CN114263018A - 衣物处理设备控制方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请涉及家电控制技术领域，具体涉及一种衣物处理设备控制方法、装置及电子设备，解决了现有技术中衣物处理设备产生大幅度振动及噪声的问题。方法将衣物处理设备中待处理衣物的衣物参数、处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值输入预先获取的转速计算神经网络模型中，利用神经网络模型的隐藏层最终输出的最大转速值，对衣物处理设备的转速进行准确的控制，使衣物处理设备在噪声、振动和电机负荷能力在允许范围内又能使脱水转速升高到最大，即衣物处理设备的当前脱水转速达到最高且振动和噪声最小。

Description

衣物处理设备控制方法、装置、存储介质及电子设备

技术领域

本申请涉及家电控制技术领域，特别地涉及一种衣物处理设备控制方法、装置、存储介质及电子设备。

背景技术

通常，现有家用电器中的衣物处理设备可以实现的功能包括，对衣物进行清洗的功能、对清洗后的衣物进行脱水的功能或对清洗后的衣物进行烘干的功能。一个衣物处理设备可以实现以上几种功能中的任意一个或两个以上功能。衣物处理设备对清洗后的衣物进行脱水一般是通过高速旋转脱水桶来去除衣物中的水，脱水桶加速至高的旋转速度，借助离心力，使附着在衣物中的水经由脱水桶表面上的脱水孔排出至桶外，完成脱水。

采用上述方式进行脱水的衣物处理设备，当脱水的转速在加速至高转速时，由于脱水桶内部的衣物存在摆放不均匀的情况，因此会出现使用过程衣物处理设备产生大幅度振动及噪声。

发明内容

针对现有技术中的衣物处理设备产生大幅度振动及噪声问题，本申请提供一种衣物处理设备控制方法、装置、存储介质及电子设备。

第一方面，本申请提供了一种衣物处理设备控制方法，所述方法包括：

获取衣物处理设备中待处理衣物的衣物参数；

监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；

将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；

根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。

上述实施方式中，将衣物处理设备中待处理衣物的衣物参数、处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值输入预先获取的转速计算神经网络模型中，利用神经网络模型的隐藏层最终输出的最大转速值，对衣物处理设备的转速进行准确的控制，使衣物处理设备在噪声、振动和电机负荷能力在允许范围内又能使脱水转速升高到最大，即衣物处理设备的当前脱水转速达到最高且振动和噪声最小。

根据本申请的实施例，可选的，上述衣物处理设备控制方法中，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括：

判断所述衣物处理设备是否结束脱水过程；

若否，则转至所述监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值的步骤。

上述实施方式中，若衣物处理设备还未结束脱水过程，则继续检测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值，再利用预先获取的转速计算神经网络模型计算最大转速值，以实现对衣物处理设备的转速进行实时调整，从而保证控制的准确性。

根据本申请的实施例，可选的，上述衣物处理设备控制方法中，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括：

判断所述衣物处理设备是否结束脱水过程；

若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

根据所述运行参数对预先获取的转速计算神经网络模型进行优化。

上述实施方式中，在衣物处理设备结束脱水过程后，可以根据衣物处理设备本次处于脱水过程的运行参数对预先获取的转速计算神经网络模型进行优化，以使下一次利用该转速计算神经网络模型进行计算时，能够得到更准确的最大转速值。

根据本申请的实施例，可选的，上述衣物处理设备控制方法中，所述将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值的步骤之前，所述方法还包括：

判断所述衣物处理设备是否与云端服务器连接；

若否，则获取所述衣物处理设备中存储的历史数据；

获取所述历史数据中最近一次存储的转速计算神经网络模型。

根据本申请的实施例，可选的，上述衣物处理设备控制方法中，所述判断所述衣物处理设备是否与云端服务器连接的步骤之后，还包括：

若所述衣物处理设备与所述云端服务器连接，则获取设置于所述云端服务器中的转速计算神经网络模型。

由于转速计算神经网络模型的，利用云端服务器强大的计算能力，可以对转速计算神经网络模型进行快速的处理，从而根据转速计算神经网络模型快速准确的得到最大转速值，继而对衣物处理设备进行准确快速的控制。

根据本申请的实施例，可选的，上述衣物处理设备控制方法中，所述获取设置于所述云端服务器中的转速计算神经网络模型的步骤之前，包括：

判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新；

若是，则确定更新参数，并根据所述更新参数对所述转速计算神经网络模型进行更新。

根据本申请的实施例，可选的，上述衣物处理设备控制方法中，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括：

判断所述衣物处理设备是否结束脱水过程；

若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

根据所述运行参数对设置于所述云端服务器中的转速计算神经网络模型进行优化。

第二方面，本申请还提供了一种衣物处理设备控制装置，所述装置包括：

衣物参数获取模块，用于获取衣物处理设备中待处理衣物的衣物参数；

运行数据模块，用于监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；

转速计算模块，用于将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；

转速控制模块，用于根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

脱水状态判断模块，用于判断所述衣物处理设备是否结束脱水过程；

运行数据模块，还用于若否，则监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

第一脱水状态判断模块，用于判断所述衣物处理设备是否结束脱水过程；

第一运行参数获取模块，用于若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

第一优化模块，用于根据所述运行参数对预先获取的转速计算神经网络模型进行优化。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

连接判断模块，用于判断所述衣物处理设备是否与云端服务器连接；

历史数据获取模块，用于若否，则获取所述衣物处理设备中存储的历史数据；

第一转速计算神经网络模型获取模块，用于获取所述历史数据中最近一次存储的转速计算神经网络模型。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

第二转速计算神经网络模型获取模块，用于若所述衣物处理设备与所述云端服务器连接，则获取设置于所述云端服务器中的转速计算神经网络模型。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置包括：

更新判断模块，用于判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新；

更新模块，用于若是，则确定更新参数，并根据所述更新参数对所述转速计算神经网络模型进行更新。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

第二脱水状态判断模块，用于判断所述衣物处理设备是否结束脱水过程；

第二运行参数获取模块，用于若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

第二优化模块，用于根据所述运行参数对设置于所述云端服务器中的转速计算神经网络模型进行优化。

第三方面，本申请提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述的衣物处理设备控制方法。

第四方面，本申请提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述的衣物处理设备控制方法。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

本申请提供的一种衣物处理设备控制方法、装置、存储介质及电子设备，方法包括：获取衣物处理设备中待处理衣物的衣物参数；监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。上述实施方式中，将衣物处理设备中待处理衣物的衣物参数、处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值输入预先获取的转速计算神经网络模型中，利用神经网络模型的隐藏层最终输出的最大转速值，对衣物处理设备的转速进行准确的控制，使衣物处理设备在噪声、振动和电机负荷能力在允许范围内又能使脱水转速升高到最大，即衣物处理设备的当前脱水转速达到最高且振动和噪声最小。

附图说明

在下文中将基于实施例并参考附图来对本申请进行更详细的描述。

图1为本申请实施例一提供的一种衣物处理设备控制方法的流程示意图。

图2为本申请实施例一提供的一种转速计算神经网络模型的示意图。

图3为本申请实施例三提供的一种衣物处理设备控制装置的结构示意框图。

图4为本申请实施例五提供的一种电子设备的连接框图。

在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。

具体实施方式

以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。

实施例一

本发明提供一种衣物处理设备控制方法，请参阅图1，该方法包括如下步骤：

步骤S110：获取衣物处理设备中待处理衣物的衣物参数。

获取的衣物参数可以包括衣物类型以及衣物重量等其他相关参数。在获取衣物参数时，可以通过用户手动输入的方式获取，也可以通过相应的参数获取器件进行获取，例如，在获取衣物类型时，可以通过图像识别的方式获取。在获取衣物重量时，则可以通过重量传感器进行测量以获取衣物的重量。

步骤S120：监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值。

当前运行参数可以包括衣物处理设备中电机的转速、当前偏心值、电机电流、电机功率等相关运行参数。获取当前运行参数时，可以通过监测衣物处理设备运行状态的设备获取。在获取当前噪声值时，则可以通过声音检测装置获取，例如，分贝仪。可以理解地，当前运行参数还可以包括其他参数，例如，衣物处理设备处于高电压或低电压状态等，

步骤S130：将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值。

预先获取的转速计算神经网络模型是预先训练好的神经网络模型。在获取转速计算神经网络模型之前，可以先收集大量的样本数据，如历史数据以及实验数据，作为数据集，利用数据集对初始转速计算神经网络模型进行训练，以得到训练好的转速计算神经网络模型。

神经网络是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络***，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习***。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。转速计算神经网络模型可以是卷积神经网络模型、长短期记忆申请网络模型或BP神经网络等，转速计算神经网络模型的具体类型可以根据实际的需求进行确定，此处不作限制。

例如，预先获取的转速计算神经网络模型为BP神经网络模型，请参照图2。BP神经网络模型主要分为输入层、隐藏层与输出层。若衣物参数包括衣物种类Q以及衣物重量W，当前运行参数包括当前电机转速V、当前偏心值K、电机电流I以及电机功率P。当前的噪音分贝值X，则BP神经网络的输入层包括衣物种类Q、衣物重量W、当前电机转速V、当前偏心值K、电机电流I、电机功率P和当前的噪音分贝值X。隐藏层的节点数一般根据以下经验公式确定：

或

其中，N表示隐藏层节点数，X_N表示输入层节点数，Y_N表示输出层节点数。

根据上述参数以及经验公式可以确定隐藏层的节点数N＝(7+1)/2＝4。

隐藏层的层数则可以通过实际的应用进行确定，如，若转速计算神经网络模型为纯数值型神经网络，则不需要太复杂的迭代，隐藏层为1～3层即可。

如图2，输入层的参数通过隐藏层的迭代后，再经过隐藏层传给输出层。输入参数经过2层隐藏层的迭代计算得出输出层，即当前的脱水最高转速Vmax。

步骤S140：根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。

可以将衣物处理设备的脱水转速调整至计算得到的最大转速值，使得衣物处理设备在脱水过程中，在振动、噪音和电机负荷能力允许范围内能达到最高转速，即使衣物处理设备的当前脱水转速达到最高且产生的振动和噪声最小。

根据本申请的实施例，在上述衣物处理设备控制方法中，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤S140之后，所述方法还包括如下步骤：

步骤S141：判断所述衣物处理设备是否结束脱水过程。

步骤S142：若否，则转至所述监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值的步骤。

若衣物处理设备已结束脱水过程，则可以停止对衣物处理设备的转速的调整。若衣物处理设备还未结束脱水过程，则继续检测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值，再利用预先获取的转速计算神经网络模型计算最大转速值，以实现对衣物处理设备的转速进行实时调整，从而保证控制的准确性。

根据本申请的实施例，在上述衣物处理设备控制方法中，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括以下过程。

首先判断所述衣物处理设备是否结束脱水过程，若是，则获取所述衣物处理设备处于脱水过程时的运行参数，然后根据所述运行参数对预先获取的转速计算神经网络模型进行优化。在衣物处理设备结束脱水过程后，可以根据衣物处理设备本次处于脱水过程的运行参数对预先获取的转速计算神经网络模型进行优化，以使下一次利用该转速计算神经网络模型进行计算时，能够得到更准确的最大转速值。

综上所述，本申请提供一种衣物处理设备控制方法，包括：获取衣物处理设备中待处理衣物的衣物参数；监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。将衣物处理设备中待处理衣物的衣物参数、处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值输入预先获取的转速计算神经网络模型中，利用神经网络模型的隐藏层最终输出的最大转速值，对衣物处理设备的转速进行准确的控制，使衣物处理设备在噪声、振动和电机负荷能力在允许范围内又能使脱水转速升高到最大，即衣物处理设备的当前脱水转速达到最高且振动和噪声最小，继而减少脱水时间。

实施例二

在实施例一的基础上，本实施例通过具体实施案例对实施例一中的方法进行说明。

在将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值的步骤之前，需要先获取转速计算神经网络模型。以下为本申请实施例所提供的几种获取转速计算神经网络模型的方式。

第一种实施方式，可以通过衣物处理设备存储的历史数据进行获取。

第二种实施方式，可以通过云端服务器中设置的转速计算神经网络模型进行获取。

作为一种实施方式，所述将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值的步骤之前，所述方法还包括如下步骤：

判断所述衣物处理设备是否与云端服务器连接。

若否，则获取所述衣物处理设备中存储的历史数据。

获取所述历史数据中最近一次存储的转速计算神经网络模型。

首先判断衣物处理设备是否与云端服务器连接，若衣物处理设备与云端服务器之间无连接，则衣物处理设备可以直接获取其存储的历史数据中最近一次存储的转速计算神经网络模型。例如，在第一次脱水过程中所使用的转速计算神经网络模型被存储于历史数据中，第二次进行脱水时，衣物处理设备未连接至云端服务器，则可以直接从历史数据中获取上次一次使用的转速计算神经网络模型，并进行转速的计算。

作为另一种实施方式，所述判断所述衣物处理设备是否与云端服务器连接的步骤之后，还包括以下过程：

若所述衣物处理设备与所述云端服务器连接，则获取设置于所述云端服务器中的转速计算神经网络模型。

由于转速计算神经网络模型的，利用云端服务器强大的计算能力，可以对转速计算神经网络模型进行快速的处理，从而根据转速计算神经网络模型快速准确的得到最大转速值，继而对衣物处理设备进行准确快速的控制。

在上述实施方式中，所述获取设置于所述云端服务器中的转速计算神经网络模型的步骤之前，包括如下步骤：首先判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新，若是，则确定更新参数，并根据所述更新参数对所述转速计算神经网络模型进行更新。

在判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新时，可以通过判断衣物处理设备的运行环境实现判断。例如，判断运行环境是否发生变化可以衣物处理设备的实际情况确定。还可以根据计算出来的值判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新，例如，转速计算神经网络模型内的阈值和偏移值通过负反馈确定是否需要进行修正，又如，通过输出的最大转速值对转速计算神经网络模型进行正向推算。此外，还可以根据清洗效果对转速计算神经网络模型进行更新。

此外，根据本申请的实施例，上述衣物处理设备控制方法中，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括以下步骤。

首先，判断所述衣物处理设备是否结束脱水过程，若是，则获取所述衣物处理设备处于脱水过程时的运行参数，然后根据所述运行参数对设置于所述云端服务器中的转速计算神经网络模型进行优化。

实施例三

请参看图3，本申请提供了一种衣物处理设备控制装置300，该装置包括：

衣物参数获取模块310，用于获取衣物处理设备中待处理衣物的衣物参数；

运行数据模块320，用于监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；

转速计算模块330，用于将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；

转速控制模块340，用于根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

脱水状态判断模块，用于判断所述衣物处理设备是否结束脱水过程；

运行数据模块，还用于若否，则监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

第一脱水状态判断模块，用于判断所述衣物处理设备是否结束脱水过程；

第一运行参数获取模块，用于若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

第一优化模块，用于根据所述运行参数对预先获取的转速计算神经网络模型进行优化。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

连接判断模块，用于判断所述衣物处理设备是否与云端服务器连接；

历史数据获取模块，用于若否，则获取所述衣物处理设备中存储的历史数据；

第一转速计算神经网络模型获取模块，用于获取所述历史数据中最近一次存储的转速计算神经网络模型。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

第二转速计算神经网络模型获取模块，用于若所述衣物处理设备与所述云端服务器连接，则获取设置于所述云端服务器中的转速计算神经网络模型。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置包括：

更新判断模块，用于判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新；

更新模块，用于若是，则确定更新参数，并根据所述更新参数对所述转速计算神经网络模型进行更新。

根据本申请的实施例，可选的，上述衣物处理设备控制装置中，所述装置还包括：

第二脱水状态判断模块，用于判断所述衣物处理设备是否结束脱水过程；

第二运行参数获取模块，用于若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

第二优化模块，用于根据所述运行参数对设置于所述云端服务器中的转速计算神经网络模型进行优化。

综上所述，本申请提供一种衣物处理设备控制装置300，包括：衣物参数获取模块310，用于获取衣物处理设备中待处理衣物的衣物参数；运行数据模块320，用于监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；转速计算模块330，用于将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；转速控制模块340，用于根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。将衣物处理设备中待处理衣物的衣物参数、处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值输入预先获取的转速计算神经网络模型中，利用神经网络模型的隐藏层最终输出的最大转速值，对衣物处理设备的转速进行准确的控制，使衣物处理设备在噪声、振动和电机负荷能力在允许范围内又能使脱水转速升高到最大，即衣物处理设备的当前脱水转速达到最高且振动和噪声最小。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现上述实施例中的方法步骤，具体实施例过程可参见上述实施例，本实施例在此不再重复赘述。

实施例五

本申请实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，包括存储器和处理器，所述存储器上存储有计算器程序，该计算机程序被处理器执行时实现如实施例一中所述的衣物处理设备控制方法。可以理解，如图4所示，该电子设备400还可以包括：处理器401，存储器402，多媒体组件403，输入/输出(I/O)接口404，以及通信组件405。

其中，处理器401用于执行如实施例一中的衣物处理设备控制方法中的全部或部分步骤。存储器402用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。

处理器401可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的衣物处理设备控制方法。

存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

多媒体组件403可以包括屏幕和音频组件，该屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。

I/O接口404为处理器401和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。

通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件405可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

综上，本申请提供的一种衣物处理设备控制方法、装置、存储介质及电子设备，所述方法包括：获取衣物处理设备中待处理衣物的衣物参数；监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。将衣物处理设备中待处理衣物的衣物参数、处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值输入预先获取的转速计算神经网络模型中，利用神经网络模型的隐藏层最终输出的最大转速值，对衣物处理设备的转速进行准确的控制，使衣物处理设备在噪声、振动和电机负荷能力在允许范围内又能使脱水转速升高到最大，即衣物处理设备的当前脱水转速达到最高且振动和噪声最小。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的***和方法，也可以通过其它的方式实现。以上所描述的***和方法实施例仅仅是示意性的。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种衣物处理设备控制方法，其特征在于，所述方法包括：

获取衣物处理设备中待处理衣物的衣物参数；

监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；

将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；

根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。

2.根据权利要求1所述的方法，其特征在于，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括：

判断所述衣物处理设备是否结束脱水过程；

若否，则转至所述监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值的步骤。

3.根据权利要求1所述的方法，其特征在于，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括：

判断所述衣物处理设备是否结束脱水过程；

若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

根据所述运行参数对预先获取的转速计算神经网络模型进行优化。

4.根据权利要求1所述的方法，其特征在于，所述将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值的步骤之前，所述方法还包括：

判断所述衣物处理设备是否与云端服务器连接；

若否，则获取所述衣物处理设备中存储的历史数据；

获取所述历史数据中最近一次存储的转速计算神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述判断所述衣物处理设备是否与云端服务器连接的步骤之后，还包括：

若所述衣物处理设备与所述云端服务器连接，则获取设置于所述云端服务器中的转速计算神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述获取设置于所述云端服务器中的转速计算神经网络模型的步骤之前，包括：

判断设置于所述云端服务器中的所述转速计算神经网络模型是否需要更新；

若是，则确定更新参数，并根据所述更新参数对所述转速计算神经网络模型进行更新。

7.根据权利要求5所述的方法，其特征在于，所述根据所述最大转速值对所述衣物处理设备的脱水转速进行控制的步骤之后，所述方法还包括：

判断所述衣物处理设备是否结束脱水过程；

若是，则获取所述衣物处理设备处于脱水过程时的运行参数；

根据所述运行参数对设置于所述云端服务器中的转速计算神经网络模型进行优化。

8.一种衣物处理设备控制装置，其特征在于，所述装置包括：

衣物参数获取模块，用于获取衣物处理设备中待处理衣物的衣物参数；

运行数据模块，用于监测处于脱水过程的所述衣物处理设备的当前运行参数以及当前噪声值；

转速计算模块，用于将所述衣物参数、所述当前运行参数以及所述当前噪声值输入至预先获取的转速计算神经网络模型中，以得到输出的最大转速值；

转速控制模块，用于根据所述最大转速值对所述衣物处理设备的脱水转速进行控制。

9.一种存储介质，其特征在于，该存储介质存储的计算机程序，在被一个或多个处理器执行时，用来实现如权利要求1-7中任意一项所述的衣物处理设备控制方法。

10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-7中任意一项所述的衣物处理设备控制方法。

Images