一种冲牙器的姿态强度优化方法及系统技术方案

本发明专利技术公开了一种冲牙器的姿态强度优化方法及系统，包括以下步骤，步骤S1：对冲牙器的冲牙姿态以及对应的冲牙强度值进行收集整理；步骤S2：求得与冲牙姿态相对应的最优冲牙强度值，并建立数据集；其中，冲牙姿态包括喷嘴在口腔内的位置和处于这个位置时喷嘴的朝向；而冲牙强度值则是对应于上述冲牙姿态的冲牙强度；步骤S3：建立神经网络结构学习冲牙姿态和最优的冲牙强度值之间的对应关系；步骤S4：让神经网络进行学习和进化；本发明专利技术极大提升了冲牙器的智能化程度，可以针对不同的人群咯爱提供更为合适的使用效果，并在后续的使用过程当中不断的完善，不断的贴合于个人的冲牙习惯，让冲牙过程更为舒适。牙过程更为舒适。牙过程更为舒适。

【技术实现步骤摘要】
一种冲牙器的姿态强度优化方法及系统


[0001]本专利技术涉及冲牙器领域，具体涉及到一种冲牙器的姿态强度优化 方法及系统。

技术介绍

[0002]随着社会的发展和科技的进步，人们对于个人卫生的清洁也是愈 发的重视。而在个人卫生清洁领域当中有一个绕不开的领域，那就是 对于个人口腔的卫生清洁。从古至今，人们对于口腔部位的清洁从未 中断，从古代利用杨柳枝等器物对口腔进行清洁，再到人们目前普遍 使用的各类牙刷；在人类这数千年的口腔清洁期间，各种适用于口腔 清洁的器具层出不穷，这些口腔清洁用具的结构越来越精密，功能越 来越多，清洁效果也越来越好。其中，冲牙器作为最新也是最为前沿 的口腔清洁器具也是愈发的受到人们的认可和喜爱。但是目前市面上 现有的冲牙器仍然存在一定的不足，智能化的程度不高，口腔清洁过 程中的精确控制能力不强，且对于个人口腔清洁工作的针对性不强。 在实际的使用过程当中，每一个人的口腔状况都是不一样的，这就要 求冲牙器要有不同的针对性和适应性，这样才可以给用户带来更为长 久也更为舒适的的使用体验。

技术实现思路

[0003]本专利技术为克服上述情况不足，旨在提供一种能解决上述问题的技 术方案。
[0004]一种冲牙器的姿态强度优化方法，包括以下步骤：
[0005]步骤S1：对冲牙器的冲牙姿态及对应的冲牙强度值进行收集整 理；
[0006]步骤S2：求得与冲牙姿态相对应的最优冲牙强度值，并建立数 据集；其中，冲牙姿态包括喷嘴在口腔内的位置和处于这个位置时喷 嘴的朝向；而冲牙强度值则是对应于上述冲牙姿态的冲牙强度；
[0007]步骤S3：建立神经网络结构学习冲牙姿态和最优的冲牙强度值 之间的对应关系；
[0008]步骤S4：让神经网络进行学习和进化。
[0009]进一步的，所述步骤S1包括以下子步骤：
[0010]步骤S1.1：收集整理使用冲牙器过程中不同的冲牙姿态及对应 冲牙强度值的详细数据信息。
[0011]进一步的，所述步骤S2包括有以下子步骤：
[0012]步骤S2.1：根据收集整理的冲牙姿态及对应的冲牙强度值，针 对性的建立关于冲牙强度值的优化方程A
→
B；
[0013]步骤S2.2：针对上述的优化方程，对冲牙强度值的上限B1和下 限B2进行范围限定；
[0014]步骤S2.3：将对应冲牙姿态的冲牙强度值进行离散化操作，然 后根据步骤S2.1建立的优化方程及步骤S2.2中的范围限定，对对应 冲牙姿态下的冲牙强度值进行求解；
[0015]步骤S2.4：针对所有不同冲牙姿态下的冲牙强度值分别求出最 优解；根据得到的解，建立冲牙姿态和冲牙强度值的对应关系，并建 立初始数据集。
[0016]进一步的，所述步骤S3包括以下子步骤：
[0017]步骤S3.1：将步骤S2.4中建立的初始数据集分为初始训练集和 初始测试集，建立初始的神经网络模型来对映射关系进行学习，初始 神经网络在初始训练集进行训练，通过初始测试集对初始神经网络进 行测试，判断该初始神经网络是否有效；
[0018]步骤S3.2：建立神经网络搜索空间；将神经元隐藏层的数量、 每个隐藏层内隐藏有的神经元数量及学习率作为构建神经网络过程 中可以变化的参数；在初始神经网络的基础上，构建多个神经网络模 型，分别在初始训练集中进行训练，然后在初始测试集中进行测试； 根据在测试集上的表现，选出多个神经网络模型和初始神经网络架构 表现最好的网络模型，应用于系统中用于完成最优的冲牙强度值的选 取。
[0019]进一步的，所述步骤S4包括以下子步骤：
[0020]步骤S4.1：将冲牙器运用到用户的个人口腔护理环境中，并用 当前最优的神经网络模型来输出每个冲牙姿态对应的最优的冲牙强 度值；
[0021]步骤S4.2：在产品实验或用户的实际冲牙过程当中，记录整个 冲牙过程当中的多个冲牙姿态以对应于冲牙姿态的冲牙强度值；
[0022]步骤S4.3：记录在实际使用过程当中，用户对于某个冲牙姿态 的冲牙强度值的调整数据；
[0023]步骤S4.4：对比实验过程或用户使用过程中由当前神经网络输 出的冲牙强度值与使用者通过实际使用感受调整得到的全局最优冲 牙强度值，如果二者偏差的绝对值大于设定的阈值，则对神经网络进 行重新训练；
[0024]步骤S4.5：将实验过程或用户使用过程中记录得到的冲牙姿态 和对应的冲牙强度值作为关系对加入到已经有的数据集中，并且将数 据集分成扩增后训练集和扩增后测试集，在已经建立好的神经网络空 间中进行搜索，构多个神经网络模型，分别在扩增后的训练集中进行 训练，然后在扩增后的测试集中进行测试，将多个神经网络模型中架 构表现最好的网络模型作为当前最优的神经网络模型应用于冲牙器 系统中，并且用于完成以后的产品实验工作或用户的实际冲牙操作；
[0025]步骤S4.6：在以后的产品实验或实际的冲牙操作过程中，不断 的通过判断差值是否大于阈值来判断当前神经网络是否是最优的模 型，从而对模型进行持续优化。
[0026]进一步的，相邻两个所述冲牙姿态之间的位置间隔长度为一个牙 齿的宽度。
[0027]本专利技术还提供一种冲牙器的姿态强度优化装置，包括：
[0028]搜集整理模块，用于对冲牙器的冲牙姿态以及对应的冲牙强度值 进行收集整理；
[0029]冲牙强度计算模块，用于求得与冲牙姿态相对应的最优冲牙强度 值，并建立数据集；其中，冲牙姿态包括喷嘴在口腔内的位置和处于 这个位置时喷嘴的朝向；而冲牙强度值则是对应于上述冲牙姿态的冲 牙强度；
[0030]关系学习模块，用于建立神经网络结构学习冲牙姿态和最优的冲 牙强度值之间的对应关系；
[0031]学习进化模块，用于让神经网络进行学习和进化。
[0032]本专利技术还提供一种冲牙器的姿态强度优化系统，包括：
[0033]模块1：冲牙器的姿态确认模块；所述冲牙器的姿态确认模块包 括如权利要求7所述的搜集整理模块；
[0034]模块2：冲牙器的冲牙强度值调整控制模块；所述冲牙器的冲牙 强度值调整控制模块包括如权利要求7所述的冲牙强度计算模块和 关系学习模块；
[0035]模块3：神经网络模块自进化的学习模块；所述神经网络模块自 进化的学习模块包括如权利要求7所述的学习进化模块。
[0036]本专利技术还提供一种计算机设备，包括：处理器和存储器，所述存 储器存储程序模块，其特征在于，所述程序模块在所述处理器运行， 实现如权利要求1
‑
6任一项所述的方法。
[0037]本专利技术还提供一种可读存储介质，存储程序模块，所述程序模块 在处理器中运行可实现如权利要求1
‑
6任一项所述的方法。
[0038]与现有技术相比，本专利技术的有益效果是：
[0039]1、在本专利技术中提供的一种冲牙器的姿态强度优化方法及系统， 可以通过收集整理得到的冲牙状态与冲牙强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冲牙器的姿态强度优化方法，其特征在于，包括以下步骤：步骤S1：对冲牙器的冲牙姿态以及对应的冲牙强度值进行收集整理；步骤S2：求得与冲牙姿态相对应的最优冲牙强度值，并建立数据集；其中，冲牙姿态包括喷嘴在口腔内的位置和处于这个位置时喷嘴的朝向；而冲牙强度值则是对应于上述冲牙姿态的冲牙强度；步骤S3：建立神经网络结构学习冲牙姿态和最优的冲牙强度值之间的对应关系；步骤S4：让神经网络进行学习和进化。2.根据权利要求1所述的冲牙器的姿态强度优化方法，其特征在于，所述步骤S1包括以下子步骤：步骤S1.1：收集整理使用冲牙器过程中不同的冲牙姿态及对应冲牙强度值的详细数据信息。3.根据权利要求2所述的冲牙器的姿态强度优化方法，其特征在于，所述步骤S2包括有以下子步骤：步骤S2.1：根据收集整理的冲牙姿态及对应的冲牙强度值，针对性的建立关于冲牙强度值的优化方程A
→
B；步骤S2.2：针对上述的优化方程，对冲牙强度值的上限B1和下限B2进行范围上的限定；步骤S2.3：将对应冲牙姿态的冲牙强度值进行离散化操作，然后根据步骤S2.1建立的优化方程及步骤S2.2中的范围限定，对对应冲牙姿态下的冲牙强度值进行求解；步骤S2.4：针对所有不同冲牙姿态下的冲牙强度值分别求出最优解；根据得到的解，建立冲牙姿态和冲牙强度值的对应关系，并建立初始数据集。4.根据权利要求3所述的冲牙器的姿态强度优化方法，其特征在于，所述步骤S3包括以下子步骤：步骤S3.1：将步骤S2.4中建立的初始数据集分为初始训练集和初始测试集，建立初始的神经网络模型来对映射关系进行学习，初始神经网络在初始训练集进行训练，通过初始测试集对初始神经网络进行测试，判断该初始神经网络是否有效；步骤S3.2：建立神经网络搜索空间；将神经元隐藏层的数量、每个隐藏层内隐藏有的神经元数量及学习率作为构建神经网络过程中可以变化的参数；在初始神经网络模型的基础上，构建多个神经网络模型，分别在初始训练集中进行训练，然后在初始测试集中进行测试；根据在测试集上的表现，选出多个神经网络模型和初始神经网络架构表现最好的网络模型，应用于系统中用于完成最优的冲牙强度值的选取。5.根据权利要求4所述的冲牙器的姿态强度优化方法，其特征在于，所述步骤S4包括以下子步骤：步骤S4.1：将冲牙器运用到用户的个人口腔护理环境中，并用当前最优的神经网络模型来输出每个冲牙姿态对应的最优的冲牙强度值；步骤S4.2：在产品实验或用户的实际冲牙过程当中，记录整个冲牙过程当中的多个冲牙...

【专利技术属性】
技术研发人员：李冬保，
申请(专利权)人：江西瑞圣特科技有限责任公司，
类型：发明
国别省市：