出室內(nèi)換熱器冷凝水的凝結狀態(tài)概率計算值，并將 至少一個第二性能參數(shù)的第二當前采樣值代入補償校正模塊中預置的補償校正數(shù)字模型 中輸出室內(nèi)換熱器冷凝水的凝結狀態(tài)補償值，同時將由軟件數(shù)字模型模塊輸出的凝結狀態(tài) 概率計算值輸入補償校正模塊中與凝結狀態(tài)補償值一起計算得到室內(nèi)換熱器冷凝水的凝 結狀態(tài)檢測結果，如此，無需增加額外的硬件成本，比如采樣電路，僅通過空調(diào)器現(xiàn)有的硬 件平臺W及軟件建模的手段即可準確地檢測出空調(diào)器室內(nèi)換熱器冷凝水的凝結情況，不僅 增加了產(chǎn)品的市場競爭力，還提升了用戶的使用體驗。
[0022] 根據(jù)本發(fā)明的一個實施例，在上述技術方案中，優(yōu)選地，所述軟件數(shù)字模型模塊中 的預置的所述P順數(shù)字模型為：P=P狂I。），其中，P代表所述凝結狀態(tài)概率計算值，X代表 輸入的待檢測樣本量，Ci代表室內(nèi)換熱器凝結狀態(tài)等級值，W及X=(X1，X2, &，…，Xm)，是 一個多維度的待檢測樣本量，XI，X2, &，…，Xm代表所述至少一個第一性能參數(shù)的所述第一 當前采樣值，m為大于或等于1的整數(shù)；所述補正校正模塊中預置的所述補償校正數(shù)字模型 為：AW。=Uu),其中，AW。代表所述凝結狀態(tài)補償值，U代表輸入變量，化及U= (Ui，U2， 1?,…，Uk)是一個多維度的輸入變量，Ui，U2，U3，…，Uk代表所述至少一個第二性能參數(shù)的 所述第二當前采樣值，k為大于或等于1的整數(shù)；W及所述補正校正模塊具體用于：將所述 凝結狀態(tài)概率計算值和所述凝結狀態(tài)補償值之和作為所述室內(nèi)換熱器冷凝水的所述凝結 狀態(tài)檢測結果。
[0023]根據(jù)本發(fā)明的實施例的室內(nèi)換熱器冷凝水的檢測系統(tǒng)，根據(jù)本發(fā)明的實施例的室 內(nèi)換熱器冷凝水的檢測方法，軟件數(shù)字模型模塊中預置的Pr^N數(shù)字模型是輸入的待檢測樣 本量為一維或多維變量的條件概率函數(shù)，只需將獲取到的所選取的第一性能參數(shù)的第一當 前采樣值作為P順數(shù)字模型的輸入變量代入，通過軟件數(shù)字模型模塊進行軟件運算便可得 到室內(nèi)換熱器冷凝水的凝結狀態(tài)概率計算值；W及補償校正模塊中預置的補償校正數(shù)字模 型是輸入變量為一維或多維變量的函數(shù)，只需將獲取到的第二性能參數(shù)的第二當前采樣值 作為補償校正數(shù)字模型的輸入變量代入，通過軟件運算即可得到該凝結狀態(tài)概率計算值的 凝結狀態(tài)補償值；上述變量的維數(shù)最終由選取的性能參數(shù)的個數(shù)決定，而最終的室內(nèi)換熱 器冷凝水的凝結狀態(tài)檢測結果，即凝結情況，可由上述計算得到的凝結狀態(tài)概率計算值和 凝結狀態(tài)補償值加和得到，準確便捷，其中m代表向量維數(shù)，為大于或等于1的整數(shù)。
[0024]根據(jù)本發(fā)明的一個實施例，在上述任一技術方案中，優(yōu)選地，所述軟件數(shù)字模型模 塊中的預置的所述P順數(shù)字模型具體為：
其中，X=(又1，而，&)^1為室內(nèi)換 熱器凝結狀態(tài)等級i的模式樣本量，n代表所述室內(nèi)換熱器凝結狀態(tài)等級i的模式樣本量 的數(shù)量，L代表室內(nèi)換熱器凝結狀態(tài)等級值Ci的總數(shù)，則X,代表室內(nèi)換熱器凝結狀態(tài)等級 L的模式樣本量，exp代表e指數(shù)函數(shù)，T代表向量轉置，O代表平滑參數(shù)且為常數(shù)。
[0025]根據(jù)本發(fā)明的實施例的室內(nèi)換熱器冷凝水的檢測系統(tǒng)，具體地，優(yōu)選=個對空調(diào) 器的室內(nèi)換熱器冷凝水的凝結情況影響較大的第一性能參數(shù)作為P順數(shù)字模型的待檢測 樣本變量，即m= 3,而其中Ci、XiW及n、L的值均為通過大量實驗得到的參考值，而具體的 取值應視具體情況而定，如此，基于大量實驗得到的經(jīng)驗值，可W有效地提高對空調(diào)器室內(nèi) 換熱器冷凝水的凝結狀態(tài)概率計算值的計算準確性。
[0026] 另外，第一性能參數(shù)的選取可W根據(jù)需要來做適合的調(diào)整，數(shù)量也不局限于S個， 如此，可W有效地提高室內(nèi)換熱器冷凝水的凝結狀態(tài)概率計算值的計算準確性。
[0027] 根據(jù)本發(fā)明的一個實施例，在上述任一技術方案中，優(yōu)選地，所述補正 校正模塊中預置的所述補償校正數(shù)字模型具體為：=《(Ui, 112)=(?X Ui2+坊2 X Ui+Yi X+Y2 X U2+舉，其中，曰1、曰2、丫 1、丫 2和帶為補償模型參數(shù) 且為常數(shù)。
[0028] 根據(jù)本發(fā)明的實施例的室內(nèi)換熱器冷凝水的檢測系統(tǒng)，具體地，優(yōu)選兩個對空調(diào) 器的室內(nèi)換熱器冷凝水的凝結情況影響較次要的第二性能參數(shù)作為補償校正數(shù)字模型的 輸入變量，另外，第二性能參數(shù)的選取可W根據(jù)需要來做適合的調(diào)整，數(shù)量也不局限于兩 個，如此，可W有效地提高室內(nèi)換熱器冷凝水的凝結狀態(tài)概率計算值的計算準確性。
[0029] 根據(jù)本發(fā)明的一個實施例，在上述任一技術方案中，優(yōu)選地，所述至少一個第一性 能參數(shù)包括：室內(nèi)換熱器溫度、室內(nèi)風機運行功率和室內(nèi)空氣濕度；所述至少一個第二性 能參數(shù)包括：室內(nèi)環(huán)境溫度和導風板導向角。
[0030] 根據(jù)本發(fā)明的實施例的室內(nèi)換熱器冷凝水的檢測系統(tǒng)，至少一個第一性能參數(shù)包 含但不限于：室內(nèi)換熱器溫度、室內(nèi)風機運行功率和室內(nèi)空氣濕度，它們?yōu)閷κ覂?nèi)換熱器冷 凝水的凝結情況起主要作用的因素，其中，室內(nèi)換熱器溫度和室內(nèi)空氣濕度可W通過空調(diào) 器中的溫度傳感器和濕度傳感器檢測，而室內(nèi)風機運行功率可W室內(nèi)風機（比如，直流風 機）的設備控制參數(shù)（比如，額定工作電壓、電流等）直接計算得到，功率越大，對水分的 蒸發(fā)性能越好，反之，蒸發(fā)性能越差，W及室內(nèi)換熱器溫度、室內(nèi)風機運行功率和室內(nèi)空氣 濕度的取值范圍優(yōu)選地分別為：〇°C~20°C，2W~30W和0%~100% ;至少一個第二性能 參數(shù)包含但不限于：室內(nèi)環(huán)境溫度和導風板導向角，它們?yōu)閷κ覂?nèi)換熱器冷凝水的凝結情 況起次要作用的因素，其中，室內(nèi)環(huán)境溫度會直接影響室內(nèi)換熱器溫度的大小，從而間接地 影響到室內(nèi)換熱器冷凝水的凝結情況，其可W通過空調(diào)器中的溫度傳感器檢測，由于導風 板導向角影響到空調(diào)器風道出風口的結構，即當導風板處于90度角時，風道出風量最大， 水分蒸發(fā)效果最好，W及當導風板處于0度或180度角時，則擋住了風道出風口，此時風道 出風量最小，水分蒸發(fā)效果最差，所W，導風板導向角的取值范圍優(yōu)選地為0°~90°或者 90°~180°，而室內(nèi)環(huán)境溫度的取值范圍優(yōu)選地為：20°C~35°C。
[0031] 另外，性能參數(shù)的具體選取根據(jù)所處環(huán)境需要可W做相應調(diào)整，豐富了性能參數(shù) 選取方式，增加了室內(nèi)換熱器冷凝水凝結情況的檢測結果的準確性W及計算方法的多樣 性。
[0032] 根據(jù)本發(fā)明的又一方面的實施例，提出了一種空調(diào)器，包括上述技術方案中任一 項所述的室內(nèi)換熱器冷凝水的檢測系統(tǒng)，因此，該空調(diào)器具有上述技術方案中任一項所述 的室內(nèi)換熱器冷凝水的檢測系統(tǒng)的所有有益效果，在此不再寶述。
[0033] 通過本發(fā)明，無需增加額外的硬件成本，比如采樣電路，僅通過空調(diào)器現(xiàn)有的硬件 平臺W及軟件建模的手段即可準確地檢測出空調(diào)器室內(nèi)換熱器冷凝水的凝結情況，不僅增 加了產(chǎn)品的市場競爭力，還提升了用戶的使用體驗。
【附圖說明】
[0034] 本發(fā)明的上述和/或附加的方面和優(yōu)點從結合下面附圖對實施例的描述中將變 得明顯和容易理解，其中：
[0035] 圖1示出了根據(jù)本發(fā)明的一個實施例的室內(nèi)換熱器冷凝水的檢測方法的流程示 意圖；
[0036]圖2示出了根據(jù)本發(fā)明的一個實施例的室內(nèi)換熱器冷凝水的檢測系統(tǒng)的框圖；
[0037] 圖3示出了根據(jù)本發(fā)明的一個實施例的空調(diào)器的框圖；
[003引圖4示出了根據(jù)本發(fā)明的另一個實施例的室內(nèi)換熱器冷凝水的檢測系統(tǒng)的框圖；
[0039] 圖5示出了根據(jù)本發(fā)明的另一個實施例的室內(nèi)換熱器冷凝水的檢測方法的流程 示意圖。
【具體實施方式】
[0040] 為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結合附圖和具體實 施方式對本發(fā)明進行進一步的詳細描述。需要說明的是，在不沖突的情況下，本申請的實施 例及實施例中的特征可W相互組合。
[0041] 在下面的描述中闡述了很多具體細節(jié)W便于充分理解本發(fā)明，但是，本發(fā)明還可 W采用其他不同于在此描述的其他方式來實施，因此，本發(fā)明的保護范圍并不受下面公開 的具體實施例的限制。
[0042] 圖1示出了根據(jù)本發(fā)明的一個實施例的室內(nèi)換熱器冷凝水的檢測方法的流程示 意圖。
[0043] 如圖1所示，根據(jù)本發(fā)明的一個實施例的室內(nèi)換熱器冷凝水的檢測方法，包括：步 驟102,通過至少一個第一采樣模塊和至少一個第二采樣模塊分別獲取空調(diào)器的至少一個 第一性能參數(shù)的第一當前采樣值和至少一個第二性能參數(shù)的第二當前采樣值；步驟104， 將所述第一當前采樣值和所述第二當前采樣值分別輸入至所述空調(diào)器的軟件數(shù)字模型模 塊和補償校正模塊中，W分別根據(jù)所述軟件數(shù)字模型模塊中預置的PNN數(shù)字模型和所述補 償校正模塊中預置的補償校正數(shù)字模型計算得到所述室內(nèi)換熱器冷凝水的凝結狀態(tài)概率 計算值和凝結狀態(tài)補償值；步驟106,根據(jù)所述凝結狀態(tài)概率計算值和所述凝結狀態(tài)補償 值在所述補償校正模塊中計算得到所述室內(nèi)換熱器冷凝水的凝結狀態(tài)檢測結果。
[0044] 根據(jù)本發(fā)明的實施例的室內(nèi)換熱器冷凝水的檢測方法，通過空調(diào)器的至少一個第 一采樣模塊和至少一個第二采樣模塊并行地獲取影響空調(diào)器的室內(nèi)換熱器冷凝水的凝結 情況的至少一個第一性能參數(shù)（主要因子）的第一當前采樣值和至少一個第二性能參數(shù) (次要因子）的第二當前采樣值，然后將該至少一個第一性能參數(shù)的第一當前采樣值代入 軟件數(shù)字模型模塊中預置的P順（概率神經(jīng)網(wǎng)絡，用于模式分類的神經(jīng)網(wǎng)絡，是一種基于統(tǒng) 計原理的神經(jīng)網(wǎng)絡模型）數(shù)字模型中輸出室內(nèi)換熱器冷凝水的凝結狀態(tài)概率計算值，并將 至少一個第二性能參數(shù)的第二當前采樣值代入補償校正模塊中預置的補償校正數(shù)字模型 中輸出室內(nèi)換熱器冷凝水的凝結狀態(tài)補償值，同時將由軟件數(shù)字模型模塊輸出的凝結狀態(tài) 概率計算值輸入補償校正模塊中與凝結狀態(tài)補償值一起計算得到室內(nèi)換熱器