CN116289135A - 一种干衣机线屑累积情况智能判断方法及干衣机 - Google Patents

Abstract

本发明公开了一种干衣机线屑累积情况智能判断方法及干衣机，线屑累积情况智能判断方法为：干衣机获取衣物的重量和含水率，预设的神经网络学习模块根据衣物的重量、含水率和用户选择的干衣参数匹配干衣进程的时间阈值和能耗阈值，时间阈值包括第一时间阈值，能耗阈值包括第一能耗阈值，开始干衣进程后，干衣机持续获取干衣进程的运行时间和运行能耗，分别定义为第一参数和第二参数，并将其分别与第一时间阈值和第一能耗阈值进行对比，第一参数大于第一时间阈值，或者第二参数大于第一能耗阈值，则判断线屑累积较多，提示用户清理线屑；上述方法能够对干衣机内线屑累积情况进行较为准确的判断，提高了干衣机的智能化水平。

Description

一种干衣机线屑累积情况智能判断方法及干衣机

技术领域

本发明属于干衣机领域，特别涉及一种干衣机线屑累积情况智能判断方法及干衣机。

背景技术

干衣机作为一种能快速烘干衣物的家用电器，在天气潮湿的环境中，也能让人们穿上干燥舒适的衣服，且减少了晾晒所用的空间，提高了人们的生活品质，因而干衣机也越来越受到广大用户的喜爱。

与此同时，随着干衣机的应用，用户对烘干的烘干速度、烘干均匀度、以及能耗都提出了更高的要求，而现有干衣机中为了提高干衣效果，降低安全隐患，都会设置过滤装置对线屑进行过滤，线屑持续累积则会造成风道堵塞，进而降低干衣效率，提高干衣机能耗。

为了解决这一问题，申请号为CN201210163162.8的中国发明专利公开了一种判断热泵干衣机线屑过滤器堵塞的控制方法，具体为，在热泵系统稳定的工作状态下检测进出筒空气的温度差来判断线屑过滤器是否堵塞，以提示用户对线屑过滤器进行清理；上述方案虽然能够根据进出筒的空气的温度差判断线屑过滤器的堵塞情况，但是在实际使用过程中，进出筒的空气的温度差也受到循环风道中残留的冷凝水的影响，且在热泵系统稳定工作时线屑堵塞程度对进出筒空气的温度影响相对较小，容易产生误判。

对此，申请号为CN201810863254.4的中国发明专利公开了一种判断线屑过滤器堵塞的方法，具体为，在线屑过滤器上设置自动称重器，根据线屑过滤器的重量变化判断线屑过滤器的堵塞程度；上述方案能够较为直接的获取线屑累积情况，但是线屑过滤器通常是固定在风道中，因此称取的线屑过滤器的重量往往和实际增加的重量不相同，可能导致无法准确判断线屑的累积程度。

有鉴于此特提出本发明。

发明内容

本发明的目的之一是针对上述现有技术中的问题提供一种干衣机线屑累积情况智能判断方法，通过神经网络学习模块根据衣物重量、含水率和干衣参数匹配将衣物烘干所需时间阈值和能耗阈值，将实际干衣进程消耗的时间和能耗与阈值进行对比判断线屑的累积情况。

本发明的另一目的是提供一种采用上述线屑累积情况智能判断方法干衣机，能够准确判断线屑的累积情况，进而提示用户进行清理，避免线屑累积较多影响干衣速度导致干衣能耗提升。

为了实现上述目的，本发明第一方面提供一种干衣机线屑累积情况智能判断方法，包括如下步骤：

S1、获取衣物重量和含水率；

S2、预设的神经网络学习模块根据衣物重量、含水率和干衣参数匹配干衣进程的时间阈值和能耗阈值；

S3、开始干衣进程，实时获取干衣进程的运行时间，定义为第一参数，实时获取干衣进程的运行能耗，定义为第二参数；

S4、将第一参数、第二参数分别与时间阈值和能耗阈值进行对比，根据对比结果判断线屑累积情况。

上述判断方法中，可以在干衣机本机内，或者与干衣机通讯连接的其他智能终端中实现对线屑累积情况的判断，其中，干衣参数可以是用户自行设定的干衣参数，也可以是根据衣物重量、含水率匹配得到的干衣参数。

上述方案中，神经网络学习模块根据衣物的重量、含水率和干衣参数匹配出正常情况下将衣物烘干所需要的时间和能耗，分别作为时间阈值和能耗阈值，与干衣进程中实际的运行时间和运行能耗进行对比，根据对比结果判断线屑的累积情况，能够更加准确的判断线屑的累积程度。进一步的，步骤S2中，神经网络学习模块与云端通讯连接，对云端储存的衣物重量、含水率、干衣参数与干衣进程的运行能耗和运行时间之间的关系进行学习。

神经网络学习模块与云端通讯连接，并从云端储存的衣物重量、含水率、干衣参数以及对应的运行时间和运行能耗进行学习，根据烘干衣物的重量、含水率和干衣参数匹配相对应的正常烘干所需要的时间阈值和能耗阈值，当干衣进程的运行时间和运行能耗与对应的时间阈值和能耗阈值进行对比，能够对干衣机线屑累积情况做出更加准确的判断，提高了用户的使用体验。

进一步的，所述时间阈值包括第一时间阈值，所述能耗阈值包括第一能耗阈值；

步骤S4中，第一参数小于等于第一时间阈值，且第二参数小于等于第一能耗阈值，继续干衣进程，返回步骤S3。

上述方案中，第一参数小于等于第一时间阈值，同时第二参数小于等于第一能耗阈值，说明干衣机处于正常的干衣进程中，判断此时线屑累积较少，未对干衣进程的能耗产生较大影响，因而继续干衣进程并返回步骤S3继续获取第一参数和第二参数。

进一步的，步骤S4中，第一参数大于第一时间阈值，或者第二参数大于第一能耗阈值，继续干衣进程，进入步骤S5。

进一步的，步骤S5为：发出警报，提示用户清理线屑。

上述方案中，当第一参数大于第一时间阈值或者第二参数大于第一能耗阈值时，说明线屑堵塞较为严重，导致了干衣进程的运行能耗提高和运行时间延长，但是此时对干衣机的烘干效率影响较小，干衣机仍然能够顺利完成烘干，因此不需要停止干衣进程，只需要发出警报告知用户线屑累积较多，提示用户进行清理。

进一步的，所述时间阈值还包括第二时间阈值，第二时间阈值大于第一时间阈值；

所述能耗阈值还包括第二能耗阈值，第二能耗阈值大于第一能耗阈值；

步骤S4中，第一参数大于第二时间阈值，或者第二参数大于第二能耗阈值，进入步骤S6。

进一步的，步骤S6为：暂停干衣进程，发出警报提示用户清理线屑，清理完毕后继续干衣进程。

上述方案中，当第一参数大于第一时间阈值时，继续与第二时间阈值进行对比，或者第二参数大于第一能耗阈值时继续与第二能耗阈值进行对比，如果第一参数大于第二时间阈值，或者第二参数大于第二能耗阈值则说明线屑累计较多且对干衣机烘干效率影响较大，即使继续烘干也只能进一步提高干衣机的能耗而不能将衣物彻底烘干，此时暂停干衣进程，干衣机或者与干衣机通讯连接的移动终端向用户发出警报提示用户清理线屑，用户完成清理后干衣机继续未完成的干衣进程，提高了干衣机的智能化水平，避免干衣机在堵塞严重的情况下持续工作导致能耗增加，也避免干衣机长时间处于严重堵塞的状态下导致干衣机内部温度升高，产生安全隐患。

进一步的，所述第一时间阈值与第二时间阈值的比值范围为(1：1.3)-(1：2)；

所述第一能耗阈值与第二能耗阈值的比值范围为(1：1.3)-(1：2)。

优选的，第一时间阈值与第二时间阈值的比值为1：1.3；第一能耗阈值与第二能耗阈值之间的比值为1：1.3。

上述方案中，第一时间阈值和第二时间阈值的比值，以及第一能耗阈值和第二能耗阈值的比值为技术人员在大量研究的基础上得到的较为优选的比值范围，在此范围内能够较早的判断干衣机内部线屑的累积情况，及时提示用户进行清理，避免干衣机长时间运行而不能将衣物烘干导致能耗增大，提高了用户的使用体验。

进一步的，上述方案中的干衣参数至少包括，加热功率、送风功率、目标含水率。

本发明第二方面提供一种采用上述干衣机线屑累积情况智能判断方法的干衣机。

具体的，干衣机包括：

湿度传感器，用于检测衣物的含水率；

重量传感器，用户检测干衣机滚筒的重量变化，获取衣物的重量；

神经网络学习模块，预设于干衣机内部，与云端通讯连接，对云端储存的衣物重量、含水率、干衣参数与干衣机的运行能耗和运行时间之间的关系进行学习，并根据干衣机内衣物的重量、含水率和干衣参数匹配对应的时间阈值和能耗阈值。

优选的，神经网络学习模块集成于干衣机电脑板上。

上述方案中，湿度传感器和重量传感器分别获取衣物的含水率和重量，发送给电脑板，电脑板将含水率、重量和用户输入的干衣参数发送给神经网络学习模块，神经网络学习模块匹配对应的时间阈值和能耗阈值发送给电脑板，在干衣进程中电脑板将获取的第一参数和第二参数与时间阈值和能耗阈值进行对比，根据对比结果判断干衣机内线屑累积情况，控制干衣机执行对应的后续动作。

本发明的有益效果为：

神经网络学习模块从云端对衣物重量、含水率、干衣参数与干衣进程的运行能耗和运行时间之间的关系进行学习，进而根据干衣机内衣物的实际重量、含水率和干衣参数匹配相应的时间阈值和能耗阈值，电脑板将干衣进程实际的运行时间和运行能耗分别与时间阈值和能耗阈值进行对比，根据对比结果判断线屑的累积情况，能够更加准确的判断线屑的累积程度；时间阈值包括第一时间阈值和第二时间阈值，能耗阈值包括第一能耗阈值和第二能耗阈值，能够在根据干衣时间和干衣能耗判断累积的线屑是否堵塞风道的同时，进一步判断堵塞程度是否严重，在堵塞严重无法顺利完成对衣物的烘干时暂停干衣进程，待完成线屑清理后继续干衣进程，避免了干衣无法完成而干衣机持续运行导致能耗大幅提高，也避免干衣机长时间以堵塞状态运行产生安全隐患。

附图说明

图1为本发明所述干衣机线屑累积情况智能判断方法的流程图。

图2为本发明所述干衣机线屑累积情况智能判断方法的第一种流程图。

图3为本发明所述干衣机线屑累积情况智能判断方法的第二种流程图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施方式，本领域技术人员可以了解到的是，下列实施方式仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体式连接；可以是直接相连，也可以通过中间媒介间接相连，对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

本发明提供一种干衣机线屑累积情况智能判断方法，如图1所示，包括如下步骤：

S1、获取衣物重量和含水率；

S2、预设的神经网络学习模块根据衣物重量、含水率和干衣参数匹配干衣进程的时间阈值和能耗阈值；

S3、开始干衣进程，实时获取干衣进程的运行时间，定义为第一参数，实时获取干衣进程的运行能耗，定义为第二参数；

S4、将第一参数、第二参数分别与时间阈值和能耗阈值进行对比，根据对比结果判断线屑累积情况。

其中，神经网络学习模块与云端通讯连接，对云端储存的衣物重量、含水率、干衣参数与干衣进程的运行能耗和运行时间之间的关系进行学习，然后根据步骤S1获取的衣物重量、含水率以及干衣参数匹配对应的时间阈值和能耗阈值，然后再与干衣进程中实际消耗的时间和能耗进行对比，根据对比结果判断线屑的累积情况，能够更加准确的判断线屑的累积程度。

进一步的，以具体实施例的方式对本发明进行更加详细的描述和说明。

实施例一

作为本发明的一个实施例，本实施例提供干衣机线屑累积情况智能判断方法。

在本实施例中，神经网络学习模块预设于干衣机内，干衣参数为用户选择的烘干模式所对应的预设于烘干模式内的干衣参数。

进一步的，干衣机线屑累积情况智能判断方法的流程如图2所示，用户将衣物放入干衣机后，在控制面板上选择烘干模式，干衣机获取衣物重量和含水率，然后神经网络学习模块根据干衣机获取的衣物重量和含水率，以及用户选择的烘干模式对应预设的干衣参数匹配对应的时间阈值和能耗阈值，其中时间阈值为表示干衣机未被线屑堵塞时将衣物烘干所需的时间，能耗阈值表示干衣机未被线屑堵塞时将衣物烘干所消耗的能耗。

开始干衣进程后，干衣机实时获取干衣进程的运行时间和运行能耗，分别定义为第一参数和第二参数，电脑板将第一参数和第二参数分别与时间阈值和能耗阈值进行比较进而判断线屑是否在干衣机内产生堵塞，能够较为准确的得知线屑累积情况。

进一步的，时间阈值包括第一时间阈值，能耗阈值包括第一能耗阈值，电脑板将第一参数与第一时间阈值进行对比，同时将第二参数与第一能耗阈值进行对比，如果第一参数小于等于第一时间阈值，且第二参数小于等于第一能耗阈值，则说明此时处于正常的干衣进程，进一步检测衣物是否烘干，若否，则继续干衣进程，并继续获取干衣时间和干衣能耗，得到新的第一参数和第二参数，并再次与第一时间阈值和第二时间阈值进行对比，循环上述过程。

进一步的，当第一参数大于第一时间阈值，或者第二参数大于第一能耗阈值时，此时干衣时间或者干衣能耗超过了神经网络学习模块匹配的正常烘干所需的时间或者能耗，可以判断干衣机内部线屑累积较多产生了堵塞因而降低了烘干效率，此时进入步骤S5，干衣机发出警报提示用户清理线屑。

上述方案中，干衣机可以在判断干衣机内部线屑累积较多时立即发出警报，也可以在烘干结束后再向用户发出警报。

进一步的，干衣机与用户的移动终端通讯连接，移动终端内安装用于接收干衣机运行状态的程序，干衣机判断线屑累积较多时，通过移动终端提示用户清理线屑。

进一步的，上述方案中的干衣参数至少包括，加热功率、送风功率、目标含水率。

其中，目标含水率为判断干衣完成时衣物中的含水率。

进一步的，用户通过干衣机控制面板，或者与干衣机通讯连接的移动终端选择烘干模式，电脑板获取与烘干模式对应的干衣参数，并将干衣参数与衣物重量和含水率一同发送给神经网络学习模块。

进一步的，干衣机结束干衣进程的条件为，检测到衣物的实际含水率小于或者等于目标含水率。

实施例二

作为本发明的另一实施例，本实施例在实施例一的基础上进行了进一步改进，具体如下：

在本实施例中，干衣机线屑累积情况智能判断方法的流程如图3所示，时间阈值还包括第二时间阈值，能耗阈值还包括第二能耗阈值，第二时间阈值大于第一时间阈值，第二能耗阈值大于第一能耗阈值。

当第一参数大于第一时间阈值时，继续将第一参数与第二时间阈值进行对比，或者第二参数大于第一能耗阈值时，继续将第二参数与第二能耗阈值进行对比，如果第一参数小于等于第二时间阈值，或者第二参数小于等于第二能耗阈值，则干衣机仅向用户发出警报，继续干衣进程，同时继续获取干衣时间和干衣能耗，循环上述过程直至干衣结束。

在干衣进程结束前，如果检测到第一参数大于第二时间阈值，或者第二参数大于第二能耗阈值，则说明线屑堵塞较为严重，此时继续干衣进程也只能延长干衣时间，提高干衣能耗而并不能将衣物彻底烘干，因此基于安全和节能的考虑，进入步骤S6，暂停干衣进程，干衣机发出警报提示用户清理线屑，清理完毕后继续干衣进程。

或者作为上述方案的替代，与干衣机通讯连接的移动终端向用户发出警报，提示用户清理线屑。

上述方案中，用户清理线屑后可以通过干衣机的控制面板，或者移动终端控制干衣机继续干衣进程。

或者作为上述方案的替代，干衣机内设有用于清理线屑过滤器中线屑的清理装置，电脑板暂停干衣进程后，控制清理装置运行，对累积的线屑进行清理，完成清理后电脑板控制干衣机继续干衣进程。

上述方案中，干衣机在发现干衣机内线屑堵塞严重时自动控制清理装置开启，清理装置中的线屑，避免了用户无法及时清理导致干衣周期延长，提高了用户的使用体验和干衣机的智能化水平。

进一步的，电脑板暂停干衣进程后，干衣机通过与干衣机通讯连接的移动终端向用户发出警报，用户从移动终端选择是否执行清理，若是，则电脑板控制清理装置运行。

若否，则干衣进程暂停，待用户自行完成清理后继续干衣进程。

进一步的，上述方案中第一时间阈值与第二时间阈值的比值范围为(1： 1.3)-(1：2)；第一能耗阈值与第二能耗阈值的比值范围为(1：1.3)-(1：2)。

上述比值范围为技术人员在大量研究的基础上获得的较为优选的范围，在此范围内干衣机能够及时根据干衣时间和干衣能耗判断出线屑的累积情况，进而及时提示用户清理或者进行自动清理，避免干衣机长时间运行而不能将衣物烘干导致能耗显著增大，也避免长时间烘干产生安全隐患，提高了用户的使用体验。

实施例三

作为本发明的另一实施例，本实施例提供一种与实施例一相同的干衣机线屑累积情况智能判断方法，区别在于，在本实施例中，神经网络学习模块设于移动终端内。

具体的，干衣机将获取的衣物重量和含水率发送给与干衣机通讯连接的移动终端，移动终端根据衣物重量和含水率匹配干衣参数，设于移动终端内的神经网络学习模块根据衣物重量、含水率和干衣参数匹配干衣进程的时间阈值和能耗阈值，移动终端将时间阈值和能耗阈值发送给干衣机，干衣机根据干衣参数执行干衣进程。

或者作为上述方案的替代，用户根据移动终端收到的衣物重量和含水率设置干衣参数，神经网络学习模块根据衣物重量、含水率和干衣参数匹配干衣进程的时间阈值和能耗阈值。

进一步的，干衣机实时获取干衣进程的运行时间和运行能耗，分别定义为第一参数和第二参数，然后将第一参数和第二参数进行对比判断干衣机内线屑累积情况，如果第一参数小于第一时间阈值且第二参数小于第一能耗阈值，则继续获取运行时间和运行能耗，重复上述判断步骤。

如果第一参数大于第一时间阈值，或者第二参数大于第一能耗阈值，干衣机判断线屑累积较多，并把判断结果发送给移动终端，移动终端接收判断结果后提示用户进行处理，用户自主选择继续烘干或者执行清理步骤。

上述方案中，清理步骤为干衣机驱动清理装置自动清理线屑。

或者作为上述方案的替代，第一参数大于第一时间阈值，或者第二参数大于第一能耗阈值，干衣机将比较结果发送给移动终端，移动终端对比较结果进行分析判断线屑累积情况并提示用户进行处理。

实施例四

作为本发明的另一实施例，本实施例提供一种与实施例一相同的干衣机线屑累积情况智能判断方法，区别在于，在本实施例中，干衣机与云端通讯连接。

具体为，干衣机从云端获取与衣物重量和含水率相匹配的干衣参数，然后神经网络学习模块根据衣物重量、含水率和干衣参数匹配干衣进程的能耗和能耗阈值，干衣机根据干衣参数执行干衣进程。本发明还提供一种具有上述干衣机线屑累积情况智能判断方法的干衣机，具体为：

实施例五

作为本发明的另一实施例，本实施提供一种具有如实施例二所述线屑累积情况智能判断方法的干衣机。

在本实施例中，干衣机包括，

湿度传感器，用于检测衣物的含水率；

重量传感器，用户检测干衣机滚筒的重量变化，获取衣物的重量；

神经网络学习模块，预设于干衣机内部，与云端通讯连接，对云端储存的衣物重量、含水率、干衣参数与干衣机的运行能耗和运行时间之间的关系进行学习，并根据干衣机内衣物的重量、含水率和干衣参数匹配对应的时间阈值和能耗阈值。

优选的，神经网络学习模块集成于干衣机电脑板上。

上述方案中，湿度传感器和重量传感器分别获取衣物的含水率和重量，发送给电脑板，电脑板将含水率、重量和用户输入的干衣参数发送给神经网络学习模块，神经网络学习模块匹配对应的时间阈值和能耗阈值发送给电脑板，在干衣进程中电脑板将获取的第一参数和第二参数与时间阈值和能耗阈值进行对比，根据对比结果判断干衣机内线屑累积情况，控制干衣机执行对应的后续动作。

实施例六

作为本发明的另一实施例，本实施提供一种具有如实施例三所述线屑累积情况智能判断方法的干衣机，干衣机的结构与实施例四相同，区别在于，神经网络学习模块预设于移动终端内。

具体的，湿度传感器和重量传感器分别获取衣物的含水率和重量，干衣机将含水率和重量发送给移动终端，移动终端根据衣物的含水率和重量匹配干衣参数自行匹配干衣参数，或者用户根据衣物的含水率和重量自行设定干衣参数，神经网络学习模块匹配对应的时间阈值和能耗阈值发送给电脑板。

以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，上述实施例中的实施方案也可以进一步组合或者替换，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。

Claims (10)

1.一种干衣机线屑累积情况智能判断方法，其特征在于，包括如下步骤：

S1、获取衣物重量和含水率；

S2、预设的神经网络学习模块根据衣物重量、含水率和干衣参数匹配干衣进程的时间阈值和能耗阈值；

S3、开始干衣进程，实时获取干衣进程的运行时间，定义为第一参数，实时获取干衣进程的运行能耗，定义为第二参数；

S4、将第一参数、第二参数分别与时间阈值和能耗阈值进行对比，根据对比结果判断线屑累积情况。

2.根据权利要求1所述的干衣机线屑累积情况智能判断方法，其特征在于，步骤S2中，神经网络学习模块与云端通讯连接，对云端储存的衣物重量、含水率、干衣参数与干衣机的运行能耗和运行时间之间的关系进行学习。

3.根据权利要求1所述的干衣机线屑累积情况智能判断方法，其特征在于，所述时间阈值包括第一时间阈值，所述能耗阈值包括第一能耗阈值；

步骤S4中，第一参数小于等于第一时间阈值，或者第二参数小于等于第一能耗阈值，返回步骤S3。

4.根据权利要求3所述的干衣机线屑累积情况智能判断方法，其特征在于，步骤S4中，第一参数大于第一时间阈值，或者第二参数大于第一能耗阈值，进入步骤S5。

5.根据权利要求3所述的干衣机线屑累积情况智能判断方法，其特征在于，步骤S5为：发出警报，提示用户清理线屑。

6.根据权利要求2-5任一所述的干衣机线屑累积情况智能判断方法，其特征在于，所述时间阈值还包括第二时间阈值，第二时间阈值大于第一时间阈值；

所述能耗阈值还包括第二能耗阈值，第二能耗阈值大于第一能耗阈值；

步骤S4中，第一参数大于第二时间阈值，或者第二参数大于第二能耗阈值，进入步骤S6。

7.根据权利要求6所述的干衣机线屑累积情况智能判断方法，其特征在于，步骤S6为：暂停干衣进程，发出警报提示用户清理线屑，清理完毕后继续干衣进程。

8.根据权利要求6所述的干衣机线屑累积情况智能判断方法，其特征在于，所述第一时间阈值与第二时间阈值的比值范围为(1：1.3)-(1：2)；

所述第一能耗阈值与第二能耗阈值的比值范围为(1：1.3)-(1：2)。

9.根据权利要求1-8任一所述的干衣机线屑累积情况智能判断方法，其特征在于，所述干衣参数包括，加热功率，送风功率、目标含水率。

10.一种干衣机，其特征在于，采用如权利要求1-9任一所述的干衣机线屑累积情况智能判断方法。

Images