CN117991709B - 高清洁型智能家居马桶控制系统 - Google Patents
高清洁型智能家居马桶控制系统 Download PDFInfo
- Publication number
- CN117991709B CN117991709B CN202410403270.0A CN202410403270A CN117991709B CN 117991709 B CN117991709 B CN 117991709B CN 202410403270 A CN202410403270 A CN 202410403270A CN 117991709 B CN117991709 B CN 117991709B
- Authority
- CN
- China
- Prior art keywords
- cleaning
- viscosity
- color depth
- residual
- degree index
- 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
- 238000004140 cleaning Methods 0.000 claims abstract description 177
- 238000011010 flushing procedure Methods 0.000 claims abstract description 37
- 230000000694 effects Effects 0.000 claims abstract description 26
- 230000003749 cleanliness Effects 0.000 claims abstract description 18
- 238000011217 control strategy Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 10
- 239000007921 spray Substances 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000011086 high cleaning Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000004886 head movement Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000000853 adhesive Substances 0.000 claims description 2
- 230000001070 adhesive effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000012459 cleaning agent Substances 0.000 claims description 2
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 14
- 238000002474 experimental method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 210000003608 fece Anatomy 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
- E03D5/00—Special constructions of flushing devices, e.g. closed flushing system
- E03D5/10—Special constructions of flushing devices, e.g. closed flushing system operated electrically, e.g. by a photo-cell; also combined with devices for opening or closing shutters in the bowl outlet and/or with devices for raising/or lowering seat and cover and/or for swiveling the bowl
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- Hydrology & Water Resources (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Detergent Compositions (AREA)
Abstract
本发明提供高清洁型智能家居马桶控制系统，涉及智能控制系统技术领域，本发明通过数据采集模块收集马桶内残留排泄物的可量化参数，如黏稠度、颜色深度和覆盖面积，并利用数据处理模块生成清洁程度判断指数，这使得系统能够更准确地评估马桶内的清洁程度，进而通过结果生成模块调整清洁控制策略，包括智能调整冲水力度和清洗方式，以实现更有效的清洁；此外，动态调整模块还能根据马桶使用情况动态调整清洁策略，从而提高系统的智能化和适用性，因此，我方发明在处理排泄物黏稠性较高的情况下，具有更高的清洁效果和稳定性，以及更强的智能调整能力。
Description
技术领域
本发明涉及智能控制技术领域，具体为高清洁型智能家居马桶控制系统。
背景技术
传统的智能马桶控制系统通常依靠预设的冲洗模式，通过固定的水流强度和时间进行清洁，然而，在处理排泄物黏稠性较高的情况下，现有的智能马桶系统面临着一些挑战；智能家居马桶控制系统的发展已经取得了显著进步，过去的系统主要关注冲水的时间和强度，以及喷水的位置，以实现马桶的清洁；近年来，随着传感器技术和数据处理能力的提升，智能马桶控制系统开始采用更先进的方法来评估马桶内的清洁程度并进行相应的调整，这些系统通常利用传感器来监测马桶内的残留物，并根据收集到的数据调整清洁模式；
尽管现有的智能马桶控制系统在一定程度上提高了马桶的清洁效果，但仍然存在一些不足之处：
固定的清洁模式：大多数现有系统依赖于预设的清洁模式，无法根据实际情况动态调整清洁策略，这种固定模式可能无法有效地应对排泄物的黏稠性较高的情况；
清洁效果不稳定：由于马桶内残留物的特性不同，传统的清洁模式可能无法在所有情况下都提供一致的清洁效果，特别是当排泄物黏稠性较高时，自动冲水往往不能完全清除残留物，导致清洁效果不稳定；
缺乏智能调整能力：现有系统缺乏对马桶内排泄物特性的智能识别和调整能力，无法根据马桶内残留物的实际情况进行动态调整，以提供更有效的清洁；
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供高清洁型智能家居马桶控制系统，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：
高清洁型智能家居马桶控制系统，具体包括以下内容：
数据采集模块：用于在智能马桶自动冲水后，采集马桶内表面残留排泄物的可量化参数，可量化参数包括黏稠度、颜色深度和覆盖面积；
数据处理模块：用于获取可量化参数后进行分析处理，生成清洁程度判断指数C，将清洁程度判断指数C的值域范围作为清洁程度指标，且将清洁程度指标范围限定在0至10内；
结果生成模块：用于接收清洁程度指标后生成对应的智能马桶清洁控制策略，并根据清洁控制策略对智能马桶内表面进行不同程度的清洗，不同程度的清洗具体为，智能调整冲水力度和清洗方式；
动态调整模块：用于设定清洁程度判断指数C的动态调整阈值M，将马桶使用若干次后的清洁程度指标结果与动态调整阈值M进行比对后，对下一次的清洁控制策略进行调整。
与现有技术相比，本发明的有益效果是：
1、该控制系统通过数据采集模块收集马桶内残留排泄物的可量化参数，如黏稠度、颜色深度和覆盖面积，并利用数据处理模块生成清洁程度判断指数，这使得系统能够更准确地评估马桶内的清洁程度，进而通过结果生成模块调整清洁控制策略，包括智能调整冲水力度和清洗方式，以实现更有效地清洁；
2、此外，动态调整模块还能根据马桶使用情况动态调整清洁策略，从而提高系统的智能化和适用，因此，我方发明在处理排泄物黏稠性较高的情况下，具有更高的清洁效果和稳定性，以及更强的智能调整能力，从而弥补了现有技术的不足之处。
附图说明
图1为本发明整体系统流程框图；
图2为本发明的动态调整模块流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
请参阅图1和图2，本发明提供一种技术方案：
实施例一：
高清洁型智能家居马桶控制系统，具体包括以下内容：
数据采集模块：用于在智能马桶自动冲水后，采集马桶内表面残留排泄物的可量化参数，可量化参数包括黏稠度、颜色深度和覆盖面积；
数据处理模块：用于获取可量化参数后进行分析处理，生成清洁程度判断指数C，将清洁程度判断指数C的值域范围作为清洁程度指标，且将清洁程度指标范围限定在0至10内，清洁程度指标数值越大，表明马桶内表面残留排泄物越多，其中数值0代表没有残留排泄物；
结果生成模块：用于接收清洁程度指标后生成对应的智能马桶清洁控制策略，并根据清洁控制策略对智能马桶内表面进行不同程度的清洗，不同程度的清洗具体为，智能调整冲水力度和清洗方式，以实现更有效的清洁；
动态调整模块：用于设定清洁程度判断指数C的动态调整阈值M，将马桶使用若干次后的清洁程度指标结果与动态调整阈值M进行比对后，对下一次的清洁控制策略进行调整。
实施例二：
对所述黏稠度、颜色深度和覆盖面积依次进行标定，形成黏稠度NCd、颜色深度YSd和覆盖面积FGMj，所述黏稠度NCd具体为，通过黏度计测量马桶内表面残留排泄物的黏稠度数值，黏稠度越高，需要更强的冲水力度或额外的清洁周期；
黏度计是用于精确测量流体粘度的仪器，以帕斯卡秒（Pa·s）为单位；
根据黏稠度的测量值，动态调整冲水力度或清洁周期；具体而言：
当黏稠度在0-0.5Pa·s范围内，表示低黏稠，使用标准冲水力度和清洁周期，其中，标准冲水力度与清洁周期，根据当前智能马桶的排水量对于型号决定，现有清洁周期为一周以内任意一天；
当黏稠度大于0.5Pa·s且小于1Pa·s时，表示中度黏稠，增加15%—20%的冲水力度；
当黏稠度大于或等于1Pa·s时，表示高度黏稠，除了增加30%的冲水力度外，还需要额外增加一次清洁周期；
颜色深度YSd具体为，使用光学传感器测量残留排泄物的颜色深度，颜色深度间接反映排泄物的残留量；
根据光学传感器的输出范围将颜色深度值映射到0至100的范围内，设定传感器输出的颜色深度值范围是0至255，使用以下公式进行映射；
其中，SDZ为光学传感器的输出颜色深度值；
当0≤YSd＜30时，残留排泄物为浅颜色深度，如浅黄色，表示残留物较少，其中YSd为数值0时，表示没有残留排泄物；
当30≤YSd＜60时，残留排泄物为较深颜色深度，如深棕色，表示残留量较多；
当60≤YSd≤100时，残留排泄物为深颜色深度，如黑色，表示残留量较多，需要额外的清洁；
覆盖面积FGMj具体为，通过安装在马桶内部的摄像头来获取残留排泄物的图像信息，并使用图像处理技术对图像信息进行处理，计算残留物覆盖的区域比例，使用算法分析残留物的覆盖范围；
所述图像处理技术为基于深度学习的图像分割技术，如U-Net或MaskR-CNN，来处理马桶内部的摄像头捕获的图像，能够准确地识别和分割图像中的残留物，计算其覆盖的区域比例；
所述覆盖范围的分析采用面积比例算法，通过计算残留物覆盖的面积与总观察面积的比例，来估算清洁的需要；
若覆盖面积比例低于10%，表示残留排泄物覆盖量较少，则采用智能马桶的标准清洁模式；
若覆盖面积比例在10%到30%之间，表示残留排泄物覆盖量中等，增加清洁周期一次，并对应提高5%、10%、15%的冲水力度；
若覆盖面积比例超过30%，表示残留排泄物覆盖量较多，则增加30%的冲水力度外，还需要额外增加二次清洁周期。
实施例三：
在实施例二的基础上进一步说明，定义清洁程度判断指数C的计算公式为：
其中，是一个归一化函数，用于将任意输入值x映射到[0,1]区间内，确保公式中的每一项都对最终结果有等权重的贡献，具体为：
其中和分别是x的最小值和最大值，x分别表示中的任意一种；
是一个关于黏稠度的高等积分函数，用于描述黏稠度对清洁程度的影响；
是一个复杂求和函数，用于处理颜色深度数据，其中表示第i个颜色深度的测量值，N是颜色深度测量值的总数；
是一个指数函数，用于描述覆盖面积对清洁程度的影响，其中是一个为正数的常数；
该公式C的值域设计为[0,10]，并作为清洁程度指标，其中数值0代表没有残留排泄物，10代表最大程度的污染，不同的C值反映了智能马桶内表面的不同清洁程度，从而为智能马桶的清洁控制策略提供依据；
其中NCd的最大值通过实验确定。
实施例四：
所述关于黏稠度的高等积分函数f（NCd）具体为以下函数表示：
由于黏稠度对清洁程度的影响不是线性的，采用以下函数来描述这种影响：
在这个表达式中，a,b，和c是常数，通过实验数据拟合得到，用以调整黏稠度对清洁程度的贡献，NCd代表黏稠度的测量值；
这种形式允许（f(NCd)）随着（NCd）的增加而非线性增加，更好地反映黏稠度变化对清洁程度的影响；
所述复杂求和函数具体表示为：
颜色深度的影响通过对颜色深度的每个测量值应用一个函数并求和来模拟，使用一个包含对数函数的形式来描述颜色深度对清洁程度的影响，这反映了颜色深度较深的排泄物更难清洁：
在这个表达式中，d为大于0的常数，通过实验数据拟合得到，调整颜色深度的影响力度；
代表第i个颜色深度的测量值；
形式可以确保当颜色深度增加时，其对清洁程度的贡献是递增的，但以递减的速率增加，以反映在一定深度以上，颜色对清洁程度的影响增加变缓；
所述描述覆盖面积对清洁程度影响的指数函数具体反映了覆盖面积越大，清洁难度越大，但其影响的增加速率随着面积的增加而减少；
在这个表达式中，是一个正的常数，代表覆盖面积增加对清洁程度影响力度的衰减速率；
FGMj是覆盖面积的测量值；
指数函数确保了随着覆盖面积的增加，其对清洁程度的负面影响以指数形式衰减，符合实际情况，即初始覆盖面积的增加对清洁程度的影响较大，但随着面积继续减少，影响减小。
实施例五：
所述清洁程度指标与清洁控制策略具体包括以下内容：
清洁程度指标为数值0时，表示马桶内表面没有残留排泄物，YSd数值为0，为完美清洁；
对应清洁控制策略为轻微冲洗，使用低水流强度和常温水，简短喷头移动；
清洁程度指标为1—2时，表示马桶内表面轻微残留排泄物，黏稠度在0-0.5Pa·s范围内，残留排泄物为0≤YSd＜30的浅颜色深度，覆盖面积比例低于10%，需要最基本的一级标准冲洗，轻度水流强度和常温水，标准喷头移动；
清洁程度指标为3—4时，表示马桶内表面轻度残留排泄物，黏稠度在0-0.5Pa·s范围内，残留排泄物为0≤YSd＜30的浅颜色深度，覆盖面积比例在10%到15%之间，其中三个条件均符合，需要标准冲洗和轻度水流强度增加的二级清洗，冲水力度增加5%；
清洁程度指标为5—6时，表示中度残留，此时黏稠度大于0.5Pa·s且小于1Pa·s，残留排泄物为0≤YSd＜30的浅颜色深度，覆盖面积比例在15%到20%之间，需要三级的加强冲洗，包括水流强度和温度的适度增加，冲水力度增加15%，冲洗水温加热至40℃；
清洁程度指标为7—8时，表示重度残留，黏稠度大于0.5Pa·s且小于1Pa·s，残留排泄物为30≤YSd＜60的较深颜色深度，覆盖面积比例在20%到25%需要进行四级深度清洁，包括高水流强度、温度调高和喷头动态调整以覆盖更多区域，其中水流强度增加幅度为30%，冲洗水温加热至50℃；
清洁程度指标为9—10时，表示极重度残留，此时黏稠度大于或等于1Pa·s，残留排泄物为60≤YSd≤100的深颜色深度，覆盖面积比例超过30%，需要多轮深度清洁，包括最高水流强度、温度和喷头运动模式的五级清洗，还需要额外的清洁周期，其中水流强度增加幅度为50%，冲洗水温加热至65℃，使用化学清洁剂；
喷头运动模式，包括动态角度调整和扫描式喷射，以覆盖更多区域，具体根据不同智能马桶的清洗喷头功能决定，不赘述；
实施例六：
所述动态调整阈值M的取值范围为，4≥M≥1，若智能马桶连续两次使用后的C值均低于M，控制系统将自动调整下一次清洁策略，调整遵循以下逻辑：
当C＜M，维持当前清洁策略；
当C≥M，且这种情况连续发生两次，自动调整为下一高级别清洁模式；
采用以下方法来设定动态调整阈值M：
当清洁程度指标为数值0时，将M调整为1；
当清洁程度指标为9—10时，将M调整为4；
当清洁程度指标为1—4时，将M调整为2；
当清洁程度指标为5—8时，将M调整为3；
若智能马桶连续两次使用后的清洁程度指标C均低于M，将M的值以0.5个单位进行降低调整，以加速清洁策略的调整；
若连续三次C值低于M，引入化学清洁剂作为辅助。
实施例六：
选择不同粘度和颜色的模拟排泄物，使用标准黏度计测量黏稠度，光学传感器测量颜色深度，以及安装在智能马桶内的摄像头捕获覆盖面积图像；
实验设计：实验被分为三个主要阶段，针对每个阶段设置不同的黏稠度NCd、颜色深度YSd和覆盖面积FGMj的条件，每个条件下进行5次重复实验，以确保数据的可靠性；
数据记录与处理：通过黏度计、光学传感器和图像处理软件收集数据，并利用定义的清洁程度判断指数C公式进行计算，公式中的N0RM函数将实验数据标准化，确保结果的一致性和可比性；
冲水力度与清洁周期调整：根据黏稠度的测量值动态调整冲水力度和清洁周期，例如，当黏稠度大于1Pa·s时，增加30%的冲水力度并额外增加一次清洁周期，同理，颜色深度和覆盖面积的测量结果也用于调整清洁策略；
效果评估：通过比较不同条件下的清洁程度指数C，评估调整冲水力度和清洁周期对提高清洁效率的效果；
为了方便数据记录和分析，设计了以下表格。
表格一
| 试验对象名称 | 黏稠度NCd(Pa·s) | 颜色深度YSd(0-100) | 覆盖面积FGMj(%) | 清洁程度指数C |
| 实验样本1 | 0.3 | 25 | 8 | 4.5 |
| 实验样本2 | 0.6 | 45 | 15 | 6.2 |
| 实验样本3 | 1.2 | 75 | 25 | 8.5 |
| 实验样本4 | 0.8 | 55 | 12 | 7.2 |
| 实验样本5 | 1.5 | 80 | 33 | 9.2 |
表格数据分析：
通过上述实验数据，得到黏稠度NCd、颜色深度YSd和覆盖面积FGMj对清洁程度指数C有显著影响；当黏稠度、颜色深度增加和覆盖面积扩大时，清洁程度指数C明显升高，这意味着残留物较多，清洁难度增加；
黏稠度对清洁效果的影响：数据显示，黏稠度高于1Pa·s的实验样本，实验样本3和实验样本5的清洁程度指数明显高于黏稠度低于1Pa·s的实验样本，这表明随着黏稠度的增加，残留物更难以通过标准的冲水力度清洁，因此需要增强冲水力度和/或增加清洁周期来提高清洁效率，特别是，当黏稠度超过1Pa·s时，清洁程度指数的显著下降证实了增加30%的冲水力度并额外增加一次清洁周期的必要性；
颜色深度对清洁效果的影响：颜色深度作为残留物量的间接指标，其对清洁程度指数的影响同样显著，颜色深度在30至60范围内的实验样本，如实验样本2和实验样本4表现出了中等的清洁需求，清洁程度指数介于5到8之间，而颜色深度超过60的实验样本，如实验样本3和实验样本5则显示了更高的清洁需求，清洁程度指数降至8以上，这一结果说明了深色残留物需要更强的清洁策略，包括高水流强度和温度的适度增加，以及化学清洁剂使用。
覆盖面积对清洁效果的影响：覆盖面积比例是另一个重要的考量因素，实验数据显示，当覆盖面积比例超过30%时，如实验样本5，清洁程度指数急剧上升至9.2，这表明了五级清洁模式的启动是必要的，包括增加30%的冲水力度外，还需要额外增加二次清洁周期，相比之下，覆盖面积比例低于10%的实验样本，如实验样本1，则显示出较低的清洁程度指数，表明标准清洁模式已足够；
这些数据的分析表明，通过对黏稠度、颜色深度和覆盖面积的测量，可以有效地调整清洁策略以适应不同清洁需求，从而显著提高智能马桶的清洁效率；此外，实验结果也证明了发明内容中定义的清洁程度判断指数C是一个有效的量化工具，能够准确反映不同清洁条件下的清洁效果，从而指导清洁策略的优化；通过这种方法，不仅可以确保更卫生、更干净的卫生环境，还可以通过减少不必要的清洁次数来节省水资源，体现了发明的创新性和优势。
上述公式均是去量纲取其数值计算，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。
公式中的a、b、c、d等的具体取值一般由本领域技术人员根据实际情况来确定，本申请该公式本质为加权求和进行综合分析，由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比例系数；将设定的预设比例系数和采集的样本数据代入公式，任意四个公式构成四元一次方程组，将计算得到的系数进行筛选并取均值，得到a、b、c、d等的取值；
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。本领域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、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法来执行，取决于技术方案的特定应用和设计约束条件。
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。
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。
Claims (4)
1.高清洁型智能家居马桶控制系统，其特征在于，具体包括以下内容：
数据采集模块：用于在智能马桶自动冲水后，采集马桶内表面残留排泄物的可量化参数，可量化参数包括黏稠度、颜色深度和覆盖面积；
数据处理模块：用于获取可量化参数后进行分析处理，生成清洁程度判断指数C，将清洁程度判断指数C的值域范围作为清洁程度指标，且将清洁程度指标范围限定在0至10内；
定义清洁程度判断指数C的计算公式为：
其中，是一个归一化函数，用于将任意输入值x映射到[0,1]区间内，是一个关于黏稠度的高等积分函数，用于描述黏稠度对清洁程度的影响，所述关于黏稠度的高等积分函数f（NCd）具体为以下函数表示：
其中，a,b和c是常数，通过实验数据拟合得到，用以调整黏稠度对清洁程度的贡献，NCd代表黏稠度的测量值；
是一个复杂求和函数，用于处理颜色深度数据，其中表示第i个颜色深度的测量值，N是颜色深度测量值的总数，所述复杂求和函数具体表示为：
其中，d为大于0的常数，用于调整颜色深度的影响力度，代表第i个颜色深度的测量值；
是一个指数函数，用于描述覆盖面积对清洁程度的影响，其中是一个为正数的常数；
该公式C的值域设计为[0,10]，并作为清洁程度指标，其中0代表没有残留排泄物，10代表最大程度的残留排泄物污染；
结果生成模块：用于接收清洁程度指标后生成对应的智能马桶清洁控制策略，并根据清洁控制策略对智能马桶内表面进行不同程度的清洗，不同程度的清洗具体为，智能调整冲水力度和清洗方式；
动态调整模块：用于设定清洁程度判断指数C的动态调整阈值M，将马桶使用若干次后的清洁程度指标结果与动态调整阈值M进行比对后，对下一次的清洁控制策略进行调整；
所述动态调整阈值M的取值范围为，4≥M≥1，若智能马桶连续两次使用后的C值均低于M，控制系统将自动调整下一次清洁策略，调整遵循以下逻辑：
当C＜M，维持当前清洁策略；
当C≥M，且这种情况连续发生两次，自动调整为下一高级别清洁模式；
采用以下方法来设定动态调整阈值M：
当清洁程度指标为0时，将M调整为1；
当清洁程度指标为9—10时，将M调整为4；
当清洁程度指标为1—4时，将M调整为2；
当清洁程度指标为5—8时，将M调整为3；
若智能马桶连续两次使用后的清洁程度指标C均低于M，将M的值以0.5个单位进行降低调整；
若连续三次C值低于M，引入化学清洁剂作为辅助。
2.根据权利要求1所述的高清洁型智能家居马桶控制系统，其特征在于：对所述黏稠度、颜色深度和覆盖面积依次进行标定，形成黏稠度NCd、颜色深度YSd和覆盖面积FGMj，所述黏稠度NCd具体为，通过黏度计测量马桶内表面残留排泄物的黏稠度数值，
当黏稠度在0-0.5Pa·s范围内，表示低黏稠，
当黏稠度大于0.5Pa·s且小于1Pa·s时，表示中度黏稠，
当黏稠度大于或等于1Pa·s时，表示高度黏稠，
颜色深度YSd具体为，使用光学传感器测量残留排泄物的颜色深度，颜色深度间接反映排泄物的残留量；
根据光学传感器的输出范围将颜色深度值映射到0至100的范围内，设定传感器输出的颜色深度值范围是0至255，使用以下公式进行映射；
其中，SDZ为光学传感器的输出颜色深度值；
当0≤YSd＜30时，残留排泄物为浅颜色深度，表示残留物较少；
当30≤YSd＜60时，残留排泄物为较深颜色深度，表示残留量较多；
当60≤YSd≤100时，残留排泄物为深颜色深度，表示残留量较多；
覆盖面积FGMj具体为，通过安装在马桶内部的摄像头来获取残留排泄物的图像信息，并使用图像处理技术对图像信息进行处理，计算残留物覆盖的区域比例，使用算法分析残留物的覆盖范围；
若覆盖面积比例低于10%，表示残留排泄物覆盖量较少，
若覆盖面积比例在10%到30%之间，表示残留排泄物覆盖量中等，
若覆盖面积比例超过30%，表示残留排泄物覆盖量较多。
3.根据权利要求2所述的高清洁型智能家居马桶控制系统，其特征在于：
是一个归一化函数，用于将任意输入值x映射到[0,1]区间内，确保公式中的每一项都对最终结果有等权重的贡献，具体为：
其中和分别是x的最小值和最大值，x分别表示中的任意一种。
4.根据权利要求3所述的高清洁型智能家居马桶控制系统，其特征在于：所述清洁程度指标与清洁控制策略具体包括以下内容：
清洁程度指标为数值0时，表示马桶内表面没有残留排泄物，YSd为数值0时，为完美清洁；
对应清洁控制策略为轻微冲洗，使用低水流强度和常温水，简短喷头移动；
清洁程度指标为1—2时，表示马桶内表面轻微残留排泄物，黏稠度在0-0.5Pa·s范围内，残留排泄物为0≤YSd＜30的浅颜色深度，覆盖面积比例低于10%，需要最基本的一级标准冲洗，轻度水流强度和常温水，标准喷头移动；
清洁程度指标为3—4时，表示马桶内表面轻度残留排泄物，黏稠度在0-0.5Pa·s范围内，残留排泄物为0≤YSd＜30的浅颜色深度，覆盖面积比例在10%到15%之间，其中三个条件均符合，需要标准冲洗和轻度水流强度增加的二级清洗，冲水力度增加5%；
清洁程度指标为5—6时，表示中度残留，此时黏稠度大于0.5Pa·s且小于1Pa·s，残留排泄物为0≤YSd＜30的浅颜色深度，覆盖面积比例在15%到20%之间，需要三级的加强冲洗，包括水流强度和温度的适度增加，冲水力度增加15%，冲洗水温加热至40℃；
清洁程度指标为7—8时，表示重度残留，黏稠度大于0.5Pa·s且小于1Pa·s，残留排泄物为30≤YSd＜60的较深颜色深度，覆盖面积比例在20%到25%需要进行四级深度清洁，包括高水流强度、温度调高和喷头动态调整以覆盖更多区域，其中水流强度增加幅度为30%，冲洗水温加热至50℃；
清洁程度指标为9—10时，表示极重度残留，此时黏稠度大于或等于1Pa·s，残留排泄物为60≤YSd≤100的深颜色深度，覆盖面积比例超过30%，需要多轮深度清洁，包括最高水流强度、温度和喷头运动模式的五级清洗，还需要额外的清洁周期，其中水流强度增加幅度为50%，冲洗水温加热至65℃，使用化学清洁剂。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410403270.0A CN117991709B (zh) | 2024-04-03 | 2024-04-03 | 高清洁型智能家居马桶控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410403270.0A CN117991709B (zh) | 2024-04-03 | 2024-04-03 | 高清洁型智能家居马桶控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117991709A CN117991709A (zh) | 2024-05-07 |
| CN117991709B true CN117991709B (zh) | 2024-07-02 |
Family
ID=90897944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410403270.0A Active CN117991709B (zh) | 2024-04-03 | 2024-04-03 | 高清洁型智能家居马桶控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117991709B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117492386A (zh) * | 2023-12-26 | 2024-02-02 | 广东樱井科技有限公司 | 一种基于物联网的智能马桶控制系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU763797B2 (en) * | 1999-09-27 | 2003-07-31 | Toto Ltd. | Water closet and flushing water feed device |
| KR20180067571A (ko) * | 2015-10-09 | 2018-06-20 | 에이에스 아이피 홀드코 엘엘씨 | 자체 세척 변기 조립체 및 시스템 |
| CN108360630B (zh) * | 2018-01-29 | 2019-08-13 | 珠海格力电器股份有限公司 | 智能便器及电器系统 |
| EP3744912B1 (en) * | 2019-05-28 | 2024-01-24 | Kohler India Corporation Private Limited | Toilet system comprising a toilet arrangement and a self-regulated cleaning system |
| CN110820880A (zh) * | 2019-12-10 | 2020-02-21 | 浙江为尔健康科技股份有限公司 | 一种具有排泄物检测功能的智能马桶 |
| CN113869179A (zh) * | 2021-09-23 | 2021-12-31 | 南京邮电大学 | 多模态特征注意力融合的居家养老智能监护方法及系统 |
| CN114182795B (zh) * | 2022-01-20 | 2024-04-05 | 广东威力电器有限公司 | 智能马桶盖喷杆摆动喷水机构 |
| CN116427507A (zh) * | 2022-12-21 | 2023-07-14 | 香港特别行政区政府机电工程署 | 一种基于物联网的智能马桶清洁系统和方法 |
-
2024
- 2024-04-03 CN CN202410403270.0A patent/CN117991709B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117492386A (zh) * | 2023-12-26 | 2024-02-02 | 广东樱井科技有限公司 | 一种基于物联网的智能马桶控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117991709A (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115577018B (zh) | 一种水质监测数据的智能处理方法及系统 | |
| CN113011661B (zh) | 一种用于河流生态修复的曝气控制系统及其控制方法 | |
| CN113094923B (zh) | 考虑多源不确定性的多参数相关退化产品可靠性评估方法 | |
| CN109087277B (zh) | 一种空气细颗粒物pm2.5测量方法 | |
| JP2019209271A (ja) | 汚水処理施設の水質判定装置及び水質判定方法 | |
| CN112785560A (zh) | 一种基于人工智能的气密性检测水体更新方法及系统 | |
| CN110728409B (zh) | 一种洪水过程类型相似性挖掘与快速预测方法 | |
| CN114117953A (zh) | 水文模型结构诊断方法、径流预报方法及装置 | |
| CN113989257A (zh) | 基于人工智能技术的电力综合管廊沉降裂缝识别方法 | |
| CN116600104B (zh) | 一种用于ipc网络摄像头的采相质量分析方法及系统 | |
| CN112258495A (zh) | 一种基于卷积神经网络的建筑木材裂缝识别方法 | |
| CN111141653A (zh) | 一种基于神经网络的隧道渗漏速率预测方法 | |
| CN117991709B (zh) | 高清洁型智能家居马桶控制系统 | |
| CN110163419B (zh) | 一种中小河流流域洪水预报的方法 | |
| CN108764340A (zh) | 一种b型超声和超声弹性双模态图像的定量分析方法 | |
| CN101299242B (zh) | 一种人体肤色检测中阈值的确定方法及装置 | |
| Doukas et al. | Computer-supported angiogenesis quantification using image analysis and statistical averaging | |
| CN107192802B (zh) | 共享直饮水水质在线监测方法及系统 | |
| CN112683459A (zh) | 基于人工智能的气密性检测过程相机光圈调节方法及系统 | |
| CN110570022A (zh) | 一种基于mGBDT的建筑能耗预测方法和系统 | |
| CN113468823B (zh) | 一种基于机器学习的光模块损坏检测方法及系统 | |
| Yogesh et al. | Adaptive thresholding based segmentation of infected portion of pome fruit | |
| CN114792046A (zh) | 基于健康指数与粒子滤波的旋转机械故障预测方法及系统 | |
| CN100472206C (zh) | 食品中异物的检测方法 | |
| Verrelst et al. | Use of a multi-layer perceptron to predict malignancy in ovarian tumors |
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 |