-03-11 | 2019-03-11 | 一种基于神经网络的空气净化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109812938A true CN109812938A (zh) | 2019-05-28 |
| CN109812938B CN109812938B (zh) | 2021-04-20 |
Family
ID=66608670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910180326.XA Active CN109812938B (zh) | 2019-03-11 | 2019-03-11 | 一种基于神经网络的空气净化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109812938B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243044A (zh) * | 2019-06-14 | 2019-09-17 | 嘉兴技师学院 | 一种室内空气智能检测调节的新风系统及方法 |
| CN110579001A (zh) * | 2019-08-12 | 2019-12-17 | 安徽美博智能电器有限公司 | 空调器的控制方法及装置 |
| CN111103220A (zh) * | 2019-12-31 | 2020-05-05 | 西安交通大学 | 一种对大气污染物浓度的预测调控方法及系统 |
| CN111649458A (zh) * | 2020-05-25 | 2020-09-11 | 珠海格力电器股份有限公司 | 空气净化方法、装置、系统、计算机设备和存储介质 |
| CN112902414A (zh) * | 2019-12-03 | 2021-06-04 | 佛山市云米电器科技有限公司 | 新风系统的控制方法、新风系统及计算机可读存储介质 |
| WO2021119998A1 (zh) * | 2019-12-17 | 2021-06-24 | 天津科技大学 | 一种空气净化器 |
| CN114383275A (zh) * | 2021-12-10 | 2022-04-22 | 安徽新识智能科技有限公司 | 一种物联网的室内空气调节方法及系统 |
| US20220154956A1 (en) * | 2020-11-17 | 2022-05-19 | Enerallies, Inc. | Intelligent ventilation monitoring, controls and optimization |
| CN114877490A (zh) * | 2022-04-02 | 2022-08-09 | 重庆市特种设备检测研究院 | 一种用于电梯故障时的通风控制方法及装置 |
| CN115435473A (zh) * | 2022-09-30 | 2022-12-06 | 青岛海尔空调器有限总公司 | 用于控制新风空调的方法、装置及新风空调、存储介质 |
| CN115654697A (zh) * | 2022-11-21 | 2023-01-31 | 四川旷谷信息工程有限公司 | 半封闭空间的温度控制方法、装置及计算机可读存储介质 |
| CN117053323A (zh) * | 2023-08-11 | 2023-11-14 | 戎信蓝天(北京)技术发展有限公司 | 基于室内空气比例自平衡的空气净化系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353751A (zh) * | 2011-06-13 | 2012-02-15 | 北京世坤环境科技有限公司 | 室内空气质量评估方法及室内空气质量监测和分析系统 |
| CN107560087A (zh) * | 2017-09-18 | 2018-01-09 | 广东美的制冷设备有限公司 | 基于空调器的控制方法、空调器、家居系统、及存储介质 |
| KR101835320B1 (ko) * | 2017-07-28 | 2018-03-09 | (주)코노텍 | 이산화탄소 농도 조절기능을 가진 실내환경조절장치 |
| CN108375138A (zh) * | 2017-11-27 | 2018-08-07 | 浙江笨鸟科技有限公司 | 一种基于数据平台的家用空气净化器及控制系统 |
| CN109442695A (zh) * | 2018-11-12 | 2019-03-08 | 清华大学 | 基于室内人数的空调及新风系统预测性控制方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070149109A1 (en) * | 2005-12-23 | 2007-06-28 | Yuandong Gu | Occupancy based ventilation system |
-
2019
- 2019-03-11 CN CN201910180326.XA patent/CN109812938B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102353751A (zh) * | 2011-06-13 | 2012-02-15 | 北京世坤环境科技有限公司 | 室内空气质量评估方法及室内空气质量监测和分析系统 |
| KR101835320B1 (ko) * | 2017-07-28 | 2018-03-09 | (주)코노텍 | 이산화탄소 농도 조절기능을 가진 실내환경조절장치 |
| CN107560087A (zh) * | 2017-09-18 | 2018-01-09 | 广东美的制冷设备有限公司 | 基于空调器的控制方法、空调器、家居系统、及存储介质 |
| CN108375138A (zh) * | 2017-11-27 | 2018-08-07 | 浙江笨鸟科技有限公司 | 一种基于数据平台的家用空气净化器及控制系统 |
| CN109442695A (zh) * | 2018-11-12 | 2019-03-08 | 清华大学 | 基于室内人数的空调及新风系统预测性控制方法及系统 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243044A (zh) * | 2019-06-14 | 2019-09-17 | 嘉兴技师学院 | 一种室内空气智能检测调节的新风系统及方法 |
| CN110579001A (zh) * | 2019-08-12 | 2019-12-17 | 安徽美博智能电器有限公司 | 空调器的控制方法及装置 |
| CN112902414B (zh) * | 2019-12-03 | 2022-08-19 | 佛山市云米电器科技有限公司 | 新风系统的控制方法、新风系统及计算机可读存储介质 |
| CN112902414A (zh) * | 2019-12-03 | 2021-06-04 | 佛山市云米电器科技有限公司 | 新风系统的控制方法、新风系统及计算机可读存储介质 |
| WO2021119998A1 (zh) * | 2019-12-17 | 2021-06-24 | 天津科技大学 | 一种空气净化器 |
| CN111103220A (zh) * | 2019-12-31 | 2020-05-05 | 西安交通大学 | 一种对大气污染物浓度的预测调控方法及系统 |
| CN111649458A (zh) * | 2020-05-25 | 2020-09-11 | 珠海格力电器股份有限公司 | 空气净化方法、装置、系统、计算机设备和存储介质 |
| US11796202B2 (en) * | 2020-11-17 | 2023-10-24 | Enerallies, Inc. | Intelligent ventilation monitoring, controls and optimization |
| US20220154956A1 (en) * | 2020-11-17 | 2022-05-19 | Enerallies, Inc. | Intelligent ventilation monitoring, controls and optimization |
| CN114383275B (zh) * | 2021-12-10 | 2023-04-21 | 安徽新识智能科技有限公司 | 一种物联网的室内空气调节方法及系统 |
| CN114383275A (zh) * | 2021-12-10 | 2022-04-22 | 安徽新识智能科技有限公司 | 一种物联网的室内空气调节方法及系统 |
| CN114877490A (zh) * | 2022-04-02 | 2022-08-09 | 重庆市特种设备检测研究院 | 一种用于电梯故障时的通风控制方法及装置 |
| CN115435473A (zh) * | 2022-09-30 | 2022-12-06 | 青岛海尔空调器有限总公司 | 用于控制新风空调的方法、装置及新风空调、存储介质 |
| CN115435473B (zh) * | 2022-09-30 | 2025-04-18 | 青岛海尔空调器有限总公司 | 用于控制新风空调的方法、装置及新风空调、存储介质 |
| CN115654697A (zh) * | 2022-11-21 | 2023-01-31 | 四川旷谷信息工程有限公司 | 半封闭空间的温度控制方法、装置及计算机可读存储介质 |
| CN117053323A (zh) * | 2023-08-11 | 2023-11-14 | 戎信蓝天(北京)技术发展有限公司 | 基于室内空气比例自平衡的空气净化系统 |
| CN117053323B (zh) * | 2023-08-11 | 2024-02-23 | 戎信蓝天(北京)技术发展有限公司 | 基于室内空气比例自平衡的空气净化系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109812938B (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109812938A (zh) | 一种基于神经网络的空气净化方法及系统 | |
| KR101724263B1 (ko) | 자동 환기시스템 | |
| US10226982B2 (en) | Automatic vehicle climate control based on predicted air quality | |
| KR102336614B1 (ko) | 인공지능을 이용한 공기환경 제어장치 및 방법 | |
| CN113227661A (zh) | 空调设备和其控制方法 | |
| CN101140288B (zh) | 中央空调风管空气质量远程分析系统及其方法 | |
| KR102189049B1 (ko) | 실내 및 실외에서의 오염물질 노출량을 측정하는 방법 및 장치 | |
| CN104236031B (zh) | 一种汽车通风控制装置及其控制方法 | |
| CN109827298A (zh) | 一种新风机的智能控制方法和新风机系统 | |
| KR101203500B1 (ko) | 지하 실내 공기질 모니터링 방법 및 지하 실내 공기질 제어 시스템 | |
| CN110553319A (zh) | 一种用于病房内空气置换的控制方法及控制系统 | |
| KR20200056141A (ko) | 공기질 관리 장치 및 시스템 | |
| CN107364307A (zh) | 一种智能调整空气质量的方法及系统 | |
| CN109442704A (zh) | 手术室洁净远程监测系统 | |
| CN111959238A (zh) | 电动车辆、电动车辆的控制方法及装置 | |
| KR20210135057A (ko) | 인공지능 공기정화 시스템 | |
| CN117190459A (zh) | 一种基于精准防疫的交通建筑环境评估系统及评估方法 | |
| KR20220146320A (ko) | 인공지능을 이용한 공기환경설비 운영관리 시스템 및 방법 | |
| CN212555762U (zh) | 电动车辆 | |
| KR102404374B1 (ko) | 실내외 센서 모듈을 이용한 공기질 관리 방법 및 장치 | |
| CN117053323B (zh) | 基于室内空气比例自平衡的空气净化系统 | |
| CN114219271A (zh) | 一种智能社区的应急服务管理系统及方法 | |
| CN205783567U (zh) | 一种室内人工智能的新鲜空气系统 | |
| CN118242723A (zh) | 一种健康呼吸智能调控空调系统 | |
| CN116878634A (zh) | 一种负压称量罩及控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |