CN106155129B - 使用预测算法的下游流体的温度控制系统和方法 - Google Patents

使用预测算法的下游流体的温度控制系统和方法 Download PDF

Info

Publication number
CN106155129B
CN106155129B CN201610642209.7A CN201610642209A CN106155129B CN 106155129 B CN106155129 B CN 106155129B CN 201610642209 A CN201610642209 A CN 201610642209A CN 106155129 B CN106155129 B CN 106155129B
Authority
CN
China
Prior art keywords
temperature
control system
valve
processor
electronic water
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.)
Active
Application number
CN201610642209.7A
Other languages
English (en)
Other versions
CN106155129A (zh
Inventor
I·宋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujun Global Plumbing Group Co ltd
Fujunshui Innovation Co ltd
Original Assignee
Moen Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Moen Inc filed Critical Moen Inc
Publication of CN106155129A publication Critical patent/CN106155129A/zh
Application granted granted Critical
Publication of CN106155129B publication Critical patent/CN106155129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D7/00—Control of flow
    • G05D7/06—Control of flow characterised by the use of electric means
    • G05D7/0617—Control of flow characterised by the use of electric means specially adapted for fluid materials
    • G05D7/0629—Control of flow characterised by the use of electric means specially adapted for fluid materials characterised by the type of regulator means
    • G05D7/0635—Control of flow characterised by the use of electric means specially adapted for fluid materials characterised by the type of regulator means by action on throttling means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/01—Control of temperature without auxiliary power
    • G05D23/13—Control of temperature without auxiliary power by varying the mixing ratio of two fluids having different temperatures
    • G05D23/1393—Control of temperature without auxiliary power by varying the mixing ratio of two fluids having different temperatures characterised by the use of electric means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37371—Flow

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Control Of Temperature (AREA)
  • Feedback Control In General (AREA)
  • Multiple-Way Valves (AREA)
  • Flow Control (AREA)

Abstract

本申请公开了在复杂的、低流速的条件下通过喷头控制器或龙头控制器提供温度受控制的流体的方法。

Description

使用预测算法的下游流体的温度控制系统和方法
相关申请的交叉引用
本申请要求专提交日为2015年5月12日的美国临时申请No.62/160043的权益，该申请通过引用完全并入本申请中。
背景技术
本申请一般涉及下游流体流动的温度控制的领域，更具体地涉及通过喷头控制器或龙头控制器提供温度受控制的流体流的系统和方法。
传统的喷头阀是熟知的，并且用于打开并且通过手动调节向阀的下游流动的热流体和冷流体的比例设置流进喷头的流体的温度。对于流入的热流体的流速的明显改变(例如，当洗碗机或洗衣机打开时)或者流入的冷流体的流速的明显改变(例如，当同室的马桶冲水时)，传统的手动喷头和龙头阀不会维持温度。因此，在流入的热流体和冷流体的这种明显的改变可能使洗浴者(拿着喷头的人)明显不适，并可能烫伤洗浴者.
相应地，目的在于对供给压力的改变进行调节的自动喷头控制阀是已知的.美国社会卫生工程(ASSE)已经公布关于自动喷头阀的温度性能的标准，ASSE1016。该ASSE1016标准应用于三种类型的单个喷头控制阀：压力平衡型(例如，机械的)、恒温型以及恒温型与压力平衡型相结合的类型。例如，在ASSE1016标准下，压力平衡喷头控制阀在以下情况下的温度控制必须不超过±3.6°F(±2°度)：热流体和/或冷流体供给压力增加或减小50％.
发明内容
本申请公开了一种在复杂的低流速情况下通过喷头控制器或龙头控制器提供温度受控制的流体流的系统和方法。示例性的系统和方法仅使用单一传感器-混合器下游的温度传感器-而未使用其它传感器，例如热流体和冷流体供给流速传感器，或者热流体和冷流体供给温度传感器.然而，在其它系统和方法中，可以被使用额外的传感器，例如流速和温度传感器。
本公开的一个示例性的实施例涉及流体控制系统。该流体控制系统包括至少一个电控阀；以及至少一个用于控制电控阀的被编程的处理器，从而使用预测算法控制阀下游的流体的温度。
本公开的另一个示例性的实施例涉及流体控制系统。该流体控制系统包括至少一个电控阀；与阀相关联的温度传感器；以及，至少一个用于控制阀的被编程的处理器，从而使用至少一个预测算法控制阀下游的流体的温度，该预测算法包括至少来自于温度传感器和该系统的至少一部分的温度响应模型的数据。在示例性的实施例中，该系统的至少一部分的温度响应模型包括模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学的或非数学的关系.
本公开的另一个示例性的实施例涉及流体控制系统。该流体控制系统包括具有相关联的存储器的至少一个处理器；至少一个阀，其具有至少热流输入、冷流输入、热流输出和冷流输出，该至少一个阀响应于一个或者多个来自于(直接地或间接地)该处理器的信号，控制(a)热流输入和输出之间的热流体流，以及(b)冷流输入和输出之间的冷流体流；在至少一个阀的下游的混合腔，其用于混合由至少一个阀输出的热的和冷的流体流；在至少一个阀的下游的温度传感器，生成实时温度信号，该信号指示混合腔下游的流体的温度；以及用户输入装置，其接收用户输入并传送到与用户输入对应的至少一个处理器用户数据，该用户数据包括至少一个期望的温度输入；以及该存储器具有存储在其上的温度传感器的至少一个温度响应模型；存储器还具有存储在其上的代码，该代码使至少一个处理器接收被输入的期望的温度输入，该输入通过用户输入装置输入；接收相应于实时温度信号的测量温度数据；以及，控制阀以使用预测算法向着期望的温度输入控制混合腔下游的流体的温度，该预测算法至少使用(i)温度传感器的温度响应模型和(ii)测量温度数据.在示例性的系统中，该系统的至少一部分的温度响应模型包括模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学的或非数学的关系.
本公开的另一个示例性的实施例涉及控制流体温度的计算机执行的方法.计算机执行方法包括：提供电子控制阀；接收与阀相关联的测量温度数据：以及使用具有预测算法的被编程的处理器控制该阀，从而控制该阀下游的流体的温度，该预测算法使用至少一个提供测量温度数据的温度传感器的温度响应模型，。在示例性的系统中，该系统的至少一部分的温度响应模型包括模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学的或非数学的关系.
附图说明
图1是示例性的电子流体控制系统的示意框图。
图2是示出示例性的电子流体控制方法的示意流程图。
图3是另一个示例性的电子流体控制系统的示意框图。
图4是示出另一个示例性的电子流体控制方法的示意流程图.
图5是另一个示例性的电子流体控制系统的示意框图。
图6是图5的电子流体控制系统的示例性的非瞬时性计算机可读取介质的示意图。
图7是电子流体控制系统的示例性实现方式的示意数据流程图。
图8是用于图7的电子流体控制系统的示例性的滤波器配置的示意框图.
图9是示出图7的电子流体控制系统的各种电子和机电硬件的示意框图.
图10A是适合于与图7的电子流体控制系统一起使用的示例性的双流混合器的正面视图.图10B是图10A的示例性的混合器沿着剖面线B-B的剖视图.图10C是图10A的示例性的混合器的顶部平面图；图10D是其底部平面图；图10E是其左侧视图；图10F是其右侧视图；图10G是其正面/右侧/顶部透视图；以及图10H是正面/左侧/顶部透视图。图10J是示出管道内部的图10A的示例性的混合器的正剖面图。
图11A-11C是示出图7的电子流体控制系统中的示例性的测量温度和模拟温度的数据曲线.
图12是图7的电子流体控制系统的示例性的非瞬时性计算机可读取介质的示意图。
图13A-13E是动态地示出模拟温度如何响应于热流体压力的显著降低而追踪在图7的电子流体控制系统中的测量温度的数据曲线。
图14A-14C是动态地示出模拟温度如何响应于热流体压力的显著升高而追踪在图7的电子流体控制系统中的测量温度的数据曲线。
图15是示出用于图1、3、5、7的电子流体控制系统的示例性的控制器的各种输入和输出的示意流程图。
具体实施方式
此详细说明仅描述本发明的示例性的实施例，并且其不意图以任何方式限制权利要求的范围。实际上，如权利要求所述的本发明比示例性的实施例更广，并且，在权利要求中使用的术语具有其通常的含义，除非在本文中明确地提出限制性的限定。
现在参考图1，示例性的流体控制系统10的框图被示出。示例性的流体控制系统10包括至少一个电控阀12和至少一个处理器14，至少一个处理器14被编程为具有使处理器利用预测算法16自动地控制电控阀12从而控制阀下游的流体的温度的代码.在本文中使用的“处理器”或“计算机”包括但是不限于任何已编程或可编程的电子装置或协同装置，可以存储、检索和处理数据并且可以是数据处理单元或在分布的数据梳理结构中.处理器的举例包括微处理器、微控制器、图像处理单元(GPU)、浮点单元(FPU)、简化指令组计算(RISC)处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、复杂可编程逻辑装置(CPLD)等等。示例性的流体控制系统10具有用于执行本文中所描述的各种功能和步骤的逻辑。在本文中使用的“逻辑”与“电路”同义，包括但是并不限于硬件、固件、软件和/或其组合以执行一个或者多个功能或操作.例如，基于期望的应用或需求，逻辑可以包括软件控制处理器、离散逻辑(诸如专用集成电路(ASIC))、已编程逻辑装置或者其它的处理器。逻辑也可以充分地具体化为软件。在本文中使用的“软件”包括但是不限于一个或者多个计算机可读取和/或可执行指令，所述指令使处理器或其它电子装置执行功能、操作、处理和/或按照所期望的方式表现。指令可以以各种形式实施，诸如例程、算法、模块或者包括单独的应用或来自于动态链接数据库(DLLs)的代码的程序.软件也可以以各种形式实现，诸如独立运行程序、联网程序、函数调用、子例程、伺服小程式、应用程序、应用程式、小程序(例如，Java程序)、插件、存储在存储器中的指令、操作系统的一部分或其它类型的可执行指令或生成可执行指令的可解译指令.本领域普通技术人员可以理解的是，软件的形式取决于例如期望的应用的要求、其运行的环境和/或设计者/程序员的期望等等。在示例性的实施例中，软件的一些或全部被存储在存储器14上，该存储器14包括一个或者多个本地的或者远程的数据存储装置(关于远程存储器，系统10将包括通信电路，未示出)的一个或者多个非瞬时性计算机可读取介质。如本文中所使用的，“数据存储装置”表示用于代码或数据的非瞬时性存储的装置，例如，具有非瞬时性计算机可读取介质的装置。如本文中所使用的，“非瞬时性计算机可读取介质”意指任何合适的用于存储代码或数据的非瞬时性计算机可读取介质，诸如：磁性介质，例如在外部硬盘驱动器中的固定磁盘、在内部硬盘驱动器中的固定磁盘和软盘；光学介质，例如CD盘、DVD盘以及其它介质，例如RAM、ROM、PROM、EPROM、EEPROM、闪速PROM、外部闪存装置等等。
在图1的示例中，具有两条处于不同温度下的流体供给线路S1和S2，以及处理器14经由至少一个相应的控制线路18控制至少一个阀12，从而控制该阀12下游的混合流体的温度。在示例性的系统10中，预测算法16就其计算该系统10的未来状态方面而言是预测性的。在示例性的系统10中，该预测算法16包括算法，该算法利用至少(i)该系统的至少一部分的温度响应模型，例如，模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学的或非数学的关系，以及(ii)测量温度数据，计算该系统10的未来状态。如本文中所使用的，“阶跃改变”表示可检测为洗浴者做出的快速改变的级别的改变时，例如，某人对同室马桶冲水导致冷流体供给压力的阶跃改变，或者某人使用热流体打开洗衣机或洗碗机导致热流体供给压力的阶跃改变(尽管从纳秒或者微秒的角度来看，这些供给压力的改变可能不被视为阶跃改变，但是对在洗浴的人来说，该改变是明显的并且感觉上是阶跃改变)。用于实现预测算法16的合适的算法是那些在算法类别中被称为卡尔曼滤波器(Kalman filter)(诸如，普通的卡尔曼滤波器，扩展的卡尔曼滤波器，无味的卡尔曼滤波器以及其它卡尔曼滤波器)，所述卡尔曼滤波器被编程以利用至少(i)该系统的至少一部分的温度响应模型，例如，模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学的或非数学的关系，以及(ii)测量温度数据，计算该系统10的未来状态.尽管未测试，但其它的预测算法也可以给出合适的结果.在本文中使用的是“预测”一词，而比例-积分-微分控制器(PID控制器)不是预测的。如本领域普通技术人员所知的，PID控制器生成的控制信号是三个项的总和：比例项，其与误差信号(测量值和设定点值之间的差值)成正比；积分项，其与误差信号的积分成正比；以及导数项，其与误差信号的导数成正比。这些都不计算或者不涉及计算被PID控制的系统的未来状态，组合的PID控制算法也不计算被PID控制的系统的未来状态.PID控制器的导数项利用与误差曲线的切线计算误差项：然而，这与本文中使用的预测算法16根本上不相同，预测算法16计算系统10的未来状态.本文中一些示例性的预测算法16通过基于会产生系统状态的最近的几个数据点的计算(预测)系统10的未来状态。然后，控制逻辑确定在该状态下系统结束是否是可接受的，如果不是，则施加适当的控制信号.
如上所述，预测算法16利用系统的至少一部分的温度响应模型(例如，模拟热/冷混合情况的阶段改变和随后的温度传感器的信号响应的改变之间的联系的数学的或非数学的关系)计算系统10的未来状态。一些示例性的实施例使用指数函数，该指数函数模拟系统的至少一部分的预测的温度响应，也就是，以将指数模型映射至系统的至少一部分的测量温度响应(诸如，温度传感器的温度响应，例如，温度传感器44(图3)或92(图5，9)))的参数，基于测量数据预测系统进一步的最终温度(例如，图11A-11B)。在如本文中所讨论的复杂的低流速条件下，其它的模型可以通过喷头控制器或龙头控制器提供足够的精确度和速度以提供温度受控制的流体流，因此在可选择的方案中或额外地，系统的至少一部分的温度响应模型可以包括，例如：
(a)在幂级数(包括但不限于指数幂级数、泰勒级数、几何级数或一些其它的幂级数)中的前N项(例如，n＝6或7或8或更大)，或其它的等式，所述等式(i)以这样的参数近似这样的指数函数，(ii)近似系统的至少一部分的测量温度响应数据，和/或(iii)近似本文中的任何其它的模型；
(b)查找表，其(i)以这样的参数近似这样的指数函数，(ii)近似系统的至少一部分的测量温度响应数据，和/或(iii)近似本文中的任何其它的模型；
(c)一系列等式和/或查找表，其模拟(i)系统10或系统10的至少一部分的热质量，和/或(ii)系统10或系统10的至少一部分的热导率，和/或(iii)在混合器和温度传感器之间的距离，和/或在混合器和温度传感器之间的水道中的水量，和/或(iv)温度传感器(在系统10之外)的正常温度响应.
(d)(i)具有这样的参数的这样的指数函数的分段线性近似，(ii)系统的至少一部分的测量温度响应数据的分段线性近似，和/或(iii)本文中任何其它模型的分段线性近似；
(e)等式或查找表(指数函数或上述的(a)-(c))，基于少数或若干最近的测量数据点仅提供系统或系统的至少一部分的预测的未来最终的温度，诸如，温度传感器(例如，温度传感器44(图3)或92(图5、图9))的温度响应，这与诸如被设置为模拟改变的整个的进程(诸如在图11A-11B中)的指数函数或上文中所述的(a)-(c))的等式相反；
(f)一些其它的等式或模型，其(i)以这样的参数近似这样的指数函数，(ii)近似系统的至少一部分的测量温度响应数据，和/或(iii)近似本文中的任何其它的模型；和/或
(g)一些其它的等式或模型。
在具有或不具有一个或者多个补充的查找表和在具有或不具有补充的等式的情况下，非查找表模型可以被实现.因此，在一些示例性的实施例中，模型包括模拟热/冷混合情况的阶段改变和随后的温度传感器的信号响应的改变之间的联系的数学关系(例如，等式)，以及在其它示例性的实施例中，包括模拟热/冷混合情况的阶段改变和随后的温度传感器的信号响应的改变之间的联系的非数学的关系(例如，查找表)。在一些示例性的实施例中，系统的至少一部分的温度响应的模型将模拟对阶跃改变的响应。另外地或者可选择地，系统的至少一部分的温度响应的一些示例性的模型将会线性地、指数地或以其它的方式模拟温度上的改变并且使用该响应的模型，而不是如洗浴者所察觉的使温度实际地即刻地改变(阶跃改变)。
现在参照图2，示出示例性的流体控制方法30的流程图。该示例性方法30包括在32处提供电控阀，并且在34处使用被编程为具有预测算法的处理器控制该阀以控制该阀下游的流体的温度.结合图1描述的示例性的系统10可以被用来实现图2中的方法30。
现在参考图3，示出另一个示例性的流体控制系统40的框图。示例性的流体控制系统40包括至少一个电控阀42、与该阀42相关联的温度传感器44以及至少一个被编程为具有代码的处理器46，所述代码使该处理器使用至少一个预测算法48控制该电控阀42以控制该阀下游的流体的温度，所述至少一个预测算法48包括该系统40的至少一部分的温度响应模型和至少来自温度传感器44的数据。示例性的流体控制系统40具有用于执行本文中所描述的各种功能和处理的逻辑.
在图3的实施例中，具有两条处于不同温度下的流体供给线路S1和S2，以及处理器46经由至少一个相应的控制线路52控制至少一个阀42，从而控制该阀42下游的混合流体的温度。在示例性的系统40中，预测算法48就其计算该系统40的未来状态方面而言是预测性的。如上文所述的预测算法16一般，预测算法48包括算法，该算法利用至少(i)该系统的至少一部分的温度响应模型，例如，模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学关系，以及(ii)测量温度数据，计算该系统40的未来状态。同样如上所述的，适合的算法是那些在算法类别中被称为卡尔曼滤波器的算法，卡尔曼滤波器从根本上区别于其它控制器(诸如，PID控制器)。然后该处理器46被编程为基于计算出的该系统40的未来状态使用当前状态计算控制该阀42.在该示例性的系统40中，该预测算法48包括或以其它方式基于被编程为计算系统40的未来状态的卡尔曼滤波器.被编程为计算系统40的未来状态的此卡尔曼滤波器是除了用于上游信号调节(诸如，来自该温度传感器44的上游数据的信号调节)的任何卡尔曼滤波器之外的卡尔曼滤波器.
在示例性的系统40中，该系统的至少一部分的温度响应模型包括该系统的至少一部分的温度响应模型。在示例性的系统40中，该温度响应模型包括指示温度传感器对温度传感器周围的温度的阶跃改变(例如，阶跃增大和/或阶跃减小)的响应的函数.如上文所更详细地描述的，该系统的至少一部分的温度响应模型可以包括下列中的任意一个或任意两个或更多：指数函数、另一个指数模型、幂级数的前N项(包括但不限于指数幂级数、泰勒级数、几何级数或一些其它的幂级数)、查找表、分段线性近似、基于少数或若干最近的测量数据点仅提供系统的预测的未来最终的温度的等式或查找表；和/或一些其它的预测未来温度的等式或模型。
现在参考图4，示出另一个流体控制方法60的流程图。该示例性方法60包括在62处提供电控阀，在64处接收与该阀下游的流体相关联的测量温度数据，并且在66处使用被编程为至少具有预测算法的处理器控制该阀以控制该阀下游的流体的温度，所述预测算法至少包括测量数据和该系统的至少一部分的温度响应模型。结合图3描述的示例性的系统40可以被用来实现图4中的方法60。
现在参考图5，示出另一个示例性的流体控制系统80的框图。示例性的流体控制器80包括一个或者多个具有相关联的存储器82的处理器81.示例性的流体控制系统80具有用于执行在本文中所描述的各种函数和处理(例如，自动控制所述阀以控制流体的温度)的逻辑.示例性的流体控制器80还包括用户输入装置83，用户输入装置83接收用户输入并将与用户输入对应的用户数据传送到至少一个处理器81，该用户数据至少包括由系统80分配的流体的期望温度。在一些示例性的实施例中，箭头按钮允许洗浴者选择期望的温度以及为喷头选择期望的流速；另一个按钮的致动使该系统打开阀并且开始将该喷头流的温度控制到期望的温度。在其它示例性的实施例中，多个预设置的按钮允许洗浴者预先配置期望的温度以及为喷头设定期望的流速，并且容易地按压一个按钮以立刻使得该系统打开阀并且开始控制喷头流的温度。
示例性的流体控制系统80包括至少一个示例性的具有冷流体输入和冷流体输出的电控冷阀84，该至少一个冷阀84响应于来自该处理器81的至少一个冷流体控制信号85控制冷流体输入和冷流体输出之间的冷流体流速.示例性的流体控制系统80还包括至少一个具有热流体输入和热流体输出的电控热阀86，该至少一个热阀86响应于来自该处理器81的至少一个热流体控制信号88控制热流体输入和热流体输出之间的热流体流速.示例性的流体控制系统80还包括该阀84、86下游的混合腔90，混合腔90用于混合通过阀84、86输出的热流体流和冷流体流.示例性的流体控制系统还包括混合腔90下游的温度传感器92，温度传感器92生成指示混合腔90下游的流体的测量温度的实时温度信号94。温度传感器92可以被固定在混合器90、145(图10J)下游的管道98中的孔、模塑开口或其它开口96中。此处使用的“实时的”和“实时”意指使用、存储或者传送数据或者信号以基本上在产生数据或者信号的同时或在产生后立即使用或者储存。实时的数据一般传送得足够快并且常常足以影响接收该实时数据作为处理所使用的输入数据的所述处理.
如图6所示，存储器82上存储了至少：该系统的至少一部分的温度响应的模型100、使该处理器81通过用户输入装置83接收输入的期望温度输入的用户输入的逻辑102、使该处理器接收与实时温度信号94对应的测量温度数据的测量温度逻辑104以及预测算法逻辑106和控制逻辑108，预测算法逻辑106和控制逻辑108共同作用以使该处理器使用预测算法106控制阀84、86以控制该混合腔90下游的流体的温度朝向期望温度输入，预测算法106按照(i)该系统的至少一部分的温度响应模型100以及(ii)测量温度数据来操作.该控制逻辑108以来自预测算法逻辑106的输入生成信号以控制阀84、86.
在图5的实施例中，具有两条处于不同温度下的流体供给线路：冷的和热的，以及处理器81使用预测算法106经由相应的控制线路85、88控制阀84、86，从而控制阀84、86下游的混合流体的温度。在示例性的系统80中，预测算法106就其计算该系统80的未来状态方面而言是预测性的。如上文所述的预测算法16一般，预测算法80包括算法，该算法利用至少(i)该系统的至少一部分的温度响应模型，例如，模拟热/冷混合情况的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学关系，以及(ii)测量温度数据，计算该系统80的未来状态。同样如上所述的，适合的算法是那些在算法类别中被称为卡尔曼滤波器的算法，卡尔曼滤波器从根本上区别于其它控制器(诸如，PID控制器).然后该处理器81被编程为使用计算出的该系统80的未来状态控制该阀84。在该示例性的系统80中，该预测算法106包括或以其它方式基于被编程为计算系统80的未来状态的卡尔曼滤波器。被编程为计算系统80的未来状态的此卡尔曼滤波器是除了用于上游信号调节(诸如，来自该温度传感器92的上游数据的信号调节)的任何卡尔曼滤波器之外的卡尔曼滤波器.
在示例性的系统80中，该系统的至少一部分的温度响应模型包括温度传感器92的至少一部分的温度响应模型.在示例性的系统80中，该温度传感器的温度响应模型包括模拟热/冷混合情况的阶跃改变(例如，阶跃增大和/或阶跃减小)和随后的温度传感器的信号响应的改变之间的联系的数学关系.如上文所更详细地描述的，该系统的至少一部分的温度响应模型可以包括下列中的任意一个或任意两个或更多：指数函数、另一个指数模型、幂级数的前N项(包括但不限于指数幂级数、泰勒级数、几何级数或一些其它的幂级数)、查找表、分段线性近似、基于少数或若干最近的测量数据点仅提供系统的预测的未来最终的温度的等式或查找表；和/或一些其它的预测未来温度的等式或模型.
在具有两个阀的示例性的系统10、40、80中，通过以所谓的“跷板式(see-saw)”方式控制该阀使得得到的流体是基本上恒定的来简化控制逻辑108并因此以功率不大的处理器获得可接受的控制，这是有利的，所述“跷板式”方式例如，当一个阀被关闭量X时，另一个阀被打开相同的量X，反之亦然。例如，在图5的示例性实施例80中，通过以跷板式的方式控制该阀使得得到的流体基本上恒定接近控制点来简化控制逻辑是有利的，例如，当该热阀86被关闭量X(例如，关闭5个步进电机步距)，该冷阀84被打开相同的量X(例如，打开5个相同的步进电机步距)时，反之亦然。下面的示例以图5为参照。最初，两个阀84、86被关闭。响应于洗浴者使用用户输入83指示该系统80会以期望的温度(Tdes)和期望的流速(Fdes)开始分配流体，处理器81把阀84、86都打开，且该系统单独地控制每个阀84、86以在Fdes，下达到Tdes.在这之后，该控制算法切换至跷板式算法模式，其中当该热阀86被关闭一定量时，该冷阀84被打开相同的量，且反之亦然。
现在参考图7-12，这些附图示出图5中的系统80的使用卡尔曼滤波器121作为预测算法的示例性实现方式120的各个方面。图7是用于该示例性实现方式120的示例性数据流程图。温度传感器92(图9)可以是热敏电阻或者其它温度传感器。该系统120具有输出温度T(t)，其部分依赖于如下阐明的控制努力(control effort)u[n]。来自温度传感器92(图9)的温度测量信号94包括已经被噪声N(0，σ2)干扰的系统的实际温度T(t)。该噪声温度信号94通过模拟数字转换器(ADC)122被采样，且结果用下面阐明的各种数字滤波器123过滤.尽管卡尔曼滤波器可以用于从实际温度信号T(t)数字过滤噪声N(0，σ2)，在示例性实现方式120中的该卡尔曼滤波器121预测算法不同于其它这种过滤噪声的卡尔曼滤波器，如下面将进一步阐明的那样。
图8示出的示例性滤波器可以被用于示例性实现方式120中.该噪声温度信号94首先经过模拟的、硬件RC低通滤波器124(例如，标准的RC低通滤波器配置中的0.1μF电容器及33k欧姆电阻器)，然后采用ADC 122进行数字化，ADC 122可以是单独的ADC或是集成在处理器81中的ADC.用于数字化有噪声的温度信号94的适合的ADC采样率是5kHz。如图8所示，该数字化的温度信号在数字域中使用级联积分梳状(cascaded integrator-comb，CIC)滤波器126过滤，例如具有如下特性的CIC滤波器：R(抽选(decimation)率或者插值率)＝4，M(每阶的样本数量)＝2，以及N(滤波器阶数)＝4，或者一些其它移动平均数(moving average)滤波器。得到的信号127具有1.25kHz的采样率，该信号127被供应至100阶先进先出(first-in-first-out，FIFO)延迟部128。然后延迟的信号129用两个有限脉冲响应(FIR)滤波器140、142过滤。第一FIR滤波器140具有用于44个输入值的44个系数，并得到具有250Hz的采样率的信号141，信号141中大约有125Hz的信号被滤出为超过73dB。该第二个FIR滤波器142使所有25Hz以上的频率被滤出为超过73dB，并得到具有50Hz的采样率的工作信号144，50Hz是卡尔曼滤波器121的刷新率。参照回图7，该最后3个被过滤出的温度值被保留为用于卡尔曼滤波器121的观察样本.例如，在任意给定时间处保留3个样本，由于新的数据样本进入，最旧的样本被清出。尽管已经提供了示例性的滤波器、电路以及采样率，本领域技术人员应理解，具有其它值的滤波器、电路以及采样率也在本发明的各个实施例的范围内.
现在参考图9，该图示出了用于示例性实现方式120的示例性的硬件配置。处理器81是TI牌的MSP430微控制器，具有集成的ADC 122和集成的非瞬时性计算机可读存储器82′。示例性的流体控制系统120具有用于自动执行本文中描述的各种功能和处理的逻辑，例如，储存在存储器82′上的在图12中示出的逻辑.许多其它处理器可适于提供本文所描述的功能，例如，
Figure BSA0000133195700000121
微控制器或者
Figure BSA0000133195700000122
-M0+处理器.一个或多个用户输入83可以是许多能够接收来自用户的输入以及将该输入(例如，期望的喷头温度和/或期望的喷头流速)传输至处理器81的用户接口，例如，瞬时按钮或者计算机触屏显示器，所述触屏显示器显示一个或者多个图标并具有被配置为接收用户按压的相关的触屏区域(例如，温度选择上升、温度选择下降、喷头开/关、用户1、用户2等等)。冷阀84和热阀86可以是市场上可买到的型号“Sto”、模型编码S72308EC的MOEN牌厨房龙头中使用的针阀(比例阀)。冷流体控制线85由驱动器1驱动，从而产生用于冷电机M1的控制，该冷电机M1驱动冷阀84的针阀或者其它阀部件(未示出)。热流体控制线88由驱动器2控制，从而产生用于热电机M2的控制，该热电机M2驱动热阀88的针阀或者其它阀部件(未示出)。电机M1、M2可以是例如NMB牌的型号PL25L的步进电机。尽管没有测试，序列号为10.010.126-sds的A.U.K.Mueller牌伺服直驱步进电机控制的阀被认为可以在图9的示例性硬件结构中使用.驱动器(驱动器1和驱动器2)可以是例如STMicroelectronics牌的型号E9942的步进电机驱动电路.如果使用这种步进电机驱动电路，处理器81可以简单地将电机M1、M2的期望的位置分别写入驱动器1和驱动器2，并且驱动器1和驱动器2致使该电机M1、M2移动至那些位置。温度传感器92可以是热敏电阻，例如，US Sensor牌的型号为USP14840的热敏电阻。在示例性实现方式120中，不存在提供阀84、86的感测位置的编码器或者其它传感器，中简化了该电路并且减少了成本。在该示例性的实施例中可以添加这种传感器，但这不是必须的。在替代例中，在系统120中可以提供并包括生成指示该阀84、86的感测位置的信号的编码器或者其它传感器(未示出)。而且，尽管在示出的示例性实施例中仅使用了一个传感器，本领域技术人员可以理解，可以使用额外的传感器(例如，流速和温度传感器)以测量混合前的热流体和冷流体的温度以及在系统中的各点处的水流速。
图10A-10H示出了示例性的混合器145的各种视图，混合器145可在示例性实现方式120中用作混合器90.混合器145快速混合两中流体，这对于本申请是有帮助的，因为被控制的热流体和冷流体混合得越快，该处理器81就可以越快地将有效的温度测量结果添加到该卡尔曼滤波器121中.图10J示出了管道146中的并用垫圈(o型)147密封的混合器145。示例性的混合器145具有使来自热入口和冷入口149、150的流体在混合器145的外壁周围(例如，在管道146的内壁和外壁151之间)流动并且流入混合器145的开口152的导向壁148。来自热入口149的热流体最初在153处接入混合器145，且来自冷入口150的冷流体最初在154处接入混合器145.示例性的混合器145具有最初使热流体和冷流体在开始绕混合器145的外壁151(例如，在管道146的外壁和内壁之间)形成漩涡时保持分离的圆周外导向壁148a。螺旋形的外导向壁148b、148c使热流体和冷流体绕混合器145的外壁151朝向彼此形成漩涡，从而汇聚并混合以形成混合水(假定为温暖的水)，该混合水进入混合器145的开口152。螺旋形的外导向壁148b、148c在开口152的另一侧的点155处相交.如在图10J中所示，圆周外导向壁148a在点157a处接触管道146的内壁156，螺旋形的外导向壁148b在点157c处接触管道146的内壁156，且螺旋形的外导向壁148c在点157b处接触管道146的内壁156.从图10J的视角看，该热流体和冷流体流过它们各自的入口149、150直至壁151，向后并向上围绕混合器145的背部，向上并超过在该图中的混合器145的壁151的顶点，在该顶点处热流体和冷流体开始混合，以及向前并向下并朝向出口152.混合的流体进入混合器的开口152，进入混合器145的内腔158，并从混合水出口159流出。混合器145使得该热流体和冷流体流以非并行的方向形成漩涡，使所述流快速混合(温度传感器的上游)。混合器145可由各种适合的聚合物模塑，所述聚合物例如聚苯砜，例如，由索尔韦专业聚合物(Solvay SpeciallyPolymers)售卖的售卖产品编号为22000NT的ACUDEL牌改良聚苯砜。
现在参照回图7，示例性实现方式120中的卡尔曼滤波器121具有多个不同的方面，包括以下(其中一些在图12中示出)：温度模型160、温度模式控制逻辑162、系统模型164、观测者模型166、测量温度数据168(输入至卡尔曼滤波器)以及控制努力u(输入至该卡尔曼滤波器).
在示例性实现方式120中的卡尔曼滤波器121中，温度模型160是一阶系统，是一种相对简易的系统模型，其通过以下等式解得和计算：
Figure BSA0000133195700000141
Figure BSA0000133195700000142
其中：
T0是激励(stimulus)时间处的温度；
Tf是对应于用于控制的设置的最终温度(实际上不会达到)；
t0是激励的时间；
t是作为变量的时间；以及
τ是系统时间常量(涉及系统的热响应)；
该模型也相对容易离散(以下是两种离散方式)：
Figure BSA0000133195700000143
其中项α(阿尔法Alphaα)直接涉及系统时间常量τ，并且α和τ都指示该系统120的热响应；这些参量涉及该系统的多个方面，包括该系统120的热质量.阿尔法α和该系统的时间常量τ按照下列等式相关联：
Figure BSA0000133195700000144
该阿尔法α的值(以及该系统时间常量τ)指示该系统的至少一部分的温度响应.图11A-11B示出温度的两个阶跃改变的模拟温度和测量温度的示例图，示出了温度模型160是相对准确的.图11C示出了与在向上和向下的阶跃改变的环境中的测量数据紧密对应的模型数据.用于该模型的可接受的拟合条件是最大的开路误差小于20度且稳定状态误差小于0.5度(以华氏为单位)。在示例性实现方式120中，阿尔法考虑该温度传感器92的温度响应.在示例性的系统120中，该温度传感器的温度响应模型包括模拟热/冷混合情况的阶跃改变(例如，阶跃增大和/或阶跃减小)和随后的温度传感器的信号响应的改变(例如，热/冷质量流速比的阶跃改变)之间的联系的数学关系。
上述等式尚未包括控制努力u(应用至系统以使其更接近期望的输出(例如，更接近期望的测量温度)的信号)。添加控制努力u至该等式得到：
T[n+1]＝T[n]+α(T[n]-T[n-1])+βu[n+1]
其中：
[n]是当前状态；
[n+1]是被预测的未来状态；
[n-1]是紧邻的过去状态；
β是系统的固有控制增益；
u是控制努力。
该温度模型控制努力对最终温度Tf有影响并得到稳定状态的最终温度Tf。
此等式中的项α和β被使用在示例性实现方式120中，并且对不同配置(例如，不同的热质量、不同的热响应，等等)的系统将会是不同的。在示例性实现方式120中的项α和β是常量。该常量α和β可由经验确定，例如，通过将温度的阶跃改变施加至该系统，用温度传感器92测量该系统的温度改变，然后使用不同的α和β的值重复地计算所模拟的响应，直至确定十分匹配的被测量的系统响应的α和β的值，例如图11A-11B所示。可接受的拟合条件是最大的开路误差小于20度且稳定状态误差小于0.5度(以华氏为单位).在替代例中，项α和β可以通过使用线性回归求解程序、使用一系列测量数据(x[n]和u[n])获得：
Figure BSA0000133195700000161
其中：
Figure BSA0000133195700000162
N是序列长度，并且
Figure BSA0000133195700000163
在任意一种情况中，阿尔法α和贝它(Beta)β的值被预设并存储在存储器中。如图11A-11B中所示，大约0.9的阿尔法α的值在一些示例性的系统中效果足够好。相应的大约7的贝它β的值在一些示例性的系统中效果足够好。
在示例性实现方式120的卡尔曼滤波器121中，系统状态模型164是基于更新矩阵A、控制矩阵B以及控制努力u的：
x[n+1]＝Ax[n]+Bu[n]
其中：
[n]是当前状态；
[n+1]是被预测的未来状态；
[n-1]是紧邻的过去状态；
Figure BSA0000133195700000171
Figure BSA0000133195700000172
Figure BSA0000133195700000173
在示例性实现方式120的卡尔曼滤波器121中，实际系统状态的观测模型166是基于观测者矩阵C的：
y[n]＝Cx[n]
其中：
Figure BSA0000133195700000174
在示例性实现方式120的卡尔曼滤波器121中，当前估计温度为：
Figure BSA0000133195700000175
其中u是控制努力，在下文中讨论。
在示例性实现方式120的卡尔曼滤波器121中，估计温度的协方差是基于系统协方差∑和控制噪声R：
Figure BSA0000133195700000176
其中，R被称为与控制努力相关联的程序方差，并且其中：
Figure BSA0000133195700000177
其中：K是测量温度对最终温度估计的影响。
Figure BSA0000133195700000178
并且其中Q是观测者噪声。
在示例性实现方式120的卡尔曼滤波器121中，系统估计μ是：
Figure BSA0000133195700000181
其中，在此上下文中的z被称为观测者温度并且其中：
Figure BSA0000133195700000182
并且：
Figure BSA0000133195700000183
在示例性实现方式120的卡尔曼滤波器121中，热敏电阻的温度估计以及方差是：
Figure BSA0000133195700000184
以及
Figure BSA0000133195700000185
卡尔曼滤波器121就以下方面而言是预测性的：卡尔曼滤波器121计算并使用系统120的目前状态[n]，然后为了计算控制努力u[n-1]，处理器81回顾[n-1]处的先前状态，控制努力u[n-1]由控制逻辑使用从而控制阀电机84、86。这根本区别于其它控制器，例如PID控制器。
一般而言，为了更精确地估计最终输出的温度，示例性实现方式120的卡尔曼滤波器121将系统状态估计与观测温度数据结合。更具体地，为了获得最可能的状态估计，卡尔曼滤波器121将该测量数据与状态模型数据结合。最初，当前估计温度和控制努力被用于估计新的(临时的)状态估计μ。这个状态估计μ代表，如果该模型是理想的以及如果该控制努力u(以下)是理想的，则该温度应该更新。由于该模型和控制努力u并非理想的，该估计温度的协方差Σ被计算。目前温度估计的协方差∑与R、与控制努力u相关联的协方差一同被使用，从而生成新的(也是临时的)协方差矩阵。协方差矩阵从定义上讲是对称正半定的.如果在任意点该矩阵不再是正半定的，那么产生代数误差。如果没有可用的测量数据，那么新的温度的平均数和方差都已经被估计。下一步是计算测量温度值对最终温度估计的影响.
变量Q代表与传感器装置(例如，热敏电阻)相关的方差。这类似于状态更新模型的协方差∑。得到的是卡尔曼增益。卡尔曼增益表示相对于估计状态，有多少测量数据被“相信”.卡尔曼增益值为0表示仅使用状态估计温度。卡尔曼增益值为1表示仅使用测量温度。卡尔曼增益的两个状态0和1都是信息缺失的情况。这是因为感测数据或者估计数据被滤波器忽略.卡尔曼滤波器的最后一步是分别计算热敏电阻的估计温度以及方差。
现在参考附图13A-13E以及14A-14C，这些附图示出了示例性的数据曲线，其动态地示出模型温度(例如，为了控制的目的由卡尔曼滤波器计算的被估计的未来温度)如何在图7的电子流体控制系统中分别响应于热水压力的显著阶跃下降或者在热水压力的显著阶跃上升追踪(温度传感器处的)测量温度。在这个示例性实施例中，该卡尔曼滤波器查看三个测量数据点并计算估计的未来温度，如本文所讨论的.正如这些附图所示出的关键，通过小圆圈指示(箭头指向每个圆圈)当前时间。在图13A中，在测量温度中仅具有小型的(即便要)波动，该估计的未来温度由卡尔曼滤波器计算，接近于相应的测量温度点.在图13B中，一个温度数据点进入向下的被测量的阶跃改变，由卡尔曼滤波器计算的被估计的未来温度开始移动.在图13C中，几个温度数据点进入向下的被测量的阶跃改变，由卡尔曼滤波器计算的被估计的未来温度是非常低的(卡尔曼滤波器看到少数测量数据点的陡峭向下的斜率).在图13D中，当该测量数据点最初开始转向时，由卡尔曼滤波器计算的被估计的未来温度变得越来越像该未来的测量数据点，并最终再次变得与其几乎相同(图13E).图14A-14示出该卡尔曼如何以相似的方式响应温度的阶跃增大.在图14A中，一个数据点进入被测量的温度阶跃增大，由卡尔曼滤波器计算的被估计的未来温度开始向上移动。在图14B中，几个温度数据点进入被测量的温度阶跃增大，卡尔曼滤波器计算的被估计的未来温度非常高(卡尔曼滤波器看见少数测量数据点的陡峭向上的斜率)。在图14C中，当该测量数据点最初开始转向时，由卡尔曼滤波器计算的被估计的未来温度变得越来越像未来的测量数据点，并最终再次变得与其几乎相同。
参照回图7，观察图7的底部，反馈定律170计算控制努力u。更具体地，在卡尔曼滤波器执行一次之后(当卡尔曼滤波器的一个循环被用于每个测量数据点)或者当多次迭代之后卡尔曼滤波器稳定(如果卡尔曼滤波器对每个新的测量数据点迭代两次或者多次并在例如方差达到阙值时中止)时，该示例性实现方式120的反馈定律170按照以下方式计算控制努力u：
Figure BSA0000133195700000201
其中，
[n]是当前状态；
[n+1]是被预测的未来状态；
d[n]＝Tdestred[n]-T[n].
并且，
Ad[n]＝T[n-1]-T[n]
同样的，该控制努力可按照以下方式计算：
Figure BSA0000133195700000202
其中，
[n]是当前状态；
[n+1]是被预测的未来状态；
[n-1]是即时过去状态；
因此，在该示例性实现方式120中的处理器81使用α和β的估计产生下一个控制努力u[n+1]；施加的实际控制努力u[n]可以被调整，例如，如果需要的话，在特定值处封顶，从而减少过冲(overshoot)。
参照回图7，控制努力u通过控制定律192被施加至物理设备190。该物理设备190代表实际的系统(例如，阀84、86，电机M1、M2，混合器90，温度传感器92以及所有的管道和对相应的支撑结构，等等)。在示例性实现方式120中，控制定律逻辑192将计算控制努力u转换为驱动电机的信号，从而打开和关闭热阀和冷阀。
在图9的背景下，通过处理器81由控制定律192将控制努力u转译为热控制信号和冷控制信号85、88，将u转换为用于电机M1、M2的多个步进电机步距，从而将阀84、86中的针(或其它流速控制元件)移动相当于打开或者关闭与控制努力u一致的阀的量。控制定律逻辑192与控制努力u的量值成比例地移动步进电机。例如，相对高的正控制努力u将由控制定律192转换成信号85、88，使电机M1尽可能地关闭冷阀84，并且使电机M2尽可能地打开热阀86。相反，相对高的负控制努力u将由控制定律192转换成信号85、88，信号85、88使电机M1尽可能地打开冷阀84，并且使电机M2尽可能地关闭热阀86。在示例性实现方式120中，控制定律192是在其中处理器81每20毫秒被调用去查看电机M1、M2是否需要进一步调整该循环的程序。有利地，在该示例性实现方式120中，通过以跷板式的形式控制阀84、86使得到的流体基本恒定接近该控制点来简化控制定律192，这减少增益稳定性的自由度，例如，当热阀86被关闭量X(例如，关闭5个步进电机步距)时，该冷阀84被打开相同的量X(例如，打开相同的5个步进电机步距)，反之亦然。响应于阀84、86的位置改变，系统120的温度T(t)改变。这种改变由温度传感器92感测到，并由卡尔曼滤波器121通过以上等式考虑。当在启动时最初打开阀的时候，存在几个不同的开始方式，例如，首先打开冷阀或者同时打开冷阀和热阀。在示例性实现方式120中，冷阀首先被打开，同时保持热阀关闭.然后，如果测量温度低于设定点，热阀被打开，同时冷流体被减少.这是用于防止意外的第一股热水被分配的安全考量.
如上所述，该热流体和冷流体供应的压力/流速的改变将影响系统120的温度T(t)。进入的热水的压力/流速的显逐改变典型地发生在洗碗机或者洗衣机打开时，而进入的冷流体的压力/流速的显逐改变典型地发生在同室的马桶冲洗时。该示例性实现方式120的预测性卡尔曼滤波器121由于其本质上被预测而非常快速地自动响应，从而补偿供应压力的这种改变，即使是在混合器下游的低流速处，例如，即使是在混合器90下游的的2.0gpm的流速处，或者1.75gpm的流速处，或者1.5gpm的流速处或者甚至在1.25gpm的流速处。该示例性实现方式120的预测性卡尔曼滤波器121还非常快速地自动响应以补偿非常大的供应压力的改变。更具体地，尽管ASSE 1016预期热水和/或冷水的供应压力增加或者减少20％，示例性实现方式120在即使一个供应的改变为±30％、或±40％、或甚至±50％的情况下也可以保持目标温度。例如，即使在一个供应(例如，热供应)在45psi而另一个供应(冷供应)立即从45psi降低至22psi(混合器下游90的流速为2gpm)的情况下，示例性实现方式120可以保持目标温度为100华氏度。示例性实现方式120被完成而不具有任何传感器(除了温度传感器92之外)，例如，不具有在热供应和/或冷供应上的流速传感器或者测量由热供应和/或冷供应的水的温度的温度传感器。当然，这样的传感器可以被添加至该物理设备190，并添加至以上等式。
在示例性实现方式120中，该卡尔曼滤波器121大概每20毫秒(约50Hz)运行一次。令人惊讶的是，在示例性实现方式120中，即使在处理能力无限的条件下，存在该卡尔曼滤波器可以最佳地运行的上限(例如，该上限并非由于卡尔曼执例程序无法完成运行而产生)。例如，尽管未穷举地测试，可以相信，示例性实现方式120中的卡尔曼滤波器121将在10-100Hz处稳定运行，但如果在200Hz处或者更快的频率处运行时将会变得不那么稳定或者可能不稳定，例如，卡尔曼滤波器不能找到控制点，即使具有无限制的处理能力。尽管不应由理论限制，可以假设喷头的物理设备通常具有一定的热质量，而卡尔曼滤波器121运行速率的适当范围与该热质量相关。
为了帮助解释该示例性实现方式120的卡尔曼滤波器121，以下示出两个示例：(a)喷头首先被打开，并且卡尔曼滤波器查找控制点；以及(b)喷头以相对恒定的供应压力(都在45psi)被小心地控制至期望温度并且冷供应立即开始从45psi下降至22psi(流速上的快速的指数式衰减)，如当同室的马桶被冲洗时所经历的。
在第一示例中，喷头首先被打开并且目标温度被选择，最初热供应和冷供应二者将被供应相对冷的水(在热供应开始输送被加热的水之前)，例如，大概50华氏度(在美国，来自北部州的自来水与来自南部州的自来水相比可以相差6-10度).最初，冷阀被首先打开，而保持热阀关闭.因此，测量温度94将是比期望温度低得多.从而，为了增大温度，在卡尔曼滤波器121的内部，卡尔曼的输出将是大量正的控制努力.这将每隔20毫秒重复一次.作为响应，控制定律192将计算最大可能的正的控制努力u，其将使处理器81尽可能地关闭冷阀84并且尽可能地打开热阀86，直至随着在热水箱(未示出)和系统120之间的冷水流出系统120，温度开始上升。随着测量温度94开始上升，在卡尔曼滤波器121的内部，期望的温度和对温度的未来估计之间的区别将变小。作为响应，控制定律192将计算持续变小的正控制努力u的值，这将使处理器81开始打开冷阀84并关闭热阀86。最后，测量温度94将处于期望的温度。当达到这种状态时，在卡尔曼滤波器121内部，卡尔曼滤波器的努力变为使期望温度周围的温度的稳定状态的误差最小化.作为响应，控制定律192将计算0或者非常小的控制努力u的值，这将使处理器81要么使阀84、86处于其当前位置，要么以跷板式的方式对它们的位置作小的调整.
在第二示例中，测量温度94正好大约处于期望温度，并且控制定律92正在计算0或者非常小的控制努力u的值，这将使处理器81或者使阀84、86处于其当前位置，或者以跷板式的方式对它们的位置作小的调整。突然，同室的马桶被冲洗，且冷供应压力立即开始从45psi下降至22psi(此下降是快速的指数式衰减)。因此，该喷头的水的测量温度94将开始快速上升。相应地，在卡尔曼滤波器121内部，期望温度和测量温度之间的大的误差以及大的负计数控制努力被给出以最小化该温度误差。这将每隔20毫秒重复一次直至达成目的.作为响应，控制定律192将计算最大可能的负控制努力u，这将使处理器81尽可能地关闭热阀86，并且尽可能地打开冷阀86(阀84、86仍以跷板式的方式被控制)，直至温度开始上升.当测量温度94开始下降时，在卡尔曼滤波器121内部，温度的减小被持续地预测，并且控制努力逐渐减小.作为响应，控制定律192将计算持续变小的负控制努力u的值，这将使处理器81开始关闭冷阀84并打开热阀86。最后，测量温度94将处于期望的温度.当达到这种状态时，在卡尔曼滤波器121内部，卡尔曼滤波器的努力变为使期望温度周围的温度的稳定状态的误差最小化。作为响应，控制定律192将计算0或者非常小的控制努力u的值，这将使处理器81要么使阀84、86处于其当前位置，要么以跷板式的方式对它们的位置作小的调整。
现在参考图15，示出了用于图1、3、5以及7-14的不同的控制单元的各种输入和输出.如图15中所示，所有的控制单元，例如，处理器14、46、81等，接受输入作为期望温度和测量温度以及(可选地)期望的流速(例如，最大流速的一定比例)。该期望温度和选择的期望流速可以由用户输入(例如，使用用户接口83)。如在图15中所示，所有的控制单元(例如，处理器14、46、81等)生成用于控制至少一个阀的至少一个阀控制信号以及可能生成第二个阀控制信号(用于控制第二个阀).在没有示出的其它具体实施例中，附加的流速传感器也可以被用来更好地确定流速。
在本文中被描述的步骤、动作以及其它程序和程序中的一部分中的一些是“自动地”完成的。可以选择地或额外地，那些步骤、动作以及其它程序和程序中的一部分可以由介入其中的一个或者多个人的动作或者其它最终触发所述步骤(们)、动作(们)以及其它程序(们)和程序中的一部分(们)的手动动作来完成。
虽然本发明已通过其中的具体实施例的描述进行图示说明，同时，虽然该具体实施例已被相当具体地描述，申请人并不意图限定或者以任何方式限制本发明的范围到这样的细节.对本领域技术人员而言，其它优点和改进是显而易见的。例如，尽管以上很多实施例以喷头的背景呈现，这里的教导同样可以很好地应用至提供水流至接收器的龙头控制器。正如另一个示例，在不同方法中的预测算法可以是本文中各种预测算法中的任意一种，例如，卡尔曼滤波器或者一些其它预测算法。仍如另一个实施例，一些示例性的系统将具有多个运算方式，并且在每个运算方式过程中，通过阀的流速输出是充分恒定的，对于该模式，该运算方式包括至少相对更高的流速模式(例如，快速填充浴盆)和相对更低的流速模式(例如，对于具有喷头流速限制的位置的喷头)。仍如另一个示例，在示例性具体实施例中，用户输入或者安装程序输入83被被，从而使得系统确定直接来自热供应(一些家庭具有设置为大概120华氏度的热流体箱而一些家庭具有设置为大概150华氏度的热流体箱)的热流体的大概温度，并在本文中的温度控制算法中使用.仍如另一个具体实施例，该阀(们)和混合器可通过一个输入执行。两个输入或者N个输入的根据本文教导的被控制的混合阀，例如，在复杂的、低流速的情况下，在混合阀中的控制阀(们)通过喷头控制器或者龙头控制器提供温度受控制的流体流。仍还如另一个示例，本文中的所有程序的步骤和方法能够依任何命令执行，除非两个或者更多的步骤被确定表示为被以特殊的命令执行，或者某个步骤固定要求特定的命令执行。因此，在不离开本申请人的一般发明构思的范围或者精神的情况下，与这种具体的偏差将会形成。

Claims (37)

1.一种电子水控制系统，包括：
电控阀；以及
至少一个处理器，被编程以使用至少一个非PID预测算法控制该电控阀，从而控制该阀下游的水温度，以及
与所述阀相关联的温度传感器；并且
其中，所述至少一个处理器被编程以使用至少一个非PID预测算法来控制该阀，从而控制该阀下游的水温度，该至少一个非PID预测算法至少包括来自该温度传感器的数据和该系统的至少一部分的温度响应模型；并且
其中，该非PID预测算法被配置成确定该电子水控制系统的被预测的未来状态，并且其中，该处理器使用该电子水控制系统的被预测的未来状态为时间上比所述被预测的未来状态更早的状态生成至少一个控制信号。
2.根据权利要求1所述的电子水控制系统，其中，所述系统的至少一部分的温度响应模型包括所述温度传感器的温度响应模型。
3.根据权利要求2所述的电子水控制系统，其中，温度传感器的温度响应模型包括水温度的改变和随后的温度传感器的信号响应的改变之间的联系的非数学模型。
4.根据权利要求2所述的电子水控制系统，其中，温度传感器的温度响应模型包括水温度的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的非数学模型。
5.根据权利要求2所述的电子水控制系统，其中，温度传感器的温度响应模型包括模拟水温度的改变和随后的温度传感器的信号响应的改变之间的联系的数学关系。
6.根据权利要求2所述的电子水控制系统，其中，温度传感器的温度响应模型包括模拟水温度的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学关系。
7.根据权利要求1所述的电子水控制系统，其中，该非PID预测算法包括卡尔曼滤波器，所述卡尔曼滤波器被配置成确定该电子水控制系统的未来状态，并且其中该处理器使用该电子水控制系统的被预测的未来状态为时间上比所述被预测的未来状态更早的状态生成至少一个控制信号。
8.根据权利要求2所述的电子水控制系统，其中，该非PID预测算法包括卡尔曼滤波器，所述卡尔曼滤波器被配置成确定该电子水控制系统的被预测的未来状态，并且其中该处理器使用该电子水控制系统的被预测的未来状态为时间上比所述被预测的未来状态更早的状态生成至少一个控制信号。
9.根据权利要求1所述的电子水控制系统，其中，所述阀使用仅来自于单个温度传感器的被测量的数据被所述至少一个处理器控制。
10.根据权利要求1所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在30％到50％的范围内时保持目标温度。
11.根据权利要求1所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在40％到50％的范围内时保持目标温度。
12.根据权利要求9所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在30％到50％的范围内时保持目标温度。
13.根据权利要求9所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在40％到50％的范围内时保持目标温度。
14.根据权利要求1所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀即使在热/冷混合器下游的2gpm的流率下在热水供应为45psi并且冷水供应立即开始从45psi下降到22psi也能保持100华氏度的目标温度。
15.根据权利要求9所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀即使在热/冷混合器下游的2gpm的流率下在热水供应为45psi并且冷水供应立即开始从45psi下降到22psi也能保持100华氏度的目标温度。
16.一种电子水控制系统，包括：
至少一个处理器，具有相关联的存储器；
至少一个阀，至少具有热水输入、冷水输入、热水输出以及冷水输出，该至少一个阀响应于一个或者多个来自所述处理器的信号控制(a)在热水输入和热水输出之间的热水流，以及(b)在冷水输入和冷水输出之间的冷水流；
所述至少一个阀的下游的混合腔，用于通过该阀混合热水流和冷水流；
所述至少一个阀的下游的温度传感器，生成指示该混合腔下游的水的温度的实时温度信号；以及
用户输入装置，接收用户输入并且将与用户输入对应的用户数据传输到所述至少一个处理器，该用户数据至少包括期望温度输入；以及
存储器，其上至少储存有该系统的至少一部分的温度响应模型；
该存储器还储存有使得所述至少一个处理器执行以下操作的编码：
通过用户输入装置接收输入的期望温度输入；
接收与实时温度信号对应的测量温度数据；以及
使用非PID预测算法控制该阀以控制该混合腔下游的水的温度朝向期望温度输入，所述非PID预测算法至少按照(i)该系统的至少一部分的温度响应模型，(ii)该期望温度以及(iii)该测量温度数据来操作；并且
其中，该非PID预测算法被配置成确定该电子水控制系统的被预测的未来状态，并且其中，该处理器使用该电子水控制系统的被预测的未来状态为时间上比所述被预测的未来状态更早的状态生成至少一个控制信号。
17.根据权利要求16所述的电子水控制系统，其中，该系统的至少一部分的温度响应模型至少包括温度传感器的温度响应模型。
18.根据权利要求17所述的电子水控制系统，其中温度传感器的温度响应模型包括水温度的改变和随后的温度传感器的信号响应的改变之间的联系的非数学模型。
19.根据权利要求17所述的电子水控制系统，其中温度传感器的温度响应模型包括水温度的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的非数学模型。
20.根据权利要求17所述的电子水控制系统，其中温度传感器的温度响应模型包括模拟水温度的改变和随后的温度传感器的信号响应的改变之间的联系的数学关系。
21.根据权利要求17所述的电子水控制系统，其中温度传感器的温度响应模型包括模拟水温度的阶跃改变和随后的温度传感器的信号响应的改变之间的联系的数学关系。
22.根据权利要求16所述的电子水控制系统，其中该非PID预测算法包括卡尔曼滤波器，所述卡尔曼滤波器被配置成确定该电子水控制系统的未来状态，并且其中该处理器使用该电子水控制系统的被预测的未来状态为时间上比所述被预测的未来状态更早的状态生成至少一个控制信号。
23.根据权利要求16所述的电子水控制系统，其中，所述阀使用仅来自于单个温度传感器的被测量的数据被所述至少一个处理器控制。
24.根据权利要求16所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在30％到50％的范围内时保持目标温度。
25.根据权利要求16所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在40％到50％的范围内时保持目标温度。
26.根据权利要求23所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在30％到50％的范围内时保持目标温度。
27.根据权利要求23所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀在ASSE 1016下的一个供应的改变在40％到50％的范围内时保持目标温度。
28.根据权利要求16所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀即使在热/冷混合器下游的2gpm的流率下在热水供应为45psi并且冷水供应立即开始从45psi下降到22psi也能保持100华氏度的目标温度。
29.根据权利要求23所述的电子水控制系统，其中，由所述至少一个处理器控制的所述阀即使在热/冷混合器下游的2gpm的流率下在热水供应为45psi并且冷水供应立即开始从45psi下降到22psi也能保持100华氏度的目标温度。
30.一种方法，包括：
提供包括电控阀和至少一个处理器的电子水控制系统，所述至少一个处理器被编程为控制所述电控阀；
接收与阀相关联的测量温度数据；以及，
使用被编程为具有被配置作为非PID预测算法的卡尔曼滤波器的处理器控制该阀以控制该阀下游的混合水的温度，并且所述卡尔曼滤波器至少利用(a)该系统的至少一部分的温度响应模型以及(b)该测量温度数据；并且
其中，所述卡尔曼滤波器被配置成确定该电子水控制系统的未来状态，并且其中，该处理器使用该电子水控制系统的被预测的未来状态为时间上比所述被预测的未来状态更早的状态生成至少一个控制信号。
31.根据权利要求30所述的方法，其中，所述阀使用仅来自于单个温度传感器的被测量的数据而被控制。
32.根据权利要求30所述的方法，其中，由所述至少一个处理器控制的所述阀在ASSE1016下的一个供应的改变在30％到50％的范围内时保持目标温度。
33.根据权利要求30所述的方法，其中，由所述至少一个处理器控制的所述阀在ASSE1016下的一个供应的改变在40％到50％的范围内时保持目标温度。
34.根据权利要求31所述的方法，其中，由所述至少一个处理器控制的所述阀在ASSE1016下的一个供应的改变在30％到50％的范围内时保持目标温度。
35.根据权利要求31所述的方法，其中，由所述至少一个处理器控制的所述阀在ASSE1016下的一个供应的改变在40％到50％的范围内时保持目标温度。
36.根据权利要求30所述的方法，其中，由所述至少一个处理器控制的所述阀即使在热/冷混合器下游的2gpm的流率下在热水供应为45psi并且冷水供应立即开始从45psi下降到22psi也能保持100华氏度的目标温度。
37.根据权利要求31所述的方法，其中，由所述至少一个处理器控制的所述阀即使在热/冷混合器下游的2gpm的流率下在热水供应为45psi并且冷水供应立即开始从45psi下降到22psi也能保持100华氏度的目标温度。
CN201610642209.7A 2015-05-12 2016-05-12 使用预测算法的下游流体的温度控制系统和方法 Active CN106155129B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201562160043P 2015-05-12 2015-05-12
US62/160,043 2015-05-12

Publications (2)

Publication Number Publication Date
CN106155129A CN106155129A (zh) 2016-11-23
CN106155129B true CN106155129B (zh) 2021-06-22

Family

ID=56134558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610642209.7A Active CN106155129B (zh) 2015-05-12 2016-05-12 使用预测算法的下游流体的温度控制系统和方法

Country Status (7)

Country Link
US (1) US10274971B2 (zh)
EP (1) EP3295271A1 (zh)
JP (1) JP2018520415A (zh)
CN (1) CN106155129B (zh)
CA (1) CA2985354A1 (zh)
MX (1) MX2017013754A (zh)
WO (1) WO2016183087A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2985354A1 (en) * 2015-05-12 2016-11-17 Moen Incorporated Systems and methods of temperature control of downstream fluids using predictive algorithms
IT201600108293A1 (it) * 2016-10-26 2018-04-26 Caleffi Spa Dispositivo valvolare miscelatore
CA3047984A1 (en) * 2016-12-23 2018-06-28 Spectrum Brands, Inc. Electronic faucet with smart features
GB2560150B (en) * 2017-01-13 2021-06-30 Kohler Mira Ltd Bath filling
JP7049684B2 (ja) * 2017-03-28 2022-04-07 株式会社フジキン 圧力式流量制御装置および流量制御方法
EP4231113A1 (en) * 2017-08-08 2023-08-23 Unova Limited Electronically controllable valve cartridge and mixing valve assembly
US10761546B2 (en) * 2018-10-30 2020-09-01 Lunal Corp. Anti-scalding water outlet device
US11662753B2 (en) * 2019-04-24 2023-05-30 Fortune Brands Water Innovations LLC Electronic plumbing fixture fitting including learning system and reference system
WO2020219883A1 (en) 2019-04-24 2020-10-29 Fb Global Plumbing Group Llc Electronic plumbing fixture fitting including measurement system
US10995688B2 (en) * 2019-06-04 2021-05-04 GM Global Technology Operations LLC Method and system for determining thermal state

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000009350A (ja) * 1998-06-19 2000-01-14 Shigeki Ikeda 太陽熱利用温水取出装置の急速給水装置
CN1902361A (zh) * 2003-12-04 2007-01-24 阿利查尔技术有限公司 用于水龙头和盥洗室冲水器的无源传感器以及控制算法
CN101702090A (zh) * 2009-10-19 2010-05-05 大连海事大学 一种基于卡尔曼滤波器的电液伺服系统波形再现控制方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW286346B (zh) * 1993-04-05 1996-09-21 Toto Ltd
IT1279194B1 (it) * 1995-05-10 1997-12-04 Gevipi Ag Dispositivo miscelatore termostatico
US5944255A (en) * 1997-08-29 1999-08-31 Shirmohamadi; Manuchehr Shower water automatic temperature controller
US7921480B2 (en) * 2001-11-20 2011-04-12 Parsons Natan E Passive sensors and control algorithms for faucets and bathroom flushers
CA2478231A1 (en) * 2002-04-04 2003-10-16 Newfrey Llc Faucet with internal thermostatic tempering device
EP1376291A3 (en) * 2002-06-26 2004-12-01 Kohler Mira Ltd Thermostatic mixing valves
US7325747B2 (en) * 2004-05-18 2008-02-05 Masco Corporation Of Indiana Flow compensated control valve
US7117104B2 (en) * 2004-06-28 2006-10-03 Celerity, Inc. Ultrasonic liquid flow controller
US20100032488A1 (en) * 2008-08-06 2010-02-11 Garry Edward Yates Mixing Valve Control System
EP2169511B1 (en) * 2008-09-26 2012-08-08 Toto Ltd. Water-and-hot-water mixing device
IL198341A0 (en) * 2009-04-23 2011-07-31 Shay Popper Water supply system and method
US8301408B2 (en) * 2010-03-09 2012-10-30 Invensys Systems, Inc. Temperature prediction transmitter
CN102906658B (zh) * 2010-05-21 2017-01-25 德尔塔阀门公司 电子淋浴器系统
US9436174B2 (en) * 2013-03-01 2016-09-06 Fisher-Rosemount Systems, Inc. Kalman filters in process control systems
GB2520293B (en) * 2013-11-14 2018-02-07 Passivsystems Ltd Improvements in and relating to temperature controlled systems
WO2016040591A1 (en) * 2014-09-11 2016-03-17 Uponor Innovation Ab Hot water delivery
US20170268208A1 (en) * 2014-12-05 2017-09-21 9329-5459 Quebec Inc. Apparatus and method for faucet control
CA2985354A1 (en) * 2015-05-12 2016-11-17 Moen Incorporated Systems and methods of temperature control of downstream fluids using predictive algorithms

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000009350A (ja) * 1998-06-19 2000-01-14 Shigeki Ikeda 太陽熱利用温水取出装置の急速給水装置
CN1902361A (zh) * 2003-12-04 2007-01-24 阿利查尔技术有限公司 用于水龙头和盥洗室冲水器的无源传感器以及控制算法
CN101702090A (zh) * 2009-10-19 2010-05-05 大连海事大学 一种基于卡尔曼滤波器的电液伺服系统波形再现控制方法

Also Published As

Publication number Publication date
US10274971B2 (en) 2019-04-30
JP2018520415A (ja) 2018-07-26
US20160334807A1 (en) 2016-11-17
MX2017013754A (es) 2018-03-01
EP3295271A1 (en) 2018-03-21
CA2985354A1 (en) 2016-11-17
CN106155129A (zh) 2016-11-23
WO2016183087A1 (en) 2016-11-17

Similar Documents

Publication Publication Date Title
CN106155129B (zh) 使用预测算法的下游流体的温度控制系统和方法
US11959262B2 (en) Electronic faucet with smart features
CN110770402B (zh) 具有智能特征的电子水龙头
US8516628B2 (en) Flow control apparatus and method
CN103511669B (zh) 带有流量控制阀的输水装置
CN106958269B (zh) 用于运行卫生龙头的方法
US10937421B2 (en) Electronic faucet with smart features
JP6869223B2 (ja) 水温制御システム及び方法
KR20160125117A (ko) 스마트 수도 밸브 시스템 및 그 제어 방법
US20120192965A1 (en) Water supply system with recirculation
US20170268208A1 (en) Apparatus and method for faucet control
JP2011522976A (ja) 給水システム及び給水方法
CN105992915A (zh) 热水和冷水混合装置
TW201007036A (en) Water faucet
DE202016004151U1 (de) Elektronische Steuerung für Sanitärarmaturen mit bedarfsangepassten Durchflüssen und Steuerungselektronik über elektronischen Drehschalter oder zeitabhängiger elektronischer Tastersteuerung auch in Verbindung mit berührungsfreier Sensorelektronik
US20220121232A1 (en) Control system for one or more ablutionary devices
US20160377323A1 (en) Water heater appliance with tank capacity control interface and related control methods
US20140182691A1 (en) Hot and cold water mixer
KR101384660B1 (ko) 세면기용 스마트 자동 수전장치
CA1197593A (en) Method and apparatus for continual monitoring and regulating of the temperature of a dispensed fluid
JP6286790B2 (ja) 吐水装置
JP6533092B2 (ja) 温水器
KR200426465Y1 (ko) 급탕온도조절기
CN114151972A (zh) 热水器控制方法、装置、热水器及计算机可读存储介质
AT13581U1 (de) Sanitärarmatur

Legal Events

Date Code Title Description
C06 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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Ohio, USA

Patentee after: Fujunshui Innovation Co.,Ltd.

Address before: Ohio, USA

Patentee before: Fujun global plumbing Group Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230525

Address after: Ohio, USA

Patentee after: Fujun global plumbing Group Co.,Ltd.

Address before: Ohio, USA

Patentee before: Moen Inc.