烘干控制方法、装置及系统与流程

摘要: 本公开涉及家用电器领域,尤其涉及烘干控制方法、装置及系统。背景技术:1、干衣机作为现代家庭中重要的智能家电,广泛应用于需要高效衣物护理的场景,不仅能及时满足日常...
烘干控制方法、装置及系统与流程

本公开涉及家用电器领域,尤其涉及烘干控制方法、装置及系统。

背景技术:

1、干衣机作为现代家庭中重要的智能家电,广泛应用于需要高效衣物护理的场景,不仅能及时满足日常洗衣后的干燥需求,更能通过精准的低温烘干有效保护衣物纤维,维持其色泽、弹性和形态。但是,目前对干衣机的控制策略大多通过固定程序或规则控制单一执行机构,控制维度单一,无法满足用户对烘干速度、烘干效果的多维度需求。

技术实现思路

1、为克服相关技术中存在的问题,本公开提供一种烘干控制方法、装置及系统。

2、根据本公开实施例的第一方面,提供一种烘干控制方法,包括:

3、获取干衣机在烘干过程中的实时环境状态数据;

4、根据实时环境状态数据确定目标运行参数,其中,目标运行参数包括目标压缩机频率、目标风机转速和目标桶体转速;

5、控制干衣机按照目标运行参数进行烘干操作。

6、有益效果为:根据实时环境状态数据自适应确定控制策略,确保控制策略动态适应当前工况,并且所确定的控制策略可控制多个执行机构协同工作,突破传统单一变量控制的局限与固定程序或规则的僵化控制,同步提升烘干速度与烘干效果。

7、在本公开的一个实施例中,根据实时环境状态数据确定目标运行参数,包括:

8、根据实时环境状态数据确定干衣机的实时运行状态,其中,实时环境状态数据包括:实时排气温度、实时蒸中温度、实时舱室温度、实时舱内相对湿度、实时湿度条的相对湿度、实时烘干时长、实时压缩机温度、实时压缩机频率和实时冷凝器温度。;

9、将实时运行状态输入预设策略模型中,基于预设策略模型对实时运行状态进行前向计算,得到与实时运行状态对应的目标运行参数。

10、有益效果为:通过预设策略模型可在线实时得到目标运行参数,可保证控制响应的连续性。

11、在本公开的一个实施例中,在获取干衣机在烘干过程中的实时环境状态数据之前,还包括:

12、确定训练数据;

13、对采用预设算法的策略网络进行初始化,以作为初始策略模型;

14、基于训练数据对初始策略模型进行预训练,以得到预训练的策略模型;

15、通过预设的奖励函数对预训练的策略模型进行优化训练,以得到训练好的策略模型;

16、将训练好的策略模型作为预设策略模型。

17、有益效果为:该预设策略模型在训练阶段已经结合历史样本与奖励反馈完成适配,因此在面对不同衣物负载和环境波动时,可以对状态变化的响应更贴合目标控制需求,并使后续基于实时环境状态数据生成的目标压缩机频率、目标风机转速和目标桶体转速具有更好的协调性和一致性。

18、在本公开的一个实施例中,确定训练数据,包括:

19、根据干衣机的舱内相对湿度将烘干过程划分为多个烘干阶段;

20、确定多个烘干阶段对应的预设运行参数,其中,预设运行参数包括预设压缩机频率、预设风机转速和预设桶体转速;

21、控制干衣机在多个烘干阶段按照对应的预设运行参数进行烘干操作,并在烘干过程中按照预设时间间隔采集干衣机的环境状态数据和运行参数,其中,运行参数包括压缩机频率、风机转速和桶体转速;

22、将同一时刻采集到的环境状态数据和运行参数构建为数据对,将所有数据对构建为训练数据。

23、有益效果为:得到的训练数据能够对应不同烘干阶段下的真实控制行为,使环境状态数据和运行参数之间形成时序关联关系,基于该训练数据训练得到的预设策略模型能够学习各烘干阶段的参数映射规律,从而在不同烘干阶段输出与当前状态相适配的目标压缩机频率、目标风机转速和目标桶体转速。

24、在本公开的一个实施例中,根据干衣机的舱内相对湿度将烘干过程划分为多个烘干阶段,包括:

25、将舱内相对湿度大于第一预设相对湿度的烘干阶段确定为预热期;

26、将舱内相对湿度小于或等于第一预设相对湿度,且舱内相对湿度大于或等于第二预设相对湿度的烘干阶段确定为恒速干燥期;

27、将舱内相对湿度小于第二预设相对湿度,且舱内相对湿度大于第三预设相对湿度的烘干阶段确定为降速干燥期;

28、将舱内相对湿度小于或等于第三预设相对湿度的烘干阶段确定为缓苏期。

29、有益效果为:本示例通过将烘干过程划分为预热期、恒速干燥期、降速干燥期和缓苏期,能够使后续训练数据的确定建立在更明确的烘干阶段的基础上,进而提升烘干控制的连贯性和阶段适配性。

30、在本公开的一个实施例中,基于训练数据对初始策略模型进行预训练,以得到预训练的策略模型,包括:

31、将训练数据输入初始策略模型中;

32、将预设的行为克隆算法部署至初始策略模型中,以使初始策略模型基于行为克隆算法对训练数据进行模仿学习;

33、根据预设的损失函数确定初始策略模型中的网络权重参数与训练数据之间的差异;

34、根据预设的反向传播算法确定差异对应的梯度,根据预设的梯度下降算法对初始策略模型中的网络权重参数进行更新,直到网络权重参数达到第一预设收敛条件,则结束对初始策略模型的预训练,以得到预训练的策略模型。

35、有益效果为:能够对专家控制策略指出的历史烘干控制轨迹进行学习,可使预训练的策略模型更接近专家控制策略的有效控制策略,进而可提高模型的准确性。

36、在本公开的一个实施例中,通过预设的奖励函数对预训练的策略模型进行优化训练,以得到训练好的策略模型,包括:

37、根据预设的奖励函数确定环境状态数据和运行参数之间的基础奖励值;

38、保持环境状态数据不变,对运行参数进行随机调整,以得到调整后的运行参数;

39、根据预设的奖励函数确定环境状态数据和调整后的运行参数之间的实际奖励值;

40、基于基础奖励值与实际奖励值,对预训练的策略模型进行优化训练,直到预训练的策略模型的策略网络达到第二预设收敛条件,以得到训练好的策略模型。

41、有益效果为:本示例训练得到的策略模型能够更准确地反映运行参数对奖励函数的影响规律,降低单一参数调节带来的控制偏差,使后续在线控制时对不同负载和环境波动具有更好的适配性,并提升烘干过程的协同性和稳定性。

42、在本公开的一个实施例中,根据预设的奖励函数确定环境状态数据和运行参数之间的基础奖励值,包括:

43、根据奖励函数确定环境状态数据和运行参数对应的第一能效奖励值、第一时间奖励值、第一干燥度奖励值和第一稳定性奖励值;

44、根据环境状态数据确定能效奖励、时间奖励、干燥度奖励和稳定性奖励分别对应的目标权重系数,其中,第一能效奖励值为能效奖励的第一取值,第一时间奖励值为时间奖励的第一取值,第一干燥度奖励值为干燥度奖励的第一取值,第一稳定性奖励值为稳定性奖励的第一取值;

45、基于目标权重系数,对第一能效奖励值、第一时间奖励值、第一干燥度奖励值和第一稳定性奖励值进行加权求和运算,以得到基础奖励值。

46、有益效果为:本示例的奖励函数不再依赖单一指标,而是通过环境状态自适应分配各奖励项权重,使模型在复杂工况下仍能形成稳定的优化目标,进而提升策略训练的收敛一致性和控制结果的综合平衡性。

47、在本公开的一个实施例中,根据预设的奖励函数确定环境状态数据和调整后的运行参数之间的实际奖励值,包括:

48、根据奖励函数确定环境状态数据和调整后的运行参数对应的第二能效奖励值、第二时间奖励值、第二干燥度奖励值和第二稳定性奖励值;

49、根据环境状态数据确定能效奖励、时间奖励、干燥度奖励和稳定性奖励分别对应的目标权重系数,其中,第二能效奖励值为能效奖励的第二取值,第二时间奖励值为时间奖励的第二取值,第二干燥度奖励值为干燥度奖励的第二取值,第二稳定性奖励值为稳定性奖励的第二取值;

50、基于目标权重系数,对第二能效奖励值、第二时间奖励值、第二干燥度奖励值和第二稳定性奖励值进行加权求和运算,以得到实际奖励值。

51、有益效果为:本示例得到的实际奖励值不再依赖单一指标,而是结合环境状态对多项控制目标进行统一量化,使策略模型在不同烘干阶段能够形成更贴合工况的优化反馈,从而提升调整后运行参数的判别精度与训练收敛一致性。

52、在本公开的一个实施例中,根据环境状态数据确定能效奖励、时间奖励、干燥度奖励和稳定性奖励分别对应的目标权重系数,包括:

53、根据舱内相对湿度确定目标烘干阶段;

54、根据预设的权重系数表,确定目标烘干阶段对应的能效奖励目标权重系数、时间奖励目标权重系数、干燥度奖励目标权重系数和稳定性奖励目标权重系数,其中,权重系数表包括多个烘干阶段对应的能效奖励权重系数、时间奖励权重系数、干燥度奖励权重系数和稳定性奖励权重系数。

55、有益效果为:通过该方式,奖励分配与实际烘干阶段保持一致,进而提升控制参数求解的针对性和一致性。

56、在本公开的一个实施例中,还包括:

57、在对预训练的策略模型进行优化训练的过程中,若环境状态数据满足预设的终止条件,则结束对预训练的策略模型的优化训练。

58、有益效果为:通过在优化训练过程中设置终止条件,能够使模型训练在满足预设收敛或任务完成特征时及时结束,从而使训练好的策略模型与烘干过程的真实结束状态保持一致,减少无效迭代对模型参数的扰动,并使后续控制输出更贴合实际烘干工况。

59、在本公开的一个实施例中,预设的终止条件包括:湿度条的相对湿度小于预设相对湿度阈值的持续时长超过第一预设时长,或者,烘干时长超过第二预设时长。

60、有益效果为:能够以湿度变化结果和时间上限共同约束终止时机,使终止判断既能反映实际干燥程度,又能限定最长运行边界,从而使烘干过程的结束判定更加稳定,减少因湿度波动造成的过早终止或无效延长。

61、在本公开的一个实施例中,方法还包括:

62、若实时压缩机温度超过预设压缩机安全温度,则生成压缩机保护策略;

63、若实时压缩机频率达到预设共振频率,则生成压缩机频率共振保护策略;

64、若实时冷凝器温度超过预设冷凝器安全温度,则生成冷凝器保护策略;

65、控制干衣机执行压缩机保护策略和/或压缩机频率共振保护策略和/或冷凝器保护策略。

66、有益效果为:本示例的保护策略基于实时检测值触发,因此能够在设备进入过热、共振或热负荷异常状态前及时干预,维持压缩机、冷凝器与整机控制之间的稳定运行关系。采用该方式后,可在不改变主烘干控制框架的前提下对异常工况进行及时响应,并降低关键部件受损程度,同时保持烘干过程的连续性与控制一致性。

67、根据本公开实施例的第二方面,提供一种烘干控制装置,包括:

68、获取模块,用于获取干衣机在烘干过程中的实时环境状态数据;

69、处理模块,用于根据实时环境状态数据确定目标运行参数,其中,目标运行参数包括目标压缩机频率、目标风机转速和目标桶体转速;

70、控制模块,用于控制干衣机按照目标运行参数进行烘干操作。

71、可选的,实时环境状态数据包括:实时排气温度、实时蒸中温度、实时舱室温度、实时舱内相对湿度、实时湿度条的相对湿度、实时烘干时长、实时压缩机温度、实时压缩机频率和实时冷凝器温度。

72、在本公开的一个实施例中,处理模块,具体用于根据实时环境状态数据确定干衣机的实时运行状态;

73、处理模块,具体还用于将实时运行状态输入预设策略模型中,基于预设策略模型对实时运行状态进行前向计算,得到与实时运行状态对应的目标运行参数。

74、在本公开的一个实施例中,处理模块,还用于确定训练数据;

75、处理模块,还用于对采用预设算法的策略网络进行初始化,以作为初始策略模型;

76、处理模块,还用于基于训练数据对初始策略模型进行预训练,以得到预训练的策略模型;

77、处理模块,还用于通过预设的奖励函数对预训练的策略模型进行优化训练,以得到训练好的策略模型;

78、处理模块,还用于将训练好的策略模型作为预设策略模型。

79、在本公开的一个实施例中,处理模块,具体还用于根据干衣机的舱内相对湿度将烘干过程划分为多个烘干阶段;

80、处理模块,具体还用于确定多个烘干阶段对应的预设运行参数,其中,预设运行参数包括预设压缩机频率、预设风机转速和预设桶体转速;

81、处理模块,具体还用于控制干衣机在多个烘干阶段按照对应的预设运行参数进行烘干操作,并在烘干过程中按照预设时间间隔采集干衣机的环境状态数据和运行参数,其中,运行参数包括压缩机频率、风机转速和桶体转速;

82、处理模块,具体还用于将同一时刻采集到的环境状态数据和运行参数构建为数据对,将所有数据对构建为训练数据。

83、在本公开的一个实施例中,处理模块,具体还用于将舱内相对湿度大于第一预设相对湿度的烘干阶段确定为预热期;

84、处理模块,具体还用于将舱内相对湿度小于或等于第一预设相对湿度,且舱内相对湿度大于或等于第二预设相对湿度的烘干阶段确定为恒速干燥期;

85、处理模块,具体还用于将舱内相对湿度小于第二预设相对湿度,且舱内相对湿度大于第三预设相对湿度的烘干阶段确定为降速干燥期;

86、处理模块,具体还用于将舱内相对湿度小于或等于第三预设相对湿度的烘干阶段确定为缓苏期。

87、在本公开的一个实施例中,处理模块,具体还用于将训练数据输入初始策略模型中;

88、处理模块,具体还用于将预设的行为克隆算法部署至初始策略模型中,以使初始策略模型基于行为克隆算法对训练数据进行模仿学习;

89、处理模块,具体还用于根据预设的损失函数确定初始策略模型中的网络权重参数与训练数据之间的差异;

90、处理模块,具体还用于根据预设的反向传播算法确定差异对应的梯度,根据预设的梯度下降算法对初始策略模型中的网络权重参数进行更新,直到网络权重参数达到第一预设收敛条件,则结束对初始策略模型的预训练,以得到预训练的策略模型。

91、在本公开的一个实施例中,处理模块,具体还用于根据预设的奖励函数确定环境状态数据和运行参数之间的基础奖励值;

92、处理模块,具体还用于保持环境状态数据不变,对运行参数进行随机调整,以得到调整后的运行参数;

93、处理模块,具体还用于根据预设的奖励函数确定环境状态数据和调整后的运行参数之间的实际奖励值;

94、处理模块,具体还用于基于基础奖励值与实际奖励值,对预训练的策略模型进行优化训练,直到预训练的策略模型的策略网络达到第二预设收敛条件,以得到训练好的策略模型。

95、在本公开的一个实施例中,处理模块,具体还用于根据奖励函数确定环境状态数据和运行参数对应的第一能效奖励值、第一时间奖励值、第一干燥度奖励值和第一稳定性奖励值;

96、处理模块,具体还用于根据环境状态数据确定能效奖励、时间奖励、干燥度奖励和稳定性奖励分别对应的目标权重系数,其中,第一能效奖励值为能效奖励的第一取值,第一时间奖励值为时间奖励的第一取值,第一干燥度奖励值为干燥度奖励的第一取值,第一稳定性奖励值为稳定性奖励的第一取值;

97、处理模块,具体还用于基于目标权重系数,对第一能效奖励值、第一时间奖励值、第一干燥度奖励值和第一稳定性奖励值进行加权求和运算,以得到基础奖励值。

98、在本公开的一个实施例中,处理模块,具体还用于根据奖励函数确定环境状态数据和调整后的运行参数对应的第二能效奖励值、第二时间奖励值、第二干燥度奖励值和第二稳定性奖励值;

99、处理模块,具体还用于根据环境状态数据确定能效奖励、时间奖励、干燥度奖励和稳定性奖励分别对应的目标权重系数,其中,第二能效奖励值为能效奖励的第二取值,第二时间奖励值为时间奖励的第二取值,第二干燥度奖励值为干燥度奖励的第二取值,第二稳定性奖励值为稳定性奖励的第二取值;

100、处理模块,具体还用于基于目标权重系数,对第二能效奖励值、第二时间奖励值、第二干燥度奖励值和第二稳定性奖励值进行加权求和运算,以得到实际奖励值。

101、在本公开的一个实施例中,处理模块,具体还用于根据舱内相对湿度确定目标烘干阶段;

102、处理模块,具体还用于根据预设的权重系数表,确定目标烘干阶段对应的能效奖励目标权重系数、时间奖励目标权重系数、干燥度奖励目标权重系数和稳定性奖励目标权重系数,其中,权重系数表包括多个烘干阶段对应的能效奖励权重系数、时间奖励权重系数、干燥度奖励权重系数和稳定性奖励权重系数。

103、在本公开的一个实施例中,处理模块,还用于在对预训练的策略模型进行优化训练的过程中,若环境状态数据满足预设的终止条件,则结束对预训练的策略模型的优化训练。

104、在本公开的一个实施例中,预设的终止条件包括:湿度条的相对湿度小于预设相对湿度阈值的持续时长超过第一预设时长,或者,烘干时长超过第二预设时长。

105、在本公开的一个实施例中,处理模块,还用于若实时压缩机温度超过预设压缩机安全温度,则生成压缩机保护策略;

106、处理模块,还用于若实时压缩机频率达到预设共振频率,则生成压缩机频率共振保护策略;

107、处理模块,还用于若实时冷凝器温度超过预设冷凝器安全温度,则生成冷凝器保护策略;

108、处理模块,还用于控制干衣机执行压缩机保护策略和/或压缩机频率共振保护策略和/或冷凝器保护策略。

109、根据本公开实施例的第三方面,提供一种烘干控制系统包括:干衣机和云端服务器,其中,干衣机包括传感器机构和控制机构,云端服务器包括决策模块;

110、传感器机构用于采集干衣机在烘干过程中的实时环境状态数据,并将实时环境状态数据发送至决策模块;

111、决策模块用于根据实时环境状态数据确定目标运行参数,并将目标运行参数发送至控制机构,其中,目标运行参数包括目标压缩机频率、目标风机转速和目标桶体转速;

112、控制机构用于控制干衣机按照目标运行参数进行烘干操作。

113、在本公开的一个实施例中,云端服务器还包括安全监控模块;实时环境状态数据包括:实时压缩机温度、实时压缩机频率和实时冷凝器温度;

114、安全监控模块用于在实时压缩机温度超过预设的压缩机安全温度时,生成压缩机保护策略;在实时压缩机频率达到预设的共振频率时,生成压缩机频率共振保护策略;在实时冷凝器温度超过预设的冷凝器安全温度时,生成冷凝器保护策略;

115、安全监控模块还用于将压缩机保护策略和/或压缩机频率共振保护策略和/或冷凝器保护策略发送至控制机构,以使控制机构执行压缩机保护策略和/或压缩机频率共振保护策略和/或冷凝器保护策略。

116、根据本公开实施例的第四方面,提供一种空调器,包括:处理器、与处理器通信连接的存储器和压缩机;

117、存储器存储计算机执行指令;

118、处理器执行存储器存储的计算机执行指令,以实现如前第一方面任一项的烘干控制方法。

119、根据本公开实施例的第五方面,提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如前第一方面任一项的烘干控制方法。

120、根据本公开实施例的第六方面,提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现如前第一方面任一项的烘干控制方法。

121、本公开的实施例提供的技术方案可以包括以下有益效果:本公开根据实时环境状态数据自适应确定控制策略,确保控制策略动态适应当前工况,并且所确定的控制策略可控制多个执行机构协同工作,突破传统单一变量控制的局限与固定程序或规则的僵化控制,同步提升烘干速度与烘干效果。

122、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。