CN116888420A - 用于控制冰箱操作的方法和冰箱 - Google Patents
用于控制冰箱操作的方法和冰箱 Download PDFInfo
- Publication number
- CN116888420A CN116888420A CN202280015392.1A CN202280015392A CN116888420A CN 116888420 A CN116888420 A CN 116888420A CN 202280015392 A CN202280015392 A CN 202280015392A CN 116888420 A CN116888420 A CN 116888420A
- Authority
- CN
- China
- Prior art keywords
- door opening
- refrigerator
- time
- temperature
- period
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 131
- 238000001816 cooling Methods 0.000 claims abstract description 101
- 238000007710 freezing Methods 0.000 claims abstract description 23
- 230000008014 freezing Effects 0.000 claims abstract description 23
- 238000005057 refrigeration Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000002955 isolation Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 66
- 238000012706 support-vector machine Methods 0.000 claims description 24
- 238000005070 sampling Methods 0.000 claims description 15
- 238000009499 grossing Methods 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 14
- 238000003780 insertion Methods 0.000 claims description 14
- 230000037431 insertion Effects 0.000 claims description 14
- 238000010257 thawing Methods 0.000 claims description 13
- 230000004913 activation Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000003213 activating effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 230000008672 reprogramming Effects 0.000 claims description 4
- 235000013305 food Nutrition 0.000 description 24
- 230000006870 function Effects 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000001994 activation Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000010794 food waste Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
- F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
- F25B49/022—Compressor control arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D21/00—Defrosting; Preventing frosting; Removing condensed or defrost water
- F25D21/002—Defroster control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2700/00—Means for sensing or measuring; Sensors therefor
- F25D2700/02—Sensors detecting door opening
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2700/00—Means for sensing or measuring; Sensors therefor
- F25D2700/12—Sensors measuring the inside temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2700/00—Means for sensing or measuring; Sensors therefor
- F25D2700/14—Sensors measuring the temperature outside the refrigerator or freezer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
披露了一种用于控制冰箱(1)的操作的方法(100),该冰箱包括:柜体(2),该柜体限定制冷和/或冷冻区域;隔离门(3),隔离门打开和关闭柜体(2)的制冷和/或冷冻区域;门打开传感器(31);以及冷却系统(5),该冷却系统被配置成修改制冷和/或冷冻区域的温度;方法(100)包括以下步骤:在确定时段期间藉由门打开传感器(31)监测门(31)的打开和关闭;生成(206)在前一步骤中监测的时间内的门打开概率分布(206a);以及根据门打开概率分布(206a)维持或修改冷却系统(5)的操作。
Description
技术领域
本发明涉及一种用于检测门打开模式和检测门打开时的热负载插入以控制冰箱的操作的方法。该方法可以应用于具有控制器的冰箱,该控制器用于控制冰箱的制冷操作,包括对能够影响控制结果的并行事件的充分处理。
背景技术
在家用冰箱中,尽管在用户界面中选择了操作设定点,但当前控制算法没有有效地考虑消费者的习惯和偏好。日常生活对产品性能也有很大影响,特别是考虑到随时间推移的温度一致性,这会对食品保存产生影响。
另外,当前控制算法不考虑是晚上还是白天,总是应用相同的逻辑来确定期望的压缩机和风扇速度以达到期望的温度。也就是说,当比较一天中的活动时间和一天中的休息时间时,消费者检测到的冰箱操作的听的见的声压是相同的。
单独应用光传感器来确定夜间时间在现有技术中是已知的,但是本领域技术人员还知道,通常人们可能具有不同的睡眠时间表,并且因此具有在测量入射光之前识别消费者行为的算法,将适应针对不同睡眠时间表的操作。
现有的解决方案之一在文件US2015/0226475 A1中找到,该文件描述了一种冰箱和一种控制方法,该控制方法能够基于用户最近使用冰箱的标准来单独控制储藏隔室内接下来24小时的温度。
另一种解决方案可以在US 6,739,146 B1中找到,其披露了一种控制方法,该控制方法基于已经完成的循环来确定相继的冰箱除霜或除霜循环事件之间的理想间隔以及每个除霜循环的持续时间。
在本文件中,控制器将关于每个前一除霜的持续时间和与其之间的间隔的信息存储在存储器中。如果前一循环小于预定时段,则表明冰堆积最少,控制器则将允许除霜系统的相继激活之间的间隔更长。这样,控制器可以优化冰箱的除霜操作,使得系统内的食物不会经受恒定的温度变化。
EP 1 710 522 B1中披露了又一种发展,涉及一种用于深度冷冻含水食品的设备,该设备适于提前指示在限定位置及在给定食品上或在给定食品内(如通过适当的温度传感器检测到的)某个温度达到低于冰点温度的预定值所需的时间,以及达到该温度时的时间。
该文件揭示了使用与相应的算法一起在神经网络中编程的限定数量的测量瞬间和对应的先前测量间隔来应用多个相继测量和相关联的处理步骤。
因此,本领域技术人员将理解,旨在维持稳定的温度设定点或对冰箱应用不同操作模式的当前控制算法没有充分考虑用户与产品的交互。例如,这意味着控制算法仅改变压缩机和风扇的速度来实现温度控制结果。
鉴于以上内容,显然,现有技术仍缺乏针对对能够影响冰箱的制冷操作控制结果的并行事件进行充分处理的控制方法的有效技术方案。
发明内容
鉴于这种情况,本发明提出了一种用于考虑并行事件控制冰箱操作的方法,这些并行事件能够在冰箱的噪声水平、冰箱除霜、冰箱温度稳定性、冰箱快速冷却、冰箱易用性方面有效且充分地影响控制结果。
本发明似乎还提供了较小的温度波动、归功于较小的温度波动的较低的能量消耗以及归功于在冰箱长时间不使用的情况下正确激活休假模式的较低的能量消耗。
而且,本发明旨在由于较小的温度波动而提高所储存的食物的新鲜度并减少食物浪费,这尤其对于与本发明的范围相关的领域的技术人员来说将是显而易见的。
本发明的上述一个或多个目的尤其是藉由一种用于控制冰箱操作的方法来实现的,该冰箱包括:柜体,该柜体确定制冷和/或冷冻区域;隔离门,该隔离门打开和关闭柜体的制冷和/或冷冻区域;门打开传感器;以及冷却系统,该冷却系统被配置成修改制冷和/或冷冻区域的温度。
根据本发明,该方法包括以下步骤:
-在确定时段期间藉由门打开传感器监测门的打开和关闭;
-生成在前一步骤中监测的时间内的门打开概率分布;以及
-根据门打开概率分布维持或修改冷却系统的操作。
另外,该方法包括以下步骤:
-在门打开计数器中针对一天中的每个小时对1小时时段内的门打开数量进行计数;
-将全天计数的门打开数量连续存储在局部向量中,该局部向量具有分别与一天中每个1小时时段相关的位置;
-将门打开事件的移动平均数量连续计数并存储在全局向量中,该全局向量具有分别与每天中每个1小时时段相关的位置;以及
-生成门打开概率分布向量,该门打开概率分布向量对应于全局向量的门打开事件的移动平均数量、具有分别与每天中每个1小时时段相关的位置。
在一个实施例中,该方法包括以下步骤:
-监测冰箱的内部温度传感器并读取与所测量的内部温度相对应的值;
-计算平滑后的温度的指数加权平均值;
-计算所测量的内部温度与所计算的平滑后的温度的指数加权平均值之间的当前温度差;以及
-确定与冰箱柜体内的热交换率相关的值;
-考虑单个门打开;以及
每次计算当前温度差时,
-确定并更新门打开后随时间推移所计算的温度差值中当前温度差的最大值;以及
-根据门打开后随时间推移所计算的温度导数值计算温度导数的平均值。
接着,在一个实施例中,该方法包括以下步骤:
-将支持向量机技术应用于当前温度差的最大值和温度导数的平均值;以及
对于大于或等于零的支持向量机结果,
-确定门打开时冰箱中出现热负载插入;
在门打开时出现冰箱的热负载插入期间,
-将冷却系统配置成在与门打开之前的时段的冷却速率相比更高的冷却速率下操作。
而且,本发明的上述一个或多个目的尤其是藉由一种冰箱来实现,该冰箱包括:柜体,该柜体确定制冷和/或冷冻区域;隔离门,该隔离门打开和关闭柜体的制冷和/或冷冻区域;门打开传感器;以及冷却系统,该冷却系统被配置成修改制冷和/或冷冻区域的温度;以及至少一个控制器,该至少一个控制器被配置成作用于冷却系统;控制器被配置成执行冰箱控制方法。
冰箱还包括:具有加热元件的冷却系统,该加热元件被配置成对冰箱进行除霜;操作模式激活元件;冰箱储藏柜体的内部温度传感器、冰箱的外部环境温度传感器;以及控制器,该控制器被配置成接收来自传感器和操作模式激活元件的读数并且被配置成至少作用于冷却系统和/或加热元件。
附图说明
根据结合以下附图进行的以下描述,其他实施例、系统、方法、特征和方面将是显然的:
-图1展示了本发明的方法的实施例,其具有用于检测冰箱的门打开模式的门打开概率分布向量;
-图2和图2a展示了本发明的方法的实施例,其具有用于检测冰箱的门打开模式的校正的门打开概率分布向量。图2b展示了未校正的门打开概率分布向量的两个示例;
-图3和图3a示出了本发明的用于检测具有减少的门打开模式的时段的实施例;
-图4展示了本发明的用于检测向量中与具有最频繁减少的门打开模式的时段相对应的区域以选择和应用夜间时段的实施例;
-图5示出了本发明的根据具有减少的门打开模式的时段在压缩机中应用操作模式;
-图6示出了本发明的激活对冰箱进行除霜的开始时间的校正时间的实施例;
-图7示出了本发明的冰箱的休假模式的实施例;
-图8展示了本发明的根据冰箱的内部温度与外部环境之间的差在冰箱中应用操作模式;
-图9是本发明的用于设置柜体内部的热交换率以检测冰箱中的热负载的实施例的图示;
-图9a展示了本发明的一组分类步骤中指数加权平均值的应用;
-图10是根据本发明的实施例的支持向量机的应用的图示;
-图10a示出了三个经常可能的线性分类器的决策限制;
-图10b和图10c示出了根据本发明的实施例的两个类(热加载和热未加载)之间的决策边界;
-图10d展示了冰箱的内部温度的曲线图,以及确定返回到编程温度或设定点的时间;
-图11是本发明的根据支持向量机的冰箱中的操作模式的实施例;
-图12展示了根据本发明的实施例的应用支持向量机的训练阶段的结果;以及
-图13是描述本发明的冰箱的部件之间存在的操作关系的示意图。
具体实施方式
从下面参考附图的详细描述中,本发明的其他目的、技术效果和优点对于本领域技术人员来说将是明显的,这些附图展示了所要求保护的目的的非穷举性实施例。
最初,应当注意的是,下面将根据特定的但非限制性的实施例来描述本发明的方法和冰箱,因为其实施可以以不同的方式并且根据本领域技术人员期望的应用来执行。
如从图1可以看出并由图13中的图示补充的,本发明包括:柜体2,该柜体确定冷却和/或冷冻区域;隔离门3,该隔离门打开和关闭柜体2的制冷和/或冷冻区域;门打开传感器31;以及冷却系统5,该冷却系统被配置成修改制冷和/或冷冻区域的温度。
本发明的用于控制冰箱1的操作的框图表示提供了方法100,该方法包括利用周期性的、每小时的采样来创建概率分布,该概率分布包含在单个采样日内冰箱的若干门打开事件。
在第一实施例中,本发明的方法100包括:通常在冰箱连接到电力网络时,将冷却系统5配置201成在常规冷却状态下操作。此外,冰箱1被配置成读取202冰箱的操作模式激活元件7中的制冷操作限定。
随后,方法100包括监测冰箱门打开传感器31并在门打开计数器203a中针对给定日期的每个小时在1小时时段内对门打开的数量进行计数203;另外将全天计数的门打开数量连续存储204在局部向量204a中,该局部向量具有分别与采样日的每个1小时时段相关的24个位置。
另外,在一个实施例中,本发明的方法100包括:将门打开事件的移动平均数量连续计数并存储205在全局向量205a中,该全局向量具有分别与采样日的每个1小时时段相关的24个位置;以及生成206门打开概率分布向量206a,该门打开概率分布向量对应于全局向量205a的门打开事件的移动平均数量、具有分别与采样日的每个1小时时段相关的24个位置。
因此,在本发明的方法的实施例中,根据平滑因子205b对全局向量205a中的门打开事件的移动平均值进行计算205的结果包括由以下等式限定的指数加权平均值:全局向量(205a)=平滑因子(205b)x全局向量(205a)+(1-平滑因子(205b))
x局部向量(204a)。
因此,在一个实施例中,通过根据给予局部向量(204a)的相关性和/或重要性修改局部向量(204a)的权重以确定全局向量(205a),平滑因子205b在0与1之间变化,优选地为约0.4。显然,局部向量值可以或多或少影响全局值,并且其影响越大,系统将越容易检测到零星的变化,而其影响越小,则其对此类噪声的抵抗越大。
在本发明的一些实施例中,方法100提供利用以下等式、参考先前n天期间门打开的平均值来计算移动平均值的步骤:
Gn[i]=(L[i]+G(n-1)[i])/n。
在这种情况下,Gn[i]是第n天的全局向量205a,其对应于1小时时段i的门打开的移动平均值;并且L[i]是局部向量204a,其对应于一天中1小时时段内门打开的数量。
根据本发明的一些实施例,如将更好地阐明的,方法100提供根据门打开的概率分布206a维持或修改冷却系统5的操作的步骤。因此,方法100将限定加权平均值以创建冰箱1的使用概率(即,在一天中的给定时间处通过门打开触及冰箱1的内部的概率)的曲线。该曲线用于方法100以基于冰箱1的通常操作限定何时最合适例如在冰箱中执行除霜。优选地,这种除霜应该在冰箱较少使用的时段(通常被确定为“夜间时间”)执行。
而且,根据一些实施例,通过使用概率曲线,如果门被关闭比冷却操作的限定中预期的更长,则方法100将启动休假模式。维持或修改冷却系统5的操作的其他方式将从本发明的其他实施例中是明显的,或者甚至可以在所引用的参考文献中看到。
参考图2、图2a和图2b,在本发明的方法的实施例中,执行校正过滤以去除与冰箱的零星使用相对应的数量,即全局向量205a门打开事件的移动平均数量中的突然变化,因此该方法增加了限定较长夜间时段的概率,其中其应用限定将在本发明的描述中阐明。
另外,对于校正,当全局向量205a中在给定开始时间207a处存储的移动平均数量和门打开概率在下一个第一小时207b内增加,但在相邻的下一个第二小时207c内减小时,该方法提供以下步骤:通过将第一小时207b的移动平均数量和门打开概率替换为常数并且等于给定开始时间207a的移动平均值和门打开概率来生成207校正的门打开概率分布向量206b。
在图2a所示的实施例中,从第一组到第二组,全局向量205a中的门打开的移动平均数量增加,并且从第二组到第三组,存在全局向量中的门打开的移动平均数量的相邻下降。因此,上述校正过滤用于对校正的门打开概率分布向量206b设置稳定的概率。
另外,在图2b所示的实施例中,从第一组到第二组和/或还到第三组,平均数或概率的减小或增加是恒定的。因此,方法100不执行校正过滤并且保持等于门打开概率分布向量206a的数量。
参考所提到的限定冰箱操作中的夜间时段的概率,并且参考图3和图3a的图示,本发明藉由方法100的实施例限定了一天中有开门事件的概率减小和/或恒定的最长时段,该方法提供了以下步骤:连续地以索引返回210减小门打开概率时段的开始时间,并存储在减少的门打开概率模式开始向量210a中,该减少的门打开概率模式开始向量具有与一定数量的采样日中的每个采样日的减小门打开概率的每个开始时间相关的一定数量的位置;以及以索引在减少的门打开概率模式时段持续时间向量211a中返回211与采样日中的每个采样日的减小门打开概率时段的每个开始时间相对应的恒定且减少的门打开概率小时时段的持续时间。
关于冰箱操作中的夜间时段的限定,所述返回的索引对应于门打开概率分布向量206a、206b中限定具有减少的门打开模式211b的时段的至少一个区域210a、211a。
此外,还参考冰箱操作中的夜间时段的限定,在如图4所示的实施例中,方法100另外包括以下步骤:在采样日中的每个采样日的减少的门打开概率模式开始向量210a的位置处读取212减小门打开概率时段的一定数量的初始小时的出现数量;选择213出现数量最高的减小门打开概率时段的开始时间数;以及生成214采样日内最频繁减小门打开概率时段214a的开始时间数,其对应于出现数量最高的减小门打开概率时段的开始时间数。
在这种情况下,返回的索引是与具有最频繁减少的门打开模式214b的时段相对应的校正的索引。
展示本发明的实施例,根据方法100,减少的门打开概率模式开始向量210a、214a包括与14个采样日中的每个采样日的减小门打开概率的每个开始时间相关的14个位置。
因此,在该实施例中,仅从采样的第7天起,该向量的第一位置被填充有减少的门打开概率模式开始向量210a、214a的结果。第21天之后,7天后开始,加上14以填充整个向量,方法100从向量索引中选择一天中与最频繁出现相关的小时数量。
在一个实施例中,21天后的结果是:一天中的时间数07:9次出现;一天中的时间数08:1次出现;一天中的时间数09:1次出现;一天中的时间数06:1次出现;一天中的时间数10:2次出现。因此,该向量一天中最频繁的时间数是数字07,其包含9次出现。这意味着夜间时段必须在第七个小时之后开始,其与最频繁减小门打开概率214a的时段开始时间数相关,并且持续时间将遵循从减少的门打开概率模式的时段持续时间向量211a获得的相同持续时间。
在优选的配置中,可以向该方法添加新的步骤,以限制夜间时段的持续时间,从而避免由于特殊模式下的长时间工作而导致的产品温度不稳定。该功能接收夜间时段的开始及其最大持续时间作为输入。如果持续时间小于预定最大值,则不应对返回值进行修改,否则算法可以优先考虑夜间持续时间的结束或开始时间。例如,如果夜间时间持续时间的先前结果是十三小时,而最大夜间时间持续时间是为八小时冰箱预先确定的,则算法将对夜间时段开始的结果添加五个小时或从夜间时段的持续时间减去五个小时,以修改操作状态,从而在仅八小时内维持夜间模式。优选地,使用对结果添加五个小时,从而限制在夜间时段的早期时间处可能的噪声,该噪声对于用户来说可能是有问题的。这意味着所讨论的时段的结束将保持相同(清晨),并且将用作夜间开始的索引将是前八个小时。显然,这种最大值根据冰箱配置(比如压缩机功率、内部空气流量、大小以及热交换和损失能力等)而变化,并且仍然可能存在基于用户自己的一些控制输入来修改它的可能性。
因此,本发明的方法可以包括用于减少的门打开概率小时时段的持续时间的预定最大持续时间,在减少的门打开概率小时时段的持续时间大于预定最大持续时间的情况下,该方法进一步包括以下步骤:通过从减少的门打开概率小时时段的持续时间减去最大持续时间来确定时段调整值;以及将时段调整值添加到门打开概率时段的开始时间,或者从减少的门打开概率小时时段的持续时间减去最大持续时间时段调整值。
在使用可变速度压缩机和/或可变速度空气循环风扇的冰箱中,通常期望应用不同的控制参数以便优先考虑降低噪声。鉴于此并参考图5,在本发明的一些实施例中,方法100在具有减少的门打开模式211b或减少的更频繁214b的时段期间提供将冷却系统5配置215成在与常规门打开时段的常规冷却状态相比减少的冷却状态下操作。
再次参考图6并参考方法100来基于如所描述的冰箱1的通常操作限定何时最合适例如在冰箱中执行除霜,在本发明的一个实施例中,方法100包括设置由操作模式激活元件7限定的用于通过加热元件6对冰箱1进行除霜的预编程时间限制208b的值;以及设置早于预编程时间限制的时间值208a和晚于预编程时间限制的时间值208c。
鉴于此,方法100包括以下附加步骤:读取208存储在与和每天中每个1小时时段相关的24个位置全局向量205a的门打开事件的移动平均数量相对应的门打开概率分布向量206a、206b中,与早于预编程时间限制的时间208a、预编程时间限制208b和晚于预编程时间限制的时间208c中的每一个相对应的门打开事件的移动平均数量中的最小移动平均数量。
另外,方法100包括根据由早于预编程时间限制的时间208a、预编程时间限制208b和晚于预编程时间限制的时间208c中包括门打开事件的移动平均数量中的最小移动平均数量的一者限定的通过加热元件6对冰箱1进行除霜的开始时间返回209校正的重新编程时间限制209d,以及根据校正的重新编程时间限制209d触发通过加热元件6对冰箱1进行除霜。
一般来说,每台采用无霜技术(也称为没有霜或自动除霜)的冰箱都会执行遵守特定条件和计时器的除霜例程。
在该实施例中,例如,在第七天之后(n>=7),方法100将使用全局向量205a,该全局向量包含门打开的平均值以限定何时执行除霜例程,即,是否定期或限定是否在定期预编程除霜事件时,除霜时间将根据冰箱的使用而改变,以实现最佳效率。
例如,在一个实施例中,除霜被配置成在当前预编程的定期除霜事件时运行,其中时间索引等于4(i=4)。方法100使用全局向量(205a)G[i]中与当前除霜预限定定期事件的时刻的所述索引相邻的3个值中的对应值(i=3、i=4和i=5)。在该实施例中,根据方法100,必须在G[i]具有对应于门打开事件的最小值的索引处执行除霜。因此,记录的值为G[i=3]=4、G[i=4]=7、G[i=5]=3,然后本发明的方法100提供在第5小时而不是第4小时运行除霜例程。这降低了在系统正执行除霜例程时门打开的可能性。
根据本发明的又一个实施例,如已经提到的,如果门被关闭比制冷操作设置中预期的时间更长的时间,则方法100还可以启动休假模式。
休假模式检测包括附加步骤来评估在固定的不活动评估时间参数期间门是否未被打开。因此,如果门在这段时间之后仍未打开,则冰箱必须改变其操作设定点值或设定点至最高温度。例如:如果时间参数为3天并且在3天操作后没有检测到门打开,则冰箱应将该特定冰箱的操作设定点值改变为尽可能高。无论如何,当检测到门打开事件时,冰箱应该返回到正常的出厂配置或根据用户的偏好。
在图7所示的该实施例中,本发明包括方法100,该方法根据由操作模式激活元件7限定的停机时间估计时间数,监测门打开传感器31并计算215在由门打开计数器203a中的停机时间估计时间数限定的时段内门打开的数量;以及对于在由限定不活动时段的门打开计数器203a的停机时间估计时间数限定的时段内门打开的数量返回空值,在不活动的时段期间设置216最大操作温度216a的默认操作温度。
最大操作温度216a的标准操作温度虽然根据冰箱的特性而可变,但是可以设置在4℃与10℃之间。进一步地,最大操作温度216a的标准操作温度可以优选地设置在例如7℃处。
更具体地,还参考图7,在一个实施例中,方法100包括在不活动的时段期间将冷却系统5配置217成在与常规门打开时段的常规冷却状态相比减少的冷却状态下操作。
根据本发明的方法100的另一个实施例提供了基于由传感器测量的冰箱内部和外部的温度差来自动控制冰箱的温度设定点的步骤。如图8所示,对于该实施例,方法100包括以下步骤:监测冰箱1的外部环境温度传感器42并读取101与所测量的外部环境温度相对应的值101a。
因此,对于外部环境温度值101a,当该外部环境温度值超过相对于25℃的参考环境温度的环境温度上极限值101b时,该方法提供根据聚合到由平均操作温度102d限定的标准操作温度的温度补偿值102b、102c来计算和存储102设定点操作温度102a。
根据该实施例,实施例可以包括环境温度极限值101b相对于25℃的参考环境温度设置在1℃与10℃之间,温度补偿值102b、102c设置在0.1℃与1℃之间,并且默认操作温度通过设置在-4℃与10℃之间的平均操作温度102d设置。
根据该实施例,另一实施例可以包括环境温度极限值101b相对于25℃的参考环境温度优选地设置在5℃处,温度补偿值102b、102c优选地设置在0.5℃处,并且标准操作温度通过优选地设置在3℃处的平均操作温度102d设置。
对于这些实施例,也如图8所示,本发明的方法100可以另外包括,对于具有正模数的温度补偿值102b,将冷却系统5配置103成在与读取冰箱1的外部环境温度传感器42之前的时段的冷却状态相比高的冷却状态下操作。
此外,对于这些实施例,本发明的方法100可以另外包括,对于具有负模数的温度补偿值102c,将冷却系统5配置103成在与读取冰箱1的外部环境温度传感器42之前的时段的冷却状态相比减少的冷却状态下操作。
在附加配置中,控制可以基于环境温度和冰箱热交换值自动选择最佳冰箱设定点温度。在这种情况下,可以使用线性插值函数,其中两个不同的输入将确定冰箱偏移:a)包含实验室进行循环测试以计算新鲜食物的平均温度的环境温度的向量;以及b)包含偏移的向量,该偏移必须应用于基于环境温度的设定点,以获得隔室中1℃与7℃之间、优选3℃的理想平均值。
另外,控制仍然可以在压缩机关闭后保持风扇运行附加的固定时段,从而将来自蒸发器的水分的一部分返回到冰箱腔体并使食物保持更新鲜更长时间。通常,压缩机关闭后风扇可以继续运转3分钟与10分钟之间,而不损害内部冷却,但保持食物湿润且新鲜。
本发明在图9、图9a、图10、图10a、图10b、图10c、图10d、图11和图12所示的实施例中包括方法100的用于从冰箱门打开事件开始并且藉由对所测量和所计算的温度值的处理来检测在门打开事件期间是否插入热负载的步骤。即,检测例如是否已经插入具有与冰箱柜体内部不同的热负载的食物或空气。
该实施例包括对常规门打开事件与具有食物插入的门打开事件之间的测量进行分类的步骤。在检测到热负载之后,作为响应,在冰箱致动器上执行附加的步骤,然而,这里并未详尽地描述所有这些步骤,因为每个特定的冰箱实施例具有不同类型的配置(电机风扇、手动风门、电子风门、特定压缩机等)。然而,在一些实施例中,根据本发明的方法100,急速冷却例程可以由热负载检测步骤触发。
例如,如果冰箱的循环测试在10℃、20℃、32℃和43℃下进行,则向量a)应为[10,20,32,43],向量b)必须根据循环的结果填充。如果在32℃下平均温度为3.5℃,则应用的偏移应为-0.5℃。可以使用线性插值方法或类似技术来进行中间环境温度评估。
如图9a所示,本发明的方法100在一组分类步骤中提供初步指数加权平均值步骤“EWA”,其代表对获得准确结果的主要贡献。该技术主要用于减少对由噪声组成的时间序列中的数据的考虑。它也称为“平滑”数据。在这个意义上,方法100实质上权衡观察的数量并使用这些的平均数的限定。
上述分类是通过应用支持向量机技术“SVM”进行的,以获得更准确的结果。通过下面参考示出了数据集的一部分的图10a和图10b的描述最好地理解SVM背后的基本思想,其中两个类可以容易地通过直线分开(它们是可线性分开的)。
图10a所示的图表示出了三个可能的线性分类器的决策限制。其决策边界由虚线表示的模型无法正确将类分开。其他两个模型在此训练集中完美奏效,但它们的决策限制非常接近实例,以至于这些模型在新实例中表现不佳。
相比之下,根据本发明的方法100的实施例,在图10b中,图表中的实心中心线表示SVM分类器的决策限制,其中该线不仅将两个类分开,而且定位为尽可能远离最近的训练实例。因此,显然,尽管本领域技术人员可以使用或理解多个线性分类器,但是SVM的使用呈现出理论上未预见到的优点。
根据图10所示的本发明的实施例,方法100包括以下初始步骤:监测冰箱1的内部温度传感器41并读取301与所测量的内部温度相对应的值301a。
根据所测量的内部温度301a和平滑后的温度的指数加权平均值302b EWA的平滑因子302a,该方法包括:计算302在时间S(t)内限定的平滑后的温度指数加权平均值302cEWA;计算303所测量的内部温度301a与在计算的时间S(t)内限定的平滑后的温度的指数加权平均值302c EWA之间的当前温度差303a、303b;以及确定304与冰箱1的食物储藏柜体2内部的热交换率相关的值304a、304b。
在这组步骤中,在一个实施例中,在时间S(t)内限定的平滑后的温度的指数加权平均值302c EWA的计算302包括以下等式:
S(t)=平滑因子(302a)×所测量的内部温度(301a)+(1-平滑因子(302a))×
S(t-1)
尽管如此,在一个实施例中,所测量的内部温度301a与所计算的平滑后的温度的指数加权平均值(302c)S(t)EWA之间的当前温度差303a、303b的计算303包括以下等式:
当前温度差(303a,303b)(t)=所测量的内部温度(301a)(t)-S(t)
继续参考图10的描述,方法100的步骤包括,对于正的当前温度差值303a,通过设置对柜体2内部加热的检测,将与冰箱1的食物储藏柜体2内部的热交换率相关的值304a确定304为高于读取冰箱1的内部温度传感器41之前柜体2内部的热交换率的值。
而且,方法100的步骤包括,对于负的当前温度差值303b,将与冰箱1的食物储藏柜体2内的热交换率相关的值304b确定304为等于或低于读取冰箱1的内部温度传感器41之前柜体2内的热交换率值。
根据本发明的实施例,如图10所示的方法100进一步包括在每次计算302平滑后的温度的指数加权平均值(302c)S(t)EWA时;计算305作为由最后测量的温度值301b限定的所测量的内部温度值301a的函数的温度导数305a。
对于本发明的一些实施例,如图10所示,方法100的步骤包括:监测门打开传感器31并对单个门打开3进行计数306;以及在门打开3后运行307超时计时器。
另外,方法100包括,在每次计算303所测量的内部温度301a与平滑后的温度的指数加权平均值302c S(t)EWA之间的当前温度差303a、303b时,确定并更新308在门打开3之后随时间推移所计算的当前温度差值303a、303b中的当前温度差的最大值303c;以及计算309关于门打开3之后随时间推移所计算的温度导数305a值的温度导数的平均值305b。
图11展示了对于本发明的一些实施例,方法100的步骤,这些步骤包括:将支持向量机技术310a SVM应用310于当前温度差的最大值303c和温度导数的平均值305b的值。
另外,在这些实施例中,方法100包括,对于支持向量机310a SVM的结果大于或等于零,确定311门打开3时冰箱1中出现热负载插入311a。
对于这些实施例,支持向量机310a SVM的输出包括以下等式:
结果=αx当前温度差的最大值(303c)+βx温度导数的平均值(305b)+γ,
其中:
α=冰箱中温度变化的常数;
β=冰箱中平均温度的常数;以及
γ=冰箱热交换的常数。
也就是说,对于不同的冰箱,变量的相乘值将是不同的,并且是基于根据通常是通过对冰箱的具体模拟或实验室测试获得的冰箱尺寸、内部空气流量、压缩机功率、冷却元件等的温度差和热交换的常数。
根据本发明的方法,在支持向量机310a SVM的一组步骤中,大于或等于零的结果识别热负载插入311a,并且小于零的结果不识别热负载插入311a。图10c示出了确定热加载冰箱和热未加载冰箱的两个类之间的决策限制。
在附加配置中,支持向量机310a SVM使用基于截距系数的更复杂的等式,其中支持向量机310a SVM截取轴线上的零值、310a SVM支持向量机的环境温度的乘法系数、310aSVM支持向量机的门打开时间乘法系数、以及到冰箱设定点的返回时间的系数,乘以环境温度、开门时间和返回到设定点的时间的具体值(相应的),其藉由变量值减去变量的最小值、其中结果除以变量的最大值减去变量的最小值进行缩放,或者即,遵循以下等式:
结果=CoefIntercept+CoefAmbientTemperature x AmbientTemperatureEsc+CoefTimeOpenDoor x TimeOpenDoorEsc+CoefSet pointReturnTime x SetpointReturnTimeEsc,其中:
当使用具有线性确定的SVM来将类分开时,由于优点已经确定,分开表面将是直线、平面或超平面,具体取决于模型中使用的变量、输入的数量。因此,例如,当使用两个变量时,分开表面可以写成函数(y=a*x+b)的直线,其中b是与轴线相交的系数。该系数是找到最佳决策边界的方法的输出,从而增加了补偿误差的命中数,从而确定了支持向量机310a SVM在轴线上截取零值的截距系数。
图10d进而举例说明了设定点返回时间的使用,其中当限定长返回时间时,控制修改冷却系统的操作以例如使其保持比冷却系统正常使用的时间更长的时间。
为了在冰箱1中获得拟合该模型所需的参数,适合使用机器学习工具进行一组模拟,从而改变模拟参数以涵盖冰箱中的大量热加载程序,以将其并入支持向量机技术310aSVM。在这种情况下,环境温度、冰箱设定点、门被打开的时刻、门被打开多久、以及门被打开之前冰箱内部的初始热负载在模拟中都被改变以进行系统学习。
这些模拟至少包含两种不同的条件。一种是在冰箱中存在热负载的情况下,其中,在这种配置中,对于先前插入的食物,每次环境温度改变以及门被打开的时刻改变时,都会进行新的最终决定的配置来确定负载。
例如,在没有考虑冰箱内部的任何先前的热负载的情况下,进行了两种不同模拟条件中的另一种。这意味着通过在冰箱中插入热负载来进行模拟,其中,在这种配置中,对于随后插入的食物,例如,可以针对先前存在于冰箱中的每一定体积的食物添加不同体积的食物。
当并入本发明的方法100时,其目的在于考虑冰箱中已经存在的先前热负载的不同比例以及门保持打开的不同持续时间来估计不同环境温度下冰箱门打开时的热加载的不同场景。如前所述,在对产品进行热负载插入测试后,在不插入具有热负载的食物的情况下进行相同的估计。
接下来,如针对本发明的方法100所描述的,训练和测试SVM支持向量机以在门打开时冰箱上的热负载或仅门打开而没有任何热负载之间进行分类。该实施例在少量数据上运行良好,不会过度拟合当前数据,并且对不同的热加载场景呈现出良好的概括。本发明将这些实施例应用于不同的冰箱(具有相似特性),而不需要对每个数据模型进行训练。
图12展示了根据本发明的实施例的训练阶段的结果。在此示例中,“已加载”类具有高精度,并且当方法100检测到加载事件时,除了可以响应于这些事件而确定冰箱中的致动以便进行正确操作外,很可能它确实是冰箱中的热加载事件。
在本发明的附加实施例中,可以采用间接负载感测方法。在这种配置中,常规门打开和具有食物放置的门打开的区别在于添加到系统的热惯性状态。在这个意义上,这两个事件都会增加蒸发器传感器的温度读数,但是在两种场景下减小该必要温度的冷却时间是不同的。这意味着当负载被放置在冰箱上时,冷却系统保持更长时间以冷却系统并返回到预期状态。
因此,该方法的第一步骤是对门传感器进行检查。如果传感器认为冰箱门已打开,则启动计数器或计时器来评估冰箱内部的负载放置。在这个意义上,该计数器或计时器可以与预定值或系统冷却模式进行比较,并且如果冷却系统保持运行的时间长于该预定值,则指示负载的存在。
执行此检测的一种方式使用例如打开门的时刻时的蒸发器温度、指示门是否在超时事件发生之前被打开的标志、两次计算之间经过的时间、以及压缩机的当前状态(开启或关闭)。
最初,可以分别使用压缩机的当前状态和蒸发器的当前温度。此时其他辅助变量必须设置为零。在此步骤之后,执行第一次检查,将压缩机的最后状态与当前状态进行比较。如果在该时段内压缩机已关闭,则执行压缩机开启时间计算。否则,如果压缩机的当前状态与先前的状态相同,则必须根据以下等式进行导数计算:
导数=蒸发器温度-蒸发器最后温度
蒸发器最后温度=蒸发器温度
二阶导数=Abs(导数-导数蒸发器最后温度)
如果二阶导数的当前值大于前一循环中所计算的最后值并且蒸发器的最后导数不为零,则表明产品改变了压缩机的状态,则必须增加负载的估计计数器。如果负载估计计数器已经大于零,则意味着系统已识别出温度传感器中的一些扰动,则必须将二阶导数的值与极限进行比较。该极限是用于将系统中的小扰动与将影响系统的当前热分开的预定下限。如果二阶导数的值大于该极限,则负载估计计数器也必须递增。
通过估计计数器是否大于预定的最大出现参数或等于零来完成加载或不加载,确定没有加载添加,因为存在温度增加以及足够快的温度下降,没有热传递到新的系统负载。否则,算法必须返回已添加负载,表明检测到负载,从而修改冷却系统(5)的功能。
检测冰箱中的负载插入的第三种模式可以使用已经描述的相同的SVM支持向量机方法来描述,具有一些变化,这些变化在每次关闭压缩机时被执行,从而估计刚刚结束的循环中的所有压缩机。在该方法中,根据系统的恒温控制,首先输入压缩机启动前的蒸发器温度,然后是一旦需要关闭压缩机时的蒸发器温度。支持向量机的其他输入是当前环境温度和当前压缩机速度。因此,支持向量机可以用于在运行时间时进行预测,从而生成将反映特定冰箱的行为的模型。
在这方面,在本发明的实施例中,方法100进一步包括,在门打开3时冰箱1中出现热负载插入311a期间,将冷却系统5配置312成在与门打开3之前的时段的冷却速率相比高的冷却速率下操作。
最后,还提供了一种自动检测冰箱的冷却系统5的操作模式的方法。在这种情况下,门传感器还将用作输入来决定是否应该执行一些不同的功能,比如聚会、购物或快速放松例程。然后使用时间窗口内的门打开的数量来估计这些不同的功能。如果在小时间窗口内有大量门打开,则可以执行购物模式(如果适用于该冰箱)。如果在较长时间间隔内有大量门打开,则可以运行聚会模式。
以上述方法为例,如果门在大于用于模式检测的预定值的时间之后被打开过,则启动负载检测方法。如果门之前在较小的时间窗口内被打开过,但尚未达到配置聚会或购物事件的最大门打开数量,则必须增加算法负载检测中SVM中使用的门打开时间。例如,如果在第一个门事件中门打开了十秒,而在第二个事件中门打开了二十秒,则SVM的新输入必须是三十秒。如果门被打开过的次数大于购物限制(本质上小于聚会限制),则可以激活购物模式。如果购物模式已经激活,并且累加门继续递增的次数的计数器大于用于计数聚会打开的预定值,则可以关闭购物功能并可以开启聚会功能。当聚会或购物功能被激活时,不执行负载检测方法,因为冷却系统5操作例程已经被修改。
而且,当启用聚会模式时,可以触发新的计时器来检查门活动。如果在预定时间内没有验证到门打开,则可以停止聚会模式,返回到购物模式功能,因为聚会模式本质上也比购物模式长。
作为示例,除了控制风扇和/或鼓风机来为冰箱创建内部气流之外,还可以通过打开和关闭压缩机持续某些时段或通过控制压缩机速度以控制冰箱内部的温度设定点来确定冷却系统的正常操作模式,而聚会模式可以通过降低此设定点或在达到设定点之后保持系统运行更长时间来修改冰箱系统的操作,以便即使需要冷却附加的负载也维持冰箱的温度,并且聚会模式可以使用甚至更长的时间,或者将设定点定位在比购物模式甚至更低的值处,以便即使相继门打开也能维持冰箱温度。
因此,本发明的方法另外提供了自动检测冷却系统5的操作模式的步骤,其包括:对第一时间窗口和第二时间窗口内的门打开的数量进行计数;如果在第一时间窗口内存在用于购物功能的预定最小门打开数量,则通过修改冷却系统(5)的操作来激活购物模式,以便在与常规冷却状态相比增加的冷却状态下操作一时间段;如果在第二时间窗口内存在用于聚会功能的预定最小门打开数量,则通过修改冷却系统(5)的功能来激活聚会模式,以便在与常规冷却状态相比增加的冷却状态下操作比购物模式时间段长的时间段;如果在第二时间窗口内没有门打开,则通过修改冷却系统(5)的操作来激活休假模式,以便在与常规冷却状态相比较低的冷却状态下操作;否则确定(311)在门打开(3)时在冰箱(1)中出现热负载插入(311a)。在该步骤中,第一时间窗口可以在3分钟与10分钟之间;第二时间窗口在10分钟与45分钟之间;用于购物功能的预定最小门打开数量在5与15之间;用于聚会功能的预定最小门打开数量在15与25之间;购物功能的预定时间段在30分钟与90分钟之间;聚会功能的预定时间段在90分钟与300分钟之间;并且如上面已经限定的那样进行对在门打开(3)时在冰箱(1)中出现热负载插入(311a)的确定(311)。
冰箱典型地具有其中储存食物项(比如水果、蔬菜和饮料)的新鲜食品隔室或部分以及其中储存要保持在冷冻条件下的食物项的冷冻隔室或部分。冰箱设置有冷却系统,该冷却系统保持食物隔室新鲜、处于略高于或高于零摄氏度的温度,并保持冷冻隔室处于低于零摄氏度的温度。
而且,冰箱通常具有柜体内部温度传感器、柜体外部温度传感器、门打开传感器、被配置用于对冰箱进行除霜的加热元件、以及与这些相关联以控制冰箱的所有操作的电子控制器。
在图13中概要示意化的本发明的实施例包括冰箱1,该冰箱具有:至少一个食物储藏柜体2,该至少一个食物储藏柜体确定冷却和/或冷冻区域;隔离门3,该隔离门打开和关闭柜体2的制冷和/或冷冻区域,用于将柜体与外部环境隔离;门打开传感器31;冰箱储藏柜体的内部温度传感器41、冰箱的外部环境温度传感器42;冷却系统5,该冷却系统被配置成修改制冷和/或冷冻区域的温度;加热元件6,该加热元件被配置成对冰箱1进行除霜;操作模式激活元件7;以及至少一个控制器8,该至少一个控制器被配置成接收至少来自传感器31、41、42和操作模式激活元件7的读数,并且被配置成至少作用于冷却系统5和/或加热元件6;控制器8被配置成执行冰箱控制方法1。
本说明书呈现了示例以描述本发明,包括使本领域技术人员能够实施本发明的最佳方式,包括创建和使用任何装置或系统以及实施任何并入的方法。本发明的范围由权利要求限定,并且可以包括其他涵盖的示例,如果它们包括与权利要求的字面语言没有不同的步骤和结构元件,或者如果它们包括等同的结构元件。
Claims (33)
1.一种用于控制冰箱操作(1)的方法(100),该冰箱包括:
柜体(2),该柜体确定制冷和/或冷冻区域;
隔离门(3),该隔离门打开和关闭该柜体(2)的制冷和/或冷冻区域;
门打开传感器(31);以及
冷却系统(5),该冷却系统被配置成修改该制冷和/或冷冻区域的温度;
该方法(100)的特征在于,该方法包括以下步骤:
-在确定时段期间藉由该门打开传感器(31)监测该门(31)的打开和关闭;
-生成(206)在前一步骤中监测的时间内的门打开概率分布(206a);以及
-根据门打开概率分布(206a)维持或修改该冷却系统(5)的操作。
2.根据权利要求1所述的方法(100),其特征在于,所述监测步骤包括:
-在门打开计数器(203a)中针对一天中的每个小时对1小时时段内的门打开数量进行计数(203);
-将全天计数的门打开数量连续存储(204)在局部向量(204a)中,该局部向量具有分别与一天中每个1小时时段相关的位置;
-将门打开事件的移动平均数量连续计数并存储(205)在全局向量(205a)中,该全局向量具有分别与每天中每个1小时时段相关的位置。
3.根据权利要求2所述的方法(100),其特征在于,所述生成步骤包括:
-生成(206)门打开概率分布向量(206a),该门打开概率分布向量对应于该全局向量(205a)的门打开事件的移动平均数量、具有分别与每天中每个1小时时段相关的位置。
4.根据权利要求3所述的方法(100),其特征在于,根据平滑因子(205b)对全局向量(205a)中的门打开事件的移动平均值进行计算(205)生成的结果包括通过以下等式的指数加权平均值:
全局向量(205a)=平滑因子(205b)×全局向量(205a)+(1-平滑因子(205b))×局部向量(204a),全局向量(205a)=平滑因子(205b)×全局向量(205a)+(1-平滑因子(205b))×局部向量(204a),
其中,该平滑因子(205b)在0与1之间变化,优选地为0.4。
5.根据权利要求1至4中任一项所述的方法(100),其特征在于,该方法包括以下步骤:
-监测该冰箱(1)的内部温度传感器(41)并读取(301)与所测量的内部温度相对应的值(301a);
-计算(302)平滑后的温度的指数加权平均值(302c);
-计算(303)所测量的内部温度(301a)与所计算的平滑后的温度的指数加权平均值(302c)之间的当前温度差(303a,303b);以及
-确定(304)与该冰箱(1)的柜体(2)内部的热交换率相关的值(304a,304b)。
6.根据权利要求5所述的方法(100),其特征在于,该方法另外包括:
-对单个门打开(3)进行计数(306);以及
在每次计算(303)该当前温度差(303a,303b)时,
-确定并更新(308)在门打开(3)之后随时间推移所计算的当前温度差值(303a,303b)中的当前温度差的最大值(303c);以及
-计算(309)关于在门打开(3)之后随时间推移所计算的温度导数值(305a)的温度导数的平均值(305b)。
7.根据权利要求6所述的方法(100),其特征在于,该方法包括以下附加步骤:
-将支持向量机技术(310a)SVM应用(310)于当前温度差的最大值(303c)和温度导数的平均值(305b)的值;以及
对于大于或等于零的支持向量机结果(310a)SVM,
-确定(311)在门打开(3)时在该冰箱(1)中出现热负载插入(311a)。
8.根据权利要求7所述的方法(100),其特征在于,该支持向量机结果(310a)包括以下等式:
结果=αx当前温度差的最大值(303c)+βx温度导数的平均值(305b)+γ,
其中,大于或等于0的结果识别热负载插入(311a),并且小于0的结果不识别热负载插入(311a)。
9.根据权利要求7或8中任一项所述的方法(100),其特征在于,该方法另外包括:
在门打开(3)时在该冰箱(1)中出现热负载插入(311a)期间,
-将该冷却系统(5)配置(312)成在与该门打开(3)之前的时段的冷却状态相比高的冷却状态下操作。
10.根据权利要求1至9中任一项所述的方法(100),其特征在于,当该全局向量(205a)中在给定开始时间(207a)处存储的移动平均值和门打开概率在下一个第一小时(207b)内增加,但在相邻的下一个第二小时(207c)内减小时:
-通过将该第一小时(207b)的移动平均数量和门打开概率替换为常数并且等于该给定开始时间(207a)的移动平均值和门打开概率来生成(207)校正的门打开概率分布向量(206b)。
11.根据权利要求1至10中任一项所述的方法(100),其特征在于,该方法另外包括:
-连续地以索引返回(210)减小门打开概率时段的初始时间,并存储在减少的门打开概率模式开始向量(210a)中,该减少的门打开概率模式开始向量具有与一定数量的采样日中的每个采样日的减小门打开概率的每个开始时间相关的一定数量的位置;以及
-以索引在减少的门打开概率模式时段持续时间向量(211a)中返回(211)与这些采样日中的每个采样日的减小门打开概率时段的每个开始时间相对应的恒定且减少的门打开概率小时时段的持续时间,
返回的索引对应于该门打开概率分布向量(206a,206b)中限定具有减少的门打开模式(211b)的时段的至少一个区域(210a,211a)。
12.根据权利要求11所述的方法(100),其特征在于,该方法包括用于该减少的门打开概率小时时段的持续时间的预定最大持续时间,在该减少的门打开概率小时时段的持续时间长于该预定最大持续时间的情况下,该方法进一步包括以下步骤:
通过从该减少的门打开概率小时时段的持续时间减去该最大持续时间来确定时段调整值;以及
将该时段调整值添加到门打开概率时段的开始时间,或者从该减少的门打开概率小时时段的持续时间减去该最大持续时间时段调整值。
13.根据权利要求1至12中任一项所述的方法(100),其特征在于,该方法另外包括:
-在这些采样日中的每个采样日的减少的门打开概率模式开始向量(210a)的位置处读取(212)减小门打开概率时段的给定开始时间数的出现数量;
-选择(213)出现数量最高的减小门打开概率时段的开始时间数;以及
-生成(214)这些采样日内最频繁减小门打开概率时段(214a)的开始时间数,该最频繁减小门打开概率时段的开始时间数对应于出现数量最高的减小门打开概率时段的开始时间数,
返回的索引是与具有最频繁减少的门打开模式(214b)的时段相对应的校正的索引。
14.根据权利要求11、12或13中任一项所述的方法(100),其特征在于,该减少的门打开概率模式开始向量(210a,214a)包括与14个采样日中的每个采样日的减小门打开概率的每个开始时间相关的14个位置。
15.根据权利要求11至14中任一项所述的方法(100),其特征在于,该方法另外包括:
在具有减少的门打开模式(211b,214b)的时段期间,
-将该冷却系统(5)配置(215)成在与常规门打开时段的常规冷却状态相比减少的冷却状态下操作。
16.根据权利要求1至15中任一项所述的方法(100),其特征在于,该方法包括以下附加步骤:
-限定用于通过加热元件(6)对该冰箱(1)进行除霜的预编程时间限制(208b);以及
-限定早于该预编程时间限制的时间值(208a)和晚于该预编程时间限制的时间值(208c);
-读取(208)存储在与具有和每天中每个1小时时段相关的24个位置的该全局向量(205a)的门打开事件的移动平均数量相对应的该门打开概率分布向量(206a,206b)中,与早于该预编程时间限制的时间(208a)、该预编程时间限制(208b)和晚于该预编程时间限制的时间(208c)中的每一个相对应的门打开事件的移动平均数量中的最小移动平均数量;以及
-根据由早于该预编程时间限制的时间(208a)、该预编程时间限制(208b)和晚于该预编程时间限制的时间(208c)中包括门打开事件的移动平均数量中的最小移动平均数量的一者限定的冰箱(1)除霜开始时间返回(209)校正的重新编程时间限制(209d),以及根据该校正的重新编程时间限制(209d)触发冰箱除霜(1)。
17.根据权利要求1至16中任一项所述的方法(100),其特征在于,该方法包括以下附加步骤:
-设置停机时间估计时间数;
-监测该门打开传感器(31)并对在由该门打开计数器(203a)中的该停机时间估计时间数限定的时段内门打开的数量进行计数(215);以及
对于在由限定不活动时段的该门打开计数器(203a)的停机时间估计时间数限定的时段内门打开的数量返回空值,
-在该不活动时段期间将默认操作温度设置(216)至最大操作温度(216a)。
18.根据权利要求17所述的方法(100),其特征在于,最大操作温度(216a)的标准操作温度设置在4℃与10℃之间,优选为7℃。
19.根据权利要求18所述的方法(100),其特征在于,该方法另外包括:
在该不活动时段期间,
-将该冷却系统(5)配置(217)成在与常规门打开时段的常规冷却状态相比减少的冷却状态下操作。
20.根据权利要求1至19中任一项所述的用于控制冰箱操作的方法(100),其特征在于,该方法包括以下步骤:
-监测该冰箱(1)的外部环境温度传感器(42)并读取(101)与所测量的外部环境温度相对应的值(101a);
对于外部环境温度值(101a),当该外部环境温度值超过相对于25℃的参考环境温度的环境温度上极限值(101b)时,
-根据聚合到由平均操作温度(102d)限定的标准操作温度的温度补偿值(102b,102c)来计算和存储(102)操作温度设定点(102a)。
21.根据权利要求20所述的方法(100),其特征在于:
该环境温度极限值(101b)相对于25℃的参考环境温度设置在1℃与10℃之间,
该温度补偿值(102b,102c)设置在0.1℃与1℃之间,并且
该标准操作温度由限定在-4℃与10℃之间的平均操作温度(102d)限定。
22.根据权利要求20或21中任一项所述的方法(100),其特征在于:
该环境温度极限值(101b)相对于25℃的参考环境温度设置在5℃处,
该温度补偿值(102b,102c)设置至0.5℃,并且
该标准操作温度由设置在3℃处的平均操作温度(102d)限定。
23.根据权利要求20所述的方法(100),其特征在于,该方法另外包括
对于具有正模数的温度补偿值(102b),
-将该冷却系统(5)配置(103)成在与读取该冰箱(1)的外部环境温度传感器(42)之前的时段的冷却状态相比高的冷却状态下操作;以及
对于具有负模数的温度补偿值(102c),
-将该冷却系统(5)配置(103)成在与读取该冰箱(1)的外部环境温度传感器(42)之前的时段的冷却状态相比减少的冷却状态下操作。
24.根据权利要求5所述的方法(100),其特征在于,平滑后的温度的该指数加权平均值(302c)的计算(302)包括以下等式:
S(t)=平滑因子(302a)x所测量的内部温度(301a)+(1-平滑因子(302a))x S(t-1)。
25.根据权利要求5所述的方法(100),其特征在于,所测量的内部温度(301a)与所计算的平滑后的温度的该指数加权平均值(302c)之间的当前温度差(303a,303b)的计算(303)包括以下等式:
当前温度差(303a,303b)(t)=所测量的内部温度(301a)(t)-S(t)。
26.根据权利要求5、25或26中任一项所述的方法(100),其特征在于:
对于正的当前温度差值(303a),
-通过设置对该柜体(2)内部加热的检测,将与该冰箱(1)的柜体(2)内部的热交换速度相关的值(304a)确定(304)为高于读取该冰箱(1)的内部温度传感器(41)之前该柜体(2)内部的热交换速度的值。
27.根据权利要求5、25或26中任一项所述的方法(100),其特征在于:
对于负的当前温度差值(303b),
-将与该冰箱(1)的柜体(2)内部的热交换速度相关的值(304b)确定(304)为等于或低于读取该冰箱(1)的内部温度传感器(41)之前该柜体(2)内部的热交换速度的值。
28.根据权利要求5所述的方法(100),其特征在于,该方法另外包括:
在每次计算(302)平滑后的温度的该指数加权平均值(302c)时;
-计算(305)作为由最后测量的温度值(301b)限定的所测量的内部温度值(301a)的函数的温度导数(305a)。
29.根据权利要求7或8所述的方法(100),其特征在于,该方法另外包括自动检测该冷却系统(5)的操作模式的步骤,该步骤包括:
对第一时间窗口和第二时间窗口内的门打开的数量进行计数;
如果在该第一时间窗口内存在用于购物功能的预定最小门打开数量,则通过修改该冷却系统(5)的操作来激活购物模式,以便在该购物功能的预定时间段内在与常规冷却状态相比增加的冷却状态下操作;
如果在该第二时间窗口内存在用于聚会功能的预定最小门打开数量,则通过修改该冷却系统(5)的功能来激活聚会模式,以便在该聚会功能的预定时间段内在与常规冷却状态相比增加的冷却状态下操作;
如果在该第二时间窗口内没有门打开,则通过修改该冷却系统(5)的操作来激活休假模式,以便在与常规冷却状态相比较低的冷却状态下操作;
否则确定(311)在门打开(3)时在该冰箱(1)中出现热负载插入(311a)。
30.根据权利要求30所述的方法(100),其特征在于,该第一时间窗口在3分钟与5分钟之间;该第二时间窗口在5分钟与45分钟之间;用于该购物功能的预定最小门打开数量在8与14之间;用于该聚会功能的预定最小门打开数量在15与25之间;该购物功能的预定时间段在30分钟与90分钟之间;该聚会功能的预定时间段在90分钟与300分钟之间;并且如权利要求7或8所限定的那样进行对在门打开(3)时在该冰箱(1)中出现热负载插入(311a)的确定(311)。
31.一种冰箱(1),至少包括:
柜体(2),该柜体确定制冷和/或冷冻区域;
隔离门(3),该隔离门打开和关闭该柜体的冷却和/或冷冻区域;
门打开传感器(31);以及
冷却系统(5),该冷却系统被配置成修改该制冷和/或冷冻区域的温度;以及
至少一个控制器(8),该至少一个控制器被配置成作用于该冷却系统(5);
该控制器(8)的特征在于被配置成执行如权利要求1至29中任一项所述的控制该冰箱(1)的方法。
32.根据权利要求32所述的冰箱(1),其特征在于,该冷却系统(5)包括加热元件(6),该加热元件被配置成对该冰箱(1)进行除霜。
33.根据权利要求32至33中任一项所述的冰箱(1),其特征在于,该冷却系统(5)包括:加热元件(6),该加热元件被配置成对该冰箱(1)进行除霜;
操作模式激活元件(7);
冰箱储藏柜体的内部温度传感器(41)、该冰箱的外部环境温度传感器(42);以及
该控制器(8),该控制器被配置成接收来自这些传感器(31,41,42)和来自该操作模式激活元件(7)的读数并且被配置成至少作用于该冷却系统(5)和/或该加热元件(6)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BRBR102021002902-1 | 2021-02-17 | ||
BR102021002902-1A BR102021002902A2 (pt) | 2021-02-17 | 2021-02-17 | Método para controle de operação de refrigerador e refrigerador |
PCT/BR2022/050048 WO2022174317A1 (en) | 2021-02-17 | 2022-02-16 | Method for controlling refrigerator operation and refrigerator |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116888420A true CN116888420A (zh) | 2023-10-13 |
Family
ID=80735432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280015392.1A Pending CN116888420A (zh) | 2021-02-17 | 2022-02-16 | 用于控制冰箱操作的方法和冰箱 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240133604A1 (zh) |
EP (1) | EP4295095A1 (zh) |
CN (1) | CN116888420A (zh) |
AU (1) | AU2022221743A1 (zh) |
BR (1) | BR102021002902A2 (zh) |
WO (1) | WO2022174317A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115930512A (zh) * | 2023-01-11 | 2023-04-07 | 珠海格力电器股份有限公司 | 冰箱、控制方法、控制装置及非易失性存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH063345B2 (ja) * | 1987-04-11 | 1994-01-12 | 株式会社東芝 | 冷蔵庫の除霜制御システム |
JP3320082B2 (ja) * | 1991-05-13 | 2002-09-03 | 三菱電機株式会社 | 冷蔵庫の制御装置 |
US5483804A (en) * | 1994-03-28 | 1996-01-16 | Sanyo Electric Co., Ltd. | Defrost control apparatus for refrigerator |
US6739146B1 (en) | 2003-03-12 | 2004-05-25 | Maytag Corporation | Adaptive defrost control for a refrigerator |
ITPN20050020A1 (it) | 2005-04-05 | 2006-10-06 | Electrolux Professional Spa | "congelatore perfezionato con rete neutrale" |
JP5544251B2 (ja) * | 2010-09-10 | 2014-07-09 | 日立アプライアンス株式会社 | 冷蔵庫 |
ES2673481T3 (es) * | 2011-02-16 | 2018-06-22 | Wellington Drive Technologies Limited | Controlador de refrigeración |
KR102169953B1 (ko) | 2014-02-07 | 2020-10-26 | 엘지전자 주식회사 | 인공지능 냉장고 및 냉장고의 제어 방법 |
JP7038856B2 (ja) * | 2019-01-11 | 2022-03-18 | 三菱電機株式会社 | 冷蔵庫 |
-
2021
- 2021-02-17 BR BR102021002902-1A patent/BR102021002902A2/pt unknown
-
2022
- 2022-02-16 CN CN202280015392.1A patent/CN116888420A/zh active Pending
- 2022-02-16 US US18/276,692 patent/US20240133604A1/en active Pending
- 2022-02-16 WO PCT/BR2022/050048 patent/WO2022174317A1/en active Application Filing
- 2022-02-16 AU AU2022221743A patent/AU2022221743A1/en active Pending
- 2022-02-16 EP EP22709551.0A patent/EP4295095A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
BR102021002902A2 (pt) | 2022-08-23 |
US20240133604A1 (en) | 2024-04-25 |
WO2022174317A1 (en) | 2022-08-25 |
AU2022221743A1 (en) | 2023-08-17 |
EP4295095A1 (en) | 2023-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3231076B2 (ja) | 冷蔵庫の自動運転制御方法 | |
US7055338B2 (en) | Refrigerator | |
CN110332758B (zh) | 冰箱的制冷控制方法与装置 | |
CN107490233B (zh) | 一种防止冷藏室结冰的控制方法、存储介质及冰箱 | |
CN112393508B (zh) | 结霜时间的计算方法、制冷设备 | |
CN116888420A (zh) | 用于控制冰箱操作的方法和冰箱 | |
CN111854273A (zh) | 制冷器具及其控制方法、装置、计算机可读存储介质 | |
RU2337283C2 (ru) | Охлаждающее устройство и способ управления им | |
CN113899158B (zh) | 温度判定方法、制冷控制方法及制冷设备 | |
CN113865249B (zh) | 风冷冰箱的化霜控制方法与风冷冰箱 | |
JP5544251B2 (ja) | 冷蔵庫 | |
KR100710240B1 (ko) | 김치냉장고 및 그 운전 방법 | |
KR102526627B1 (ko) | 인공지능 냉장고 시스템 및 그 운전방법 | |
CN109612183B (zh) | 用于运行家用器具的方法以及家用器具 | |
TWI684735B (zh) | 微凍結溫度控制方法及電冰箱 | |
KR100710239B1 (ko) | 김치냉장고 및 그 운전 방법 | |
KR20050018128A (ko) | 김치냉장고 및 그 운전 방법 | |
WO2023233777A1 (ja) | 冷蔵庫制御システム、及び冷蔵庫制御方法 | |
JPH0599554A (ja) | 冷蔵庫の除霜制御装置 | |
EP3943843B1 (en) | Setting temperature calculation device, low temperature processing system, setting temperature calculation method, and setting temperature calculation program | |
US20220397337A1 (en) | Refrigerator and method of controlling the same | |
JPH10227555A (ja) | 冷蔵庫制御装置 | |
CN116928976A (zh) | 冰箱化霜控制方法、控制装置及冰箱 | |
CN115727621A (zh) | 冰箱防凝露抽屉组件及其防凝露控制方法 | |
JP2004019976A (ja) | 定温保存庫の状態判定方法および状態判定用コンピュータプログラム |
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 |