CN112575534A - 一种洗衣机洗涤控制方法、装置和洗衣机 - Google Patents

Abstract

一种洗衣机洗涤控制装置，包括：位置信息获取模块，获取所述洗衣机的位置信息；网络连接模块，用于将所述洗衣机连接到外部网络，根据外部网络获取洗衣机所处地理位置的环境信息和日期时间信息；控制模块，将所述位置信息、所述环境信息和洗涤的衣物信息作为控制模块中神经网络的输入，并通过神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制。本发明还提供了一种洗衣机洗涤控制方法、存储介质和洗衣机。采用本发明的方案，避免让用户面对选择参数的困扰，得到最优的洗涤方案，实现一键智洗。

Description

一种洗衣机洗涤控制方法、装置和洗衣机

技术领域

本发明涉及智能控制领域，更具体地涉及一种洗衣机洗涤控制方法和装置、一种洗衣机以及一种非暂时性计算机可读介质。

背景技术

随着科技水平的提高，智能洗衣机越来越普遍地得到应用，其为人们的生活提供了很大方便。不同地区的气候不同，天气差异大，用户的穿衣习惯也有所不同，因此需要设计很多种洗涤模式供用户选择。每种洗涤模式的洗涤参数由开发者设定，缺少调整的自由度，要适配用户的穿衣习惯，洗涤模式太多会增加洗衣机开发难度及周期；也会给用户选择造成困扰。目前，现有洗衣机多数采用增加洗涤模式供用户选择的方法，当模式太多时，不仅会增加显示面板面积，而且用户也很难做出合适的选择。

地理位置、日期、时间、天气等因素对洗衣机的洗涤效果有很大影响，但难以精准通过其中某个因素制订合适的洗涤方案。因此，现有技术需要一种神经网络学习的技术，通过获取洗衣机相关时间、空间和洗涤信息，通过神经网络模拟洗涤流程，调节洗衣机的运行参数，给用户确定最优的洗涤方案。

上述在背景部分公开的信息仅用于对本发明的背景做进一步的理解，因此它可以包含对于本领域普通技术人员已知的不构成现有技术的信息。

发明内容

本发明旨在解决上述现有技术中的相关问题。本发明一方面提供了一种洗衣机洗涤控制方法和装置，另一方面提供了一种洗衣机以及还提供了以及一种非暂时性计算机可读介质。通过本发明提供的方案，可以有效解决现有技术存在的以下问题：通过按键或旋转按钮选择模式，占用控制面板面积；当洗涤模式数量过多，用户选择时，操作起来会比较麻烦；用户很多情况下并不了解衣服的材质，洗涤时间可能过长，导致衣物磨损，或洗涤时间过短，洗不净衣物；天气不同时，用户对脱水程度的要求不同，目前洗衣机多没有考虑天气因素；如果在休息时间脱水，需要人工调节降低转速，减小噪音，目前洗衣机多没有考虑洗涤时间节点的问题。

本发明的第一方面提供一种洗衣机洗涤控制装置，包括：位置信息获取模块，获取所述洗衣机的位置信息；网络连接模块，用于将所述洗衣机连接到外部网络，根据外部网络获取洗衣机所处地理位置的环境信息和日期时间信息；控制模块，将所述位置信息、所述环境信息和洗涤的衣物信息作为控制模块中神经网络的输入，并通过神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制。

根据本发明的一个实施例，其中，所述位置信息获取模块为GPS模块或者北斗模块，其中所述位置信息为洗衣机所在位置的经纬度。

根据本发明的一个实施例，其中，所述环境信息包括洗衣机所处地理位置天气状况，所述天气状况至少包括阴晴、气温和湿度信息。。

根据本发明的一个实施例，其中所述神经网络的输入为洗衣机的地理位置、日期、时间、天气和洗涤衣物量。

根据本发明的一个实施例，其中，所述神经网络的输出为洗涤控制的相关参数，所述洗涤控制的相关参数为洗衣机的水温、洗涤时长和脱水转速。

根据本发明的一个实施例，其中，控制模块根据相关的参数来控制电机驱动模块、电热管，从而控制洗衣机的脱水转速、控制洗衣机的洗涤时长和控制洗衣机的水温。

根据本发明的一个实施例，所述控制模块包括神经网络控制模块和神经网络学习模块，其中所述神经网络学习模块中包含神经网络，所述神经网络用于根据所述输入进行解析得到输出的相关参数，所述神经网络控制模块用于根据所述相关参数来对洗衣机进行洗涤控制。

根据本发明的一个实施例，其中，所述神经网络学习模块将输出数据与预期的输出数据进行对比，使用损失函数将输出结果处理为概率值并得到交叉熵损失，当交叉熵损失降低至预设值或预设范围内时，完成神经网络的训练学习，得到洗涤控制的相关参数。

根据本发明的一个实施例，还包括：浊度传感器，用于定期检测洗涤过程中某一时刻的浊度值；所述控制模块根据浊度值计算出洗衣机的洗净比，根据洗净比来确定是否需要控制模块中的神经网络进行再训练学习。

根据本发明的一个实施例，还包括：存储器，存储神经网络的输入、输出和各隐藏层中的参数值，以在控制所述洗衣机洗涤时使用。

本发明的第二方面提供一种洗衣机洗涤控制方法，包括：获取洗衣机所在位置的位置信息、日期和时间信息、以及环境信息；将所述位置信息、日期和时间信息、以及环境信息作为洗衣机内神经网络的输入；通过所述神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制。

根据本发明的一个实施例，所述位置信息为GPS信息或北斗信息。

根据本发明的一个实施例，根据外部网络获取所述日期和时间信息，或根据洗衣机系统中内置的时间模块来获取所述日期和时间信息。

根据本发明的一个实施例，所述神经网络的输出为洗涤控制的相关参数，所述洗涤控制的相关参数为洗衣机的水温、洗涤时长和脱水转速。

根据本发明的一个实施例，根据相关的参数来控制电机驱动模块、电热管，从而控制洗衣机的脱水转速、控制洗衣机的洗涤时长和控制洗衣机的水温。

根据本发明的一个实施例，通过浊度传感器定期检测洗涤过程中某一时刻的浊度值，并根据浊度值计算出洗衣机的洗净比，根据洗净比来确定是否需要所述神经网络进行再训练学习。

根据本发明的一个实施例，其中，所述神经网络将输出数据与预期的输出数据进行对比，使用损失函数将输出结果处理为概率值并得到交叉熵损失，当交叉熵损失降低至预设值或预设范围内时，完成神经网络的训练学习，得到所述洗涤控制的相关参数。

根据本发明的一个实施例，其中当所述洗净比不满足洗衣机的洗净要求时，启动所述神经网络的再训练学习功能，当所述洗净比满足洗衣机的洗净要求时，存储所述神经网络中各层的参数值。

本发明的第三方面提供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根据本发明第二方面所述的方法。

本发明的第四方面提供一种洗衣机，包括本发明第一方面的控制装置、采用本发明第二方面的方法，或具有本发明第三方面的非暂时性计算机可读存储介质。

本发明的有益效果为：

(1)本发明通过GPS获得准确定位，采用wifi模块连接网络，获取天气情况、日期和时间，并将地理位置、日期、时间、天气和称重得到的衣物量作为神经网络的输入层，经过神经网络的隐藏层，得到相应的输出层，通过调节输出层的洗涤水温、洗涤时长和脱水转速等洗涤参数，既能以最小的磨损和最短的时间达到良好的洗涤效果，又可以避免让用户面对选择参数的困扰，得到最优的洗涤方案，实现一键智洗。

(2)本发明的洗衣机获取到地理位置，然后根据日期、天气判断季节，在一定程度上预判确定衣物的材质，再结合称重得到的衣物量，调整洗涤水温和洗涤时长；根据获取到的时间，白天脱水输出较高转速，晚上适当降低转速，减少洗涤噪音；同时，根据天气来确定脱水程度，下雨天或湿度较高时，适当提高脱水转速，甩掉更多水分；另外，在定时洗涤时，洗衣机可以给用户直接输入洗涤结束的时间点，而不是采用倒计时方式定时，便于控制。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图进行简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，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的附图。

图1是根据本发明的一个示例性实施例的神经网络控制流程图。

图2是根据本发明的一个示例性的实施例的本发明的神经网络示意图。

图3是根据本发明的一个示例性的实施例的本发明的神经网络训练过程流程图。

图4是根据本发明的一个示例性的实施例的本发明的洗涤控制装置相关模块之间的控制关系图。

图5是根据本发明的一个示例性的实施例的本发明神经网络再学习流程图。

具体实施例

如在本文中所使用的，词语“第一”、“第二”等可以用于描述本发明的示例性实施例中的元件。这些词语只用于区分一个元件与另一元件，并且对应元件的固有特征或顺序等不受该词语的限制。除非另有定义，本文中使用的所有术语(包括技术或科学术语)具有与本发明所属技术领域的普通技术人员通常理解的含意相同的含意。如在常用词典中定义的那些术语被解释为具有与相关技术领域中的上下文含意相同的含意，而不被解释为具有理想或过于正式的含意，除非在本发明中被明确定义为具有这样的含意。

本领域的技术人员将理解的是，本文中描述的且在附图中说明的本发明的装置和方法是非限制性的示例性实施例，并且本发明的范围仅由权利要求书限定。结合一个示例性实施例所说明或描述的特征可与其他实施例的特征组合。这种修改和变化包括在本发明的范围内。

下文中，将参考附图详细描述本发明的示例性实施例。在附图中，省略相关已知功能或配置的详细描述，以避免不必要地遮蔽本发明的技术要点。另外，通篇描述中，相同的附图标记始终指代相同的电路、模块或单元，并且为了简洁，省略对相同电路、模块或单元的重复描述。

此外，应当理解一个或多个以下方法或其方面可以通过至少一个控制单元或控制器执行。术语“控制单元”，“控制器”,“控制模块”或者“主控模块”可以指代包括存储器和处理器的硬件设备，术语“洗衣机”可以指代类似于洗衣机的设备。存储器或者计算机可读存储介质配置成存储程序指令，而处理器具体配置成执行程序指令以执行将在以下进一步描述的一个或更多进程。而且，应当理解，正如本领域普通技术人员将意识到的，以下方法可以通过包括处理器并结合一个或多个其他部件来执行。

图1是根据本发明的一个示例性实施例的神经网络控制流程图。如图1所示：

在步骤S00处，洗衣机上电；

在步骤S01处，通过位置信息获取模块，获取到洗衣机所在位置的位置信息，所述位置信息获取模块为GPS模块或者北斗模块，也可以其他卫星、无线通信、有线通信能够获取的洗衣机的位置信息的模块；其所述位置信息为洗衣机所在位置的经纬度；

在步骤S02处，经过控制器解析得到洗衣机所在地区，即地理信息；

在步骤S03处；洗衣机中具有网络连接模块(例如无线网络连接模块，或有线网络连接模块，例如可以为Wi Fi模块)，能够连接网络，根据所在地区获取网络上的日期和时间，其中日期和时间也可以根据洗衣机系统中内置的时间模块来获取；并访问天气预报网址，获取所在地区的天气情况，包括阴晴、气温和湿度；

在步骤S04处，在洗衣机洗涤前，洗衣机也需对衣物进行称重操作；

在步骤S05处，获取待洗衣物量；

在步骤S06处，将以上获取到的数据(即洗衣机的地理位置、日期、时间、天气和洗涤衣物量)，传入洗衣机中的神经网络进行分析；

在步骤S07处，通过神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制，即通过神经网络解析计算，得到相应的输出层，该输出层包括洗涤水温、洗涤时长和脱水转速；

在步骤S08处，洗衣机设置好对应的参数后开始洗涤。

图2是根据本发明的一个示例性的实施例的本发明的神经网络示意图。如图2所示，神经网络的输入(输入层)包括地理位置、日期、时间、天气和衣物量5个输入单元；隐藏层初定3层(示例中隐藏层为3层，根据实际情况，隐藏层可以为多层)，每层包含5个节点；输出层包括3个输出单元，分别为水温T、洗涤时长t、脱水转速ω。其中地理位置来源于对GPS定位模块1所获得的数据通过控制模块4进行解析，得到日期、时间和天气等信息，进入每个洗涤流程前，GPS定位模块1重新获取定位数据，更新神经网络输入层信息，适时调整洗衣机的洗涤参数。

神经网络输入层及输出层的确定依据及神经网络训练的方法如下：

地理位置、日期、时间、天气和衣物量，与洗涤水温、洗涤时长和脱水转速之间有着重要的关系。

地理位置主要用于获取日期、时间和天气。

日期可判断季节，不同季节的衣物材质不同。夏季以薄衣物为主，容易洗净，可减小洗涤时长，降低脱水转速，避免洗涤过度损耗衣物；冬季以棉麻等厚衣物为主吸水性强，洗涤强度高，脱水不易干，可增加洗涤时长，提高脱水转速，避免衣物脱水不平衡。

时间与用户的作息相关。如果是在白天午休时间或者夜间洗衣，用户大多在休息，洗衣机适当降低脱水转速，减小洗涤噪音；如果是在其他时间，洗衣机则可以以较高的脱水转速完成脱水，既节省时间又能甩出更多水分。

天气中的阴晴、气温和湿度，也是影响洗衣过程的关键因素。如果气温很低，过低的水温会影响洗涤效率，洗涤温度调高，反之不进行调整；如果空气的湿度很高，则提高脱水转速，如果有烘干功能也应该启动，防止衣服久晒不干；如果是在晴天，湿度又低，衣服可以很快晒干，则降低转速，减小脱水时间。

特殊的，气温低的情况下，可能造成误判，洗涤衣物较少的时候可能因天气因素影响导致洗涤时间过长，输入单元增加衣物量做修正判断。

由此可见，洗涤水温、洗涤时长和脱水转速这3个目标参数中的任意一个，都会受地理位置、日期、时间、天气和衣物量这五个因素中的一个或多个的影响，但是它们之间又没有显而易见的数学关系，这就是问题所在。本发明将五个影响因素作为输入单元，通过神经网络的隐藏层进行学习，得到3个目标参数作为输出值，解决上述问题。该神经网络包含3个隐藏层，每个隐藏层包含多个节点，每个节点的输入均是前一层节点的输出权重后的值，神经网络的学习过程就是找到适当的权重值。

图3是根据本发明的一个示例性的实施例的本发明的神经网络训练过程流程图。如图3所示，

在步骤S10处，首先给出一组输入，包括地理位置、日期、时间、天气情况和衣物量；

在步骤S11处，根据人为对该输入数据进行分析，得到一个合理的输出，即洗涤水温、洗涤时长和脱水转速；

在步骤S12处，利用该输入、输出数据即可对神经网络进行一次训练；

在步骤S13处，对大量的数据进行训练；

在步骤S14处，获取相应的神经网络参数；

在步骤S15处得到洗衣机洗涤控制最佳的神经网络模型。

根据本发明的一个或多个实施例，最佳的神经网络模型的获取过程为：使用一个合适的神经网络模型，利用输入数据：地理位置、日期、时间、天气情况和衣物量，通过神经网络模型后得到输出：洗涤水温、洗涤时长和脱水转速。将输出与预期输出进行对比处理，使用损失函数将输出结果处理为概率值，对概率值进行计算后可以得到交叉熵损失，该交叉熵损失便是用来衡量神经网络的优劣的，其范围是0-1。概率越接近100％，该计算结果值越接近于0，说明结果越准确；反之，结果越不准确。神经网络可以通过迭代自动做W和b(权重(W)和阈值(b))的优化，在交叉熵损失进行反向传播的过程，其实就是对网络中的所有W和b参数进行优化的过程。例如，刚开始的输出结果与预期的值存在一定差距，交叉熵损失可能比较大，当交叉熵损失降至某一个值，例如0.03时，可以认为该网络已经优化到最佳。总而言之，就是先找到一个合适的神经网络模型，然后用已知输入和目标输出数据集去训练该模型，根据实际输出与目标输出的偏差，神经网络可以自动逐步去优化网络中的参数，最终偏差在一定范围内时，认为网络训练完成。

根据本发明的一个或多个实施例，首先将位置、日期、时间、天气情况和衣物量作为神经网络的输入数据，该数据经过隐藏层(层数为三，多个隐藏层为深度学习网络)进行学习，隐藏层每层包含多个节点，每个节点的输入是前一层节点的输出权重后的值，权重表示节点之间的链接强度。深度学习的过程就是找到适当的权重值。数据经过隐藏层的最后一个节点后乘以权重，即为神经网络的输出值。将输出值传输给各输出模块后，即调整洗涤水温、洗涤时长和脱水转速，与预期的洗涤水温、洗涤时长和脱水转速进行对比，构成深度神经网络结构的权重和偏差，并储存在存储器中，提供给下次神经网络学习使用。经过大量学习并不断自我修正深度神经网络结构后，可以得到最佳的神经网络模型。

图4是根据本发明的一个示例性的实施例的本发明的洗涤控制装置相关模块之间的控制关系图。如图4所示，洗衣机洗涤控制装置包括：

位置信息获取模块，获取所述洗衣机的位置信息；该位置信息模块可以为GPS定位模块1或北斗定位模块；

网络连接模块，网络控制模块可以为例如无线网络连接模块，或有线网络连接模块，例如可以为WiFi模块2，其能够连接网络，根据所在地区获取网络上的日期和时间，其中日期和时间也可以根据洗衣机系统中内置的时间模块来获取；并访问天气预报网址，获取所在地区的天气情况，包括阴晴、气温和湿度用于将所述洗衣机连接到外部网络，根据外部网络获取洗衣机所处地理位置的环境信息和日期时间信息；

控制模块4，将所述位置信息、所述环境信息和洗涤的衣物信息作为控制模块中神经网络的输入，并通过神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制；

控制模块4包括神经网络控制模块5和神经网络学习模块6，神经网络控制模块5用于根据所述相关参数来对洗衣机进行洗涤控制；神经网络学习模块6中包含神经网络，所述神经网络用于根据所述输入进行解析得到输出的相关参数；控制模块4还包括存储器7，用于存储所述神经网络输入层、输出层和各隐藏层中的参数值，根据本发明的一个或多个实施例，存储器7也可以设置在控制模块外；

洗涤控制装置还可以包括用于检测洗净比的浊度传感器3，用于驱动电机的电机驱动模块8，用于显示相关参数的显示模块9、用于加热洗涤水的电热管10，根据本发明的一个或多个实施例，浊度传感器3，电机驱动模块8，显示模块9和电热管10也可以位于洗衣机系统内，设置在洗涤控制装置外。

控制模块4根据相关的参数来控制电机驱动模块8和电热管10，从而控制洗衣机的脱水转速、控制洗衣机的洗涤时长和控制洗衣机的水温。

浊度传感器，用于定期检测洗涤过程中某一时刻的浊度值；所述控制模块4根据浊度值计算出洗衣机的洗净比，根据洗净比来确定是否需要控制模块中的神经网络进行再训练学习。

图5是根据本发明的一个示例性的实施例的本发明神经网络再学习流程图。

如图5所述，洗衣机预装的神经网络，是经过了大量的训练得到的最佳神经网络模型。绝大多是情况下，洗衣机获取输入数据后，通过该神经网络，即可得到合适的输出参数。但是该神经网络模型也不可能满足所有用户，在特殊情况下，可能出现衣服洗的不够干净的情况。针对洗衣不干净这个可能存在的问题，洗衣机设计了神经网络再学习的功能。

如图5所示，

在步骤S20处，洗衣机启动；

在步骤S21处，洗衣机通过浊度传感器定期检测洗涤过程中某一时刻的浊度值并计算出洗净比；

在步骤S22处，确定洗洗净比是否满足洗衣机的洗净要求；

在步骤S23处，如果发现洗净比达不到洗衣机的洗净要求时，则启动神经网络再学习功能；

在步骤S24处，当当所述洗净比满足洗衣机的洗净要求时，存储所述神经网络中各层的参数值，将再学习后的神经网络应用于洗衣机洗涤方案的选择；

在步骤S25处，洗涤结束。

在神经网络学习过程中，每次均会尝试去调整神经网络的参数(权重(w)和阈值(b))，从而调整洗涤温度和洗涤时长。如果调整参数后，洗涤温度降低了，洗净比下降(即与目标洗净比的偏差增大)，通过反向传播后，则会往相反方向调整参数，使得洗涤温度上升，让洗净比越来越趋近于目标洗净比。同样地，神经网络模式也会通过调节参数，使洗涤时长达到合适的值。最终，洗净比满足目标值，得到更加适合具体用户的神经网络后，则停止再学习功能。

根据本发明的一个或多个实施例，本发明还包括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如上所示的本发明各个实施例中的方法或流程。

根据本发明的一个或多个实施例，本发明还包括一种洗衣机，包括了本发明实施所述的控制装置，或本发明所示的方法和流程，或本发明上述的非暂时性计算机可读存储介质。

根据本发明的一个或多个实施例，本发明的中用于洗衣机的洗涤控制方法可以使用存储在非暂时性计算机和/或机器可读介质(例如硬盘驱动器、闪存、只读存储器、光盘、数字多功能磁盘、高速缓存、随机存取存储器和/或任何其他存储设备或存储磁盘)上的编码的指令(例如，计算机和/或机器可读指令)来实现如本发明以上所述控制方法的处理，在非暂时性计算机和/或机器可读介质中存储任何时间期间(例如，延长的时间段、永久的、短暂的实例、临时缓存和/或信息高速缓存)的信息。如本文所使用的，术语“非暂时性计算机可读介质”被明确定义为包括任何类型的计算机可读存储设备和/或存储盘，并且排除传播信号并排除传输介质。

根据本发明的一个或多个实施例，多桶洗衣机中的控制模块可以包含一个或多个处理器也可以在内部包含有非暂时性计算机可读介质。具体地，在本发明中洗衣机中的控制装置或系统可以为微控制器MCU，其布置在洗衣机中，用于控制洗衣机的各种操作和实施多种功能。用于实现洗衣机的洗涤控制功能的处理器可以诸如但不限于一个或多个单核或多核处理器。(一个或多个)处理器可包括通用处理器和专用处理器(例如，图形处理器、应用处理器等)的任何组合。处理器可与其耦接和/或可包括计存储器/存储装置，并且可被配置为执行存储在存储器/存储装置中的指令，以实现在本发明中控制器上运行的各种应用和/或操作系统。

本发明提出方案可以优化显示板结构：本发明通过对地理位置、天气等数据的获取来确定洗涤方案，可以省去模式选择按键或旋钮等显示板部件，压缩洗衣机的整体体积，也降低了洗衣机显示板部件出现故障的概率。

此外本发明提出的方案可简化用户操作：本发明通过神经网络来自主选择洗涤方案，无需用户自己操作，只要连接网络即可，方便快捷。

另外，本发明提出的方案可为用户提供准确选择：本发明的洗衣机，根据神经网络模型选择最优洗涤方案，客观选择较为合理的洗涤方案，避免用户因为主观原因选择不恰当的方案。

另外，本发明方案中的神经网络可自主再学习：本发明的控制模块根据调查与实验，预先装载了最优神经网络，具有一定的普遍性。不同用户，可能会有不同的衣着习惯和洗涤习惯，控制模块不定时检测洗涤过程中的洗净比，如达不到要求，则启动神经网络的再学习阶段，直到与该用户的洗涤习惯相匹配。

此外，在本发明的方案中，对洗涤桶内衣物材质的判断可以使用摄像头识别，这样能更加准确地判断衣物材质、衣物量等参数。对洗衣机周围环境的湿度的获取可以通过湿度传感器等模块，同样可以感知洗衣机周边环境的湿度。作为本发明示例的上文涉及的附图和本发明的详细描述，用于解释本发明，但不限制权利要求中描述的本发明的含义或范围。因此，本领域技术人员可以很容易地从上面的描述中实现修改。此外，本领域技术人员可以删除一些本文描述的组成元件而不使性能劣化，或者可以添加其它的组成元件以提高性能。此外，本领域技术人员可以根据工艺或设备的环境来改变本文描述的方法的步骤的顺序。因此，本发明的范围不应该由上文描述的实施例来确定，而是由权利要求及其等同形式来确定。

尽管本发明结合目前被认为是可实现的实施例已经进行了描述，但是应当理解本发明并不限于所公开的实施例，而相反的，意在覆盖包括在所附权利要求的精神和范围内的各种修改和等同配置。

Claims (22)

1.一种洗衣机洗涤控制装置，包括：

位置信息获取模块，获取所述洗衣机的位置信息；

网络连接模块，用于将所述洗衣机连接到外部网络，根据外部网络获取洗衣机所处地理位置的环境信息和日期时间信息；

控制模块，将所述位置信息、所述环境信息和洗涤的衣物信息作为控制模块中神经网络的输入，并通过神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制。

2.根据权利要求1所述的装置，其中，所述位置信息获取模块为GPS模块或者北斗模块。

3.根据权利要求1所述的装置，其中所述位置信息为洗衣机所在位置的经纬度。

4.根据权利要求1所述的装置，其中，所述环境信息包括洗衣机所处地理位置天气状况，所述天气状况至少包括阴晴、气温和湿度信息。

5.根据权利要求1所述的装置，其中所述神经网络的输入为洗衣机的地理位置、日期、时间、天气和洗涤衣物量。

6.根据权利要求1所述的装置，其中，所述神经网络的输出为洗涤控制的相关参数，所述洗涤控制的相关参数为洗衣机的水温、洗涤时长和、脱水转速。

7.根据权利要求6所述的装置，其中，所述控制模块根据相关的参数来控制电机驱动模块、电热管，从而控制洗衣机的脱水转速、控制洗衣机的洗涤时长和控制洗衣机的水温。

8.根据权利要求1所述的装置，所述控制模块包括神经网络控制模块和神经网络学习模块，其中所述神经网络学习模块中包含神经网络，所述神经网络用于根据所述输入进行解析得到输出的相关参数，所述神经网络控制模块用于根据所述相关参数来对洗衣机进行洗涤控制。

9.根据权利要求8所述的装置，其中，所述神经网络学习模块将输出数据与预期的输出数据进行对比，使用损失函数将输出结果处理为概率值并得到交叉熵损失，当交叉熵损失降低至预设值或预设范围内时，完成神经网络的训练学习，得到洗涤控制的相关参数。

10.根据权利要求1所述的装置，还包括：

浊度传感器，用于定期检测洗涤过程中某一时刻的浊度值；所述控制模块根据浊度值计算出洗衣机的洗净比，根据洗净比来确定是否需要控制模块中的神经网络进行再训练学习。

11.根据权利要求1所述的装置，还包括：

存储器，存储神经网络的输入、输出和各隐藏层中的参数值，以在控制所述洗衣机洗涤时使用。

12.一种洗衣机洗涤控制方法，包括

获取洗衣机所在位置的位置信息、日期和时间信息、以及环境信息；

将所述位置信息、日期和时间信息、以及环境信息作为洗衣机内神经网络的输入；

通过所述神经网络进行解析得到洗涤控制的相关参数，根据所述相关参数来对洗衣机进行洗涤控制。

13.根据权利要求12所述的方法，所述位置信息为GPS信息或北斗信息。

14.根据权利要求12所述的方法，所述环境信息包括洗衣机所处地理位置天气状况，所述天气状况至少包括阴晴、气温和湿度信息。

15.根据权利要求12所述的方法，根据外部网络获取所述日期和时间信息，或根据洗衣机系统中内置的时间模块来获取所述日期和时间信息。

16.根据权利要求12所述的方法，所述神经网络的输出为洗涤控制的相关参数，所述洗涤控制的相关参数为洗衣机的水温、洗涤时长和脱水转速。

17.根据权利要求12所述的方法，

根据所述相关的参数来控制电机驱动模块、电热管，从而控制洗衣机的脱水转速、控制洗衣机的洗涤时长和控制洗衣机的水温。

18.根据权利要求12所述的方法，通过浊度传感器定期检测洗涤过程中某一时刻的浊度值，并根据浊度值计算出洗衣机的洗净比，根据洗净比来确定是否需要所述神经网络进行再训练学习。

19.根据权利要求12所述的方法，其中，所述神经网络将输出数据与预期的输出数据进行对比，使用损失函数将输出结果处理为概率值并得到交叉熵损失，当交叉熵损失降低至预设值或预设范围内时，完成神经网络的训练学习，得到所述洗涤控制的相关参数。

20.根据权利要求18所述的方法，其中当所述洗净比不满足洗衣机的洗净要求时，启动所述神经网络的再训练学习功能，当所述洗净比满足洗衣机的洗净要求时，存储所述神经网络中各层的参数值。

21.一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根据权利要求1-11中任一项所述的方法。

22.一种洗衣机，其包含权利要求1-11任一项所述的装置，或采用权利要求12-20中任一项所述的方法，或具有根据权利要求21所述的非暂时性计算机可读存储介质。

Images