CN113906259A

CN113906259A - 用于检测颗粒过滤器的状态的系统和方法

Info

Publication number: CN113906259A
Application number: CN202080039743.3A
Authority: CN
Inventors: 苏婧; 张秋实; 陈伟忠; D·P·凯莉
Original assignee: Koninklijke Philips NV
Current assignee: Fansongni Holdings Ltd
Priority date: 2019-05-30
Filing date: 2020-05-29
Publication date: 2022-01-07
Anticipated expiration: 2040-05-29
Also published as: EP3977020A1; WO2020239966A1; CN113906259B; US20220249999A1; EP3977020B1; EP3977020B8

Abstract

本发明提供一种监测设备，用于监测空气清洁系统以确定所述空气清洁系统的颗粒过滤器何时需要清洁或更换。所述监测设备是用于在将执行定期监测功能时应用于所述空气清洁系统的远程单元。其用于监测由所述空气清洁系统发出的声音随时间的变化，以获取与所述过滤器状态相关的信息。

Description

用于检测颗粒过滤器的状态的系统和方法

技术领域

本发明涉及用于检测颗粒过滤器的状态且因此监测其寿命的方法和系统。

背景技术

颗粒过滤器广泛用于空气清洁系统，用于从气流中移除颗粒物质。举例来说，颗粒过滤器用于家庭或工业空气净化系统以清洁室内空气，但颗粒过滤器在其他应用，例如真空吸尘器或空气处理系统中也有许多用途。

颗粒过滤器的使用寿命有限且需要更换(或清洁)以获得最佳性能。久而久之，由于过滤器上的颗粒积聚，增大的阻力导致通过过滤器的气流减小，导致通过空气净化系统的空气吸入变慢。因此，空气净化性能随使用时间而衰减。

提醒消费者需要更换过滤器的最简单方法是基于累积的设备操作时间来提醒消费者。以这种方式，可以提前警告用户需要更换过滤器。然而，实际上每个过滤器都有不再能够将空气净化到所需标准的不同时间点。这个时间点是特定周期的结束，取决于用户的习惯和不同的空气条件。

需要能够更准确地评估过滤器何时需要清洁或更换。这可以通过分析过滤器的当前性能，且接着估计过滤器的剩余寿命来实现，以警告用户更换过滤器以保持有效的空气净化。

因此，为了评估空气过滤器以确定更换过滤器的最合适时间，已知用于检测例如气流和压差的参数的变化或用于分析指示过滤器何时堵塞的光学信号的基于传感器的设备。

这些方法需要额外的感测系统，增加了空气清洁系统的成本和复杂性。

US 2018/0012479公开了一种用于基于过滤器两端的压力测量来确定何时需要更换过滤器的系统。另外，可以使用麦克风来捕获指示过滤器风扇正在操作的速度的声音信息。这用于辅助处理压力测量信号。

希望具有一种用于提供对更换空气清洁系统的颗粒过滤器的需求的准确监测的低成本系统。

发明内容

本发明由权利要求限定。

根据本发明的一个方面的实例，提供了一种监测设备，用于监测空气清洁系统以确定空气清洁系统的颗粒过滤器何时需要清洁或更换，其中监测设备包括远程监测设备，用于在要执行定期监测功能时应用于空气清洁系统且用于在定期监测功能之间从空气清洁系统中移除，其中监测设备包括：

麦克风，用于捕获空气清洁系统在使用过程中的声音并产生麦克风信号；

处理器，用于处理麦克风信号并用于监测麦克风信号随时间的变化；以及

输出设备，用于基于麦克风信号的演变来提供与过滤器状态相关的信息。

本发明利用远程监测设备以分析空气清洁系统的声音来检测过滤器的堵塞程度。穿过过滤器的气流的声音将随着过滤器堵塞而变化，且这些变化可被检测出并进行解释。

通过使用远程监测设备，同一监测设备可用于多个空气清洁系统，从而减小成本。其提供了一种更通用方法，因为不需要在空气清洁系统自身中提供音频传感器。举例来说，远程监测设备可以是智能手机或平板电脑，且因此可以利用现有麦克风。备选地，其可能是专用监测设备，但其可以和多个空气清洁系统一起使用。

监测设备例如用于应用于空气清洁系统的特定监测地点或用于定位在相对于空气清洁系统的特定监测地点处。以这种方式，可确保可靠地检测到空气清洁系统声音的演变。空气清洁系统的特定监测地点例如位于空气出口附近。这是检测由过滤器堵塞造成的声音变化的最佳地点。可以使用物理对准特征或通过向用户提供反馈以引导远程监测设备移动到所述地点来将监测设备定位在这个地点。

处理器例如适于操作机器学习算法。这为系统提供了一种有效的方式来了解声音如何演变并根据过滤器堵塞程度解释这些声音变化。

本发明还提供了一种空气清洁系统，包括：

空气入口；

颗粒过滤器；

风扇，用于驱动空气通过颗粒过滤器；以及

出口，

其中空气清洁系统还包括对接区，用作应用远程音频监测设备的监测地点，用于执行空气清洁系统的定期监测功能，从而基于对接区处产生的声音的演变来提供与过滤器状态相关的信息。

这种空气清洁系统不需要任何机载传感器来监测过滤器堵塞，因为可将远程音频监测设备应用于对接区。对接区例如位于空气出口附近。

与过滤器状态相关的信息例如能够预先警告何时将需要更换过滤器。举例来说，可以确定过滤器的剩余寿命。

在一种布置下，空气清洁系统还包括用于加载于智能手机或平板电脑上，从而实施远程监测设备的软件。因此，空气清洁系统可具备用于在平板电脑或智能手机上使用的app，所述app接着将智能手机或平板电脑配置成远程监测设备。

在另一布置下，空气清洁系统还包括远程监测设备。在这个实例中，远程监测设备可以是特定用于监测空气清洁系统的设备且因此被提供作为空气清洁系统的一部分；但其可用于监测一组空气清洁系统，再次节省所需组件数。

本发明还提供了一种用于监测空气清洁系统以确定空气清洁系统的颗粒过滤器何时需要清洁或更换的方法，包括：

将远程监测设备应用于空气清洁系统或将远程监测设备相对于空气清洁系统定位，从而执行定期监测功能；

在定期监测功能期间：

使用麦克风捕获空气清洁系统在使用期间的声音并产生麦克风信号；以及

处理麦克风信号并监测麦克风信号随时间的变化；

基于麦克风信号的演变来提供与过滤器状态相关的信息；以及

在定期监测功能之间从空气清洁系统中移除远程监测设备。

这种方法通过外部且远程地监测由空气清洁系统产生的声音来执行对过滤器的监测。监测设备可被应用于空气清洁系统的特定监测地点以进行定期监测，例如空气出口附近。

“应用”远程监测设备包括相对于空气清洁系统定位远程监测设备。这可以基于物理对齐特征或基于用户被引导到特定地点来实现。可定位到特定地点或大概的区域。在后一情况下，所述大概的区域内的实际地点可以用作确定如何处理麦克风信号的输入。

方法可以包括训练并操作机器学习算法以使得能够基于麦克风信号的演变来提供与过滤器状态相关的信息。

本发明还提供了一种计算机程序，包括计算机程序代码部件，适于在所述程序在计算机上运行时实施上文定义的方法中的以下步骤：处理麦克风信号并监测麦克风信号随时间的变化以及基于麦克风信号的演变提供与过滤器状态相关的信息。

参考下文描述的(多个)实施例，本发明的这些方面和其他方面将变得清楚并被阐明。

附图说明

为了更好地理解本发明，并更清楚地示出了如何实践本发明，现在将仅作为实例参考附图，其中：

图1示出了空气清洁系统和远程监测设备；图2示出了用于监测空气清洁系统以确定空气清洁系统的颗粒过滤器何时需要清洁或更换的方法；

图3示出了由智能手机麦克风在不同过滤条件和不同风扇速度下收集的音频信号；以及

图4示出了针对三种风扇速度的声级对比过滤器寿命的曲线图。

具体实施方式

本发明将参考图式进行描述。

应理解，详细描述和特定实例虽然指示了装置、系统和方法的示例性实施例，但仅用于说明的目的且并不旨在限制本发明的范围。本发明的装置、系统和方法的这些和其他特征、方面和优点将从以下描述、所附权利要求和附图中得到更好的理解。应理解，图式仅仅是示意性的且并不按比例绘制。还应理解，贯穿图式使用相同的附图标记指示相同或相似的部分。

本发明提供一种监测设备，用于监测空气清洁系统以确定(提前)空气清洁系统的颗粒过滤器何时需要清洁或更换。监测设备是用于在将执行定期监测功能时应用于空气清洁系统的远程单元。其用于监测由空气清洁系统发出的声音随时间的变化，以获取与过滤器状态相关的信息。

图1示出了空气清洁系统10和远程监测设备20。

空气清洁系统10包括空气入口12、颗粒过滤器14、用于驱动空气通过颗粒过滤器的风扇16和出口18。

空气清洁系统还包括用作应用远程监测设备20的监测地点的对接区19，以执行空气清洁系统的定期监测功能。具体来说，监测设备20提供过滤器状态信息，例如剩余过滤器寿命(或已使用的过滤器寿命的比例或过滤器寿命的剩余比例)。

过滤器状态信息可以呈时间段或使用率的形式，或者只是作为临近寿命结束的渐进警告。状态信息使得用户能够确定(和预测)颗粒过滤器14何时需要清洁或更换。对接区可以包括物理对接接口，或仅仅用于识别特定地点的标记。

监测设备20包括：麦克风22，用于捕获空气清洁系统在使用期间的声音；处理器24，用于处理麦克风信号且用于监测麦克风信号随时间的变化；以及输出设备26(例如显示器或触摸显示器)，用于基于麦克风信号的演变来提供与过滤器状态相关的信息。

如上所述，于输出设备处提供的信息通常指示过滤器的寿命阶段(例如剩余的寿命百分比)，使得提供实际寿命结束的提前警告。信息可被提供作为视觉和/或听觉输出。

监测设备对于空气清洁器的声音是被动的，即它在特定地点处拾取所产生的空气清洁器声音，但不打算修改那些声音或产生其自己的声音以被麦克风拾取。因此，麦克风监测空气清洁器声音而不打算修改那些声音。

空气清洁系统10不需要任何机载传感器来监测过滤器堵塞，因为可将远程监测设备应用于对接区中的监测地点。对接区19例如位于空气出口18附近。这通常是最吵的地点。然而，可以使用其他地点。

远程监测设备用于分析空气清洁系统10的声音以检测过滤器堵塞程度。气流穿过过滤器的声音随过滤器堵塞而变化，且这些变化可被检测出并进行解释。

同一监测设备20可以用于多个空气清洁系统10，从而减小成本。其提供更通用的方法，因为不需要在空气清洁系统自身中提供音频传感器。

在所示出了的实例中，远程监测设备20被表示为智能电话(等效地其可以是平板电脑)，使得麦克风22和处理器24是现有组件。app可简单地加载到智能电话上以使得其能够充当监测设备。备选地，可以提供专用监测设备，但其可以与多个空气清洁系统一起使用。这类监测设备可被提供作为空气清洁系统的硬件部分而非作为用于加载到完全单独的处理设备上的软件。

处理器24操作机器学习算法来解释声音，以得出过滤器堵塞程度。

图2示出了用于监测空气清洁系统以确定空气清洁系统的颗粒过滤器何时需要清洁或更换的方法。如下文所解释，使用相同处理来训练方法的机器学习部分。

在步骤30中，远程监视设备在空气清洁系统第一次开启时应用于空气清洁系统，特别是应用于对接区。

在步骤32中，获得针对全新系统的音频信号，以用作基线。这一基线可以用作针对所述特定空气清洁系统的校准。

在步骤34中，远程监测设备在稍晚时间应用于空气清洁系统，从而执行定期监测功能的一种情况。

在步骤35中，捕获空气清洁系统的麦克风声音。应发生定期监测的时间可以通过远程监测设备，例如基于常规时间间隔得出且提醒用户需要执行测量。当确定过滤器到达其寿命结束时，时间间隔可能会改变，使得可以给出更准确的最终指示。

在步骤36中，麦克风信号被处理以监测麦克风信号随时间的变化。这涉及在使用系统时，在步骤36a中对音频模式进行分类。相同方法可以用于训练，在这种情况下，通过输入例如从其他传感器得出的过滤器寿命信息来在步骤36b中发生训练算法。因此，训练用于识别与过滤器寿命连接的音频模式。

在使用和训练期间，可识别出与不同过滤条件相关的不同音频模式。

算法的训练可以涉及来自相同类型的空气清洁系统的多个用户的数据。

在方法的使用中，在步骤38中基于麦克风信号的演变提供与过滤器状态相关的信息。

在步骤40中从空气清洁系统，即定期监测(或训练)功能之间移除远程监测设备。

图3示出了由智能手机麦克风在不同过滤条件和不同风扇速度下收集的音频信号。顶部图是针对第一速度，而底部图是针对更高的第二速度。时刻50是针对新的过滤器，时刻52是针对其寿命剩余40％的过滤器，且时刻54是针对寿命结束。

这示出了声音特性与剩余过滤器寿命之间的明显相关性。

图4示出了针对三种风扇速度；sp1、sp2和sp3(其中sp3>sp2>sp1)的声级对比剩余过滤器寿命的曲线图。

可以看出，噪音水平是如何随着过滤器接近需要更换而增加的。噪音水平还可用于确定风扇速度设置，例如初始基线校准是否涉及在每个风扇速度设置下进行测量。

如上所述，过程可以使用机器学习算法。机器学习算法是处理输入数据以产生或预测输出数据的任何自训练算法。此处，输入数据包括声音信号且输出数据包括估计的剩余过滤器寿命。

用于在本发明中的合适的机器学习算法对于技术人员是显而易见的。合适的机器学习算法的实例包含决策树算法和人工神经网络。例如逻辑回归、支持向量机或朴素贝叶斯模型(

Bayesian model)的其他机器学习算法都是合适的替代方案。

人工神经网络(或简称为神经网络)的结构受人类大脑启发。神经网络包括多个层，每一层包括多个神经元。每一神经元包括一数学运算。具体来说，每一神经元可以包括单一类型变换的不同加权组合(例如相同类型的变换、sigmoid等，但具有不同的权重)。在处理输入数据的过程中，对输入数据执行每一神经元的数学运算以产生数值输出，且神经网络中的每一层的输出依次馈入到下一层中。最终层提供输出。

训练机器学习算法的方法是众所周知的。通常，这类方法包括获得训练数据集，包括训练输入数据条目(这个实例中的声音)和对应的训练输出数据条目(对应的过滤器寿命信息)。初始化的机器学习算法被应用于每一输入数据条目以产生预测的输出数据条目。预测的输出数据条目与对应的训练输出数据条目之间的误差可以用于修改机器学习算法。这个过程可以重复直到误差收敛，且预测的输出数据条目与训练输出数据条目足够相似(例如±1％)。这通常被称为监督学习技术。

举例来说，在机器学习算法由神经网络形成的情况下，可以修改每一神经元的数学运算(的权重)直到误差收敛。修改神经网络的已知方法包含梯度下降、反向传播算法等。

训练输入数据条目对应于实例声音信号与已知过滤器寿命信息的组合。

针对新的过滤器，其寿命是已知的(即100％)，从那时起，算法将确定过滤器的寿命。

分析由麦克风拾取的声音可以仅包括特定频率或特定频带下的声级(或声压)，或其可以涉及分析声压和频率内容两者。举例来说，通过分析声压和频率信息的组合，可以确定具有多个过滤器的空气清洁系统中的哪一个过滤器已达到其使用寿命，例如预过滤器或主高效颗粒型空气(HEPA)过滤器。当分析声级和声频域两者时，由被大颗粒堵塞的预过滤器产生的声音与由装有细颗粒的HEPA过滤器产生的声音将示出了不同的指纹。

风扇电机的声音也可以被提取并用作对气流声音的交叉验证来更准确地确定过滤器剩余寿命。

在上面的实例中，空气清洁系统具有用于远程监测设备(麦克风)的对接区。替代方案是通过智能手机上运行的app引导用户将远程监测设备(即他们的智能手机)移动到所需地点。备选地，远程监测设备与空气清洁系统之间的相对定位可以例如基于由远程监测设备的相机观察到的清洁系统的图像的处理来感测，且麦克风信号处理可以考虑相对定位。在任一种情况下，都不再需要物理对接布置。

即使在麦克风信号处理中可以考虑实际位置，远程监测设备将仍然需要在一定的地点范围内，使得可以从空气清洁系统中可靠地拾取声音。因此，仍然会有远程监测设备需要定位的大概的地点区域。

因此，测量地点要么是固定的(通过物理对接系统或通过指示用户移动到正确的地点)，要么针对可能的地点范围校准声音分析且接着识别实际地点。应关于相同的气流速度设置进行声音比较。

举例来说，测量过程可以与增强现实组合，使得在使用实施测量的app时，可以指示用户通过执行使用增强现实图像(智能手机的相机视图与生成的叠加图像相结合)的对齐来定位他们的智能手机。

如果远程监测设备的地点合适，那么可以基于外部监测设备与空气清洁器的相对位置来调试声音处理。视需要，监测设备可以首先建议用户移动到大概的地点区域内的更合适的地点(例如更靠近空气净化器或更靠近出口)。

以这种方式，通过使用手机或平板电脑，系统可以从用户的角度更直观地控制系统以实现对测量信号的质量的控制。

用户可以例如使用远程监测设备来测量多个空气清洁系统。为选择待监测的空气清洁系统，可以使用增强现实接口将空气清洁系统简单地放置在智能手机或平板电脑的相机的视野中。这种方法还可以用于监测不同品牌的空气清洁器。所记录的声音可上传以进行远程处理(即上传到云存储和处理系统)，且声音分析考虑了空气清洁器品牌。空气清洁器品牌可以自动地识别(例如基于图像分析)或可以由用户输入。

本发明通常对空气净化器感兴趣，例如多个新鲜空气净化单元(FAPU)和其他空气管理系统以及HVAC(加热、通风和空调)系统。

通过研究图式、公开内容和所附权利要求，本领域技术人员在实践要求保护的发明时可以理解和实现对所公开的实施例的变化。在权利要求中，“包括”一词不排除其他要素或步骤，且不定冠词“一”、“一个”不排除多个。单个处理器或其他单元可以实现权利要求中阐述的数个项目的功能。在相互不同的从属权利要求中叙述某些措施的仅仅事实并不表示这些措施的组合不能有利地使用。计算机程序可以存储/分布在合适的介质上，例如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质，但也可以以其他形式分布，例如通过互联网或其他有线或无线电信系统。如果在权利要求或说明书中使用术语“适于”，应注意术语“适于”旨在等同于术语“被配置为”。权利要求中的任何附图标记不应被解释为限制范围。

Claims

1.一种用于监测空气清洁系统的监测设备(20)，用于确定所述空气清洁系统的颗粒过滤器何时需要清洁或更换，其中所述监测设备包括远程监测设备，所述远程监测设备用于在将执行定期监测功能时应用于所述空气清洁系统、且用于在定期监测功能之间从所述空气清洁系统移除，其中所述监测设备包括：

麦克风(22)，适于捕获所述空气清洁系统在使用过程中的声音并产生麦克风信号；

处理器(24)，适于处理所述麦克风信号并用于监测所述麦克风信号随时间的变化；以及

输出设备(26)，适于基于所述麦克风信号的演变来提供与所述过滤器状态相关的信息。

2.根据权利要求1所述的监测设备，其中所述监测设备(20)用于应用于所述空气清洁系统的特定监测地点(19)或用于定位在相对于所述空气清洁系统的特定监测地点处。

3.根据权利要求2所述的监测设备，其中所述空气清洁系统的所述特定监测地点(19)位于空气出口(18)附近。

4.根据权利要求1到3中任一项所述的监测设备，其中所述处理器(24)适于操作机器学习算法。

5.根据权利要求1到4中任一项所述的监测设备，包括智能手机或平板电脑。

6.一种空气清洁系统，包括：

空气入口(12)；

颗粒过滤器(14)；

风扇(16)，用于驱动空气通过所述颗粒过滤器；以及

出口(18)，

其中所述空气清洁系统还包括对接区(19)，适于用作应用权利要求1到5的所述监测设备(20)的监测地点，用于执行所述空气清洁系统的定期监测功能，从而基于所述对接区处产生的所述声音的演变来提供与所述过滤器状态相关的信息。

7.根据权利要求6所述的空气清洁系统，其中所述对接区(19)位于所述空气出口附近。

8.根据权利要求6或7所述的空气清洁系统，还包括软件，用于加载于智能手机或平板电脑上，从而实施所述远程监测设备。

9.一种用于监测空气清洁系统的方法，用于确定所述空气清洁系统的颗粒过滤器何时需要清洁或更换，包括：

(34)将远程监测设备应用于所述空气清洁系统上或将远程监测设备相对于所述空气清洁系统定位，从而执行定期监测功能；

在所述定期监测功能期间：

(35)使用麦克风捕获所述空气清洁系统在使用期间的声音并产生麦克风信号；以及

(36)处理所述麦克风信号并监测所述麦克风信号随时间的变化；

(38)基于所述麦克风信号的演变来提供与所述过滤器状态相关的信息；以及

(40)在所述定期监测功能之间从所述空气清洁系统中移除所述远程监测设备。

10.根据权利要求9所述的方法，包括将所述监测设备应用于所述空气清洁系统的特定监测地点(19)，用于所述定期监测。

11.根据权利要求10所述的方法，其中所述空气清洁系统的所述特定监测地点(19)位于空气出口附近。

12.根据权利要求9到11中任一项所述的方法，包括训练和操作机器学习算法，以使得能够基于所述麦克风信号的所述演变提供与所述过滤器状态相关的信息。

13.一种计算机程序，包括计算机程序代码部件，适于在所述程序在计算机上运行时实施权利要求9到12中任一项的所述方法中的以下步骤：处理所述麦克风信号并监测所述麦克风信号随时间的变化、以及基于所述麦克风信号的所述演变提供与所述过滤器状态相关的信息。