CN115309207A - 一种智能马桶的温度控制方法 - Google Patents

一种智能马桶的温度控制方法 Download PDF

Info

Publication number
CN115309207A
CN115309207A CN202210988091.9A CN202210988091A CN115309207A CN 115309207 A CN115309207 A CN 115309207A CN 202210988091 A CN202210988091 A CN 202210988091A CN 115309207 A CN115309207 A CN 115309207A
Authority
CN
China
Prior art keywords
temperature
pid
neuron
control method
module
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.)
Granted
Application number
CN202210988091.9A
Other languages
English (en)
Other versions
CN115309207B (zh
Inventor
吴杰
何一坚
胡靖超
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202310713967.3A priority Critical patent/CN117130410A/zh
Priority to CN202310715336.5A priority patent/CN116931626A/zh
Priority to CN202210988091.9A priority patent/CN115309207B/zh
Publication of CN115309207A publication Critical patent/CN115309207A/zh
Application granted granted Critical
Publication of CN115309207B publication Critical patent/CN115309207B/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
    • G05D23/30—Automatic controllers with an auxiliary heating device affecting the sensing element, e.g. for anticipating change of temperature
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种智能马桶的温度控制方法,包括基于温度控制系统对智能马桶的温度进行控制，温度控制系统包括控制模块、温度模块、温度采集模块，控制模块包括信息传输模块、信息输入终端和控制器，温度采集模块、信息传输模块分别与控制器连接，本发明通过神经网络的反向传播算法以及设置KG、wp'(n)(k)、wi'(n)(k)以及wd'(n)(k)实现神经网络一边进行自学习，一边进行温度控制的功能，并有利于保证整个神经网络自学习过程的收敛性，通过神经网络自学习能力能够很好地拟合的制冷/制热元件温度控制系统，实现良好的温度控制效果，具有极强的自适应能力以及较优的稳定性。

Description

一种智能马桶的温度控制方法
技术领域
本发明属于智能马桶的温度控制领域，涉及一种智能马桶的温度控制方法。
背景技术
对于对温度有要求的行业而言，例如冶炼、智能家居等，温度控制技术是尤为关键的。针对不同温度控制精度的场景和不同的环境情况，常采用的PID算法进行温度控制。PID算法对于线性系统有着良好的拟合度，但是对于非线性系统的控制效果不佳，难以实现较高精度的控制。
智能马桶模型采用制冷/制热元件(半导体片)实现制冷或制热，因制冷/制热元件非线性的电学特性以及空间分布的离散型，导致智能马桶模型的制冷/制热元件温度控制系统成为典型的非线性系统，采用传统的PID算法难以实现良好的温度控制效果。
发明内容
本发明为了克服现有技术的不足，提供一种智能马桶的温度控制方法。
为了实现上述目的，本发明采用以下技术方案：一种智能马桶的温度控制方法,包括基于温度控制系统对智能马桶的温度进行控制，温度控制系统包括控制模块、温度模块、温度采集模块，控制模块包括信息传输模块、信息输入终端和控制器，温度采集模块、信息传输模块分别与控制器连接，包括以下步骤：
步骤1：输入设定目标温度TS；
信息传输模块获取信息输入终端的目标温度数据并向控制器传输设定的目标温度TS；
步骤2：获取实际温度TR(n)(k)；
步骤3：确定基础参数；
步骤4：控制器获取目标温度TS以及实际温度TR(n)(k)，得到某n次控制过程中某k路的PWM波的占空比；
步骤5：控制器向温度模块输出PWM波使各测点的温度达到目标温度；
步骤6：信息传输模块在每一次控制流程执行完成后，读取一次信息输入终端的数据，用以获取用户对于目标温度的设置，若有更新的目标温度数据，信息传输模块将更新后目标温度数据将传入控制器，执行步骤1，若否，执行下一步骤。
进一步的，所述步骤2中一次控制过程中，一处温度采集模块采集一处温度模块所在测点的温度形成一路输送至控制器的实际温度数据TR(1)(1)，第k处温度采集模块采集第k处温度模块所在区域的温度形成k路输送至控制器的实际温度数据TR(1)(k)，第n次控制过程中，一处温度采集模块采集一处温度模块所在区域的温度形成一路输送至控制器的实际温度数据TR(n)(1)，第k处温度采集模块采集第k处温度模块所在区域的温度形成k路输送至控制器的实际温度数据TR(n)(k)。
进一步的，所述k的数值与温度采集模块的采集次数以及温度模块的数量相同。
进一步的，所述步骤3包括以下步骤：
步骤3.1：确定PID各项权重参数；
wp(n+1)(k)＝wp(n)(k)+vpu(n)(k)e(n)(k)x1(n)(k)；
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)；
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)；
其中n为实际温度达到目标温度的控制过程的次数，k为智能马桶的测点标号，
wp(n)(k)为第n次控制过程中第k路神经元PID比例项权重参数，wp(n+1)(k)为第n+1次控制过程中第k路神经元PID比例项权重参数，vp为神经元PID比例项的学习速率，x1(n)(k)为神经元输入1时，PID中的比例项；
wi(n)(k)为第n次控制过程中第k路神经元PID积分项权重参数，wi(n+1)(k)为第n+1次控制过程中第k路神经元PID积分项权重参数，vi为神经元PID积分项的学习速率，x2(n)(k)为神经元输入2时，PID中的积分项；
wd(n)(k)某n次控制过程中第k路神经元PID微分项权重参数，wd(n+1)(k)某n+1次控制过程中第k路神经元PID微分项权重参数，vd为神经元PID微分项的学习速率，x3(n)(k)为神经元输入3时，PID中的微分项；
公式中e(n)(k)为某n次控制过程中某k路实际温度TR(n)(k)和设定的目标温度TS之间的误差，e(n-1)(k)为前n-1控制过程中第k路实际温度和设定的目标温度之间的误差，e(n-2)(k)为前n-2控制过程中第k路控制过程中该路实际温度和设定的目标温度之间的误差，u(n)(k)为某n次控制过程中某k路的PWM波的占空比；
步骤3.2：确定占空比增量；
占空比增量△u(n)(k)为第n次控制过程每n路的输出量：
△u(n)(k)＝KG(wp'(n)(k)x1(n)(k)+wi'(n)(k)x2(n)(k)+wd'(n)(k)x3(n)(k))；
公式中KG为神经元的总学习速率；
步骤3.3：确定PWM波的占空比；
占空比设为u(n)(k)，
u(n)(k)＝△u(n)(k)+△u(n-1)(k)+...+△u(1)(1)+ua；
公式ua为PWM波占空比设定的初始值；
进一步的，所述步骤3.1中x1(n)(k)＝e(n)(k)-e(n-1)(k)。
进一步的，所述步骤3.1中x2(n)(k)＝e(n)(k)+e(n-1)(k)+e(n-2)(k)。
进一步的，所述步骤3.1中
x3(n)(k)＝e(n)(k)-2×e(n-1)(k)+e(n-2)(k)。
进一步的，所述vp、vi和vd为设定值。
进一步的，所述KG为设定值。
进一步的，所述信息传输模块设置为WIFI模块，用于控制器与信息输入终端的数据传输，信息输入终端包括按键或/和遥控器或/和手机APP，信息传输模块获取信息输入终端的温度数据。
一种智能马桶的温度控制系统，包括智能马桶、控制模块、温度模块、温度采集模块，控制模块包括信息传输模块、信息输入终端和控制器，温度采集模块、信息传输模块分别与控制器连接。
进一步的，信息传输模块设置为WIFI模块，用于控制器与信息输入终端的数据传输，信息输入终端包括按键或/和遥控器或/和手机APP，信息传输模块获取信息输入终端的温度数据。
进一步的，温度模块设置为半导体片，温度模块设置于智能马桶。
进一步的，温度模块设置若干，若干温度模块分布在智能马桶的垫圈。
进一步的，温度采集模块和温度模块至少一一对应设置。
进一步的，一处温度采集模块采集一处温度模块所在测点的温度形成一路输送至控制模块的实际温度数据。
一种智能马桶的温度控制器，温度控制器包括：
目标温度设定部，目标温度设定部设定目标温度TS；
温度获取部，用于获取智能马桶测点的实际温度TR(n)(k)；
参数设定部，用于确定PID各项权重参数、占空比增量以及PWM波的占空比；
运行部，通过获取目标温度TS以及实际温度TR(n)(k)，得到某n次控制过程中某k路的PWM波的占空比；
输出部，用于向温度模块输出PWM波使各测点的温度达到目标温度；
数据确认部，用于接收更新的目标温度数据。
进一步的，确定PID各项权重参数；
wp(n+1)(k)＝wp(n)(k)+vpu(n)(k)e(n)(k)x1(n)(k)；
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)；
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)；
其中n为实际温度达到目标温度的控制过程的次数，k为智能马桶的测点标号，wp(n)(k)为第n次控制过程中第k路神经元PID比例项权重参数，wp(n+1)(k)为第n+1次控制过程中第k路神经元PID比例项权重参数，vp为神经元PID比例项的学习速率，x1(n)(k)为神经元输入1时，PID中的比例项；
wi(n)(k)为第n次控制过程中第k路神经元PID积分项权重参数，wi(n+1)(k)为第n+1次控制过程中第k路神经元PID积分项权重参数，vi为神经元PID积分项的学习速率，x2(n)(k)为神经元输入2时，PID中的积分项；
wd(n)(k)某n次控制过程中第k路神经元PID微分项权重参数，wd(n+1)(k)某n+1次控制过程中第k路神经元PID微分项权重参数，vd为神经元PID微分项的学习速率，x3(n)(k)为神经元输入3时，PID中的微分项；
公式中e(n)(k)为某n次控制过程中某k路实际温度TR(n)(k)和设定的目标温度TS之间的误差，e(n-1)(k)为前n-1控制过程中第k路实际温度和设定的目标温度之间的误差，e(n-2)(k)为前n-2控制过程中第k路控制过程中该路实际温度和设定的目标温度之间的误差，u(n)(k)为某n次控制过程中某k路的PWM波的占空比。
进一步的，确定占空比增量；
占空比增量△u(n)(k)为第n次控制过程每n路的输出量：
△u(n)(k)＝KG(wp'(n)(k)x1(n)(k)+wi'(n)(k)x2(n)(k)+wd'(n)(k)x3(n)(k))；
公式中KG为神经元的总学习速率。
进一步的，确定PWM波的占空比；
占空比设为u(n)(k)，
u(n)(k)＝△u(n)(k)+△u(n-1)(k)+...+△u(1)(1)+ua；
公式中ua为PWM波占空比设定的初始值；
进一步的，x1(n)(k)＝e(n)(k)-e(n-1)(k)。
进一步的，x2(n)(k)＝e(n)(k)+e(n-1)(k)+e(n-2)(k)。
进一步的，x3(n)(k)＝e(n)(k)-2×e(n-1)(k)+e(n-2)(k)。
进一步的，所述vp、vi和vd为设定值。
进一步的，所述KG为设定值。
综上所述，本发明的有益之处在于：
本发明通过神经网络的反向传播算法以及设置KG、wp'(n)(k)、wi'(n)(k)以及wd'(n)(k)实现神经网络一边进行自学习，一边进行温度控制的功能，并有利于保证整个神经网络自学习过程的收敛性，通过神经网络自学习能力能够很好地拟合的制冷/制热元件温度控制系统，实现良好的温度控制效果，具有极强的自适应能力以及较优的稳定性。
附图说明
图1为本发明的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明实施例中所有方向性指示(诸如上、下、左、右、前、后、横向、纵向……)仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
因安装误差等原因，本发明实施例中所指的平行关系可能实际为近似平行关系，垂直关系可能实际为近似垂直关系。
实施例一：
如图1所示，一种智能马桶的温度控制系统，包括智能马桶、控制模块、温度模块、温度采集模块，控制模块包括信息传输模块、信息输入终端和控制器，温度采集模块、信息传输模块分别与控制器连接。
本实施例中信息传输模块设置为WIFI模块，用于控制器与信息输入终端的数据传输，信息输入终端包括按键或/和遥控器或/和手机APP，信息传输模块获取信息输入终端的温度数据。
本实施例中温度模块设置为半导体片，温度模块设置于智能马桶，优选设置于智能马桶的垫圈，对垫圈进行制热或制冷，实现温度的准确控制。
本实施例中，温度模块设置若干，若干温度模块均匀分布在智能马桶的垫圈，保证垫圈均匀制热或制冷，温度采集模块设置于垫圈且靠近温度模块，优选的，温度采集模块和温度模块至少一一对应设置，一处温度采集模块采集一处温度模块所在区域，即一个测点的温度形成一路输送至控制模块的实际温度数据，多个测点形成多路数据，本实施例中，将多个测点进行标号，形成1..k路数据，k为智能马桶的测点标号。
本申请还提供了一种智能马桶的温度控制方法，基于温度控制系统对智能马桶的温度进行控制，温度控制系统包括控制模块、温度模块、温度采集模块，控制模块包括信息传输模块、信息输入终端和控制器，温度采集模块、信息传输模块分别与控制器连接，具体包括以下步骤：
步骤1：输入设定目标温度TS；
信息传输模块获取信息输入终端的目标温度数据并向控制器传输设定的目标温度TS。
步骤2：获取实际温度TR(n)(k)；
一次控制过程中，一处温度采集模块采集一处温度模块所在区域测点的温度，即一个测点的温度形成一路输送至控制器的实际温度数据TR(1)(1)，温度采集模块采集第k个温度模块所在区域测点的温度形成k路输送至控制器的实际温度数据TR(1)(k)；
第n次控制过程中，一处温度采集模块采集一处温度模块所在区域的温度形成一路输送至控制器的实际温度数据TR(n)(1)，第k处温度采集模块采集第k处温度模块所在区域的温度形成k路输送至控制器的实际温度数据TR(n)(k)；
本实施例中，k为智能马桶的测点标号。
本实施例中，n为实际温度达到目标温度的控制过程的次数，经n次控制过程使各测点的实际温度达到设定的目标温度。
步骤3：确定基础参数；
步骤3.1：确定PID各项权重参数；
wp(n+1)(k)＝wp(n)(k)+vpu(n)(k)e(n)(k)x1(n)(k)； (1)
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)； (2)
wd(n+1)(k)＝wd(n)(k)+vdu(n)(k)e(n)(k)x3(n)(k)； (3)
公式(1)中wp为神经元PID比例项权重参数，wp(n)(k)为第n次控制过程中第k路神经元PID比例项权重参数，wp(n+1)(k)为第n+1次控制过程中第k路神经元PID比例项权重参数，vp为神经元PID比例项的学习速率，x1(n)(k)为神经元输入1时，PID中的比例项，x1(n)(k)＝e(n)(k)-e(n-1)(k)；
公式(2)中wi为神经元PID积分项权重参数，wi(n)(k)为第n次控制过程中第k路神经元PID积分项权重参数，wi(n+1)(k)为第n+1次控制过程中第k路神经元PID积分项权重参数，vi为神经元PID积分项的学习速率，x2(n)(k)为神经元输入2时，PID中的积分项，x2(n)(k)＝e(n)(k)+e(n-1)(k)+e(n-2)(k)；
公式(3)中wd为神经元PID微分项权重参数，wd(n)(k)某n次控制过程中第k路神经元PID微分项权重参数，wd(n+1)(k)某n+1次控制过程中第k路神经元PID微分项权重参数，vd为神经元PID微分项的学习速率，x3(n)(k)为神经元输入3时，PID中的微分项，x3(n)(k)＝e(n)(k)-2×e(n-1)(k)+e(n-2)(k)；
公式(1)、(2)和(3)中e(n)(k)为某n次控制过程中某k路实际温度TR(n)(k)和设定的目标温度TS之间的误差，e(n)(k)＝TR(n)(k)-TS，e(n-1)(k)为前n-1控制过程中第k路实际温度和设定的目标温度之间的误差，e(n-2)(k)为前n-2控制过程中第k路控制过程中该路实际温度和设定的目标温度之间的误差；
公式(1)、(2)和(3)中u(n)(k)为某n次控制过程中某k路的PWM波的占空比；公式(1)、(2)和(3)中vp、vi和vd为设定值。
步骤3.2：确定占空比增量；
占空比增量△u(n)(k)，△u(n)(k)为第n次控制过程每n路的输出量：△u(n)(k)＝KG(wp'(n)(k)x1(n)(k)+wi'(n)(k)x2(n)(k)+wd'(n)(k)x3(n)(k))；公式中KG为神经元的总学习速率，KG为设定值。
wp'(n)(k)为神经元PID比例项权重占比，
Figure BDA0003802871330000111
wi'(n)(k)为神经元PID积分项权重占比，
Figure BDA0003802871330000121
wd'(n)(k)为神经元PID微分项权重占比，
Figure BDA0003802871330000122
步骤3.3：确定PWM波的占空比；
通过神经网络的反向传播算法，得到u(n)(k)＝△u(n)(k)+△u(n-1)(k)+...+△u(1)(1)+ua；
公式ua为PWM波占空比设定的初始值。
PWM波的占空比为初始值和占空比增量总和。
步骤4：控制器获取目标温度TS以及实际温度TR(n)(k)，得出u(n)(k)为某n次控制过程中某k路的PWM波的占空比。
控制器控输出的PWM波，在相同的条件下，比如采用相同的材料等，PWM波的方向控制温度模块制冷或制热，PWM波的占空比分别与温度模块的制冷或制热功率成正比，比例根据实际情况进行设定。
本实施例获取一次控制过程中k路的测点实际温度，并结合目标温度进行处理，同时获取n次控制过程中k处测点的实际温度，并结合目标温度进行处理，对n次控制过程k路PID各项权重参数进行调整，并增加wp'(n)(k)、wi'(n)(k)、wd'(n)(k)有利于保证整个神经网络自学习过程的收敛性，进而控制器生成多路具有一定占空比、用以控制制冷/制热模块的PWM波。
步骤5：控制器向温度模块输出PWM波使各测点的温度达到目标温度。
步骤6：信息传输模块在每一次控制流程执行完成后，读取一次信息，用以获取用户对于目标温度的设置，若有更新的目标温度数据，即更改先前设定的目标温度，信息传输模块将更新后目标温度数据将传入控制器，执行步骤1，若否，执行下一步骤。
本实施例通过神经网络的反向传播算法以及设置KG、wp'(n)(k)、wi'(n)(k)以及wd'(n)(k)实现神经网络一边进行自学习，一边进行温度控制的功能，并有利于保证整个神经网络自学习过程的收敛性，通过神经网络自学习能力能够很好地拟合的制冷/制热元件温度控制系统，实现良好的温度控制效果，具有极强的自适应能力以及较优的稳定性。
本申请还提供了一种智能马桶的温度控制器，温度控制器包括：
目标温度设定部，目标温度设定部设定目标温度TS；
温度获取部，用于获取智能马桶测点的实际温度TR(n)(k)；
参数设定部，用于确定PID各项权重参数、占空比增量以及PWM波的占空比；
运行部，通过获取目标温度TS以及实际温度TR(n)(k)，得到某n次控制过程中某k路的PWM波的占空比；
输出部，用于向温度模块输出PWM波使各测点的温度达到目标温度；
数据确认部，用于接收更新的目标温度数据。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

Claims (10)

1.一种智能马桶的温度控制方法,其特征在于：基于温度控制系统对智能马桶的温度进行控制，温度控制系统包括控制模块、温度模块、温度采集模块，控制模块包括信息传输模块、信息输入终端和控制器，温度采集模块、信息传输模块分别与控制器连接，包括以下步骤：
步骤1：输入设定目标温度TS；
信息传输模块获取信息输入终端的目标温度数据并向控制器传输设定的目标温度TS；
步骤2：获取实际温度TR(n)(k)；
步骤3：确定基础参数；
步骤4：控制器获取目标温度TS以及实际温度TR(n)(k)，得到某n次控制过程中某k路的PWM波的占空比；
步骤5：控制器向温度模块输出PWM波使各测点的温度达到目标温度；
步骤6：信息传输模块在每一次控制流程执行完成后，读取一次信息输入终端的数据，用以获取用户对于目标温度的设置，若有更新的目标温度数据，信息传输模块将更新后目标温度数据将传入控制器，执行步骤1，若否，执行下一步骤。
2.根据权利要求1所述的一种智能马桶的温度控制方法，其特征在于：所述步骤2中一次控制过程中，一处温度采集模块采集一处温度模块所在测点的温度形成一路输送至控制器的实际温度数据TR(1)(1)，第k处温度采集模块采集第k处温度模块所在区域的温度形成k路输送至控制器的实际温度数据TR(1)(k)，第n次控制过程中，一处温度采集模块采集一处温度模块所在区域的温度形成一路输送至控制器的实际温度数据TR(n)(1)，第k处温度采集模块采集第k处温度模块所在区域的温度形成k路输送至控制器的实际温度数据TR(n)(k)。
3.根据权利要求2所述的一种智能马桶的温度控制方法，其特征在于：所述k的数值与温度采集模块的采集次数以及温度模块的数量相同。
4.根据权利要求1所述的一种智能马桶的温度控制方法，其特征在于：所述步骤3包括以下步骤：
步骤3.1：确定PID各项权重参数；
wp(n+1)(k)＝wp(n)(k)+vpu(n)(k)e(n)(k)x1(n)(k)；
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)；
wi(n+1)(k)＝wi(n)(k)+viu(n)(k)e(n)(k)x2(n)(k)；
其中n为实际温度达到目标温度的控制过程的次数，k为智能马桶的测点标号，wp(n)(k)为第n次控制过程中第k路神经元PID比例项权重参数，wp(n+1)(k)为第n+1次控制过程中第k路神经元PID比例项权重参数，vp为神经元PID比例项的学习速率，x1(n)(k)为神经元输入1时，PID中的比例项；
wi(n)(k)为第n次控制过程中第k路神经元PID积分项权重参数，wi(n+1)(k)为第n+1次控制过程中第k路神经元PID积分项权重参数，vi为神经元PID积分项的学习速率，x2(n)(k)为神经元输入2时，PID中的积分项；
wd(n)(k)某n次控制过程中第k路神经元PID微分项权重参数，wd(n+1)(k)某n+1次控制过程中第k路神经元PID微分项权重参数，vd为神经元PID微分项的学习速率，x3(n)(k)为神经元输入3时，PID中的微分项；
公式中e(n)(k)为某n次控制过程中某k路实际温度TR(n)(k)和设定的目标温度TS之间的误差，e(n-1)(k)为前n-1控制过程中第k路实际温度和设定的目标温度之间的误差，e(n-2)(k)为前n-2控制过程中第k路控制过程中该路实际温度和设定的目标温度之间的误差，u(n)(k)为某n次控制过程中某k路的PWM波的占空比；
步骤3.2：确定占空比增量；
占空比增量△u(n)(k)为第n次控制过程每n路的输出量，△u(n)(k)的计算公式为：
△u(n)(k)＝KG(wp'(n)(k)x1(n)(k)+wi'(n)(k)x2(n)(k)+wd'(n)(k)x3(n)(k))
其中中KG为神经元的总学习速率；
步骤3.3：确定PWM波的占空比；
占空比u(n)(k)的计算公式为：
u(n)(k)＝△u(n)(k)+△u(n-1)(k)+...+△u(1)(1)+ua；
其中ua为PWM波占空比设定的初始值。
5.根据权利要求4所述的一种智能马桶的温度控制方法，其特征在于：所述步骤3.1中神经元输入1时，PID中的比例项，如下式所示：
x1(n)(k)＝e(n)(k)-e(n-1)(k)。
6.根据权利要求4所述的一种智能马桶的温度控制方法，其特征在于：所述步骤3.1中神经元输入2时，PID中的积分项，如下式所示：
x2(n)(k)＝e(n)(k)+e(n-1)(k)+e(n-2)(k)。
7.根据权利要求4所述的一种智能马桶的温度控制方法，其特征在于：所述步骤3.1中神经元输入3时，PID中的微分项，如下式所示：
x3(n)(k)＝e(n)(k)-2×e(n-1)(k)+e(n-2)(k)。
8.根据权利要求4所述的一种智能马桶的温度控制方法，其特征在于：所述vp、vi和vd为设定值。
9.根据权利要求4所述的一种智能马桶的温度控制方法，其特征在于：所述KG为设定值。
10.根据权利要求1所述的一种智能马桶的温度控制方法，其特征在于：所述信息传输模块设置为WIFI模块，用于控制器与信息输入终端的数据传输，信息输入终端包括按键或/和遥控器或/和手机APP，信息传输模块获取信息输入终端的温度数据。
CN202210988091.9A 2022-08-17 2022-08-17 一种智能马桶的温度控制方法 Active CN115309207B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202310713967.3A CN117130410A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制器和控制方法
CN202310715336.5A CN116931626A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制系统和控制方法
CN202210988091.9A CN115309207B (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210988091.9A CN115309207B (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制方法

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202310715336.5A Division CN116931626A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制系统和控制方法
CN202310713967.3A Division CN117130410A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制器和控制方法

Publications (2)

Publication Number Publication Date
CN115309207A true CN115309207A (zh) 2022-11-08
CN115309207B CN115309207B (zh) 2023-07-25

Family

ID=83862795

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202210988091.9A Active CN115309207B (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制方法
CN202310713967.3A Pending CN117130410A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制器和控制方法
CN202310715336.5A Pending CN116931626A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制系统和控制方法

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202310713967.3A Pending CN117130410A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制器和控制方法
CN202310715336.5A Pending CN116931626A (zh) 2022-08-17 2022-08-17 一种智能马桶的温度控制系统和控制方法

Country Status (1)

Country Link
CN (3) CN115309207B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05199947A (ja) * 1992-01-27 1993-08-10 Matsushita Electric Ind Co Ltd トイレ装置
JP2015181695A (ja) * 2014-03-24 2015-10-22 Toto株式会社 暖房便座装置
CN108958316A (zh) * 2017-05-18 2018-12-07 杭州小沐电子科技有限公司 一种用于智能坐便器的自动温度设定装置
CN114221519A (zh) * 2021-12-07 2022-03-22 上海科勒电子科技有限公司 加热座圈电压自适应方法、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05199947A (ja) * 1992-01-27 1993-08-10 Matsushita Electric Ind Co Ltd トイレ装置
JP2015181695A (ja) * 2014-03-24 2015-10-22 Toto株式会社 暖房便座装置
CN108958316A (zh) * 2017-05-18 2018-12-07 杭州小沐电子科技有限公司 一种用于智能坐便器的自动温度设定装置
CN114221519A (zh) * 2021-12-07 2022-03-22 上海科勒电子科技有限公司 加热座圈电压自适应方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN117130410A (zh) 2023-11-28
CN116931626A (zh) 2023-10-24
CN115309207B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
EP2998803B1 (en) Simulation method
CN107726442B (zh) 一种热网平衡调控方法
CA2844215C (en) Centralized controller for intelligent control of thermostatically controlled devices
US20200166230A1 (en) Controller for hvac unit
CN104089362B (zh) 一种中央空调冷却水系统冷却效率极大化方法及控制装置
US11085663B2 (en) Building management system with triggered feedback set-point signal for persistent excitation
US20210041127A1 (en) Building hvac system with modular cascaded model
Tse et al. A distributed sensor network for measurement of human thermal comfort feelings
CN104833154A (zh) 基于模糊pid与神经内模的冷冻水回路控制方法
CN107255348A (zh) 基于单模块的空调器电量检测方法和空调器
CN107631424A (zh) 自动调温空调器控制方法及空调器
CN110110416A (zh) 一种基于图论的分布式能源冷网供冷优化方法
CN109489220A (zh) 变频空调功率器件的温升测试方法、装置、变频空调及计算机可读存储介质
CN201476905U (zh) 神经网络pid控温的热电偶自动检定系统
CN115808211A (zh) 一种公共建筑温度及热舒适度监测与预测系统
CN109857177B (zh) 一种建筑电气节能监测方法
CN115309207A (zh) 一种智能马桶的温度控制方法
CN105805884A (zh) 一种涂装车间内的空调温湿度控制方法及控制系统
CN112782970A (zh) 一种GaN衬底生长加热炉温度自整定方法及系统
CN104641528B (zh) 经由广播介质的自动功率水平修整
CN105042774A (zh) 空调系统中ptc电加热器的功率估算方法和装置
US20240044540A1 (en) Air-conditioning apparatus control device
CN108253597A (zh) 空调控制方法及空调器
CN112797631A (zh) 基于水量伺服器的水温控制方法、装置及设备
CN110018679B (zh) 航天器自主温控系统闭环测试系统及测试方法

Legal Events

Date Code Title Description
PB01 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