一种用于净水器的全智能净水控制方法与流程

本发明涉及净水器，特别涉及一种用于净水器的全智能净水控制方法。

背景技术：

1、近年来，随着居民生活品质提升和健康意识增强，家用净水器已广泛普及，成为保障家庭饮用水安全的核心设备。然而，传统净水器多采用固定参数的制水控制模式，即依据单一水质指标设定固定的净化时间和冲洗周期，缺乏对不同用水场景（如饮用、烹饪、洗漱等）差异化需求的精准响应能力。与此同时，我国地域辽阔，不同地区原水水质差异显著——南方水体以低硬度、低浊度为主，北方及西部地区则普遍存在高tds、高硬度问题，加之季节更替导致原水水温及浊度动态变化，使得统一固定的控制策略难以在复杂多变的使用环境下兼顾出水水质、能耗等多目标优化。

2、现有部分净水设备虽引入了水质传感器进行实时监测，但大多仅实现本地阈值报警或简单的变频调节，采集的数据仅限于单次使用，缺乏对历史运行数据的系统性积累和跨场景关联分析能力，无法形成从“数据采集—场景识别—策略生成—执行反馈—策略迭代”的闭环智能化管理。随着人工智能技术的快速发展，将大模型驱动的智能决策引入净水控制领域，有望突破传统规则引擎在复杂场景下策略泛化能力不足的瓶颈，推动净水设备从被动响应向主动认知的范式升级。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种用于净水器的全智能净水控制方法。

2、为实现上述目的，本发明采用如下的技术方案：一种用于净水器的全智能净水控制方法，包括有以下步骤：

3、s1、实时采集原水水质参数、产水水质参数、增压泵运行工况参数、管路压力参数及环境温度参数，并携带各自对应的时间戳信息，构建与各用水场景相对应的数据链，所述数据链按照时间序列进行结构化存储，用以完整记录每一用水场景下从进水至产水全过程的动态参数变化，形成具有可追溯性的场景化水质数据集；

4、s2、将步骤s1的数据链上传至云端服务器，结合人工智能大模型分析各用水场景的水质范围、水温范围，输出当前设备的制水调控策略，所述制水调控策略基于大模型对历史数据链和实时数据链的联合推理生成，包含针对不同用水场景的净化参数；

5、目标产水tds动态设定值：

6、tds_target = tds_in × (1 − r0 × φ) + 3×(tds_in/400)；

7、产水效能衰减因子φ：

8、φ = [1 + 0.015×(t_env−25)] ×(p_actual/p_rated) × exp[−0.0015×(tds_in−150)]；

9、其中，tds_in为原水总溶解固体，反映进水水质硬度；t_env为环境温度；p_actual为增压泵实际出口压力；p_rated为增压泵的工作压力；exp[−0.0015×(tds_in−150)]为tds指数衰减因子；

10、最终执行的目标产水tds值为tf，tf = 0.65 × tds_target + 0.35 ×tm，其中tm为大模型推理的目标产水tds建议值；

11、s3、根据制水调控策略，结合实时场景，自动匹配输出调控指令，自动调控产水净化频次、产水温度；若实时场景为新增场景时，则自动更换为人工智能模式，询问客户的用水需求、以及对应的水质范围、水温范围；

12、s4、将步骤s3对于新增场景所获取的用水需求、以及对应的水质范围、水温范围添加入制水调控策略，更新制水调控策略，更新后的制水调控策略同步存储于云端及本地控制单元，并作为后续同类场景出现时的优先调用策略，实现策略的持续迭代优化。

13、进一步阐述，步骤s1中所述原水水质参数包括有原水tds值、原水浊度值和原水余氯值，所述原水tds值用于表征水中总溶解固体含量，所述原水浊度值用于反映水中悬浮物浓度，所述原水余氯值用于衡量消毒副产物风险；所述产水水质参数包括有产水tds值和产水ph值，所述产水tds值用于评估脱盐率效果，所述产水ph值用于判断产水酸碱平衡度，各参数协同作为后续水质范围分析和水质安全预警的基础输入数据。

14、进一步阐述，步骤s1中所述数据链在构建时，按照各用水场景的启停时间节点对采集参数进行分段标记，并将每一分段内的参数极值、均值和变化率作为附加特征一同存入所述场景化水质数据集，所述启停时间节点依据增压泵的启动信号和停止信号进行自动识别。

15、进一步阐述，步骤s2中所述人工智能大模型为经过预训练的饮用水处理专用神经网络模型，该模型以不同地区水质特征库和不同家庭用水习惯库作为先验知识进行微调，用于提升各用水场景下水质的预测精度。

16、进一步阐述，步骤s3中所述自动匹配输出调控指令的具体方式为：将当前实时采集的各类参数与所述数据链中已存储的各场景特征进行相似度比对，选取相似度最高的场景对应的调控指令作为当前输出指令。

17、进一步阐述，步骤s3中所述询问客户的用水需求时，若客户未在预设响应时间内作出反馈，则自动切换至默认安全制水模式，该模式下以最低净化频次和常温出水执行制水操作，直至客户作出有效反馈为止。

18、进一步阐述，步骤s4中所述更新制水调控策略时，还将新增场景的用水需求和水质范围、水温范围发送至云端服务器，触发所述人工智能大模型对该新增场景与已有场景进行关联性分析，若关联度超过预设阈值则将新增场景合并至相近已有场景的策略分支中。

19、本发明的有益效果在于：本发明通过实时采集多维度水质与工况参数，构建场景化数据链并上传云端，由ai大模型融合地区水质和家庭用水习惯先验知识，输出精准的制水调控策略，系统采用算法智能识别用水场景，对已有场景自动匹配调控指令，对新增场景主动交互获取用户需求并更新策略，实现持续迭代优化形成了“采集、决策、执行、反馈、优化”的闭环体系，兼具精准化调控、自学习进化、主动服务与安全保障等多重有益效果，使净水设备越用越智能。

1.一种用于净水器的全智能净水控制方法，其特征在于：包括有以下步骤：

2.根据权利要求1所述的一种用于净水器的全智能净水控制方法，其特征在于：步骤s1中所述原水水质参数包括有原水tds值、原水浊度值和原水余氯值，所述原水tds值用于表征水中总溶解固体含量，所述原水浊度值用于反映水中悬浮物浓度，所述原水余氯值用于衡量消毒副产物风险；所述产水水质参数包括有产水tds值和产水ph值，所述产水tds值用于评估脱盐率效果，所述产水ph值用于判断产水酸碱平衡度，各参数协同作为后续水质范围分析和水质安全预警的基础输入数据。

3.根据权利要求1所述的一种用于净水器的全智能净水控制方法，其特征在于：步骤s1中所述数据链在构建时，按照各用水场景的启停时间节点对采集参数进行分段标记，并将每一分段内的参数极值、均值和变化率作为附加特征一同存入所述场景化水质数据集，所述启停时间节点依据增压泵的启动信号和停止信号进行自动识别。

4.根据权利要求1所述的一种用于净水器的全智能净水控制方法，其特征在于：步骤s2中所述人工智能大模型为经过预训练的饮用水处理专用神经网络模型，该模型以不同地区水质特征库和不同家庭用水习惯库作为先验知识进行微调，用于提升各用水场景下水质的预测精度。

5.根据权利要求1所述的一种用于净水器的全智能净水控制方法，其特征在于：步骤s3中所述自动匹配输出调控指令的具体方式为：将当前实时采集的各类参数与所述数据链中已存储的各场景特征进行相似度比对，选取相似度最高的场景对应的调控指令作为当前输出指令。

6.根据权利要求1所述的一种用于净水器的全智能净水控制方法，其特征在于：步骤s3中所述询问客户的用水需求时，若客户未在预设响应时间内作出反馈，则自动切换至默认安全制水模式，该模式下以最低净化频次和常温出水执行制水操作，直至客户作出有效反馈为止。

7.根据权利要求1所述的一种用于净水器的全智能净水控制方法，其特征在于：步骤s4中所述更新制水调控策略时，还将新增场景的用水需求和水质范围、水温范围发送至云端服务器，触发所述人工智能大模型对该新增场景与已有场景进行关联性分析，若关联度超过预设阈值则将新增场景合并至相近已有场景的策略分支中。