CN116542161B - 电子烟雾化器寿命分析方法 - Google Patents
电子烟雾化器寿命分析方法 Download PDFInfo
- Publication number
- CN116542161B CN116542161B CN202310580218.8A CN202310580218A CN116542161B CN 116542161 B CN116542161 B CN 116542161B CN 202310580218 A CN202310580218 A CN 202310580218A CN 116542161 B CN116542161 B CN 116542161B
- Authority
- CN
- China
- Prior art keywords
- electronic cigarette
- item
- atomizer
- service life
- scrapped
- 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
Links
- 239000003571 electronic cigarette Substances 0.000 title claims abstract description 291
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 25
- 238000005086 pumping Methods 0.000 claims description 23
- 238000010438 heat treatment Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000000889 atomisation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 239000000779 smoke Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 229910000838 Al alloy Inorganic materials 0.000 claims description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 2
- 229910052744 lithium Inorganic materials 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 235000019504 cigarettes Nutrition 0.000 description 5
- 241000208125 Nicotiana Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- DNIAPMSPPWPWGF-UHFFFAOYSA-N Propylene glycol Chemical compound CC(O)CO DNIAPMSPPWPWGF-UHFFFAOYSA-N 0.000 description 3
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 3
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 2
- 229960002715 nicotine Drugs 0.000 description 2
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000711 cancerogenic effect Effects 0.000 description 1
- 231100000315 carcinogenic Toxicity 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Abstract
本发明涉及一种电子烟雾化器寿命分析方法，包括：构建执行电子烟雾化器寿命的智能分析的智能预测模型；采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命；以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号。本发明的电子烟雾化器寿命分析方法逻辑紧凑、运行智能。由于能够在电子烟用户当前使用电子烟时，根据电子烟的配置数据以及电子烟在当前之前的各项使用信息智能预测电子烟雾化器的使用寿命，进而解析出相应的剩余使用时长，从而方便电子烟用户提前进行各项使用部署。
Description
技术领域
本发明涉及电子烟领域，尤其涉及一种电子烟雾化器寿命分析方法。
背景技术
电子烟是一种模仿卷烟的电子产品，电子烟虽不含焦油，但仍有其他多种致癌物质，有着与卷烟一样的外观、烟雾、味道和感觉。一般地，电子烟主要由烟液(含尼古丁、香精、溶剂丙二醇等)、雾化器、电源和过滤嘴四部分组成，通过加热雾化产生具有特定气味的气溶胶供烟民使用。从广义来说，电子烟是指电子尼古丁递送系统，包括电子烟、水烟筒、水烟笔等多种形式。从狭义来说，电子烟单指外形与卷烟相似的便携式电子烟。
雾化器是直接影响电子烟寿命的最关键部件。但是，作为电子烟的用户，由于电子烟内部结构的差异，以及电子烟使用情况的不同，即使是同一型号的电子烟，在使用时也无法预知在本次使用过程中其雾化器是否会发生故障，是否会导致电子烟的报废，一旦发生故障，将影响用户的本次的使用体验，如果能够预知本次使用会发生故障，可以提前更换电子烟或者提取对电子烟进行维护。由此可见，需要一种与电子烟雾化器相关的寿命分析方案，为电子烟用户提供必要的寿命关联信息，从而方便电子烟用户提前进行各项使用部署。
发明内容
为了解决相关领域的技术问题，本发明提供了一种电子烟雾化器寿命分析方法，能够在电子烟用户当前使用电子烟时，根据电子烟的配置数据以及电子烟在当前之前的各项使用信息采用智能预测模型预测电子烟雾化器的使用寿命，进而解析出相应的剩余使用时长，从而为电子烟用户提供电子烟雾化器寿命的重要数据，避免影响电子烟用户的使用体验。
根据本发明的一方面，提供了一种电子烟雾化器寿命分析方法，所述方法包括：
在电子烟使用过程中录入所述电子烟的各项使用数据，所述电子烟的各项使用数据包括所述电子烟历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长；
获取电子烟的各项配置信息，所述电子烟的各项配置信息包括所述电子烟的储油仓容积、雾化器内雾化芯的阻值、最大电池容量、电池工作电压以及电池杆长度；
构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比；
采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命；
以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号；
其中，构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用各件报废电子烟的各项使用内容分别执行所述各次训练动作；
其中，采用各件报废电子烟的各项使用内容分别执行所述各次训练动作包括：针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据；
其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出。
由此可见，本发明至少具备以下三处有益的关键的发明点：
发明点A：针对包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片的定制结构的电子烟，设计智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命；
发明点B：以当前时刻对应的电子烟历史使用时长作为过往使用时长，在智能预测的电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号，从而在每一次使用电子烟时准确获知电子烟的剩余使用时长，减少对用户正常使用的影响；
发明点C：设定的智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与电子烟的储油仓容积成正比，从而获取适用于不同电子烟结构的自适应的智能预测模型的模型结构。
本发明的电子烟雾化器寿命分析方法逻辑紧凑、运行智能。由于能够在电子烟用户当前使用电子烟时，根据电子烟的配置数据以及电子烟在当前之前的各项使用信息智能预测电子烟雾化器的使用寿命，进而解析出相应的剩余使用时长，从而方便电子烟用户提前进行各项使用部署
附图说明
以下将结合附图对本发明的实施例进行描述，其中：
图1为根据本发明第一实施例示出的电子烟雾化器寿命分析方法的步骤流程图。
图2为根据本发明第二实施例示出的电子烟雾化器寿命分析方法的步骤流程图。
图3为根据本发明第三实施例示出的电子烟雾化器寿命分析方法的步骤流程图。
具体实施方式
下面将参照附图对本发明的电子烟雾化器寿命分析方法的实施例进行详细说明。
图1为根据本发明第一实施例示出的电子烟雾化器寿命分析方法的步骤流程图，所述方法包括：
第一步骤：在电子烟使用过程中录入所述电子烟的各项使用数据，所述电子烟的各项使用数据包括所述电子烟历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长；
示例地，可以采用多个不同录入单元，用于分别录入所述电子烟历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长；
第二步骤：获取电子烟的各项配置信息，所述电子烟的各项配置信息包括所述电子烟的储油仓容积、雾化器内雾化芯的阻值、最大电池容量、电池工作电压以及电池杆长度；
示例地，可以通过读取电子烟的内置存储单元以获得所述电子烟的储油仓容积、雾化器内雾化芯的阻值、最大电池容量、电池工作电压以及电池杆长度；
第三步骤：构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比；
第四步骤：采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命；
第五步骤：以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号；
其中，构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用各件报废电子烟的各项使用内容分别执行所述各次训练动作；
其中，采用各件报废电子烟的各项使用内容分别执行所述各次训练动作包括：针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据；
其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出；
其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长包括：获取所述电子烟历史上各次使用分别对应的多个使用时长，对所述多个使用时长进行累计以获得所述电子烟的历史使用时长；
其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长还包括：获取所述电子烟历史上各次抽吸分别对应的多个抽吸时长，对所述多个抽吸时长进行算术平均值的计算处理以获得所述电子烟的单次抽吸平均时长；
其中，获取所述电子烟历史上各次抽吸分别对应的多个抽吸时长，对所述多个抽吸时长进行算术平均值的计算处理以获得所述电子烟的单次抽吸平均时长包括：所述电子烟的每一次使用包括多次抽吸动作；
其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长还包括：获取所述电子烟历史上各次使用分别对应的多个加热温度，对所述多个加热温度进行算术平均值的计算处理以获得所述电子烟的平均加热温度；
以及其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出包括：所述电池为可更换锂电池，所述电池杆为铝合金一体拉伸结构。
图2为根据本发明第二实施例示出的电子烟雾化器寿命分析方法的步骤流程图。
与根据本发明第一实施例相比，本发明第二实施例示出的电子烟雾化器寿命分析方法还可以包括以下步骤：
在接收到所述报废预警信号的同时，即在第五步骤之后，以红色高亮模式显示所述电子烟使用寿命与所述过往使用时长的差值，所述步骤在图2中以第六步骤列在第五步骤之后；
类似地，在接收到所述健康使用信号的同时，以蓝色低亮模式显示所述电子烟使用寿命与所述过往使用时长的差值，从而为电子烟用户提供有价值的参考信息。
图3为根据本发明第三实施例示出的电子烟雾化器寿命分析方法的步骤流程图。
与根据本发明第一实施例相比，本发明第三实施例示出的电子烟雾化器寿命分析方法还可以包括以下步骤：
在以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号之前，即在第五步骤之前：
第七步骤：采用设置在电子烟的电池杆内的阈值存储芯片以预先存储所述限定时长阈值。
接着，继续对本发明的电子烟雾化器寿命分析方法的具体流程进行进一步的说明。
在根据本发明任一实施例的电子烟雾化器寿命分析方法中：
采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命包括：将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内；
其中，采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命还包括：运行所述智能预测模型以获得其输出的电子烟使用寿命。
在根据本发明任一实施例的电子烟雾化器寿命分析方法中：
将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内包括：在将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内之前，对电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据进行同步八进制数值转换处理；
其中，运行所述智能预测模型以获得其输出的电子烟使用寿命包括：其输出的电子烟使用寿命为八进制数值表示形式。
在根据本发明任一实施例的电子烟雾化器寿命分析方法中：
所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用信息转换公式表示所述设定数量的取值与所述电子烟的储油仓容积成正比的信息对应关系。
在根据本发明任一实施例的电子烟雾化器寿命分析方法中：
采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命包括：采用数值仿真模式实现对采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命的处理过程的仿真和测试。
以及在根据本发明任一实施例的电子烟雾化器寿命分析方法中：
针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据包括：在所述训练动作中，将所述单件报废电子烟的报废前使用总时长作为深度神经网络的输出数据；
其中，针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据包括：在所述训练动作中，将所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据作为深度神经网络的输入数据。
另外，在所述电子烟雾化器寿命分析方法中，采用数值仿真模式实现对采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命的处理过程包括：采用MATLAB工具箱实现对采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命的处理过程的仿真和测试；
以及其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出还包括：所述电池工作电压为3V，所述电池的单节容量为3500mAh。
这里虽参照附图详述了本发明的具体实施方式，但应理解，本发明不限于这些精密的实施例，它们不准备把本发明穷举或限于所揭示的精密形式，因而众多修正与变化是显而易见的。
Claims (9)
1.一种电子烟雾化器寿命分析方法，其特征在于，所述方法包括：
在电子烟使用过程中录入所述电子烟的各项使用数据，所述电子烟的各项使用数据包括所述电子烟历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长；
获取电子烟的各项配置信息，所述电子烟的各项配置信息包括所述电子烟的储油仓容积、雾化器内雾化芯的阻值、最大电池容量、电池工作电压以及电池杆长度；
构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比；
采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命；
以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号；
其中，构建执行电子烟雾化器寿命的智能分析的智能预测模型，所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用各件报废电子烟的各项使用内容分别执行各次训练动作；
其中，采用各件报废电子烟的各项使用内容分别执行所述各次训练动作包括：针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据；
其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出。
2.如权利要求1所述的电子烟雾化器寿命分析方法，其特征在于：
所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长包括：获取所述电子烟历史上各次使用分别对应的多个使用时长，对所述多个使用时长进行累计以获得所述电子烟的历史使用时长；
其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长还包括：获取所述电子烟历史上各次抽吸分别对应的多个抽吸时长，对所述多个抽吸时长进行算术平均值的计算处理以获得所述电子烟的单次抽吸平均时长；
其中，获取所述电子烟历史上各次抽吸分别对应的多个抽吸时长，对所述多个抽吸时长进行算术平均值的计算处理以获得所述电子烟的单次抽吸平均时长包括：所述电子烟的每一次使用包括多次抽吸动作；
其中，所述电子烟的各项使用数据包括所述电子烟的历史使用时长、抽吸次数、平均加热温度以及单次抽吸平均时长还包括：获取所述电子烟历史上各次使用分别对应的多个加热温度，对所述多个加热温度进行算术平均值的计算处理以获得所述电子烟的平均加热温度；
其中，所述电子烟包括雾化器、储油仓、充电口、电池、电池杆、电路板以及控制芯片，所述雾化器包括雾化芯，所述雾化器用于将所述储油仓内的烟液进行加热以蒸发为蒸汽并输出包括：所述电池为可更换锂电池，所述电池杆为铝合金一体拉伸结构。
3.如权利要求2所述的电子烟雾化器寿命分析方法，其特征在于，所述方法还包括：
在接收到所述报废预警信号的同时，以红色高亮模式显示所述电子烟使用寿命与所述过往使用时长的差值。
4.如权利要求2所述的电子烟雾化器寿命分析方法，其特征在于，所述方法还包括：
在以当前时刻对应的电子烟历史使用时长作为过往使用时长，在所述电子烟使用寿命与所述过往使用时长的差值小于等于限定时长阈值时，发出报废预警信号，否则，发出健康使用信号之前：
采用设置在电子烟的电池杆内的阈值存储芯片以预先存储所述限定时长阈值。
5.如权利要求2-4任一所述的电子烟雾化器寿命分析方法，其特征在于：
采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命包括：将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内；
其中，采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命还包括：运行所述智能预测模型以获得其输出的电子烟使用寿命。
6.如权利要求2-4任一所述的电子烟雾化器寿命分析方法，其特征在于：
将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内包括：在将电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据并行输入到所述智能预测模型内之前，对电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据进行同步八进制数值转换处理；
其中，运行所述智能预测模型以获得其输出的电子烟使用寿命包括：其输出的电子烟使用寿命为八进制数值表示形式。
7.如权利要求2-4任一所述的电子烟雾化器寿命分析方法，其特征在于：
所述智能预测模型为经过设定数量的各次训练后的深度神经网络，所述设定数量的取值与所述电子烟的储油仓容积成正比包括：采用信息转换公式表示所述设定数量的取值与所述电子烟的储油仓容积成正比的信息对应关系。
8.如权利要求2-4任一所述的电子烟雾化器寿命分析方法，其特征在于：
采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命包括：采用数值仿真模式实现对采用所述智能预测模型以基于电子烟的各项配置信息以及当前时刻之前电子烟的各项使用数据智能预测电子烟使用寿命的处理过程的仿真和测试。
9.如权利要求2-4任一所述的电子烟雾化器寿命分析方法，其特征在于：
针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据包括：在所述训练动作中，将所述单件报废电子烟的报废前使用总时长作为深度神经网络的输出数据；
其中，针对每一次训练动作使用单件报废电子烟的使用内容，所述单件报废电子烟的使用内容包括所述单件报废电子烟的报废前使用总时长，同时还包括所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据包括：在所述训练动作中，将所述单件报废电子烟的各项配置信息以及所述单件报废电子烟在报废前的使用过程中的各项使用数据作为深度神经网络的输入数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310580218.8A CN116542161B (zh) | 2023-05-22 | 2023-05-22 | 电子烟雾化器寿命分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310580218.8A CN116542161B (zh) | 2023-05-22 | 2023-05-22 | 电子烟雾化器寿命分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116542161A CN116542161A (zh) | 2023-08-04 |
| CN116542161B true CN116542161B (zh) | 2024-01-05 |
Family
ID=87454101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310580218.8A Active CN116542161B (zh) | 2023-05-22 | 2023-05-22 | 电子烟雾化器寿命分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116542161B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110002521U (ko) * | 2010-12-15 | 2011-03-10 | 윤성훈 | 전자담배의 표시장치 |
| WO2015103797A1 (zh) * | 2014-01-13 | 2015-07-16 | 吉瑞高新科技股份有限公司 | 限定使用寿命的电子烟及限定电子烟使用寿命的方法 |
| CN106998808A (zh) * | 2014-08-22 | 2017-08-01 | 富特姆4有限公司 | 用于控制加热元件的方法、系统和装置 |
| CN110045599A (zh) * | 2019-05-31 | 2019-07-23 | 合肥微纳传感技术有限公司 | 一种电子烟烟雾质量和流量控制系统及控制方法 |
| EP3863452A1 (en) * | 2018-10-12 | 2021-08-18 | Ayr Ltd | Electronic vaping system |
| CN115137109A (zh) * | 2022-07-04 | 2022-10-04 | 深圳市华冠科讯电子有限公司 | 一种基于ai记忆功能的雾化器芯片控制系统 |
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN115983510A (zh) * | 2023-03-22 | 2023-04-18 | 石家庄斯坦德优检测技术有限公司 | 基于ai预测模型的密封构件寿命评估系统及方法 |
| CN116049664A (zh) * | 2022-12-09 | 2023-05-02 | 湘西自治州众康电子科技有限公司 | 一种基于深度学习的电子烟种类识别方法、系统及可读介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3581040B1 (en) * | 2018-04-18 | 2022-05-11 | Shenzhen Smoore Technology Limited | Electronic cigarette, atomizing core, atomizer, and electronic cigarette control method |
-
2023
- 2023-05-22 CN CN202310580218.8A patent/CN116542161B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110002521U (ko) * | 2010-12-15 | 2011-03-10 | 윤성훈 | 전자담배의 표시장치 |
| WO2015103797A1 (zh) * | 2014-01-13 | 2015-07-16 | 吉瑞高新科技股份有限公司 | 限定使用寿命的电子烟及限定电子烟使用寿命的方法 |
| CN106998808A (zh) * | 2014-08-22 | 2017-08-01 | 富特姆4有限公司 | 用于控制加热元件的方法、系统和装置 |
| EP3863452A1 (en) * | 2018-10-12 | 2021-08-18 | Ayr Ltd | Electronic vaping system |
| CN110045599A (zh) * | 2019-05-31 | 2019-07-23 | 合肥微纳传感技术有限公司 | 一种电子烟烟雾质量和流量控制系统及控制方法 |
| WO2023284453A1 (zh) * | 2021-07-15 | 2023-01-19 | 崔跃芹 | 一种基于累计耗损量的充电电池寿命预测方法、装置、电子设备及可读存储介质 |
| CN115137109A (zh) * | 2022-07-04 | 2022-10-04 | 深圳市华冠科讯电子有限公司 | 一种基于ai记忆功能的雾化器芯片控制系统 |
| CN116049664A (zh) * | 2022-12-09 | 2023-05-02 | 湘西自治州众康电子科技有限公司 | 一种基于深度学习的电子烟种类识别方法、系统及可读介质 |
| CN115983510A (zh) * | 2023-03-22 | 2023-04-18 | 石家庄斯坦德优检测技术有限公司 | 基于ai预测模型的密封构件寿命评估系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116542161A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104123325B (zh) | 多媒体文件的推荐方法和推荐服务器 | |
| CN105005204B (zh) | 可自动触发智能家居和智慧生活情景的智能引擎系统及方法 | |
| CN106028848B (zh) | 一种电子烟控制方法及电子烟 | |
| US9820509B2 (en) | Electronic cigarette with encoded cartridge | |
| CN104301499B (zh) | 移动终端电池电量记录分析方法、装置、平台及移动终端 | |
| CN104095296B (zh) | 具蓝牙模块的可辅助用户戒烟的烟嘴及智能系统 | |
| CN102566740A (zh) | 具有情绪识别功能的电子装置及其输出控制方法 | |
| KR20170009052A (ko) | 전자 담배, 데이터 처리 장치, 그들을 이용한 흡연량 측정 방법 및 흡연 관리 시스템 | |
| CN105844101A (zh) | 一种基于智能手表的情绪数据处理方法、系统及智能手表 | |
| CN104866511B (zh) | 一种添加多媒体文件的方法及设备 | |
| CN104954236B (zh) | 为主题事件生成传播路径的信息的方法和装置 | |
| CN104298679A (zh) | 应用业务推荐方法及装置 | |
| CN112568497A (zh) | 一种电子烟烟油信息处理方法、系统及电子烟 | |
| CN108388600A (zh) | 化妆品推荐方法及相关装置 | |
| CN113687250A (zh) | 电芯容量预测方法、装置、电子设备及介质 | |
| CN104268130B (zh) | 一种面向Twitter的社交广告可投放性分析方法 | |
| CN103473036B (zh) | 一种输入法皮肤推送方法及系统 | |
| CN110110134A (zh) | 一种音乐推荐信息的生成方法、系统及相关组件 | |
| CN116542161B (zh) | 电子烟雾化器寿命分析方法 | |
| US20200286153A1 (en) | Information recommendation method and server | |
| JP2010146223A (ja) | 行動抽出システム、行動抽出方法、及びサーバ | |
| CN110085319A (zh) | 用于提供对个体健康的指示的系统和方法 | |
| CN108733791A (zh) | 网络事件检测方法 | |
| CN109241410A (zh) | 一种文章推荐方法和装置 | |
| CN110522079A (zh) | 确定电子烟输出功率的方法、电子烟及计算机存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231109 Address after: No. 50 Dinghui Garden, Puchang Road, Jiangbei New District, Nanjing City, Jiangsu Province, 210000 Applicant after: Nanjing Tianlu Internet Technology Co.,Ltd. Address before: No.15, Jinhui Road, Jinsha community, Kengzi street, Pingshan New District, Shenzhen, Guangdong 518000 Applicant before: Wang Conghe |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231218 Address after: 518000, Guangdong Province, China. Building G, Wanfeng West Entrepreneurship Park, Shajing Street, Bao'an District, Shenzhen City, Guangdong Province, has two, three, and four floors (with business premises located on the third and fourth floors of Building 9, Changxing Science and Technology Park, Shayi Community, Shajing Street, engaged in production and business activities) Applicant after: Shenzhen pinrui Technology Co.,Ltd. Address before: No. 50 Dinghui Garden, Puchang Road, Jiangbei New District, Nanjing City, Jiangsu Province, 210000 Applicant before: Nanjing Tianlu Internet Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |