CN117348384A - 智能熨烫机能效优化系统及方法 - Google Patents
智能熨烫机能效优化系统及方法 Download PDFInfo
- Publication number
- CN117348384A CN117348384A CN202311648131.6A CN202311648131A CN117348384A CN 117348384 A CN117348384 A CN 117348384A CN 202311648131 A CN202311648131 A CN 202311648131A CN 117348384 A CN117348384 A CN 117348384A
- Authority
- CN
- China
- Prior art keywords
- sensor
- ironing machine
- intelligent
- clothes
- energy efficiency
- 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
Links
- 238000010409 ironing Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 27
- 238000013210 evaluation model Methods 0.000 claims abstract description 21
- 239000002657 fibrous material Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 230000008447 perception Effects 0.000 claims description 56
- 230000006870 function Effects 0.000 claims description 44
- 230000004044 response Effects 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 10
- 239000002699 waste material Substances 0.000 abstract description 8
- 239000000463 material Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Abstract
本发明公开了智能熨烫机能效优化系统及方法,具体涉及智能家电技术领域,包括数据采集模块、比对分析模块、处理模块和警报反馈模块;数据采集模块,用于采集获取感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息和传感器误差信息。本发明基于对智能熨烫机工作时的温度、蒸汽和熨烫压力等参数的检测和分析,通过对智能熨烫机的感知功能进行定期的评估和测试,建立评估模型以判断感知功能是否处于异常工作状态,判断后对智能熨烫机控制系统进行二次评估,以评估结果发出警报,从而避免熨烫机能效持续浪费,并给出能效优化方向。
Description
技术领域
本发明涉及智能家电技术领域,更具体地说,本发明涉及智能熨烫机能效优化系统及方法。
背景技术
相较于传统的机械熨烫机,智能熨烫机拥有多种人性化功能,可用于提升安全性和用户体验,其中最为显著的几项功能分别是智能传感器、自动调节功能、多功能模式以及远程控制,这些功能使得智能熨烫机能够感知衣物的形状和材料并根据不同的织物类型和衣物材料自动调节温度和蒸汽,从而切换成相应的熨烫模式,允许用户在不在家的情况下监控和控制熨烫过程。
但是,当智能熨烫机的感知衣物功能出现问题,无法很好地完成衣物材料的识别功能时,智能熨烫机的多功能切换模式会因此受到影响,比如长期处于某种单一的熨烫模式下无法自动切换模式、实际模式与显示模式不对应或者不同模式之间的切换混乱,类似的情况发生时,由于系统故障警报一般通过各类传感器收集温度、电源信息,未到燃烧阈值或电压负荷阈值时,通常不会产生警报,最终导致智能熨烫机长期处于无法用符合衣物材质的输出功率运行,造成工作能效不足或能效过量的情况。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供智能熨烫机能效优化系统及方法,基于对智能熨烫机工作时的温度、蒸汽和熨烫压力等参数的检测和分析,通过对智能熨烫机的感知功能进行定期的评估和测试,建立评估模型以判断感知功能是否处于异常工作状态,判断后对智能熨烫机控制系统进行二次评估,以评估结果发出警报,从而避免熨烫机能效持续浪费,并给出能效优化方向,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
智能熨烫机能效优化方法,包括如下步骤:
步骤S1,定期测量和记录智能熨烫机工作时的使用时间、温度、蒸汽和运行模式参数,当智能熨烫机出现较长的单件持续工作时间或一定时间内始终处于同一运行模式时,标记为异常工作状态;
步骤S2,若智能熨烫机被标记为异常工作状态时,测试用于感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息,构建衣物感知评估模型,获取衣物感知评估指数;
步骤S3,将衣物感知评估指数与感知阈值做对比,根据对比结果判断熨烫机感知功能是否异常,从而判断是否继续进行后续步骤评估;
步骤S4,根据熨烫机衣物感知评估模型,系统构建备用模糊自适应PID控制系统代替原有控制系统运行,通过对运行时的智能熨烫机状态判断,给出不同的警报反馈。
具体地,在步骤S1中,为了实现优化智能熨烫机能效的目的,在智能熨烫机的日常使用中,当智能熨烫机一定时间内始终处于同一运行模式或出现较长的单件持续工作时间时,可能是由于出现了能效浪费和能效不足的问题所导致的,其中,较长时间和一定时间由系统定义的阈值决定的,当大于阈值时,系统进行判定。此时对熨烫机的感知功能-控制系统增加检测评估模块,甄别出熨烫机出现异常的原因。在实际使用的过程中,由于设备成本和定期检测的复杂性等因素,本发明建立在针对长时间智能熨烫机正常工作过程且衣物环境如温度、湿度相对稳定的情况,且熨烫机接通电源始终稳定的前提下进行的,从而可能会导致某一检测时刻运行异常的现象。
在步骤S2中,对智能熨烫机的衣物感知能力进行评估,具体过程为采集智能熨烫机的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息,传感器输入输出信息包括传感器响应系数、电信号稳定系数,将传感器响应系数、电信号稳定系数分别标定为和/>,传感器误差信息包括非线性误差系数,数据采集模块将非线性误差系数标定为/>,控制模块接收信息包括控制模块接收系数标定为/>;
传感器响应系数为传感器在工作过程中对测量环境和物理量变化的反应,由于衣物的材质通常会出现较为复杂的构成情况,如果传感器的响应缓慢,可能出现传感器接收数据不及时,导致熨烫机智能模式来不及切换的现象,长时间处于不符合材质的熨烫模式会让熨烫机浪费能效或者能效不足延长熨烫时间,因此,感知到智能熨烫机运行异常后,在正常工作阶段,对传感器响应时间分别进行多次测量,电阻传感器的响应时间可能受到物理变化的影响,可能在数秒到十几秒之间,取测量的十组数据,如[7.4,7.7,7.6,7.5,7.9,7.1,7.5,7.4,7.3,7.6],加和后除以组数,可以分别获得总数值和平均值为75和7.5,通过将数据数值求标准差,可以得到示例的标准差为0.044,即示例的传感器响应系数,与此同时,将采集到的所有样本按照时间的变化,把传感器响应系数/>构建响应曲线,以曲线的变化斜率可以获取传感器响应过程的衰减或上升曲线,帮助更好的识别异常运行出现的原因;
电信号稳定系数可以通过对传感器发出的电数据信号的连续性,获取电阻传感器在一定时间内发出的电数据信号作为样本信息,通过求取均方根的方法衡量信号振幅,计算公式为/>,其中N为信号的样本数,Xi是信号的i个样本值,/>越大,表示信号在整个时间范围内的振幅较大,连续性较强;
传感器非线性误差系数的获取逻辑为:
步骤一,在整个电阻传感器的输入范围内采集一系列数据。这些数据应该包括实际传感器输入值和相应的实际传感器输出值;
步骤二,通过线性插值法计算理想传感器输出值;
步骤三,对于每个实际输入值,计算实际输出与理想输出之间的偏差(误差);
步骤四,使用指数拟合的曲线拟合方法,对传感器的输入输出曲线进行拟合,拟合后的曲线表示理想传感器输出值;
步骤五,将实际传感器输出值和理论传感器输出值进行比较,计算非线性误差,非线性误差可以使用以下公式计算:;
其中,f为非线性误差,为实际传感器输出值,/>为理想传感器输出值;
步骤六,收集传感器的测量数据,计算每个测量数据点的非线性误差;传感器非线性误差系数可以通过对非线性误差的方差的计算实现:/>,n表述采集数据的组数;
传感器非线性误差系数用于评估传感器输出与实际输入之间非线性差异的一个参数。它表达了传感器实际输出与理想线性输出之间的最大偏差的百分比或绝对值。传感器非线性误差系数越大表示输出值相对于理论值具有更大的离散程度,即传感器的非线性误差较为分散。相反,非线性误差系数越小表示输出值相对于理论值具有较小的离散程度,即传感器的非线性误差较为集中。
一般而言,较小的非线性误差系数意味着传感器的输出值更接近理论值,具有更好的准确性和一致性。较大的非线性误差系数则可能表示传感器在不同测量条件下产生较大的偏差,存在较大的测量误差和不确定性。因此,较小的非线性误差系数通常是理想的,而较大的非线性误差系数表示传感器随着使用时间的延长状态愈加不稳定,可靠性变差。
控制模块接收系数通过获取控制模块接收到的电阻信号变更频率,标定为,当控制模块接收到的电阻信号前后差值不为0时,计为一次电阻信号变更,/>为实际工作的一分钟内,电阻信号变更次数,因此控制模块接收系数/>。
衣物感知评估模型分别从传感器的输出、传感器的输入、传感器本身的误差以及控制模块接收情况四方面加权构建而成,生成衣物感知评估指数,对应的系数分别为电信号稳定系数/>、传感器响应系数/>、传感器非线性误差系数/>和控制模块接收系数/>,构成的公式为/>;
同时,是根据实际情况进行设定,例如,采用专家赋权法,即邀请相关领域的专家通过专业的意见调查和综合评估来确定各项指标的权重,以确保权重系数能够准确地反映衣物感知评估中各项指标的重要性。此外,还可以考虑采用层次分析法、模糊综合评价法等多种方法来确定权重系数,以保证权重系数的客观性和科学性。在此不作赘述。
在步骤S2中,衣物感知评估模型中获得的衣物感知评估指数用于体现传感器的稳定性和可靠性,它的值越大表示传感器电信号稳定系数越大,连续性越强,表示传感器响应系数和非线性误差系数越小,响应时间越稳定,非线性误差越小,控制端接收到的数据变化率越高,代表着传感器获取的数据更加可靠,相对的,衣物感知评估指数的值越小,代表着传感器获取的值不稳定或不可靠。
在步骤S3中,当衣物感知评估指数小于设定的感知阈值时,说明传感器的性能不符合要求,无法实现智能熨烫机的需求,由此,发出传感器能效优化信号,并发出对应的警报,如特有的灯光或声音警报,不再进行后续步骤,一段时间后由步骤1开始重新进行数据评估;
当衣物感知评估指数大于等于设定的感知阈值时,说明传感器的能效符合要求,可以实现智能熨烫机的日常工作需求,因此可以排除由传感器导致智能熨烫机的异常工作现象,发出传感器能效合格信号,并继续进行后续步骤;
在步骤S4中,鉴于智能熨烫机的模式切换建立于感知功能-控制系统体系,在接收到步骤S3的传感器合格信号后,可以初步排除智能熨烫机的感知功能导致的工作异常,需要后续对于智能熨烫机的控制系统进行评估,对应方法为启动备用的模糊自适应PID控制系统,以模糊自适应PID控制系统的工作情况对原有控制系统进行评估并反馈,具体的模糊自适应PID控制系统的构建方法如下:
步骤S4.1,将系统中的输入变量转换为隶属度函数,以此描述它们属于不同模糊集合的程度。这个过程使用隶属度函数来量化输入的模糊性。在本例中,考虑到熨烫机的输入变量是代表不同种衣物纤维材料的电阻,可以将不同电阻对应的温度分为“低”、“中”、“高”三种模糊集合,并为每个集合定义隶属度函数,例如,选用三角形隶属度函数,三角形隶属度函数的形状类似于一个三角形,具体指的是一个具有三个线性段的函数,随着输入变量在左支点到峰值点的范围内增加,隶属度逐渐增加,然后在峰值点到右支点的范围内逐渐减小,此时,可以得到各变量隶属度赋值表,隶属度赋值表即为输入变量和输出变量的隶属度函数的表格;
步骤S4.2,预先定义一组模糊规则,这些规则描述了输入变量和输出变量之间的关系。模糊规则通常采用使用计算机算法表达“如果...那么...” 的含义,其中涉及到模糊集合,例如,“如果衣物电阻为高,那么温度和蒸汽量为低”。在本例中,模糊规则可以由原有控制系统得到。
步骤S4.3,对所得数据进行模糊化处理,根据输入变量的模糊集合和规则库,计算输出变量的模糊集合的过程,具体到本例为,将具体的电阻输入值映射到“低”、“中”、“高”三个模糊集合上,得到模糊的温度输入,对于每个规则,例如“如果衣物电阻为高,那么温度和蒸汽量为低”,核对输入的模糊温度是否满足规则的条件,对于满足条件的规则,将其结论部分的隶属度进行聚合,可以采用最大或加权平均等方法,将聚合后的模糊输出映射为具体的蒸汽量值,得到系统的最终输出。
步骤S4.4,将模糊的输出映射回实际值,得到系统的最终输出,该步骤中采用PID控制算法,下面是基于输入的电阻大小和输出的温度大小的PID控制算法的概述:
比例控制:比例控制根据电阻大小与设定电阻值之差来调整控制输出。假设电阻大小为,设定电阻值为/>,比例项的输出P可以表示为:/>,其中,是比例参数。
积分控制:积分控制根据电阻大小与设定电阻值的积分来调整控制输出,以减小系统的稳态误差。积分项的输出可以表示为:,其中,/>是积分参数。
微分控制:微分控制根据电阻大小与设定电阻值的变化率来调整控制输出,以减小系统的超调和提高稳定性。微分项的输出可以表示为:,其中,是微分参数。
需要注意的是,上述的比例参数、积分参数和微分参数可以通过多种方法得到,如手动调整、试错法、Ziegler-Nichols 方法和系统建模等,这些参数可由计算机收集足够多的样本数据后得出,以上方法皆为现有成熟计算方法,故不再对具体过程的实现进行赘述。
PID输出:最终的PID输出为三个项的和:PID输出=P+I+D;
将这个PID输出应用于调整加热元件的功率,以控制熨烫板的温度。
整个推理过程考虑了输入的不确定性,根据规则库进行逻辑推理,产生了模糊的输出,最终通过解模糊化得到了系统的实际输出。这样的控制方法能够适应模糊和不确定性的环境,提高了系统的鲁棒性。
在步骤S4中,对于备用的模糊自适应PID控制系统,若启用后,智能熨烫机不再处于工作异常状态,则说明原有控制系统需要进行维护方可改善熨烫机能效优化问题,此时发出控制系统异常警报;
若启用后,智能熨烫机仍处于工作异常状态,则需要进行整体维修才能查明并改善熨烫机能效优化问题,此时发出整体异常警报。智能熨烫机能效优化系统,用于上述智能熨烫机能效优化方法,包括:
数据采集模块,用于采集获取感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息;
比对分析模块,构建衣物感知评估模型,获取衣物感知评估指数,将衣物感知评估指数与感知阈值做对比,根据对比结果判断熨烫机感知功能是否异常;
处理模块,根据熨烫机衣物感知评估模型,系统构建备用模糊自适应PID控制系统代替原有控制系统运行,从而判断原有控制系统是否功能正常;
警报反馈模块,用于对处理后的数据结果进行警报反馈。
本发明的技术效果和优点:
本发明基于对智能熨烫机工作时的温度、蒸汽和熨烫压力等参数的检测和分析,通过对智能熨烫机的感知功能进行定期的评估和测试,建立评估模型以判断感知功能是否处于异常工作状态,判断后对智能熨烫机控制系统进行二次评估,以评估结果发出警报,从而避免熨烫机能效持续浪费,并给出能效优化方向。
附图说明
图1为本发明智能熨烫机能效优化方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,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,都属于本发明保护的范围。
本发明智能熨烫机能效优化系统及方法,是基于对智能熨烫机工作时的温度、蒸汽和熨烫压力等参数的检测和分析,通过对智能熨烫机的感知功能进行定期的评估和测试,建立评估模型以判断感知功能是否处于异常工作状态,判断后对智能熨烫机控制系统进行二次评估,以评估结果发出警报,从而避免熨烫机能效持续浪费,并给出能效优化方向。
实施例1
如图1所示,智能熨烫机能效优化方法步骤如下:
步骤S1,定期测量和记录智能熨烫机工作时的使用时间、温度、蒸汽和运行模式参数,当智能熨烫机出现较长的单件持续工作时间或一定时间内始终处于同一运行模式时,标记为异常工作状态;
步骤S2,若智能熨烫机被标记为异常工作状态时,测试用于感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息,构建衣物感知评估模型,获取衣物感知评估指数;
步骤S3,将衣物感知评估指数与感知阈值做对比,根据对比结果判断熨烫机感知功能是否异常,从而判断是否继续进行后续步骤评估;
步骤S4,根据熨烫机衣物感知评估模型,系统构建备用模糊自适应PID控制系统代替原有控制系统运行,通过对运行时的智能熨烫机状态判断,给出不同的警报反馈。
具体地,在步骤S1中,为了实现优化智能熨烫机能效的目的,在智能熨烫机的日常使用中,当智能熨烫机一定时间内始终处于同一运行模式或出现较长的单件持续工作时间时,可能是由于出现了能效浪费和能效不足的问题所导致的,其中,较长时间和一定时间由系统定义的阈值决定的,当大于阈值时,系统进行判定。此时对熨烫机的感知功能-控制系统增加检测评估模块,甄别出熨烫机出现异常的原因。在实际使用的过程中,由于设备成本和定期检测的复杂性等因素,本发明建立在针对长时间智能熨烫机正常工作过程且衣物环境如温度、湿度相对稳定的情况,且熨烫机接通电源始终稳定的前提下进行的,从而可能会导致某一检测时刻运行异常的现象。
在步骤S2中,对智能熨烫机的衣物感知能力进行评估,具体过程为采集智能熨烫机的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息,传感器输入输出信息包括传感器响应系数、电信号稳定系数,将传感器响应系数、电信号稳定系数分别标定为和/>,传感器误差信息包括非线性误差系数,数据采集模块将非线性误差系数标定为/>,控制模块接收信息包括控制模块接收系数标定为/>;
需要说明的是,传感器可以为电阻传感器或电容传感器。
传感器响应系数为传感器在工作过程中对测量环境和物理量变化的反应,由于衣物的材质通常会出现较为复杂的构成情况,如果传感器的响应缓慢,可能出现传感器接收数据不及时,导致熨烫机智能模式来不及切换的现象,长时间处于不符合材质的熨烫模式会让熨烫机浪费能效或者能效不足延长熨烫时间,因此,感知到智能熨烫机运行异常后,在正常工作阶段,对传感器响应时间分别进行多次测量,电阻传感器的响应时间可能受到物理变化的影响,可能在数秒到十几秒之间,取测量的十组数据,如[7.4,7.7,7.6,7.5,7.9,7.1,7.5,7.4,7.3,7.6],加和后除以组数,可以分别获得总数值和平均值为75和7.5,通过将数据数值求标准差,可以得到示例的标准差为0.044,即示例的传感器响应系数,与此同时,将采集到的所有样本按照时间的变化,把传感器响应系数/>构建响应曲线,以曲线的变化斜率可以获取传感器响应过程的衰减或上升曲线,帮助更好的识别异常运行出现的原因;
电信号稳定系数可以通过对传感器发出的电数据信号的连续性,获取电阻传感器在一定时间内发出的电数据信号作为样本信息,通过求取均方根的方法衡量信号振幅,计算公式为/>,其中N为信号的样本数,Xi是信号的i个样本值,/>越大,表示信号在整个时间范围内的振幅较大,连续性较强;
传感器非线性误差系数的获取逻辑为:
步骤一,在整个电阻传感器的输入范围内采集一系列数据。这些数据应该包括实际传感器输入值和相应的实际传感器输出值;
步骤二,假设电阻传感器是理想线性的,计算理想输出。这可以通过简单的线性插值或者理想线性模型来完成;
步骤三,对于每个实际输入值,计算实际输出与理想输出之间的偏差(误差);
步骤四,使用指数拟合的曲线拟合方法,对传感器的输入输出曲线进行拟合,拟合后的曲线表示理想传感器输出值;
步骤五,将实际传感器输出值和理论传感器输出值进行比较,计算非线性误差,非线性误差可以使用以下公式计算:;
其中,f为非线性误差,为实际传感器输出值,/>为理想传感器输出值;
步骤六,收集传感器的测量数据,计算每个测量数据点的非线性误差;传感器非线性误差系数可以通过对非线性误差的方差的计算实现:/>,n表述采集数据的组数;
传感器非线性误差系数用于评估传感器输出与实际输入之间非线性差异的一个参数。它表达了传感器实际输出与理想线性输出之间的最大偏差的百分比或绝对值。传感器非线性误差系数越大表示输出值相对于理论值具有更大的离散程度,即传感器的非线性误差较为分散。相反,非线性误差系数越小表示输出值相对于理论值具有较小的离散程度,即传感器的非线性误差较为集中。
一般而言,较小的非线性误差系数意味着传感器的输出值更接近理论值,具有更好的准确性和一致性。较大的非线性误差系数则可能表示传感器在不同测量条件下产生较大的偏差,存在较大的测量误差和不确定性。因此,较小的非线性误差系数通常是理想的,而较大的非线性误差系数表示传感器随着使用时间的延长状态愈加不稳定,可靠性变差。
控制模块接收系数通过获取控制模块接收到的电阻信号变更频率,标定为,当控制模块接收到的电阻信号前后差值不为0时,计为一次电阻信号变更,/>为实际工作的一分钟内,电阻信号变更次数,因此控制模块接收系数/>。
衣物感知评估模型分别从传感器的输出、传感器的输入、传感器本身的误差以及控制模块接收情况四方面加权构建而成,生成衣物感知评估指数,对应的系数分别为电信号稳定系数/>、传感器响应系数/>、传感器非线性误差系数/>和控制模块接收系数/>,构成的公式为/>;
同时,是根据实际情况进行设定,例如,采用专家赋权法,即邀请相关领域的专家通过专业的意见调查和综合评估来确定各项指标的权重,以确保权重系数能够准确地反映衣物感知评估中各项指标的重要性。此外,还可以考虑采用层次分析法、模糊综合评价法等多种方法来确定权重系数,以保证权重系数的客观性和科学性。在此不作赘述。
在步骤S2中,衣物感知评估模型中获得的衣物感知评估指数用于体现传感器的稳定性和可靠性,它的值越大表示传感器电信号稳定系数越大,连续性越强,表示传感器响应系数和非线性误差系数越小,响应时间越稳定,非线性误差越小,控制端接收到的数据变化率越高,代表着传感器获取的数据更加可靠,相对的,衣物感知评估指数的值越小,代表着传感器获取的值不稳定或不可靠。
在步骤S3中,当衣物感知评估指数小于设定的感知阈值时,说明传感器的性能不符合要求,无法实现智能熨烫机的需求,由此,发出传感器能效优化信号,并发出对应的警报,如特有的灯光或声音警报,不再进行后续步骤,一段时间后由步骤1开始重新进行数据评估;
当衣物感知评估指数大于等于设定的感知阈值时,说明传感器的能效符合要求,可以实现智能熨烫机的日常工作需求,因此可以排除由传感器导致智能熨烫机的异常工作现象,发出传感器能效合格信号,并继续进行后续步骤;
在步骤S4中,鉴于智能熨烫机的模式切换建立于感知功能-控制系统体系,在接收到步骤S3的传感器合格信号后,可以初步排除智能熨烫机的感知功能导致的工作异常,需要后续对于智能熨烫机的控制系统进行评估,对应方法为启动备用的模糊自适应PID控制系统,以模糊自适应PID控制系统的工作情况对原有控制系统进行评估并反馈,具体的模糊自适应PID控制系统的构建方法如下:
步骤S4.1,将系统中的输入变量转换为隶属度函数,以此描述它们属于不同模糊集合的程度。这个过程使用隶属度函数来量化输入的模糊性。在本例中,考虑到熨烫机的输入变量是代表不同种衣物纤维材料的电阻,可以将不同电阻对应的温度分为“低”、“中”、“高”三种模糊集合,并为每个集合定义隶属度函数,例如,选用三角形隶属度函数,三角形隶属度函数的形状类似于一个三角形,具体指的是一个具有三个线性段的函数,随着输入变量在左支点到峰值点的范围内增加,隶属度逐渐增加,然后在峰值点到右支点的范围内逐渐减小,此时,可以得到各变量隶属度赋值表,隶属度赋值表即为输入变量和输出变量的隶属度函数的表格;
步骤S4.2,预先定义一组模糊规则,这些规则描述了输入变量和输出变量之间的关系。模糊规则通常采用使用计算机算法表达“如果...那么...” 的含义,其中涉及到模糊集合,例如,“如果衣物电阻为高,那么温度和蒸汽量为低”。在本例中,模糊规则可以由原有控制系统得到。
步骤S4.3,对所得数据进行模糊化处理,根据输入变量的模糊集合和规则库,计算输出变量的模糊集合的过程,具体到本例为,将具体的电阻输入值映射到“低”、“中”、“高”三个模糊集合上,得到模糊的温度输入,对于每个规则,例如“如果衣物电阻为高,那么温度和蒸汽量为低”,核对输入的模糊温度是否满足规则的条件,对于满足条件的规则,将其结论部分的隶属度进行聚合,可以采用最大或加权平均等方法,将聚合后的模糊输出映射为具体的蒸汽量值,得到系统的最终输出。
步骤S4.4,将模糊的输出映射回实际值,得到系统的最终输出,该步骤中采用PID控制算法,下面是基于输入的电阻大小和输出的温度大小的PID控制算法的概述:
比例控制:比例控制根据电阻大小与设定电阻值之差来调整控制输出。假设电阻大小为,设定电阻值为/>,比例项的输出P可以表示为:/>,其中,是比例参数。
积分控制:积分控制根据电阻大小与设定电阻值的积分来调整控制输出,以减小系统的稳态误差。积分项的输出可以表示为:,其中,/>是积分参数。
微分控制:微分控制根据电阻大小与设定电阻值的变化率来调整控制输出,以减小系统的超调和提高稳定性。微分项的输出可以表示为:,其中,是微分参数。
需要注意的是,上述的比例参数、积分参数和微分参数可以通过多种方法得到,如手动调整、试错法、Ziegler-Nichols 方法和系统建模等,这些参数可由计算机收集足够多的样本数据后得出,以上方法皆为现有成熟计算方法,故不再对具体过程的实现进行赘述。
PID输出:最终的PID输出为三个项的和:PID输出=P+I+D;
将这个PID输出应用于调整加热元件的功率,以控制熨烫板的温度。
整个推理过程考虑了输入的不确定性,根据规则库进行逻辑推理,产生了模糊的输出,最终通过解模糊化得到了系统的实际输出。这样的控制方法能够适应模糊和不确定性的环境,提高了系统的鲁棒性。
在步骤S4中,对于备用的模糊自适应PID控制系统,若启用后,智能熨烫机不再处于工作异常状态,则说明原有控制系统需要进行维护方可改善熨烫机能效优化问题,此时发出控制系统异常警报;
若启用后,智能熨烫机仍处于工作异常状态,则需要进行整体维修才能查明并改善熨烫机能效优化问题,此时发出整体异常警报。
实施例2,本实施例为实施例1的系统实施例,用于实现实施例1中介绍的智能熨烫机能效优化方法,具体包括:
数据采集模块,用于采集获取感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息;
比对分析模块,构建衣物感知评估模型,获取衣物感知评估指数,将衣物感知评估指数与感知阈值做对比,根据对比结果判断熨烫机感知功能是否异常;
处理模块,根据熨烫机衣物感知评估模型,系统构建备用模糊自适应PID控制系统代替原有控制系统运行,从而判断原有控制系统是否功能正常;
警报反馈模块,用于对处理后的数据结果进行警报反馈。
上述公式均是去量纲取其数值计算,具体去量纲可采用标准化等多种手段,在此不进行赘述,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、ATA硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态ATA硬盘。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术作出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动ATA硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.智能熨烫机能效优化方法,其特征在于,包括如下步骤:
步骤S1,定期测量和记录智能熨烫机工作时的使用时间、温度、蒸汽和运行模式参数,当智能熨烫机出现单件持续工作或始终处于同一运行模式时,标记为异常工作状态;
步骤S2,若智能熨烫机被标记为异常工作状态时,测试用于感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息,构建衣物感知评估模型,获取衣物感知评估指数;
步骤S3,将衣物感知评估指数与感知阈值做对比,根据对比结果判断熨烫机感知功能是否异常,从而判断是否继续进行后续步骤评估;
步骤S4,根据熨烫机衣物感知评估模型,系统构建备用模糊自适应PID控制系统代替原有控制系统运行,通过对运行时的智能熨烫机状态判断,给出不同的警报反馈。
2.根据权利要求1所述的智能熨烫机能效优化方法,其特征在于:
在步骤S2中,对智能熨烫机的衣物感知能力进行评估,具体过程为采集智能熨烫机的传感器电信号变化情况,包括传感器输入输出信息、传感器误差信息和控制模块接收信息,传感器输入输出信息包括传感器响应系数、电信号稳定系数,将传感器响应系数、电信号稳定系数分别标定为和/>,传感器误差信息包括非线性误差系数,数据采集模块将非线性误差系数标定为/>,控制模块接收信息包括控制模块接收系数标定为/>;
传感器响应系数为传感器在工作过程中对测量环境和物理量变化的反应,对传感器响应时间分别进行多次测量,取测量的若干组数据,加和后除以组数,通过将数据数值求标准差,获得传感器响应系数/>;
电信号稳定系数通过对传感器发出的电数据信号的连续性,获取电阻传感器发出的电数据信号作为样本信息,通过求取均方根的方法衡量信号振幅,计算公式为,其中N为信号的样本数,Xi是信号的i个样本值;
传感器非线性误差系数的获取逻辑为:
步骤一,在整个电阻传感器的输入范围内采集数据,包括实际传感器输入值和相应的实际传感器输出值;
步骤二,通过线性插值法计算理想传感器输出值;
步骤三,对于每个实际传感器输入值,计算实际传感器输出值与理想传感器输出值之间的偏差;
步骤四,使用指数拟合的曲线拟合方法,对传感器的输入输出曲线进行拟合,拟合后的曲线表示理想传感器输出值;
步骤五,将实际传感器输出值和理想传感器输出值进行比较,计算非线性误差,非线性误差使用以下公式计算:;
其中,f为非线性误差,为实际传感器输出值,/>为理想传感器输出值;
步骤六,收集传感器的测量数据,计算每个测量数据点的非线性误差;传感器非线性误差系数通过对非线性误差的方差的计算实现:/>,n表述采集数据的组数;
控制模块接收系数通过获取控制模块接收到的电阻信号变更频率,标定为/>,当控制模块接收到的电阻信号前后差值不为0时,计为一次电阻信号变更,/>为实际工作的一分钟内,电阻信号变更次数,因此控制模块接收系数/>。
3.根据权利要求2所述的智能熨烫机能效优化方法,其特征在于:
衣物感知评估模型分别从传感器的输出、传感器的输入、传感器本身的误差以及控制模块接收情况四方面加权构建而成,生成衣物感知评估指数,对应的系数分别为电信号稳定系数/>、传感器响应系数/>、传感器非线性误差系数/>和控制模块接收系数,构成的公式为/>,式中,是相应指标的权重系数。
4.根据权利要求3所述的智能熨烫机能效优化方法,其特征在于:
在步骤S3中,当衣物感知评估指数小于设定的感知阈值时,发出传感器能效优化信号,并发出对应的警报,不再进行后续步骤,一段时间后由步骤1开始重新进行数据评估;
当衣物感知评估指数大于等于设定的感知阈值时,发出传感器能效合格信号,并继续进行后续步骤。
5.根据权利要求1所述的智能熨烫机能效优化方法,其特征在于:
在步骤S4中,启动备用的模糊自适应PID控制系统,以模糊自适应PID控制系统的工作情况对原有控制系统进行评估并反馈,具体的模糊自适应PID控制系统的构建方法如下:
步骤S4.1,将系统中的输入变量转换为隶属度函数;
步骤S4.2,定义一组模糊规则;
步骤S4.3,对所得数据进行模糊化处理,根据输入变量的模糊集合和规则库,计算输出变量的模糊集合的过程;
步骤S4.4,将模糊的输出映射回实际值,得到系统的最终输出。
6.根据权利要求5所述的智能熨烫机能效优化方法,其特征在于:
在步骤S4中,对于备用的模糊自适应PID控制系统,若启用后,智能熨烫机不再处于工作异常状态,此时发出控制系统异常警报;
若启用后,智能熨烫机仍处于工作异常状态,此时发出整体异常警报。
7.智能熨烫机能效优化系统,用于实现权利要求1-6中任一项所述的智能熨烫机能效优化方法,其特征在于,包括:
数据采集模块,用于采集获取感知衣物纤维材料的传感器电信号变化情况,包括传感器输入输出信息和传感器误差信息;
比对分析模块,构建衣物感知评估模型,获取衣物感知评估指数,将衣物感知评估指数与感知阈值做对比,根据对比结果判断熨烫机感知功能是否异常;
处理模块,根据熨烫机衣物感知评估模型,系统构建备用模糊自适应PID控制系统代替原有控制系统运行,从而判断原有控制系统是否功能正常;
警报反馈模块,用于对处理后的数据结果进行警报反馈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648131.6A CN117348384B (zh) | 2023-12-05 | 2023-12-05 | 智能熨烫机能效优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648131.6A CN117348384B (zh) | 2023-12-05 | 2023-12-05 | 智能熨烫机能效优化系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117348384A true CN117348384A (zh) | 2024-01-05 |
CN117348384B CN117348384B (zh) | 2024-03-08 |
Family
ID=89359814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311648131.6A Active CN117348384B (zh) | 2023-12-05 | 2023-12-05 | 智能熨烫机能效优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117348384B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020033974A (ko) * | 2000-10-31 | 2002-05-08 | 탁승호 | 다리미 및 다리미판을 구비하는 유도가열 다리미 세트 |
CN101563498A (zh) * | 2006-09-21 | 2009-10-21 | Bsh博施及西门子家用器具有限公司 | 熨烫温度恒定的蒸汽熨斗和熨烫方法 |
CN202744855U (zh) * | 2010-12-23 | 2013-02-20 | 皇家飞利浦电子股份有限公司 | 蒸汽熨烫设备 |
CN105803747A (zh) * | 2016-05-19 | 2016-07-27 | 上海飞科电器股份有限公司 | 自动识别状态信息的无绳熨斗及方法 |
CN110409156A (zh) * | 2019-08-30 | 2019-11-05 | 北京小米移动软件有限公司 | 熨烫设备、熨烫衣物的方法和装置 |
CN115704178A (zh) * | 2021-08-16 | 2023-02-17 | 海尔衣联生态科技(上海)有限公司 | 一种熨烫护理机的控制方法及系统、计算机可读存储介质 |
CN116397422A (zh) * | 2023-05-31 | 2023-07-07 | 深圳市微琪思网络有限公司 | 智能无线电熨斗控制方法及系统 |
-
2023
- 2023-12-05 CN CN202311648131.6A patent/CN117348384B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020033974A (ko) * | 2000-10-31 | 2002-05-08 | 탁승호 | 다리미 및 다리미판을 구비하는 유도가열 다리미 세트 |
CN101563498A (zh) * | 2006-09-21 | 2009-10-21 | Bsh博施及西门子家用器具有限公司 | 熨烫温度恒定的蒸汽熨斗和熨烫方法 |
CN202744855U (zh) * | 2010-12-23 | 2013-02-20 | 皇家飞利浦电子股份有限公司 | 蒸汽熨烫设备 |
CN105803747A (zh) * | 2016-05-19 | 2016-07-27 | 上海飞科电器股份有限公司 | 自动识别状态信息的无绳熨斗及方法 |
CN110409156A (zh) * | 2019-08-30 | 2019-11-05 | 北京小米移动软件有限公司 | 熨烫设备、熨烫衣物的方法和装置 |
CN115704178A (zh) * | 2021-08-16 | 2023-02-17 | 海尔衣联生态科技(上海)有限公司 | 一种熨烫护理机的控制方法及系统、计算机可读存储介质 |
CN116397422A (zh) * | 2023-05-31 | 2023-07-07 | 深圳市微琪思网络有限公司 | 智能无线电熨斗控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117348384B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116628529B (zh) | 一种用于用户侧智能负荷控制系统的数据异常检测方法 | |
CN102090704B (zh) | 一种提高制丝工艺批次过程能力的方法 | |
CN102090705B (zh) | 一种提高烘丝工序过程能力的方法 | |
HRP20230478T1 (hr) | Uređaj za određivanje stanja degradacije i postupak određivanja stanja degradacije | |
CN111680924A (zh) | 一种充电桩运行状态的评估方法、装置、设备及介质 | |
CN116365716B (zh) | 一种基于物联网平台的用电检查系统 | |
KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
CN109839889A (zh) | 设备推荐系统及方法 | |
CN117348384B (zh) | 智能熨烫机能效优化系统及方法 | |
CA3223566A1 (en) | Battery performance evaluation device and battery performance evaluation method | |
CN117310348B (zh) | 一种电源适配器故障实时监测方法及系统 | |
US20180053400A1 (en) | Method and Apparatus For Determination Of Sensor Health | |
CN114926004A (zh) | 一种陶瓷基复材母线槽的耐火性能的评价方法及系统 | |
CN111948534B (zh) | 发电机状态预警方法及系统 | |
CN116383676B (zh) | 基于数据处理的暖通设备智能检测方法 | |
CN117606578A (zh) | 一种智能的气体流量监测方法 | |
CN116345700A (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
JPH03132899A (ja) | オンライン設備の寿命予測方法 | |
Memari et al. | Cloud platform real-time measurement and verification procedure for energy efficiency of washing machines | |
WO2020107445A1 (zh) | 一种传感器的自动校准方法和系统 | |
JP7314969B2 (ja) | ジルコニア式酸素濃度計のメンテナンス方法、メンテナンスシステム、及びジルコニア式酸素濃度計 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN117071241B (zh) | 一种洗涤设备控制方法及洗涤设备控制系统 | |
CN117783990A (zh) | 电表计量误差自适应检测方法、系统、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |