本技术属于智能空调技术领域，尤其涉及一种智能空调控制系统，包括：用户端，用于采集用户的体征数据；控制端，用于输入温度值；还用于输入温度值后，用预设的模型对输入的温度值和用户的体征数据进行分析，当分析结果为输入的温度值对用户存在致病风险时，对输入的温度值进行修正，得到修正温度值；还用于得到修正温度值后控制空调送风。使用本系统，当用户的主观判断温度存在问题时，控制端能够对其输入的温度进行修正后，再控制空调送风。与现有技术相比，能够尽量避免出现用户因为主观判断的温度不当而导致生病的情况发生。
技术要求
1.一种智能空调控制系统，其特征在于，包括：
用户端，用于采集用户的体征数据；
控制端，用于输入温度值；还用于输入温度值后，用预设的模型对输入的温度值和用户
的体征数据进行分析，当分析结果为输入的温度值对用户存在致病风险时，对输入的温
度值进行修正，得到修正温度值；还用于得到修正温度值后控制空调送风。
2.根据权利要求1所述的智能空调控制系统，其特征在于：控制端还用于当分析结果为输入的温度值对用户存在致病风险时，发出提醒，提醒的内容包括温度提醒及健康提醒。
3.根据权利要求2所述的智能空调控制系统，其特征在于：控制器还用于选择模式，模式包括正常模式和睡眠模式；睡眠模式时，用户端还用于每隔N分钟采集一次用户体征数据并发送给控制端，控制端还用于基于预设的调节模型，根据用户最新的体征数据对当前
温度进行调节。
4.根据权利要求3所述的智能空调控制系统，其特征在于：用户端有多个，当多个用户端同时给同一控制端发送用户的体征数据时，控制端分别根据每组体征数据得到预估调节
温度值后，选择数值最大的调节温度值作为实际调节值进行温度调节。
5.根据权利要求4所述的智能空调控制系统，其特征在于：控制端还用于分析用户的体征数据。
6.根据权利要求5所述的智能空调控制系统，其特征在于：控制端的输入方式包括文字输入和语音输入。
7.根据权利要求6所述的智能空调控制系统，其特征在于：预设的模型及调节模型均为神经网络模型。
8.根据权利要求7所述的智能空调控制系统，其特征在于：用户端采集的体征数据包括体温、心率和血氧饱和度。
技术说明书
一种智能空调控制系统
技术领域
本技术属于智能空调技术领域，尤其涉及一种智能空调控制系统。
背景技术
空调即空气调节器(Air Conditioner)。是指用人工手段，对建筑或构筑物内环境空气的温度、湿度、流速等参数进行调节和控制的设备。
空调是现代生活中人们不可缺少的一部分，空调为人们提供了凉爽，但同时空调常开也易引起疾病，如“空调病”等。在空调控制技术日新月异的当下，市场上已不乏各类主打健康与智能的空调。不过，目前，智能空调的温度控制方式，基本上还是用户选择目标温度值后，空调端按照用户的选择值进行送风制来调节室内温度。
但用户在选择目标温度值时，只是依据主观判断，有时会出现温度值选择不当的情况。如，用户刚进行了户外运动，马上选择一个很低的室内温度，如果按照用户选择的温度值来进行送风，用户很容易出现感冒等病症。
因此，需要一种智能空调控制系统，能够尽量避免出现用户因为主观判断的温度不当而导致生病的情况发生。
技术内容
本技术的目的在于，提供一种智能空调控制系统，能够尽量避免出现用户因为主观判断的温度不当而导致生病的情况发生。
本技术提供的基础方案为：
一种智能空调控制系统，包括：
用户端，用于采集用户的体征数据；
控制端，用于输入温度值；还用于输入温度值后，用预设的模型对输入的温度值和用户的体征数据进行分析，当分析结果为输入的温度值对用户存在致病风险时，对输入的温度值进行修正，得到修正温度值；还用于得到修正温度值后控制空调送风。
基础方案工作原理及有益效果：
用户端采集用户的体征数据(如体温、心率等)。当用户想要使用空调时，在控制端上输入温度值，之后，控制端用预设的模型，对输入的温度值和用户的体征数据进行分析，当分析结果为输入的温度对用户存在致病风险时，对空调的目标温度值进行修正，得到修正温度值；之后，控制端用修正温度值控制空调进行送风。
这样，当用户的主观判断温度存在问题时，控制端能够对其输入的温度进行修正后，再控制空调送风。与现有技术相比，能够尽量避免出现用户因为主观判断的温度不当而导致生病的情况发生。
进一步，控制端还用于当分析结果为输入的温度值对用户存在致病风险时，发出提醒，提醒的内容包括温度提醒及健康提醒。
当用户贪凉时，除了在空调的控制端输入不恰当的温度值外，通常还会伴随其他的行为，如喝冰镇冷饮等。这样的设置，可以在分析结果为输入的温度值对用户存在致病风险时，即，用户可能在贪凉时，发出提醒，且提醒的内容包括温度提醒及健康提醒(如请勿贪凉、勿喝冷饮、不要洗冷水澡等)，可以减少用户因为这些不当行为而导致生病的情况。
进一步，控制器还用于选择模式，模式包括正常模式和睡眠模式；睡眠模式时，用户端还用于每隔N分钟采集一次用户体征数据并发送给控制端，控制端还用于基于预设的调节模型，根据用户最新的体征数据对当前温度进行调节。
这样的方式，可以保证用户在睡觉的过程中，能够持续拥有合适自己的环境温度。N的数值，本领域技术人员可依据空调的型号具体设置。
进一步，用户端有多个，当多个用户端同时给同一控制端发送用户的体征数据时，控制端分别根据每组体征数据得到预估调节温度值后，选择数值最大的调节温度值作为实际调节值进行温度调节。
当同时有多位用户在场时，为了每个人都能健康合理的享受空调的制冷，控制端分别根据每组体征数据得到预估调节温度值后，选择数值最大的调节温度值作为实际调节值进行温度调节，这样，可以保证空调的实际调节温度对于每个人都属于健康温度，兼顾每个人的当前身体状态。
进一步，控制端还用于分析用户的体征数据。
用户可方便的了解自己当下真实的身体状态。
进一步，控制端的输入方式包括文字输入和语音输入。
用户可以根据自己的喜好选择输入方式。
进一步，预设的模型及调节模型均为神经网络模型。
与其他模型相比，神经网络模型的稳定性较好，并且在训练好投入使用后，神经网络模型仍可以继续自学习和自优化。
进一步，用户端采集的体征数据包括体温、心率和血氧饱和度。
通过这些数据，可以了解用户当前的生理特征。
附图说明
图1为本技术一种智能空调控制系统实施例一的逻辑框图。
