1.本发明属于空调领域，尤其涉及一种制冷系统及除湿控制方法。


背景技术：

2.随着生活水平的提高，空调已成为人们生活中的必需品，舒适性也是用户较为关注的方面之一。目前行业内空调主要通过控温来实现房间舒适性，但空气湿度同样也是重要的舒适性指标。现有制冷除湿技术在降温过程中会除去空气中的一部分水分，但较难将空气温湿度进行解耦单独控制，所以常规制冷模式控制无法同时实现空气温湿度的精准调节
3.有鉴于此特提出本发明。


技术实现要素：

4.本发明要解决的技术问题在于克服现有技术的不足，提供一种能实现空气温湿度精准调节的制冷系统及除湿控制方法。
5.为解决上述技术问题，本发明提出了一种制冷系统，所述制冷系统包括室外换热器、压缩机、室内换热器和第一节流阀；所述室内换热器包括第一换热部和第二换热部，所述第一节流阀位于所述第一换热部的第一端与所述室外换热器的第一端之间，所述第一换热部的第二端与所述第二换热部的第一端之间设置第二节流阀，所述第二换热部的第二端与所述压缩机的吸气口相连，所述压缩机的排气口与室外换热器的第二端相连；
6.所述制冷系统还包括控制模块，在空调器制冷运行过程中，当室内工况达到第一温度条件时，空调器进入降温除湿模式；当室内工况达到第二温度条件时，空调器进入恒温除湿模式；所述控制模块在所述降温除湿模式和所述恒温除湿模式中，通过计算所述室内换热器控温控湿所需的显热潜热大小来调整所述第一节流阀和/或所述第二节流阀的开度。
7.进一步可选地，所述制冷系统为热泵式制冷系统，其包括四通换向阀，所述四通换向阀连接在所述第二换热部的第二端、所述室外换热器的第二端以及压缩机的吸气口和排气口之间。
8.本发明还提出了一种制冷系统的除湿控制方法，所述除湿控制方法包括：
9.空调器制冷运行过程中，当室内工况达到第一温度条件时，空调器进入降温除湿模式；当室内工况达到第二温度条件时，空调器进入恒温除湿模式；
10.在所述降温除湿模式和所述恒温除湿模式中，通过计算所述室内换热器控温控湿所需的显热潜热大小来调整所述第一节流阀和/或所述第二节流阀的开度。
11.进一步可选地，所述当室内工况达到第一温度条件时，空调器进入降温除湿模式，包括
12.获取当前室内温度，计算当前室内温度t
内环
与设定室内温度t
设定
的温差δt，δt＝t
内环-t
设定
；当满足δt＞第一设定温差时，进入降温除湿模式。
13.进一步可选地，所述当室内工况达到第二温度条件时，空调器进入恒温除湿模式，包括
14.获取当前室内温度，计算当前室内温度t
内环
与设定室内温度t
设定
的温差δt，δt＝t
内环-t
设定
；当满足第二设定温差≤δt≤第一设定温差时，进入恒温除湿模式。
15.进一步可选地，所述通过计算所述室内换热器控温控湿所需的显热潜热大小来调整所述第一节流阀和/或所述第二节流阀的开度，包括：
16.根据当前室内温度t
内环
与设定室内温度t
设定
的温差δt、当前室内湿度d
内环
与设定室内湿度d
设定
的湿度差δd来计算所述室内换热器控温控湿所需的显热潜热大小；
17.将计算获得的所述显热潜热大小作为神经网络预测模型的输入端，在所述神经网络预测模型的输出端输出所述第一节流阀和/或所述第二节流阀的控制策略；
18.控制所述第一节流阀和/或所述第二节流阀的开度按照所述控制策略来进行调整。
19.进一步可选地，所述控制所述第一节流阀和/或所述第二节流阀的开度按照所述控制策略来进行调整包括：
20.在所述降温除湿模式中，控制所述第一节流阀的开度p
1＜
p
1,max
，控制所述第二节流阀的开度p2＝p
2,max
；在所述恒温除湿模式中，控制所述第二节流阀的开度p2＜p
2,max
，控制所述第一节流阀的开度p1＝p
1,max
，p
1,max
为第一节流阀的最大开度，p
2,max
为第二节流阀的最大开度。
21.进一步可选地，所述降温除湿模式中，所述室内换热器控温控湿所需的显热潜热大小包括显热输出q
c,s
和潜热输出q
c,l
，所述根据当前室内温度t
内环
与设定室内温度t
设定
的温差δt、当前室内湿度d
内环
与设定室内湿度d
设定
的湿度差δd来计算所述室内换热器控温控湿所需的显热潜热大小，包括
22.每隔第一设定时间n获取当前室内温度t
内环
及当前湿度d
内环
，并分别计算δt(n)和δd(n)，δt(n)为每隔第一设定时间n获取的当前室内温度t
内环
与设定室内温度t
设定
的温差，δd(n)为每隔第一设定时间n获取的当前室内湿度d
内环
与设定室内湿度d
设定
的温差，且满足：
23.q
c,s＝m·
[ka·
δt(n)+kb·
∫δt(n)
·
t+kc·
(δt(n)-δt(n-1))]+l；
[0024]qc,l
＝n
·
[kd·
δd(n)+ke·
∫δd(n)
·
t+kf·
(δd(n)-δd(n-1))]+p。
[0025]
进一步可选地，所述将计算获得的所述显热潜热大小作为神经网络预测模型的输入端，在所述神经网络预测模型的输出端输出所述第一节流阀和/或所述第二节流阀的控制策略，包括
[0026]
将显热输出q
c,s
和潜热输出q
c,l
作为神经网络预测模型的输入端，在所述神经网络预测模型的输出端输出所述第一节流阀的控制策略。
[0027]
进一步可选地，所述恒温除湿模式中，所述室内换热器控温控湿所需的显热潜热大小包括显热输出q
c,s-qh，潜热输出q
c,l
，其中qh为第一换热部的制热显热输出，q
c,s
为第二换热部的制冷显热输出，q
c,l
为第二换热部的制冷潜热输出；所述根据当前室内温度t
内环
与设定室内温度t
设定
的温差δt、当前室内湿度d
内环
与设定室内湿度d
设定
的湿度差δd来计算所述室内换热器控温控湿所需的显热潜热大小，包括
[0028]
每隔第二设定时间n获取当前室内温度t
内环
及当前湿度d
内环
，并分别计算δt(n)和δd(n)，δt(n)为每隔第二设定时间n获取的当前室内温度t
内环
与设定室内温度t
设定
的温差，
δd(n)为每隔第二设定时间n获取的当前室内湿度d
内环
与设定室内湿度d
设定
的温差，且满足：
[0029]qc,s-qh＝m’·
[k
a’·
δt(n)+k
b’·
∫δt(n)
·
t+k
c’·
(δt(n)-δt(n-1))]+l’，
[0030]qc,l
＝n’·
[k
d’·
δd(n)+k
e’·
∫δd(n)
·
t+k
f’·
(δd(n)-δd(n-1))]+p’。
[0031]
进一步可选地，所述将计算获得的所述显热潜热大小作为神经网络预测模型的输入端，在所述神经网络预测模型的输出端输出所述第一节流阀和所述第二节流阀的控制策略，包括
[0032]
将显热输出q
c,s-qh和潜热输出q
c,l
作为神经网络预测模型的输入端，在所述神经网络预测模型的输出端输出所述第二节流阀的控制策略。
[0033]
进一步可选地，每隔第二设定时间n为一个调整周期。
[0034]
进一步可选地，空调器在进入恒温除湿模式的第一个调整周期的显热输出q
c,s-qh按照退出降温除湿过程最后一个调整周期的显热计算值q
c,s
赋值。
[0035]
进一步可选地，所述神经网络预测模型的输出端还输出压缩机运行频率、内风机转速和外风机转速的控制策略，所述空调器控制所述压缩机、所述内风机和所述外风机按照所述神经网络预测模型输出的所述控制策略运行。
[0036]
进一步可选地，当所述神经网络预测模式输出多组控制策略时，在多组控制策略中选取压缩机运行频率最低的控制策略对空调器实施控制。
[0037]
本发明还提出了一种控制装置，其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质，当所述一个或多个处理器执行所述程序指令时，所述一个或多个处理器用于实现上述任一项所述的方法。
[0038]
本发明还提出了一种非暂时性计算机可读存储介质，其上存储有程序指令，当所述程序指令被一个或多个处理器执行时，所述一个或多个处理器用于实现上述任一项所述的方法。
[0039]
本发明还提出了一种空调器，其采用上述任一制冷系统，或采用上述任一项所述的方法，或包括上述所述的控制装置，或具有上述的非暂时性计算机可读存储介质。
[0040]
采用上述技术方案后，本发明与现有技术相比具有以下有益效果：
[0041]
本发明通过分别计算控温控湿所需要的显热潜热能力大小，可对实际环境温湿度进行精准调节；同时该策略主要分降温除湿及恒温除湿模式，并结合人工神经网络预测算法，一方面有利于系统快速控温、精准调湿控制，提高用户舒适性；另一方面通过对最佳控制策略预测选择，可实现不同工况下的系统高效节能运行。
[0042]
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
[0043]
附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
[0044]
图1：为本发明实施例的制冷系统结构图；
[0045]
图2：为本发明实施例的神经系统预测模型图；
[0046]
图3：为本发明实施例的一个具体实施方式图；
[0047]
其中：1、室内换热器；11-第一换热部；12-第二换热部；2、室外换热器；3、压缩机；4-四通换向阀；5-第一节流阀；6-第二节流阀。
[0048]
需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
[0049]
在本发明的描述中，需要说明的是，术语“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，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。
[0050]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“接触”、“连通”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。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。
[0051]
由于现有制冷除湿技术在降温过程中会除去空气中的一部分水分，但较难将空气温湿度进行解耦单独控制，所以常规制冷模式控制无法同时实现空气温湿度的精准调节。本实施例提出了一种能实现空气温湿度精准调节的制冷系统，如图1所示，制冷系统包括室外换热器、压缩机、室内换热器和第一节流阀；室内换热器包括第一换热部和第二换热部，第一节流阀位于第一换热部的第一端与室外换热器的第一端之间，第一换热部的第二端与第二换热部的第一端之间设置第二节流阀，第二换热部的第二端与压缩机的吸气口相连，压缩机的排气口与室外换热器的第二端相连；
[0052]
本实施例通过对室内机增加一个第二节流阀，并对第一节流阀和第二节流阀进行合理控制即可实现空调对房间湿度精准控制。一般湿度较大情况出现在南方夏季天气，所以本控制功能主要在夏季制冷模式下使用。系统开机运行时，因初始温湿度较高，房间需要降温除湿。此时第二节流阀几乎全开，第一节流阀适当关闭。系统为全制冷降温除湿模式，经过室外机放热后的冷媒通过一定阀开度的第一节流阀节流作用，室内换热器全部为低温低压液态冷媒，可实现系统的降温降湿调节过程。室内机换热器输出冷量包含制冷降温显热q
c,s
和除湿潜热q
c,l
。当室内温度接近用户设定温度时，房间需要恒温调湿。此时节第一节流阀几乎全开，第二节流阀适当关闭。此时高温高压冷媒流经第一换热部后经第一节流阀几乎无节流作用，所以室内换热器第二节流阀仍为放热过程，即第一换热部为再热段。而第二节流阀则有一定节流作用，此时高温高压冷媒流经第二节流阀节流后低温低压冷媒流过第二换热部后进行制冷除湿，即第二换热部为制冷除湿段。通过再热段显热qh抵消除湿段显热q
c,s
，同时除湿段潜热q
c,l
进行除湿调节，从而实现空调系统的恒温除湿调节过程。
[0053]
进一步可选地，所述制冷系统为热泵式制冷系统，其包括四通换向阀，所述四通换向阀连接在所述第二换热部的第二端、所述室外换热器的第二端以及压缩机的吸气口和排气口之间。本实施例的制冷系统除了用于对室内制冷外，还可通过四通换向阀对室内制热。
[0054]
本实施例还提出了一种制冷系统的除湿控制方法，除湿控制方法包括：
[0055]
空调器制冷运行过程中，当室内工况达到第一温度条件时，空调器进入降温除湿
模式；当室内工况达到第二温度条件时，空调器进入恒温除湿模式；
[0056]
在降温除湿模式和恒温除湿模式中，通过计算室内换热器控温控湿所需的显热潜热大小来调整第一节流阀和/或第二节流阀的开度。
[0057]
本实施例的除湿控制方式包含降温除湿和恒温调湿两个模式，在不同的除湿模式下通过对第一节流阀和第二节流阀的动态调整可实现系统运行前期快速控温及后期精准调湿控制，提高用户舒适性。
[0058]
进一步可选地，当室内工况达到第一温度条件时，空调器进入降温除湿模式，包括
[0059]
获取当前室内温度，计算当前室内温度t
内环
与设定室内温度t
设定
的温差δt，δt＝t
内环-t
设定
；当满足δt＞第一设定温差时，由于初始温湿度较高，房间需要降温除湿，室内换热器进行全制冷降温除湿，进入降温除湿模式。
[0060]
进一步可选地，当室内工况达到第二温度条件时，空调器进入恒温除湿模式，包括
[0061]
获取当前室内温度，计算当前室内温度t
内环
与设定室内温度t
设定
的温差δt，δt＝t
内环-t
设定
；当满足第二设定温差≤δt≤第一设定温差时，说明房间温度接近用户期望温度，如果继续通过制冷除湿会使室内温度低于用户设定温度，影响用户舒适性，因此需要保持当前温度的情况下进行除湿，因此进入恒温除湿模式。
[0062]
进一步可选地，通过计算室内换热器控温控湿所需的显热潜热大小来调整第一节流阀和/或第二节流阀的开度，包括：
[0063]
根据当前室内温度t
内环
与设定室内温度t
设定
的温差δt、当前室内湿度d
内环
与设定室内湿度d
设定
的湿度差δd来计算室内换热器控温控湿所需的显热潜热大小；
[0064]
将计算获得的显热潜热大小作为神经网络预测模型的输入端，在神经网络预测模型的输出端输出第一节流阀和/或第二节流阀的控制策略；
[0065]
控制第一节流阀和/或第二节流阀的开度按照控制策略来进行调整。
[0066]
在降温除湿模式中，由于初始温湿度较高，房间需要降温除湿，室内换热器进行全制冷降温除湿，此时需要控制第一节流阀的开度p1＜p
1,max
，控制第二节流阀的开度p2＝p
2,max
；第一节流阀的开度在降温除湿过程中进行动态调整。在恒温除湿模式中，由于室内温度接近用户设定温度，房间需要恒温调湿，此时控制第二节流阀的开度p2＜p
2,max
，控制第一节流阀的开度p1＝p
1,max
。p
1,max
为第一节流阀的最大开度，p
2,max
为第二节流阀的最大开度。
[0067]
本实施例的空调系统在接收到终端设备(遥控器、手机)制冷模式开机指令时则进入以下除湿控制，并执行开机动作，其他模式如制热模式或普通送风模式时则不执行以下控制空调器在制冷运行时，实时检测用户设定温度t设定和设定湿度d设定，如用户未设定设定温度t设定和设定湿度d设定，则默认设定温度t设定为一个固定值，如27℃和设定湿度d设定为一个固定值，如60％。
[0068]
如图3所示的控制流程图，首先对当前环境温差δt＝t内环-t设定进行判断，如果δt＞第一设定值，第一设定值可选的为1℃，说明此时室内环境温度高于用户期望温度，所以系统会进入降温除湿模式；如果第二设定值≤δt≤第一设定值℃，第二设定值可选的为-2℃，说明此时室内环境温度已基本满足用户期望温度，所以系统会进入恒温调湿模式；如果δt＜-2℃，说明室内环境温度较低，无需制冷开机，则系统停机或仅内风机执行送风模式。
[0069]
如图2所示的神经网络预测模型，该模型主要用于预测不同内外温湿度工况条件
下，如空调系统达到制冷显热能力q
c,s
，制冷潜热能力q
c,l
，制热能力qh，空调所需的执行的控制策略(例如通过输入所需目标能力和工况参数，该模型即可输出满足输入条件的控制策略，例如压缩机频率f，内风机转速n1，外风机转速n2，第一节流阀的开度p1，第二节流阀的开度p2)。
[0070]
本实施例的神经网络预测模型训练主要通过获取大量的模型输入参数及其所对应输出参数训练学习得到。训练数据(输入参数及其所对应的输出参数)获取方式可通过空调仿真计算、实验测试以及大数据平台收集等等。
[0071]
本实施例通过将计算获得的显热潜热大小输入神经网络预测模型后，通过神经网络预测模型输出满足当前控温控湿所需能力大小的最佳控制策略，实现空调系统的高效节能运行。
[0072]
进一步可选地，降温除湿模式中，室内换热器控温控湿所需的显热潜热大小包括显热输出q
c,s
和潜热输出q
c,l
，根据当前室内温度t
内环
与设定室内温度t
设定
的温差δt、当前室内湿度d
内环
与设定室内湿度d
设定
的湿度差δd来计算室内换热器控温控湿所需的显热潜热大小，包括
[0073]
每隔第一设定时间n获取当前室内温度t
内环
及当前湿度d
内环
，并分别计算δt(n)和δd(n)，δt(n)为每隔第一设定时间n当前室内温度t
内环
与设定室内温度t
设定
的温差，δd(n)为每隔第一设定时间n当前室内湿度d
内环
与设定室内湿度d
设定
的温差，满足：
[0074]qc,s
＝m
·
[ka·
δt(n)+kb·
∫δt(n)
·
t+kc·
(δt(n)-δt(n-1))]+l；
[0075]qc,l
＝n
·
[kd·
δd(n)+ke·
∫δd(n)
·
t+kf·
(δd(n)-δd(n-1))]+p。
[0076]
具体的，如图3所示的控制流程图，如果满足δt＞第一设定值，进入降温除湿模式，则系统执行第二节流阀的开度最大p2＝p
2,max
，而第一节流阀适当关闭p1＜p
1,max
，此时为这个室内换热器为吸热制冷状态。此时室内换热器能力输出分显热输出q
c,s
和潜热输出q
c,l
，系统每隔第一设定时间n采集室内温度t
内环
及湿度d
内环
并计算温湿度偏差，第一设定时间可选的为5s，
[0077]
δt(n)＝t
内环-t
设定
；δt(n)为第n秒室内温度偏差采集计算；
[0078]
δd(n)＝d
内环-d
设定
；δd(n)为第n秒室内湿度偏差采集计算；
[0079]
然后系统控制器会根据温湿度偏差可计算第n秒当前所需的冷量：
[0080]qc,s
＝m
·
[ka·
δt(n)+kb·
∫δt(n)
·
t+kc·
(δt(n)-δt(n-1))]+l；
[0081]qc,l
＝n
·
[kd·
δd(n)+ke·
∫δd(n)
·
t+kf·
(δd(n)-δd(n-1))]+p。本实施例中kd、ke、kf为公式中的比例系数，p为补偿值，可根据需要可选取任意数值
[0082]
进一步可选地，将计算获得的显热潜热大小作为神经网络预测模型的输入端，在神经网络预测模型的输出端输出第一节流阀和/或第二节流阀的控制策略，包括
[0083]
将显热输出q
c,s
和潜热输出q
c,l
作为神经网络预测模型的输入端，在神经网络预测模型的输出端输出第一节流阀的控制策略。
[0084]
当计算q
c,ss
和q
c,l
后在空调控制器中运行神经网络预测模型如图2所示，算法则会根据系统能力状态q
c,s
以及q
c,l
预测满此时足能力要求的控制策略，由于恒温除湿模式下第与控制阀已处于全开状态，只需对第一节流阀进行调控即可。
[0085]
进一步可选地，在恒温除湿模式中，室内换热器控温控湿所需的显热潜热大小包括显热输出q
c,s-qh，潜热输出q
c,l
，其中qh为第一换热部的制热显热输出，q
c,s
为第二换热部
的制冷显热输出，q
c,l
为第二换热部的制冷潜热输出；根据当前室内温度t
内环
与设定室内温度t
设定
的温差δt、当前室内湿度d
内环
与设定室内湿度d
设定
的湿度差δd来计算室内换热器控温控湿所需的显热潜热大小，包括
[0086]
每隔第二设定时间n获取当前室内温度t
内环
及当前湿度d
内环
，并分别计算δt(n)和δd(n)，δt(n)为第二设定时间n当前室内温度t
内环
与设定室内温度t
设定
的温差，δd(n)为第二设定时间n当前室内湿度d
内环
与设定室内湿度d
设定
的温差，满足：
[0087]qc,s-qh＝m’·
[k
a’·
δt(n)+k
b’·
∫δt(n)
·
t+k
c’·
(δt(n)-δt(n-1))]+l’，
[0088]qc,l
＝n’·
[k
d’·
δd(n)+k
e’·
∫δd(n)
·
t+k
f’·
(δd(n)-δd(n-1))]+p’。具体的，如
[0089]
图3所示的控制流程图，如果满足第二设定值≤δt≤第一设定值，说明房间温度接近用户期望温度，此时进入恒温调湿模式，则系统执行第一节流阀的开度最大p1＝p
1,max
，而第二节流阀适当关闭p2≤p
2,max
，此时室内换热器分为第二节流阀前面的第一换热部和第二节流阀后面的第二换热部，第一换热部为再热段，第二换热部为制冷除湿段。所以此时内机换热器能力输出分再热段的制热显热能力qh，除湿段的制冷显热输出q
c,s
和制冷潜热输出q
c,l
。以为此时房间温度接近用户期望温度，系统制冷能力输出较低，温湿度变化并不明显，所以此模式下系统每隔第二设定时间n采集室内温度t
内环
及湿度d
内环
并计算温湿度偏差,第二设定时间n≥第一设定时间n，第二设定时间n可选的为30s：
[0090]
δt(n)＝t
内环-t
设定
；δt(n)为第n秒室内温度偏差采集计算；
[0091]
δd(n)＝d
内环-d
设定
；δd(n)为第n秒室内湿度偏差采集计算；
[0092]
然后系统控制器会根据温湿度偏差可计算第二设定时间n当前所需的冷量：
[0093]qc,s-qh＝m’·
[k
a’·
δt(n)+k
b’·
∫δt(n)
·
t+k
c’·
(δt(n)-δt(n-1))]+l’[0094]qc,l
＝n’·
[k
d’·
δd(n)+k
e’·
∫δd(n)
·
t+k
f’·
(δd(n)-δd(n-1))]+p’。本实施例中k
d’、k
e’、k
f’为公式中的比例系数，p’为补偿值，可根据需要可选取任意数值。
[0095]
当0℃＜δt≤第一设定值时，q
c,s-qh＞0，此时除湿段制冷显热能力略高于再热段制热显热能力，可使房间温度降低直至设定目标；
[0096]
当δt≤0℃时，q
c，s-qh＜0，此时除湿段制冷显热能力略高于再热段制热显热能力，可使房间温度回升直至设定目标；
[0097]
采集计算温湿度偏差后同时计入湿度精准调节模式：
[0098]
当δd≥湿度阈值，第一设定湿度可选的为-10％，说明此时湿度仍在可调节范围内，则除湿段制冷潜热q
c，l
＞0℃，可继续降低空气中湿度在设定湿度附近；
[0099]
当δd＜湿度阈值，说明此时湿度在调节范围外或已除湿过度，此时期望系统停止除湿，则除湿段制冷潜热q
c,l
＝0℃；因空调无法加湿，所以可靠门窗泄漏室外空气来提高室内湿度。
[0100]
当计算q
c,s-qh以及q
c,l
后在空调控制器中运行神经网络预测模型如图2所示，利用空调控制器中运行神经网络预测模型(图3)，该算法会根据系统能力状态q
c,s-qh以及q
c,l
预测满此时足能力要求的控制策略，由于恒温除湿模式下第与控制阀已处于全开状态，只需对第二节流阀进行调控即可
[0101]
进一步可选地，降温除湿模式下，每隔第一设定时间n为一个调整周期，恒温除湿模式下，每隔第二设定时间n为一个调整周期。空调系统按照神经网络算法预测出的最佳控
制策略调节执行器动作后，执行当前调整周期下的最佳控制策略的神经网络预测的控制策略，然后重新开始判断下一个调整周期温湿度控制模式，计算下一个调整周期环境温湿度变化所需的制冷显热及潜热，再执行下一个调整周期的最佳控制策略的神经网络预测的控制策略，如此循环计算并调节空调执行器，可实现温降除湿阶段温湿度初步调节。除非遇到控制器接收到用户关机指令，控制将进入下一个调整周期。
[0102]
进一步可选地，为减少调湿模式控制切换过程对温度影响，引起用户的不适感，空调器在进入恒温除湿模式的第一个调整周期的显热输出q
c,s-qh按照退出降温除湿过程最后一个调整周期的显热计算值q
c,s
赋值，可保证温度调节的连续性。
[0103]
进一步可选地，神经网络预测模型的输出端还输出压缩机运行频率、内风机转速和外风机转速的控制策略，空调器控制压缩机、内风机和外风机按照神经网络预测模型输出的控制策略运行。当神经网络预测模式输出多组控制策略时，在多组控制策略中选取压缩机运行频率最低的控制策略对空调器实施控制。
[0104]
本实施例的神经网络预测模型除了输出第一节流阀和第二节流阀的控制策略外，还输出满足当前能力要求的压缩机运行频率为f，内/外风机转速为n1/n2，可能模型会预测出满足能力要求的多组控制策略，一般选取压缩机运行频率f最低(或功率值w最低)为最佳控制策略，此时功耗较低，有利于空调节能运行。
[0105]
本实施例还提出了一种控制装置，其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质，当一个或多个处理器执行程序指令时，一个或多个处理器用于实现根据上述任一的方法。
[0106]
本实施例还提出了一种非暂时性计算机可读存储介质，其上存储有程序指令，当程序指令被一个或多个处理器执行时，一个或多个处理器用于实现上述任一项的方法。
[0107]
本实施例还提出了一种空调器，其采用上述任一制冷系统，或采用上述任一项的方法，或包括上述的控制装置，或具有上述的非暂时性计算机可读存储介质。
[0108]
以上仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。