一种基于衣物运动状态预测的热泵干衣机动态控制方法及系统与流程
本发明涉及一种基于衣物运动状态预测的热泵干衣机动态控制方法及系统,其属于家用电器智能控制与热泵干衣。
背景技术:
1、现有热泵干衣机主要基于温湿度反馈进行控制,控制策略通常依赖固定阈值或简单pid调节方法。该控制策略存在如下问题:
2、1. 无法感知滚筒内部衣物真实分布状态;
3、2. 对衣物堆积、缠绕等动态异常缺乏预测能力;
4、3. 热泵系统控制与衣物运动状态未实现耦合优化;
5、4. 换热效率下降时响应滞后;
6、5. 烘干均匀性与能效难以同时优化。
7、因此,确有必要对现有技术进行改进以解决现有技术之不足。
技术实现思路
1、本发明是为了解决上述现有技术存在的问题而提供一种基于衣物运动状态预测的热泵干衣机动态控制方法及系统,基于多源传感器融合,结合lstm时序预测模型,可实时识别衣物空间分布状态,并对热泵干衣机进行动态优化。
2、本发明采用如下技术方案:一种基于衣物运动状态预测的热泵干衣机动态控制方法,包括如下步骤:
3、s1:获取热泵干衣机运行过程中的实时运行参数,运行参数包括:电机运行电流,滚筒转速,滚筒振动信号,风道风压,风机转速,滚筒内部温湿度,压缩机运行频率;
4、s2:基于实时运行参数构建衣物运动状态特征参数,对实时运行参数依次进行滤波去噪处理、归一化处理、滑动时间窗口截取以及特征提取,以获得衣物运动状态特征参数,所述衣物运动状态特征参数包括衣物翻转周期特征、振动分布特征、负载波动特征以及风量变化特征,基于提取的特征计算衣物堆积状态指数,衣物堆积状态指数计算公式为:
5、
6、式中:为时间窗口内的电机电流序列,为时间窗口内的振动信号序列,为当前风道风压,为初始风道风压,为标准差,为均值,为权重系数;
7、如果衣物为羽绒服或羽绒被,除了计算衣物堆积状态指数外,还构建羽绒蓬松状态指数,羽绒蓬松状态指数计算公式为:
8、
9、式中:为当前时刻衣物厚度特征值,为初始厚度特征值,为当前振动响应特征值,为基准振动响应特征值,为当前翻转响应特征值,为基准翻转响应特征值,为权重系数;
10、s3:将衣物运动状态特征参数输入预先训练的长短期记忆网络lstm模型中,对滚筒内衣物空间分布状态进行时序预测;
11、其中,lstm模型基于时间序列输入进行状态建模,其表达式为:
12、
13、
14、其中,为时刻衣物运动状态特征向量,为当前时刻隐藏状态,为上一时刻隐藏状态,为输出映射函数,为下一时刻衣物空间分布状态预测结果;
15、s4、根据衣物空间分布状态预测结果生成热泵干衣机动态控制策略,动态控制策略中多个控制策略同步汇入多目标决策模块,完成多策略融合求解,进入控制参数优化环节;
16、s5:优化后的可调节硬件控制参数下发至热泵干衣机执行系统,驱动滚筒翻转机构、循环风机、变频压缩机、风道风门同步调节;设备运行后实现衣物状态改善,同时持续采集控制执行后的热泵干衣机新的运行参数,重新计算 、 状态指数并送入 lstm模型迭代预测;同时持续存储运行数据,周期性微调lstm模型,完成模型在线更新,形成闭环动态控制。
17、进一步地,步骤s2中,振动分布特征通过设置于滚筒支撑结构处的加速度传感器获取,用于表征滚筒内部衣物重心分布状态,其中,衣物翻转均匀性参数表示为:
18、
19、式中,为滚筒翻转翻转周期序列,为标准差,为均值。
20、进一步地,步骤s2中,风量变化特征用于表征风道堵塞程度,其风量衰减系数定义为:
21、
22、其中,为当前风量,为初始风量。
23、进一步地,步骤s3中,lstm模型基于历史时间序列数据进行训练,通过对衣物运动状态的时序演化特征进行学习,以获取衣物运动状态随时间变化的动态关联关系,输入特征向量为:
24、(6)
25、其中,为电流,为振动信号,为风压,为滚筒转速,为风机转速,为温度,为湿度。
26、进一步地,步骤s4中,衣物空间分布状态包括如下至少一种状态:
27、(1)均匀翻转状态;
28、(2)局部堆积状态;
29、(3)衣物缠绕状态;
30、(4)大件塌陷状态;
31、(5)羽绒结团状态。
32、进一步地,步骤s4中,衣物空间分布状态预测结果包括衣物局部堆积趋势、衣物翻转轨迹趋势、风道局部遮挡趋势以及衣物蓬松状态变化趋势,衣物堆积趋势变化率定义为:
33、(7)
34、其中,为当前时刻衣物堆积状态指数,为上一时刻衣物堆积状态指数,为采样时间间隔。
35、进一步地,步骤s4中,动态控制策略基于多目标优化函数生成,多目标优化函数定义为:
36、
37、其中,为系统能耗,为烘干时间,为衣物翻转均匀性,为换热效率指数,为权重系数;
38、换热效率指数定义为:
39、
40、其中,为换热温差,为风量,为系统输入功率。
41、进一步地,s4中,动态控制策略中,设定衣物局部堆积趋势对应匹配控制策略a,衣物翻转轨迹趋势对应匹配控制策略b,风道局部遮挡趋势对应匹配控制策略c,衣物蓬松状态变化趋势对应匹配控制策略d,控制策略包括将控制策略a、控制策略b、控制策略c以及控制策略d同步汇入多目标决策模块,完成多策略融合求解,进入控制参数优化环节。
42、本发明还采用如下技术方案:一种基于衣物运动状态预测的热泵干衣机动态控制系统,包括:
43、数据采集模块:其作为数据输入端,负责采集热泵干衣机的实时运行参数,数据采集模块将采集到的运行参数传输至数据预处理与特征构建模块,同时接收反馈监测模块回传的持续数据采集信号;
44、数据预处理与特征构建模块:接收数据采集模块传输的实时运行参数,内部依次执行四层数据处理工序:数据滤波与去噪、归一化处理、滑动时间窗口截取、特征提取;完成上述处理后,计算生成三类输出量:衣物堆积状态指数、羽绒蓬松状态指数 、其它特征量;最终整合所有特征数据,生成特征序列并输送至衣物运动状态预测模块;
45、衣物运动状态预测模块:内置有基于lstm的时序预测模型,用于对衣物在干衣过程中的动态变化进行预测;
46、控制决策模块:接收lstm时序模型输出的预测结果,内部分为三层逻辑单元,依次执行:
47、状态判定与风险评估模块:衣物局部堆积趋势大于预设阈值,且在连续多个预测周期内呈上升趋势时,则判定衣物存在形成局部堆积的风险;
48、控制策略生成:由控制器生成相应的动态控制策略;
49、多目标优化:将控制策略汇入多目标决策模块,完成多策略融合求解,进入控制参数优化环节;
50、执行控制模块:接收控制决策模块下发的控制指令,并通过内设的硬件驱动调节单元进行控制参数的优化;
51、干衣机整机系统:接收执行控制模块反馈的运行参数,干衣机整机系统完成控制动作后,向外输出实时运行参数,并将实时运行参数反馈至反馈监测模块;
52、反馈监测模块:接收干衣机整机系统反馈的运行参数,并持续存储运行数据,周期性微调lstm模型,完成模型在线更新,并将存续的运行数据反馈至数据采集模块,形成闭环动态控制。
53、进一步地,所述lstm时序模型的输入为衣物运动状态特征序列,特征序列由数据预处理与特征构建模块输出,并以滑动时间窗口形式构成具有时间依赖关系的多维时序数据;所述lstm时序模型通过遗忘门、输入门和输出门对历史时序信息进行选择性保留与更新,以提取衣物运动状态随时间变化的动态特征关系;经多时间步递归计算后,lstm时序模型输出对应的隐藏状态序列,并通过全连接映射层得到预测结果,所述预测结果包括衣物局部堆积趋势、衣物翻转轨迹趋势、风道局部遮挡趋势以及衣物蓬松状态变化趋势,并将所述预测结果实时同步输入至控制决策模块,以用于后续干衣过程的控制调节
54、本发明具有如下有益效果:本发明通过对衣物运动状态进行实时感知与预测,并结合热泵系统运行参数进行动态优化控制,能够有效改善衣物在滚筒内的翻转均匀性,减少局部堆积、缠绕及羽绒结团等现象,提高热空气流通能力和热泵系统换热效率。同时,可缩短烘干时间、降低系统能耗,提高衣物烘干一致性和护理效果,尤其适用于羽绒服、羽绒被等高端织物的智能化烘干与护理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com