CN117071241B - 一种洗涤设备控制方法及洗涤设备控制*** - Google Patents
一种洗涤设备控制方法及洗涤设备控制*** Download PDFInfo
- Publication number
- CN117071241B CN117071241B CN202311097180.5A CN202311097180A CN117071241B CN 117071241 B CN117071241 B CN 117071241B CN 202311097180 A CN202311097180 A CN 202311097180A CN 117071241 B CN117071241 B CN 117071241B
- Authority
- CN
- China
- Prior art keywords
- washing
- data
- washing equipment
- equipment
- water quality
- 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
- 238000005406 washing Methods 0.000 title claims abstract description 899
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 233
- 230000005856 abnormality Effects 0.000 claims abstract description 200
- 230000032683 aging Effects 0.000 claims abstract description 107
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 230000000694 effects Effects 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 215
- 230000002159 abnormal effect Effects 0.000 claims description 108
- 238000012423 maintenance Methods 0.000 claims description 51
- 238000004519 manufacturing process Methods 0.000 claims description 46
- 239000002689 soil Substances 0.000 claims description 44
- 238000004140 cleaning Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 13
- 239000003599 detergent Substances 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 27
- 230000008439 repair process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000013442 quality metrics Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F33/00—Control of operations performed in washing machines or washer-dryers
- D06F33/30—Control of washing machines characterised by the purpose or target of the control
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/0018—Controlling processes, i.e. processes to control the operation of the machine characterised by the purpose or target of the control
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/0018—Controlling processes, i.e. processes to control the operation of the machine characterised by the purpose or target of the control
- A47L15/0021—Regulation of operational steps within the washing processes, e.g. optimisation or improvement of operational steps depending from the detergent nature or from the condition of the crockery
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/42—Details
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/42—Details
- A47L15/4295—Arrangements for detecting or measuring the condition of the crockery or tableware, e.g. nature or quantity
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/42—Details
- A47L15/4297—Arrangements for detecting or measuring the condition of the washing water, e.g. turbidity
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L15/00—Washing or rinsing machines for crockery or tableware
- A47L15/42—Details
- A47L15/44—Devices for adding cleaning agents; Devices for dispensing cleaning agents, rinsing aids or deodorants
- A47L15/449—Metering controlling devices
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/04—Signal transfer or data transmission arrangements
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/14—Arrangements for detecting or measuring specific parameters
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
- D06F2103/68—Operation mode; Program phase
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
- D06F2105/52—Changing sequence of operational steps; Carrying out additional operational steps; Modifying operational steps, e.g. by extending duration of steps
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Washing Machine And Dryer (AREA)
Abstract
本发明涉及洗涤设备技术领域，尤其涉及一种洗涤设备控制方法及洗涤设备控制***。所述方法包括以下步骤：通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，得到洗涤意图标记数据；根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并进行内部因素异常检测分析和设备结构老化异常检测计算，得到洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据；利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，得到洗涤参数控制调整结果数据；对洗涤参数控制调整结果数据进行评估检测和反馈优化处理，以执行相应的个性化洗涤参数优化任务。本发明能够智能地调整洗涤参数，从而实现高质量的洗涤效果。
Description
技术领域
本发明涉及洗涤设备技术领域，尤其涉及一种洗涤设备控制方法及洗涤设备控制***。
背景技术
洗涤设备是家庭和商业环境中常见的设备，用于清洁衣物、布料、碗筷等。传统的洗涤设备控制方法主要基于预设程序或用户手动操作，限制了洗涤过程的灵活性和智能化程度，而无法灵活地根据洗涤设备的结构老化、转速、负荷情况和污渍程度等因素进行洗涤参数调节，这导致了洗涤效果的不稳定以及控制效果的不准确。
发明内容
基于此，本发明有必要提供一种洗涤设备控制方法，以解决至少一个上述技术问题。
为实现上述目的，一种洗涤设备控制方法，包括以下步骤：
步骤S1：通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，得到洗涤意图标记数据；
步骤S2：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，得到洗涤设备内部因素异常检测数据；
步骤S3：获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
步骤S4：根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，得到洗涤参数控制调整结果数据；
步骤S5：对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
本发明首先通过使用洗涤设备的输入终端，收集用户的洗涤需求数据，包括洗涤物品类型、洗涤程序、洗涤时间等信息。并通过对这些洗涤需求数据进行洗涤意图识别，通过算法或机器学习模型判断用户的洗涤意图，例如洗涤普通衣物、清洁丝绸等，这样可以准确获取用户的洗涤需求，为后续的洗涤参数配置和控制优化提供基础数据。其次，根据洗涤意图标记数据，洗涤设备可以自动配置适当的洗涤参数，如水温、洗涤时间、洗涤剂投放量等，以满足用户的洗涤需求。同时，通过对洗涤设备的洗涤过程进行动态监测处理，可以实时收集洗涤设备的运行数据，如水位、温度、转速等数据。接着，通过对监测得到的洗涤设备运行数据进行内部因素异常检测分析，通过综合分析洗涤设备的内部因素异常情况，如水质、负荷、转速的异常情况，能够对洗涤设备整体的运行状态和性能进行综合评估，以检测洗涤设备是否存在内部异常，这样可以及时发现并记录洗涤设备的内部异常情况，为后续的处理和参数控制调整提供依据。然后，通过获取洗涤设备的生产时间数据和维修时间数据，可以帮助评估洗涤设备的结构老化情况。通过使用合适的设备结构老化异常检测计算公式对这些数据进行计算，可以得到洗涤设备的结构老化异常指标值，这个指标值可以量化洗涤设备的结构老化程度，从而帮助检测洗涤设备的可靠性和稳定性，这样可以及时发现洗涤设备的结构老化异常，进行维修和维护，以延长洗涤设备的使用寿命。接下来，通过结合洗涤设备的内部因素异常检测数据和设备结构老化异常检测数据，并采用合适的智能控制算法，可以对洗涤设备的洗涤参数进行自动调整处理。通过根据异常检测数据判断当前洗涤过程中的问题和设备状态，智能控制算法可以实时优化洗涤参数，如调整水温、转速、洗涤剂用量等，以提高洗涤效果和减少洗涤设备损耗。最后，通过对洗涤参数控制调整结果数据进行评估检测处理，可以对洗涤效果进行评估和分析，包括洗涤质量、能耗消耗、设备安全等方面的评估。通过比较实际洗涤效果和理想的洗涤效果，可以确定洗涤参数是否需要进一步调整或优化。根据洗涤评估检测效果数据进行反馈优化处理，即根据评估结果对洗涤参数进行调整和优化，以满足用户的个性化洗涤需求和提高洗涤效果，这样可以不断改进洗涤过程，满足用户的需求，并提供高效、可靠的洗涤服务，从而提高了洗涤过程的灵活性和智能化程度。
优选地，本发明还提供了一种洗涤设备控制***，用于执行如上所述的洗涤设备控制方法，该洗涤设备控制***包括：
洗涤设备意图标记处理模块，用于通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，从而得到洗涤意图标记数据；
洗涤设备内部因素异常检测模块，用于根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，从而得到洗涤设备内部因素异常检测数据；
洗涤设备结构老化检测模块，用于获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
洗涤设备智能控制调整模块，用于根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，从而得到洗涤参数控制调整结果数据；
洗涤效果评估反馈优化模块，用于对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
综上所述，本发明提供了一种洗涤设备控制***，该洗涤设备控制***由洗涤设备意图标记处理模块、洗涤设备内部因素异常检测模块、洗涤设备结构老化检测模块、洗涤设备智能控制调整模块以及洗涤效果评估反馈优化模块组成，能够实现本发明所述任意一种洗涤设备控制方法，用于联合各个模块上运行的计算机程序之间的操作实现一种洗涤设备控制方法，***内部结构互相协作，根据具体的洗涤需求和条件进行洗涤设备内部因素异常检测和结构老化异常检测，并通过利用智能控制算法对洗涤参数进行精准控制优化，以实现洗涤设备的智能化和高效化，这样能够大大减少重复工作和人力投入，能够快速有效地提供更准确、高效的洗涤设备个性化控制处理过程，从而简化了洗涤设备控制***的操作流程。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明洗涤设备控制方法的步骤流程示意图；
图2为图1中步骤S1的详细步骤流程示意图；
图3为图1中步骤S2的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的，请参阅图1至图3，本发明提供了一种洗涤设备控制方法，所述方法包括以下步骤：
步骤S1：通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，得到洗涤意图标记数据；
步骤S2：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，得到洗涤设备内部因素异常检测数据；
步骤S3：获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
步骤S4：根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，得到洗涤参数控制调整结果数据；
步骤S5：对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
本发明实施例中，请参考图1所示，为本发明洗涤设备控制方法的步骤流程示意图，在本实例中，所述洗涤设备控制方法的步骤包括：
步骤S1：通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，得到洗涤意图标记数据；
本发明实施例通过使用洗涤设备的触摸屏、按钮或遥控器等输入终端获取用户的洗涤需求信息，包括洗涤程序选择、温度设定、洗涤时间、洗涤剂用量等需求信息数据，以得到洗涤需求数据。然后，通过使用基于机器学习、自然语言处理或规则匹配等技术对洗涤需求清洗数据进行分析和处理，以识别用户的洗涤意图，并对识别结果进行意图标记分类，最终得到洗涤意图标记数据。
步骤S2：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，得到洗涤设备内部因素异常检测数据；
本发明实施例首先通过对洗涤意图标记数据的分析和匹配，以确定用户的洗涤需求和偏好，并根据用户的洗涤需求和偏好配置相应的洗涤参数，如洗涤程序、温度、洗涤剂、洗涤时间、转速等洗涤参数。然后，通过使用相应的传感器对洗涤设备的洗涤过程进行动态监测处理，以实时监测洗涤设备的水质指标、温度、水位、电流、转速等运行数据，以得到洗涤设备运行数据。最后，通过对洗涤设备运行数据进行水质、负荷、转速因素的异常检测分析，以检测分析在洗涤过程中水质、负荷、转速的异常情况，最终得到洗涤设备内部因素异常检测数据。
步骤S3：获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
本发明实施例首先通过洗涤设备的出产记录、运行记录、维修记录等信息来源获取洗涤设备的生产时间数据和维修时间数据。然后，根据洗涤设备生产时间数据以及洗涤设备维修时间数据利用一个合适的设备结构老化异常检测计算公式进行设备结构老化异常检测计算，以判断洗涤设备结构是否存在老化异常状况，最终得到洗涤设备结构老化异常检测数据。
步骤S4：根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，得到洗涤参数控制调整结果数据；
本发明实施例通过根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据并结合洗涤参数的控制误差、控制误差比例调整参数、控制误差积分调整参数、控制误差微分调整参数、激活函数、控制权重参数、带有时间延迟的控制误差微分调整参数、时间延迟参数、期望洗涤参数、实际洗涤参数以及相关参数构建一个合适的智能控制算法对洗涤参数进行控制调整，以保证洗涤过程的效果和洗涤设备的稳定性，最终得到洗涤参数控制调整结果数据。
步骤S5：对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
本发明实施例通过对洗涤参数控制调整结果数据进行评估检测处理，以评估分析调整后的洗涤参数对洗涤效果的影响，然后，将洗涤评估检测效果数据反馈给智能控制算法，根据反馈信息定制个性化的洗涤优化方案执行相应的个性化洗涤参数优化任务，以进一步调整优化洗涤参数。
本发明首先通过使用洗涤设备的输入终端，收集用户的洗涤需求数据，包括洗涤物品类型、洗涤程序、洗涤时间等信息。并通过对这些洗涤需求数据进行洗涤意图识别，通过算法或机器学习模型判断用户的洗涤意图，例如洗涤普通衣物、清洁丝绸等，这样可以准确获取用户的洗涤需求，为后续的洗涤参数配置和控制优化提供基础数据。其次，根据洗涤意图标记数据，洗涤设备可以自动配置适当的洗涤参数，如水温、洗涤时间、洗涤剂投放量等，以满足用户的洗涤需求。同时，通过对洗涤设备的洗涤过程进行动态监测处理，可以实时收集洗涤设备的运行数据，如水位、温度、转速等数据。接着，通过对监测得到的洗涤设备运行数据进行内部因素异常检测分析，通过综合分析洗涤设备的内部因素异常情况，如水质、负荷、转速的异常情况，能够对洗涤设备整体的运行状态和性能进行综合评估，以检测洗涤设备是否存在内部异常，这样可以及时发现并记录洗涤设备的内部异常情况，为后续的处理和参数控制调整提供依据。然后，通过获取洗涤设备的生产时间数据和维修时间数据，可以帮助评估洗涤设备的结构老化情况。通过使用合适的设备结构老化异常检测计算公式对这些数据进行计算，可以得到洗涤设备的结构老化异常指标值，这个指标值可以量化洗涤设备的结构老化程度，从而帮助检测洗涤设备的可靠性和稳定性，这样可以及时发现洗涤设备的结构老化异常，进行维修和维护，以延长洗涤设备的使用寿命。接下来，通过结合洗涤设备的内部因素异常检测数据和设备结构老化异常检测数据，并采用合适的智能控制算法，可以对洗涤设备的洗涤参数进行自动调整处理。通过根据异常检测数据判断当前洗涤过程中的问题和设备状态，智能控制算法可以实时优化洗涤参数，如调整水温、转速、洗涤剂用量等，以提高洗涤效果和减少洗涤设备损耗。最后，通过对洗涤参数控制调整结果数据进行评估检测处理，可以对洗涤效果进行评估和分析，包括洗涤质量、能耗消耗、设备安全等方面的评估。通过比较实际洗涤效果和理想的洗涤效果，可以确定洗涤参数是否需要进一步调整或优化。根据洗涤评估检测效果数据进行反馈优化处理，即根据评估结果对洗涤参数进行调整和优化，以满足用户的个性化洗涤需求和提高洗涤效果，这样可以不断改进洗涤过程，满足用户的需求，并提供高效、可靠的洗涤服务，从而提高了洗涤过程的灵活性和智能化程度。
优选地，步骤S1包括以下步骤：
步骤S11：通过洗涤设备的输入终端获取洗涤需求数据；
步骤S12：对洗涤需求数据进行滤波清洗处理，得到洗涤需求清洗数据；
步骤S13：利用意图识别算法对洗涤需求清洗数据进行洗涤意图识别，得到洗涤意图标记数据。
作为本发明的一个实施例，参考图2所示，为图1中步骤S1的详细步骤流程示意图，在本实施例中步骤S1包括以下步骤：
步骤S11：通过洗涤设备的输入终端获取洗涤需求数据；
本发明实施例通过使用洗涤设备的触摸屏、按钮或遥控器等输入终端获取用户的洗涤需求信息，包括洗涤程序选择、温度设定、洗涤时间、洗涤剂用量等需求信息数据，最终得到洗涤需求数据。
步骤S12：对洗涤需求数据进行滤波清洗处理，得到洗涤需求清洗数据；
本发明实施例通过对洗涤需求数据进行滤波处理，以去除洗涤需求数据中可能存在的噪声和异常值，并通过使用数据平滑方法对洗涤需求数据进行平滑化处理，以消除洗涤需求数据的瞬时波动和抖动，最终得到洗涤需求清洗数据。
步骤S13：利用意图识别算法对洗涤需求清洗数据进行洗涤意图识别，得到洗涤意图标记数据。
本发明实施例通过使用基于机器学习、自然语言处理或规则匹配等技术组成的意图识别算法对洗涤需求清洗数据进行分析和处理，以识别用户的洗涤意图，并对识别结果进行意图标记分类，最终得到洗涤意图标记数据。
本发明首先通过洗涤设备的输入终端获取相应的洗涤需求数据，能够实现需求数据的实时获取过程，通过实时获取用户的洗涤选择、设置的参数等这些数据，可以充分了解用户的洗涤需求和设定，从而为后续的处理和决策提供数据基础，这样可以提高洗涤设备的智能化程度，以满足用户个性化的需求。通过获取洗涤需求数据有助于收集有关洗涤操作的信息，例如洗涤程序、温度设置、洗涤时间等数据，从而建立起关于用户洗涤偏好和***滑洗涤需求数据，消除瞬时波动和抖动，得到更加稳定和可靠的数据，从而提高后续意图识别和算法处理的精度和可靠性。清洗后的洗涤需求数据为后续的意图识别提供了更好的数据基础，减少错误预测和误判的可能性，从而提高洗涤设备对用户需求的准确理解和响应能力。最后，通过使用合适的意图识别算法对洗涤需求清洗数据进行洗涤意图识别，能够将洗涤需求数据与预定义的洗涤意图进行匹配和识别，可以准确判断用户所需的具体洗涤操作或功能，从而提供个性化的洗涤体验，满足用户的需求。通过意图识别可以实现对洗涤设备的自动化控制，根据用户的意图自动调整洗涤程序、时间、温度等设置，提供更便捷和智能化的洗涤体验，节约用户的时间和精力。另外，通过意图识别算法对洗涤需求数据进行识别和标记，能够为后续的数据分析和改进提供基础，从而优化洗涤设备的功能和性能，以满足用户的不断变化的需求。
优选地，步骤S2包括以下步骤：
步骤S21：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数；
步骤S22：对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；
步骤S23：对洗涤设备运行数据进行水质运行数据提取、负荷运行数据提取以及转速运行数据提取，从而得到洗涤设备水质运行数据、洗涤设备负荷运行数据以及洗涤设备转速运行数据；
步骤S24：对洗涤设备水质运行数据进行水质因素异常检测分析，得到洗涤设备水质异常检测数据；
步骤S25：对洗涤设备负荷运行数据进行负荷因素异常检测分析，得到洗涤设备负荷异常检测数据；
步骤S26：对洗涤设备转速运行数据进行转速因素异常检测分析，得到洗涤设备转速异常检测数据；
步骤S27：对洗涤设备水质异常检测数据、洗涤设备负荷异常检测数据以及洗涤设备转速异常检测数据进行数据合并，得到洗涤设备内部因素异常检测数据。
作为本发明的一个实施例，参考图3所示，为图1中步骤S2的详细步骤流程示意图，在本实施例中步骤S2包括以下步骤：
步骤S21：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数；
本发明实施例首先通过对洗涤意图标记数据的分析和匹配，以确定用户的洗涤需求和偏好，并根据用户的洗涤需求和偏好配置相应的洗涤参数，如洗涤程序、温度、洗涤剂、洗涤时间、转速等洗涤参数。
步骤S22：对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；
本发明实施例通过使用相应的传感器对洗涤设备的洗涤过程进行动态监测处理，以实时监测洗涤设备的水质指标、温度、水位、电流、转速等运行数据，最终得到洗涤设备运行数据。
步骤S23：对洗涤设备运行数据进行水质运行数据提取、负荷运行数据提取以及转速运行数据提取，从而得到洗涤设备水质运行数据、洗涤设备负荷运行数据以及洗涤设备转速运行数据；
本发明实施例首先通过对洗涤设备运行数据进行水质运行数据提取，以提取出与洗涤过程中水质相关的数据，如水质指标、污渍程度、浓度等，得到洗涤设备水质运行数据，然后，通过对洗涤设备运行数据进行负荷运行数据提取，以提取出与洗涤设备负荷相关的数据，如洗涤物品负荷重量、洗涤剂负荷用量、转力负荷等，得到洗涤设备负荷运行数据，最后，通过对洗涤设备运行数据进行转速运行数据提取，以提取出与洗涤过程中转速变化相关的数据，得到洗涤设备转速运行数据。
步骤S24：对洗涤设备水质运行数据进行水质因素异常检测分析，得到洗涤设备水质异常检测数据；
本发明实施例首先通过使用合适的水质污渍程度计算公式对洗涤设备水质运行数据进行计算，以量化评估水质的污渍程度，并根据预设的水质污渍程度阈值对计算得到的水质污渍程度值进行比较，根据比较结果将计算得到的水质污渍程度值对应的洗涤设备水质运行数据划分为高度污渍和低度污渍两个类别，然后，通过采用异常检测模型构建方法对洗涤设备运行过程中的高度污渍数据进行异常检测分析，以判断高度污渍数据的异常情况，并分析在洗涤过程中水质仍然保持高度污渍的原因，最终得到洗涤设备水质异常检测数据。
步骤S25：对洗涤设备负荷运行数据进行负荷因素异常检测分析，得到洗涤设备负荷异常检测数据；
本发明实施例首先通过分析洗涤设备负荷运行数据，根据洗涤设备在不同时间段内的负荷情况计算出不同负荷异常的出现频率，并对计算得到的频率进行分类处理，以识别出高频异常数据和低频异常数据，然后，通过分析洗涤设备负荷运行数据中是否存在不符合设定规则或模式的异常情况，以探索洗涤设备负荷运行数据中的规律和模式，并从中发现潜在的异常规则，以得到潜在异常数据。最后，通过将高频异常数据、低频异常数据以及潜在异常数据进行整合处理，综合考虑各类异常数据的重要性和影响程度，并对每个异常情况进行权重赋值或优先级排序，根据赋权或排序结果，最终得到洗涤设备负荷异常检测数据。
步骤S26：对洗涤设备转速运行数据进行转速因素异常检测分析，得到洗涤设备转速异常检测数据；
本发明实施例通过使用相应的统计方法对洗涤设备转速运行数据进行异常检测分析，以分析洗涤过程中滚筒的转速变化，并检测是否存在异常情况，例如转速波动过大、突变等情况，同时分析其产生的原因，最终得到洗涤设备转速异常检测数据。
步骤S27：对洗涤设备水质异常检测数据、洗涤设备负荷异常检测数据以及洗涤设备转速异常检测数据进行数据合并，得到洗涤设备内部因素异常检测数据。
本发明实施例通过将洗涤设备水质异常检测数据、洗涤设备负荷异常检测数据以及洗涤设备转速异常检测数据进行数据合并，以确保数据格式和字段保持一致，并对合并数据进行数据清洗和预处理，以去除重复、异常或无效的数据，确保数据的质量和可用性，最终得到洗涤设备内部因素异常检测数据。
本发明首先通过洗涤意图标记数据的分析和匹配，确定用户的洗涤需求和偏好，从而根据需求配置相应的洗涤参数，如洗涤程序、温度、洗涤剂、洗涤时间等，以提供定制化的洗涤体验和满足用户的个性化需求。根据洗涤意图标记数据，洗涤设备可以根据不同的洗涤需求选择最适合的洗涤参数配置，从而提高洗涤效果，如更好地去除污渍、保护材质、节约水电等，以提供更高质量的洗涤结果。另外，通过洗涤意图标记数据，洗涤设备可以自动调整和配置洗涤参数，实现智能化的操作和控制，减少用户的操作负担，从而提供简便、智能的洗涤体验。通过对洗涤设备的洗涤过程进行动态监测处理，可以实时获取洗涤设备的运行数据，包括洗涤阶段、水位、温度、洗涤时间等运行参数数据，从而进行实时的运行状态监控和数据记录。通过对洗涤设备运行数据的动态监测和分析，可以及时掌握洗涤设备的工作状态和性能表现，从而进行洗涤过程的优化和改进，提高洗涤效果和能效，达到更高的用户满意度。通过提取洗涤设备运行数据中的水质相关参数，可以对洗涤过程中的水质进行评估和分析，检测水质是否符合要求，及时发现水质异常情况。并通过提取洗涤设备运行数据中的负荷相关参数，可以分析洗涤设备的负荷情况，判断是否过载或负荷不足，进行负荷优化和控制。还通过提取洗涤设备运行数据中的转速相关参数，可以监测洗涤设备的转速情况，判断是否正常运转，及时处理转速异常情况，从而确保洗涤设备的安全和性能稳定。其次，通过对洗涤设备水质运行数据进行水质因素异常检测分析，能够分析洗涤设备水质运行数据中的水质参数变化，可以检测出洗涤过程中出现的水质异常情况，及时发出警告或报警信息，以便采取相应的处理措施。通过水质异常检测数据的分析和处理，可以改善洗涤过程中的水质控制，保证洗涤效果和洗涤物品的质量，提高用户满意度。然后，通过对洗涤设备负荷运行数据进行负荷因素异常检测分析，能够分析洗涤设备负荷运行数据中的负荷参数变化，可以评估洗涤过程中的负荷情况，判断是否超载或负荷不足，及时做出相应的调整和优化。通过负荷异常检测数据的分析和处理可以帮助进一步优化洗涤设备的负荷分配与控制，提高洗涤效能和效率，达到更好的洗涤效果和能源利用。接下来，通过对洗涤设备转速运行数据进行转速因素异常检测分析，能够分析洗涤设备转速运行数据中的转速参数变化，并可以监测洗涤设备的转速情况，判断是否正常运转，及时发现转速异常情况。通过转速异常检测数据的分析可以帮助诊断和判断转速相关的故障原因，如电机故障、传动***故障等，从而及时进行维修和修复，从而确保洗涤设备的正常运行和性能稳定。最后，通过对洗涤设备水质异常检测数据、洗涤设备负荷异常检测数据以及洗涤设备转速异常检测数据进行数据合并，可以合并不同来源的异常检测数据，以综合分析洗涤设备的内部因素异常情况，如水质、负荷、转速的异常情况，对设备整体的运行状态和性能进行综合评估。同时，通过数据合并，可以发现不同因素之间的关联和相互影响，如负荷异常导致水质异常、转速异常导致负荷异常等，为进一步的问题定位和处理提供有力的依据。将不同内部因素的异常检测数据相结合，可以提供综合的异常检测报警和预警功能，及时发现洗涤设备运行中的潜在问题，采取相应的措施避免故障发生，从而确保洗涤设备的稳定性和可靠性。
优选地，步骤S24包括以下步骤：
步骤S241：利用水质污渍程度计算公式对洗涤设备水质运行数据进行污渍程度计算，得到洗涤设备运行水质污渍程度值；
本发明实施例通过结合洗涤设备中水质运行污染源的浓度、衰减系数、污渍散射函数、水质衡量指标的基础浓度、时间浓度调整系数、时间变化函数、洗涤剂浓度的污渍影响系数、洗涤设备的效能和清洁能力比例系数以及相关参数构建一个合适的水质污渍程度计算公式对洗涤设备水质运行数据进行计算，以量化评估水质的污渍程度，最终得到洗涤设备运行水质污渍程度值。
步骤S242：基于洗涤设备运行水质污渍程度值利用预设的水质污渍程度阈值对洗涤设备水质运行数据进行统计分析，得到洗涤设备水质高度污渍运行数据以及洗涤设备水质低度污渍运行数据；
本发明实施例根据预设的水质污渍程度阈值对计算得到的洗涤设备运行水质污渍程度值进行比较，并根据比较结果将洗涤设备运行水质污渍程度值对应的洗涤设备水质运行数据划分为高度污渍和低度污渍两个类别，然后对整体的洗涤设备水质运行数据进行统计分类分析，最终得到洗涤设备水质高度污渍运行数据以及洗涤设备水质低度污渍运行数据。
步骤S243：对洗涤设备水质高度污渍运行数据进行异常检测分析，得到洗涤设备水质异常检测数据。
本发明实施例通过采用异常检测模型构建方法对洗涤设备水质高度污渍运行数据进行异常检测分析，以判断洗涤设备水质高度污渍运行数据的异常情况，并分析在洗涤过程中水质仍然保持高度污渍的原因，最终得到洗涤设备水质异常检测数据。
本发明首先通过使用合适的水质污渍程度计算公式对洗涤设备水质运行数据进行污渍程度计算，根据水质运行数据中的相关参数，如水质运行污染源的浓度、水质衡量指标的基础浓度、效能和清洁能力等，利用预先定义的水质污渍程度计算公式，对水质的污渍程度进行量化评估，从而得到洗涤设备运行水质污渍程度值，用于后续的分析和处理。计算得到的洗涤设备运行水质污渍程度值提供了对水质运行状况的补充信息，可以更加全面地了解洗涤设备的水质状况，帮助识别和分析潜在的水质问题。通过利用水质污渍程度计算公式，将水质运行数据转化为污渍程度值，实现了数据的标准化处理，方便后续的统计分析和异常检测。然后，根据预设的水质污渍程度阈值，将洗涤设备水质运行数据进行分类，区分为高度污渍和低度污渍两类，从而实现对水质风险程度的评估和划分。通过将洗涤设备水质运行数据按照污渍程度分类，能够为后续的异常检测分析做准备，将重点关注洗涤过程中水质持续保持高度污渍的数据，以便及时发现和处理水质异常情况。最后，通过对洗涤设备水质高度污渍运行数据进行异常检测分析，能够通过比对实际数据与预设的正常范围或阈值，可以发现水质运行中存在的异常情况，如超出污渍程度阈值、异常变化趋势等。通过对异常检测数据的分析，可以确定具体的水质异常类型和原因，如污染物超标、处理设备故障等，为进一步的处理和修复提供指导。另外，能够通过水质异常检测数据生成相应的报警或预警信息，及时通知相关人员并采取相应的措施，以防止水质问题扩大和设备受损，从而保障洗涤设备的正常运行和用户的使用安全。
优选地，步骤S241中的水质污渍程度计算公式具体为：
式中，W为洗涤设备运行水质污渍程度值，T为洗涤设备的运行时间，t为污渍程度计算的积分时间变量，u为时间相关变化项的积分时间变量，N为洗涤设备中水质运行污染源的数量，ck为洗涤设备中第k个水质运行污染源的浓度，αk为洗涤设备中第k个水质运行污染源的衰减系数，fk(u)为洗涤设备中第k个水质运行污染源在时间u内的污渍散射函数，M为水质衡量指标的数量，ar为第r个水质衡量指标的基础浓度，br为第r个水质衡量指标的时间浓度调整系数，gr(u)为第r个水质衡量指标的时间变化函数，δ为洗涤设备中洗涤剂浓度的污渍影响系数，ξ为洗涤设备的效能和清洁能力比例系数，μ为洗涤设备运行水质污渍程度值的修正值。
本发明构建了一个水质污渍程度计算公式，用于对洗涤设备水质运行数据进行污渍程度计算，该水质污渍程度计算公式综合考虑了水质运行污染源的浓度、衰减系数以及污渍散射函数，以及水质衡量指标的基础浓度、时间浓度调整系数和时间变化函数等多个因素对洗涤设备水质污渍程度的影响，并通过对时间的积分可以综合考虑洗涤设备的运行时间对水质污渍程度的累积影响，从而更准确地评估洗涤设备的水质污染状况。另外，还通过修正值考虑其他可能的修正因素，从而提高了计算结果的准确性。该公式充分考虑了洗涤设备运行水质污渍程度值W，洗涤设备的运行时间T，污渍程度计算的积分时间变量t，时间相关变化项的积分时间变量u，洗涤设备中水质运行污染源的数量N，洗涤设备中第k个水质运行污染源的浓度ck，洗涤设备中第k个水质运行污染源的衰减系数αk，洗涤设备中第k个水质运行污染源在时间u内的污渍散射函数fk(u)，水质衡量指标的数量M，第r个水质衡量指标的基础浓度ar，第r个水质衡量指标的时间浓度调整系数br，第r个水质衡量指标的时间变化函数gr(u)，洗涤设备中洗涤剂浓度的污渍影响系数δ，洗涤设备的效能和清洁能力比例系数ξ，洗涤设备运行水质污渍程度值的修正值μ，根据洗涤设备运行水质污渍程度值W与以上各参数之间的相互关联关系构成了一种函数关系：
该公式能够实现对洗涤设备水质运行数据的污渍程度计算过程，同时，通过洗涤设备运行水质污渍程度值的修正值μ的引入可以根据实际情况进行调整，从而提高水质污渍程度计算公式的准确性和适用性。
优选地，步骤S243包括以下步骤：
步骤S2431：通过主成分分析技术对洗涤设备水质高度污渍运行数据进行特征筛选降维，得到洗涤设备水质高度污渍特征；
本发明实施例通过对提取得到的洗涤设备水质高度污渍运行数据进行主成分分析，以提取出洗涤设备水质高度污渍运行数据中的主要特征，根据主成分分析结果筛选出最具代表性的特征，使得洗涤设备水质高度污渍运行数据的维度降低同时保留较多的信息，最终得到洗涤设备水质高度污渍特征。
步骤S2432：对洗涤设备水质高度污渍运行数据进行模拟处理，得到模拟洗涤设备水质高度污渍运行数据集；
本发明实施例通过使用模拟生成模型或插值法等方法对洗涤设备水质高度污渍运行数据进行模拟处理，以扩充洗涤设备水质高度污渍运行数据集的数据规模，通过丰富数据集提高异常检测的准确性和鲁棒性，最终得到模拟洗涤设备水质高度污渍运行数据集。
步骤S2433：基于随机森林算法对洗涤设备水质高度污渍特征以及模拟洗涤设备水质高度污渍运行数据集构建水质异常检测模型；
本发明实施例通过按照7：2：1的划分比例将模拟洗涤设备水质高度污渍运行数据集划分为训练集、验证集与测试集，基于随机森林算法对洗涤设备水质高度污渍特征、训练集、验证集与测试集进行模型训练、验证与测试，最终构建得到水质异常检测模型。
步骤S2434：利用水质异常检测模型对模拟洗涤设备水质高度污渍运行数据集进行异常检测，得到洗涤设备水质异常检测数据。
本发明实施例将模拟洗涤设备水质高度污渍运行数据集输入至构建好的水质异常检测模型中进行异常检测，以识别出潜在的异常数据，最终得到洗涤设备水质异常检测数据。
本发明通过使用主成分分析技术对洗涤设备水质高度污渍运行数据进行特征筛选降维，可以将原始的高维数据转化为较低维度的特征向量，减少了数据的冗余信息，提高了后续处理的效率。其次，通过使用主成分分析技术能够找出数据中的主要特征，从中提取出能够解释数据变化的重要信息，从而能够更好地捕捉洗涤设备水质高度污渍的特征。另外，通过PCA降维后的特征，可以更容易地解释数据中观测值之间的关系，为后续的异常检测建模提供更可解释的特征。然后，通过对洗涤设备水质高度污渍运行数据进行模拟处理，可以扩充洗涤设备水质高度污渍运行数据集的规模，增加了样本的数量，从而提高了异常检测模型的鲁棒性和准确性。通过模拟数据处理，可以引入不同的变化模式和情况，包括潜在的异常模式，使得模型更具泛化能力和适应性。处理得到的模拟洗涤设备水质高度污渍运行数据集可以用于后续的模型训练和评估，从而帮助验证异常检测模型的性能和有效性。接下来，随机森林算法是一种基于决策树的集成学习方法，通过组合多个决策树进行分类或回归任务。通过使用随机森林算法，对洗涤设备水质高度污渍特征以及模拟洗涤设备水质高度污渍运行数据集进行建模，首先通过对正常和异常样本的训练，随机森林模型能够学习不同水质运行状态下的特征模式，包括高度污渍的特征模式和异常情况下的特征差异。此外，随机森林可以提供各个特征的重要性评估，帮助识别哪些特征对水质异常检测的贡献较大，从而为后续异常检测过程提供指导。同时，通过调整随机森林的参数和进行交叉验证等方法，构建高效且准确的水质异常检测模型。最后，通过利用构建好的水质异常检测模型对模拟洗涤设备水质高度污渍运行数据集进行异常检测，能够将模拟数据输入到训练好的异常检测模型中，可以实现对模拟洗涤设备水质高度污渍运行数据集的异常检测，识别出潜在的异常数据点或样本。通过模型的输出结果，可以确定异常的类型和程度，帮助进一步分析和解决水质问题。并且将异常检测的结果转化为洗涤设备水质异常检测数据，提供给相关人员进行分析和处理，以保障洗涤设备的正常运行和水质的优化管理。
优选地，步骤S25包括以下步骤：
步骤S251：对洗涤设备负荷运行数据进行负荷异常运行频率计算，得到高频洗涤设备负荷运行异常数据以及低频洗涤设备负荷运行异常数据；
本发明实施例通过分析洗涤设备负荷运行数据，根据洗涤设备在不同时间段内的负荷情况计算出不同负荷异常的出现频率，并对计算得到的频率进行分类处理，以识别出高频异常和低频异常，将出现频率高且频繁出现的负荷运行异常规定为高频洗涤设备负荷运行异常数据，同时将出现频率低且较为罕见但重要的负荷运行异常规定为低频洗涤设备负荷运行异常数据。
步骤S252：对洗涤设备负荷运行数据进行潜在规则异常扰动分析，得到潜在洗涤设备负荷运行异常数据；
本发明实施例通过分析洗涤设备负荷运行数据中是否存在不符合设定规则或模式的异常情况，以探索洗涤设备负荷运行数据中的规律和模式，并从中发现潜在的异常规则，例如异常扰动、偏差、突变等规则来检测潜在的异常扰动，最终得到潜在洗涤设备负荷运行异常数据。
步骤S253：对高频洗涤设备负荷运行异常数据、低频洗涤设备负荷运行异常数据以及潜在洗涤设备负荷运行异常数据进行异常整合分析，得到洗涤设备负荷异常检测数据。
本发明实施例通过将高频洗涤设备负荷运行异常数据、低频洗涤设备负荷运行异常数据以及潜在洗涤设备负荷运行异常数据进行整合处理，综合考虑各类异常数据的重要性和影响程度，对每个异常情况进行权重赋值或优先级排序，然后，根据赋权或排序结果，最终得到洗涤设备负荷异常检测数据。
本发明首先通过对洗涤设备负荷运行数据进行负荷异常运行频率计算，能够通过分析洗涤设备负荷运行数据，计算出不同负荷异常的出现频率。根据频率的高低，可以将异常分为高频异常和低频异常，分别代表在一定时间范围内频繁出现和较少出现的异常情况。通过将异常分类为高频或低频，可以有助于确定异常的优先级，对高频异常进行更紧急的处理和调整，以降低可能的影响和损失。其次，通过对高频洗涤设备负荷运行异常数据和低频洗涤设备负荷运行异常数据进行统计和记录，提供给相关人员进行后续分析和处理。然后，通过对洗涤设备负荷运行数据进行潜在规则异常扰动分析，能够探索洗涤设备负荷运行数据中的规律和模式，从中发现潜在的异常规则，如异常扰动、偏差、突变等。基于潜在规则，对洗涤设备负荷运行数据进行异常扰动检测，识别出可能存在的异常情况，有助于及时发现和解决潜在问题，避免进一步的负面影响。通过潜在规则异常扰动分析，可以提取出潜在洗涤设备负荷运行异常数据，为后续的异常整合分析提供数据基础。最后，通过对高频洗涤设备负荷运行异常数据、低频洗涤设备负荷运行异常数据以及潜在洗涤设备负荷运行异常数据进行异常整合分析，可以将不同频率和类型的异常数据进行整合，归并为洗涤设备负荷异常检测数据，便于综合分析和处理。通过整合分析，可以获得异常数据的趋势和变化情况，判断异常是否逐渐增多或减少，以及是否存在周期性变化等特征，为异常原因的分析提供线索，以确保洗涤设备的正常运行和负荷管理。
优选地，步骤S3包括以下步骤：
获取洗涤设备生产时间数据以及洗涤设备维修时间数据；
本发明实施例通过洗涤设备的出产记录、运行记录、维修记录等信息来源获取洗涤设备的生产时间和维修时间，最终得到洗涤设备生产时间数据以及洗涤设备维修时间数据。
优选地，利用设备结构老化异常检测计算公式对洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
本发明实施例通过结合设备结构老化异常检测计算的时间参数、洗涤设备维修时间、洗涤设备生产时间、异常权重比例影响调整参数、洗涤设备生产时间的异常平均值和异常标准差、洗涤设备维修时间的异常平均值和异常标准差、洗涤设备的异常损失衰减因子以及相关参数构建一个合适的设备结构老化异常检测计算公式进行设备结构老化异常检测计算，以判断洗涤设备结构是否存在老化异常状况，最终得到洗涤设备结构老化异常检测数据。
其中，设备结构老化异常检测计算公式如下所示：
式中，p为洗涤设备结构老化异常指标值，t1为设备结构老化异常检测计算的时间下限，t2为设备结构老化异常检测计算的时间上限，τ为设备结构老化异常检测计算的积分时间变量，Tw为洗涤设备维修时间，Ts为洗涤设备生产时间，β为异常权重比例影响调整参数，μs为洗涤设备生产时间的异常平均值，σs为洗涤设备生产时间的异常标准差，μw为洗涤设备维修时间的异常平均值，σw为洗涤设备维修时间的异常标准差，γ为洗涤设备的异常损失衰减因子，ε为洗涤设备结构老化异常指标值的修正值。
本发明构建了一个设备结构老化异常检测计算公式，用于对洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，该设备结构老化异常检测计算公式综合考虑了洗涤设备的生产时间和维修时间对设备结构老化异常的影响。公式中通过利用生产时间和维修时间的比值来表示设备结构的老化情况，同时考虑了各项数据的异常偏离程度和异常权重比例。该公式还通过对时间变量的积分，考虑了洗涤设备的时间累积效应对设备结构老化异常的影响，积分范围由时间下限和时间上限来确定，可以针对特定的时段进行异常检测计算。另外，通过使用了生产时间和维修时间的统计特征量，包括异常平均值和异常标准差，以刻画设备生产时间和维修时间的偏离情况，这有助于量化设备结构老化的异常程度。同时，通过使用相应的调整参数允许根据具体需求对异常权重比例和异常损失的衰减程度进行调整，这使得计算结果更具灵活性，能够适应不同情况下的设备结构老化异常检测需求。并且，通过引入修正项，用于对设备结构老化异常指标值进行修正，这允许根据实际情况对异常指标值进行进一步的调整，使其更加准确地反映设备的结构老化程度。该公式充分考虑了洗涤设备结构老化异常指标值p，设备结构老化异常检测计算的时间下限t1，设备结构老化异常检测计算的时间上限t2，设备结构老化异常检测计算的积分时间变量τ，洗涤设备维修时间Tw，洗涤设备生产时间Ts，异常权重比例影响调整参数β，洗涤设备生产时间的异常平均值μs，洗涤设备生产时间的异常标准差σs，洗涤设备维修时间的异常平均值μw，洗涤设备维修时间的异常标准差σw，洗涤设备的异常损失衰减因子γ，洗涤设备结构老化异常指标值的修正值ε，根据洗涤设备结构老化异常指标值p与以上各参数之间的相互关系构成了一种函数关系该公式能够实现对洗涤设备生产时间数据以及洗涤设备维修时间数据的设备结构老化异常检测计算过程，同时，通过洗涤设备结构老化异常指标值的修正值ε的引入可以根据实际情况进行调整，从而提高设备结构老化异常检测计算公式的准确性和适用性。
本发明通过获取洗涤设备的生产时间数据和维修时间数据，包括设备正常运行的时间和维修维护的时间。这些数据可以来自设备运行记录、维修记录等来源。通过对收集到的数据进行整理和清理，以确保数据的准确性和完整性，从而为后续的设备结构老化异常检测计算提供基础数据来源。然后，通过利用设备结构老化异常检测计算公式对洗涤设备的生产时间数据和维修时间数据进行结构老化异常计算，能够准确地计算得到洗涤设备的结构老化异常指标值，该指标值反映了洗涤设备结构老化的程度，用于评估洗涤设备运行的可靠性和稳定性。其次，根据计算公式中的参数和权重，对生产时间和维修时间的异常情况进行量化评估，并生成结构老化异常的指标值。最后，将计算得到的洗涤设备结构老化异常指标值记录下来，生成洗涤设备结构老化异常检测数据，以供后续分析和处理，有助于评估洗涤设备的结构老化程度，及时发现洗涤设备的异常情况，并采取适当的维护和修复措施，以提高洗涤设备的可靠性和延长洗涤设备的使用寿命。
优选地，步骤S4中的智能控制算法的函数公式具体为：
e(t′)＝r(t′)-P(t′)；
式中，为智能控制算法函数，t′为洗涤参数的控制调整时间范围，t″为洗涤参数的控制调整积分时间变量，e(t′)为洗涤参数的控制误差，ρp为洗涤参数的控制误差比例调整参数，ρi为洗涤参数的控制误差积分调整参数，ρd为洗涤参数的控制误差微分调整参数，σ(·)为激活函数，Din为洗涤设备内部因素异常检测数据，w1为洗涤设备内部因素异常检测数据的控制权重参数，Dag为洗涤设备结构老化异常检测数据，w2为洗涤设备结构老化异常检测数据的控制权重参数，/>为带有时间延迟的控制误差微分调整参数，Td为时间延迟参数，r(t′)为在时间点t′的期望洗涤参数，P(t′)为在时间点t′的实际洗涤参数，κ为智能控制算法函数的修正值。
本发明构建了一个智能控制算法的函数公式，用于对洗涤设备的洗涤参数进行控制调整处理，该智能控制算法的函数公式综合考虑了多个因素对洗涤参数的控制调整，包括控制误差、内部因素异常检测数据、结构老化异常检测数据等。通过权衡这些因素的影响，可以实现对洗涤参数的智能调整。该智能控制算法的函数公式根据控制误差对洗涤参数进行调整。通过比例参数、积分参数和微分参数，可以根据误差的大小和变化趋势来调整洗涤参数，使洗涤过程更加准确和稳定。还通过引入了洗涤设备内部因素异常检测数据，并根据其重要性进行权重调整，这使得算法能够更敏感地对洗涤设备内部异常情况做出响应，并相应地调整洗涤参数。同时，还通过引入了洗涤设备结构老化异常检测数据，并根据其重要性进行权重调整，这使得算法能够更好地对洗涤设备的结构老化情况进行监测，并在控制调整中加以考虑。通过引入了时间延迟的概念，以应对洗涤参数调整中的时间滞后效应，这使得算法能够更准确地对当前时间点的误差进行微分调整，以更好地应对***的动态变化。另外，还通过引入修正值用于对智能控制算法函数进行修正，以进一步提高洗涤参数调整的准确性和稳定性。该函数公式充分考虑了智能控制算法函数洗涤参数的控制调整时间范围t′，洗涤参数的控制调整积分时间变量t″，洗涤参数的控制误差e(t′)，洗涤参数的控制误差比例调整参数ρp，洗涤参数的控制误差积分调整参数ρi，洗涤参数的控制误差微分调整参数ρd，激活函数σ(·)，洗涤设备内部因素异常检测数据Din，洗涤设备内部因素异常检测数据的控制权重参数w1，洗涤设备结构老化异常检测数据Dag，洗涤设备结构老化异常检测数据的控制权重参数w2，带有时间延迟的控制误差微分调整参数/>时间延迟参数Td，在时间点t′的期望洗涤参数r(t′)，在时间点t′的实际洗涤参数P(t′)，智能控制算法函数的修正值κ，其中通过洗涤参数的控制调整时间范围t′，在时间点t′的期望洗涤参数r(t′)以及在时间点t′的实际洗涤参数P(t′)构成了一种洗涤参数的控制误差e(t′)函数关系r(t′)-P(t′)，根据智能控制算法函数/>与以上各参数之间的相互关联关系构成了一种函数关系：
该函数公式能够实现对洗涤设备的洗涤参数的控制调整处理过程，同时，通过智能控制算法函数的修正值κ的引入可以根据实际情况进行调整，从而提高智能控制算法的准确性和稳定性。
优选地，本发明还提供了一种洗涤设备控制***，用于执行如上所述的洗涤设备控制方法，该洗涤设备控制***包括：
洗涤设备意图标记处理模块，用于通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，从而得到洗涤意图标记数据；
洗涤设备内部因素异常检测模块，用于根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，从而得到洗涤设备内部因素异常检测数据；
洗涤设备结构老化检测模块，用于获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
洗涤设备智能控制调整模块，用于根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，从而得到洗涤参数控制调整结果数据；
洗涤效果评估反馈优化模块，用于对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
综上所述，本发明提供了一种洗涤设备控制***，该洗涤设备控制***由洗涤设备意图标记处理模块、洗涤设备内部因素异常检测模块、洗涤设备结构老化检测模块、洗涤设备智能控制调整模块以及洗涤效果评估反馈优化模块组成，能够实现本发明所述任意一种洗涤设备控制方法，用于联合各个模块上运行的计算机程序之间的操作实现一种洗涤设备控制方法，***内部结构互相协作，根据具体的洗涤需求和条件进行洗涤设备内部因素异常检测和结构老化异常检测，并通过利用智能控制算法对洗涤参数进行精准控制优化，以实现洗涤设备的智能化和高效化，这样能够大大减少重复工作和人力投入，能够快速有效地提供更准确、高效的洗涤设备个性化控制处理过程，从而简化了洗涤设备控制***的操作流程。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种洗涤设备控制方法，其特征在于，包括以下步骤：
步骤S1：通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，得到洗涤意图标记数据；其中，步骤S1包括以下步骤：
步骤S11：通过洗涤设备的输入终端获取洗涤需求数据；
步骤S12：对洗涤需求数据进行滤波清洗处理，得到洗涤需求清洗数据；
步骤S13：利用意图识别算法对洗涤需求清洗数据进行洗涤意图识别，得到洗涤意图标记数据；
步骤S2：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，得到洗涤设备内部因素异常检测数据；其中，步骤S2包括以下步骤：
步骤S21：根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数；
步骤S22：对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；
步骤S23：对洗涤设备运行数据进行水质运行数据提取、负荷运行数据提取以及转速运行数据提取，从而得到洗涤设备水质运行数据、洗涤设备负荷运行数据以及洗涤设备转速运行数据；
步骤S24：对洗涤设备水质运行数据进行水质因素异常检测分析，得到洗涤设备水质异常检测数据；
步骤S25：对洗涤设备负荷运行数据进行负荷因素异常检测分析，得到洗涤设备负荷异常检测数据；
步骤S26：对洗涤设备转速运行数据进行转速因素异常检测分析，得到洗涤设备转速异常检测数据；
步骤S27：对洗涤设备水质异常检测数据、洗涤设备负荷异常检测数据以及洗涤设备转速异常检测数据进行数据合并，得到洗涤设备内部因素异常检测数据；
步骤S3：获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；其中，步骤S3包括以下步骤：
获取洗涤设备生产时间数据以及洗涤设备维修时间数据；
利用设备结构老化异常检测计算公式对洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
其中，设备结构老化异常检测计算公式如下所示：
；
式中，为洗涤设备结构老化异常指标值，/>为设备结构老化异常检测计算的时间下限，/>为设备结构老化异常检测计算的时间上限，/>为设备结构老化异常检测计算的积分时间变量，/>为洗涤设备维修时间，/>为洗涤设备生产时间，/>为异常权重比例影响调整参数，/>为洗涤设备生产时间的异常平均值，/>为洗涤设备生产时间的异常标准差，/>为洗涤设备维修时间的异常平均值，/>为洗涤设备维修时间的异常标准差，/>为洗涤设备的异常损失衰减因子，/>为洗涤设备结构老化异常指标值的修正值；
步骤S4：根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，得到洗涤参数控制调整结果数据；
其中，智能控制算法的函数公式具体为：
；
；
式中，为智能控制算法函数，/>为洗涤参数的控制调整时间范围，/>为洗涤参数的控制调整积分时间变量，/>为洗涤参数的控制误差，/>为洗涤参数的控制误差比例调整参数，/>为洗涤参数的控制误差积分调整参数，/>为洗涤参数的控制误差微分调整参数，为激活函数，/>为洗涤设备内部因素异常检测数据，/>为洗涤设备内部因素异常检测数据的控制权重参数，/>为洗涤设备结构老化异常检测数据，/>为洗涤设备结构老化异常检测数据的控制权重参数，/>为带有时间延迟的控制误差微分调整参数，/>为时间延迟参数，/>为在时间点/>的期望洗涤参数，/>为在时间点/>的实际洗涤参数，/>为智能控制算法函数的修正值；
步骤S5：对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
2.根据权利要求1所述的洗涤设备控制方法，其特征在于，步骤S24包括以下步骤：
步骤S241：利用水质污渍程度计算公式对洗涤设备水质运行数据进行污渍程度计算，得到洗涤设备运行水质污渍程度值；
步骤S242：基于洗涤设备运行水质污渍程度值利用预设的水质污渍程度阈值对洗涤设备水质运行数据进行统计分析，得到洗涤设备水质高度污渍运行数据以及洗涤设备水质低度污渍运行数据；
步骤S243：对洗涤设备水质高度污渍运行数据进行异常检测分析，得到洗涤设备水质异常检测数据。
3.根据权利要求2所述的洗涤设备控制方法，其特征在于，步骤S241中的水质污渍程度计算公式具体为：
；
式中，为洗涤设备运行水质污渍程度值，/>为洗涤设备的运行时间，/>为污渍程度计算的积分时间变量，/>为时间相关变化项的积分时间变量，/>为洗涤设备中水质运行污染源的数量，/>为洗涤设备中第/>个水质运行污染源的浓度，/>为洗涤设备中第/>个水质运行污染源的衰减系数，/>为洗涤设备中第/>个水质运行污染源在时间/>内的污渍散射函数，/>为水质衡量指标的数量，/>为第/>个水质衡量指标的基础浓度，/>为第/>个水质衡量指标的时间浓度调整系数，/>为第/>个水质衡量指标的时间变化函数，/>为洗涤设备中洗涤剂浓度的污渍影响系数，/>为洗涤设备的效能和清洁能力比例系数，/>为洗涤设备运行水质污渍程度值的修正值。
4.根据权利要求2所述的洗涤设备控制方法，其特征在于，步骤S243包括以下步骤：
步骤S2431：通过主成分分析技术对洗涤设备水质高度污渍运行数据进行特征筛选降维，得到洗涤设备水质高度污渍特征；
步骤S2432：对洗涤设备水质高度污渍运行数据进行模拟处理，得到模拟洗涤设备水质高度污渍运行数据集；
步骤S2433：基于随机森林算法对洗涤设备水质高度污渍特征以及模拟洗涤设备水质高度污渍运行数据集构建水质异常检测模型；
步骤S2434：利用水质异常检测模型对模拟洗涤设备水质高度污渍运行数据集进行异常检测，得到洗涤设备水质异常检测数据。
5.根据权利要求1所述的洗涤设备控制方法，其特征在于，步骤S25包括以下步骤：
步骤S251：对洗涤设备负荷运行数据进行负荷异常运行频率计算，得到高频洗涤设备负荷运行异常数据以及低频洗涤设备负荷运行异常数据；
步骤S252：对洗涤设备负荷运行数据进行潜在规则异常扰动分析，得到潜在洗涤设备负荷运行异常数据；
步骤S253：对高频洗涤设备负荷运行异常数据、低频洗涤设备负荷运行异常数据以及潜在洗涤设备负荷运行异常数据进行异常整合分析，得到洗涤设备负荷异常检测数据。
6.一种洗涤设备控制***，其特征在于，用于执行如权利要求1所述的洗涤设备控制方法，该洗涤设备控制***包括：
洗涤设备意图标记处理模块，用于通过洗涤设备的输入终端获取洗涤需求数据，并对洗涤需求数据进行洗涤意图识别，从而得到洗涤意图标记数据；
洗涤设备内部因素异常检测模块，用于根据洗涤意图标记数据对洗涤设备配置相应的洗涤参数，并对洗涤设备的洗涤过程进行动态监测处理，得到洗涤设备运行数据；对洗涤设备运行数据进行内部因素异常检测分析，从而得到洗涤设备内部因素异常检测数据；
洗涤设备结构老化检测模块，用于获取洗涤设备生产时间数据以及洗涤设备维修时间数据；根据洗涤设备生产时间数据以及洗涤设备维修时间数据进行设备结构老化异常检测计算，以得到洗涤设备结构老化异常检测数据；
洗涤设备智能控制调整模块，用于根据洗涤设备内部因素异常检测数据以及洗涤设备结构老化异常检测数据利用智能控制算法对洗涤设备的洗涤参数进行控制调整处理，从而得到洗涤参数控制调整结果数据；
洗涤效果评估反馈优化模块，用于对洗涤参数控制调整结果数据进行评估检测处理，得到洗涤评估检测效果数据；根据洗涤评估检测效果数据进行反馈优化处理，以执行相应的个性化洗涤参数优化任务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311097180.5A CN117071241B (zh) | 2023-08-29 | 2023-08-29 | 一种洗涤设备控制方法及洗涤设备控制*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311097180.5A CN117071241B (zh) | 2023-08-29 | 2023-08-29 | 一种洗涤设备控制方法及洗涤设备控制*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117071241A CN117071241A (zh) | 2023-11-17 |
| CN117071241B true CN117071241B (zh) | 2024-01-30 |
Family
ID=88709558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311097180.5A Active CN117071241B (zh) | 2023-08-29 | 2023-08-29 | 一种洗涤设备控制方法及洗涤设备控制*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117071241B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015188306A1 (zh) * | 2014-06-09 | 2015-12-17 | 无锡小天鹅股份有限公司 | 洗涤控制装置和具有其的洗衣机及洗涤控制方法 |
| WO2017004787A1 (zh) * | 2015-07-07 | 2017-01-12 | 深圳市赛亿科技开发有限公司 | 智能洗衣机及其控制方法 |
| CN113737464A (zh) * | 2021-09-22 | 2021-12-03 | 珠海格力电器股份有限公司 | 去除顽固污渍的洗涤控制方法、装置及洗涤设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3088593A1 (en) * | 2015-04-27 | 2016-11-02 | The Procter and Gamble Company | Method for improving washing machine performance |
-
2023
- 2023-08-29 CN CN202311097180.5A patent/CN117071241B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015188306A1 (zh) * | 2014-06-09 | 2015-12-17 | 无锡小天鹅股份有限公司 | 洗涤控制装置和具有其的洗衣机及洗涤控制方法 |
| WO2017004787A1 (zh) * | 2015-07-07 | 2017-01-12 | 深圳市赛亿科技开发有限公司 | 智能洗衣机及其控制方法 |
| CN113737464A (zh) * | 2021-09-22 | 2021-12-03 | 珠海格力电器股份有限公司 | 去除顽固污渍的洗涤控制方法、装置及洗涤设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117071241A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109387712B (zh) | 基于状态矩阵决策树的非侵入式负荷检测与分解方法 | |
| KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
| CN107146004A (zh) | 一种基于数据挖掘的矿渣粉磨***健康状态识别***及方法 | |
| EP2419796A1 (en) | Apparatus and method for model quality estimation and model adaptation in multivariable process control | |
| CN113539382B (zh) | 一种亚磷酸二甲酯关键工艺参数的预警定位方法及*** | |
| CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及*** | |
| CN110738255A (zh) | 一种基于聚类算法的设备状态监测方法 | |
| CN114004306A (zh) | 一种基于物联网多维度数据的设备故障评估***及其方法 | |
| CN109240276B (zh) | 基于故障敏感主元选择的多块pca故障监测方法 | |
| CN114977176B (zh) | 电力负荷分解方法、装置、设备及存储介质 | |
| CN116975604B (zh) | 贴片机驱动***的故障预测方法及*** | |
| CN109741927A (zh) | 微型变压器生产线的设备故障和潜在不良品智能预测*** | |
| US8000819B2 (en) | Manufacturing instruction evaluation support system, manufacturing instruction evaluation support method, and manufacturing instruction evaluation support program | |
| CN109297534B (zh) | 用于评价室内环境质量的环境参数权重确定方法及*** | |
| CN110463215A (zh) | 用于提供技术设备的测量值的方法、技术***和用于运行技术***的方法 | |
| CN117071241B (zh) | 一种洗涤设备控制方法及洗涤设备控制*** | |
| CN113868947A (zh) | 一种智能电能表寿命预测方法及装置 | |
| CN113361142A (zh) | 一种多元参数退化相依的细纱机可靠性评估方法 | |
| JP2021076597A (ja) | 過渡速度動作中の振動傾向を決定することによるロータ異常の検出 | |
| CN110597729A (zh) | 基于维度的压力测试方法、装置及*** | |
| KR20210059271A (ko) | 진동 신호 기반의 기계 상태 관리 시스템 | |
| CN117870034B (zh) | 洁净室环境参数的控制方法、装置及*** | |
| JP6790311B1 (ja) | 非定常検出システム、非定常検出方法および非定常検出プログラム | |
| CN113158552B (zh) | 基于时间序列的生物反应器运行状况分级预测方法及*** | |
| WO2024142626A1 (ja) | 設備状態推定装置および設備状態推定方法 |
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 | ||
| GR01 | Patent grant |