System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 净水器、滤芯寿命预估模型的训练方法及寿命预估方法技术_技高网

净水器、滤芯寿命预估模型的训练方法及寿命预估方法技术

技术编号:40136084 阅读:6 留言:0更新日期:2024-01-23 22:53
本发明专利技术涉及电器设备技术领域,公开了一种净水器、滤芯寿命预估模型的训练方法及寿命预估方法,其中滤芯寿命预估模型的训练方法包括:获取初始数据组,其中初始数据组中包括制水量和与制水量相对应的制水流速;对制水流速进行平滑处理,利用制水量和平滑处理后的制水流速组成训练数据组;将多个训练数据组输入到预设的滤芯寿命预估模型进行训练。在对滤芯寿命预估模型进行训练前,通过对制水流速进行平滑处理,由此减小制水流速跃变对制水流速与制水量的关系曲线的影响,从而使得制水流速与制水量的关系曲线更加精确,进一步使得滤芯的预估寿命更精确。

【技术实现步骤摘要】

本专利技术涉及电器设备,具体涉及一种净水器、滤芯寿命预估模型的训练方法及寿命预估方法


技术介绍

1、净水器主要依靠滤芯起到净水作用。滤芯对流过净水器的水中的杂质进行过滤,其中,净水器过滤杂质、制备干净水体的过程称为制水,水流出滤芯的速度可以称为滤芯的制水流速。随着制水量的增加,滤芯会被杂质等堵塞,制水流速会逐渐减小,当滤芯的制水流速一定的阈值时,则认为滤芯寿命到期。因此可以获取滤芯使用过程中的制水量和制水流速,根据获取到的制水量和制水流速拟合出制水流速与制水量的关系曲线,从而根据制水流速与制水量的关系曲线来对滤芯寿命进行预估。

2、但是,在实际应用过程中发现,在利用制水流速与制水量的关系曲线对滤芯寿命进行预估时,得到的预估寿命并不精确。


技术实现思路

1、有鉴于此,本专利技术提供了一种净水器、滤芯寿命预估模型的训练方法及寿命预估方法,以解决滤芯寿命预估时拟合出的制水流速与制水量的关系曲线并不精确的问题。

2、第一方面,本专利技术实施例提供了一种滤芯寿命预估模型的训练方法,方法包括以下步骤:获取初始数据组,其中初始数据组中包括制水量和与制水量相对应的制水流速;对制水流速进行平滑处理,利用制水量和平滑处理后的制水流速组成训练数据组;将多个训练数据组输入到预设的滤芯寿命预估模型进行训练。

3、本专利技术实施例提供的滤芯寿命预估模型的训练方法,通过获取初始数据组,其中初始数据组中包括制水量和与制水量相对应的制水流速;对制水流速进行平滑处理,利用制水量和平滑处理后的制水流速组成训练数据组;将多个训练数据组输入到预设的滤芯寿命预估模型进行训练。也就是说,在对滤芯寿命预估模型进行训练前,通过对制水流速进行平滑处理,由此减小制水流速跃变对制水流速与制水量的关系曲线的影响,从而使得制水流速与制水量的关系曲线更加精确,进一步使得滤芯的预估寿命更精确。

4、在一种可选的实施方式中,对制水流速进行平滑处理包括:利用卡尔曼滤波算法对制水流速进行平滑处理。

5、由此可以保证对制水流速进行平滑处理的处理效果。

6、在一种可选的实施方式中,对制水流速进行平滑处理包括:利用b样条曲线对制水流速进行平滑处理。

7、由此可以保证对制水流速进行平滑处理的处理效果。

8、在一种可选的实施方式中,滤芯寿命预估模型采用极限学习机。

9、这是因为,目前滤芯寿命预估模型一般采用低次曲线模型,如最小二乘法求解的模型,模型的复杂程度不高,不能充分拟合所有的数据,拟合曲线与实际制水流速走势重合度不高,因此与真实情况相差较大,不能精准预估寿命。而本专利技术实施例滤芯寿命预估模型采用极限学习机,其具有良好的泛化性能以及极快的学习能力,相较于低次曲线模型准确性更高。

10、第二方面,本专利技术实施例还提供了一种滤芯寿命预估方法,方法包括以下步骤:获取当前制水流速和当前制水量;将当前制水流速输入到上述第一方面或其对应的任一实施方式的滤芯寿命预估模型的训练方法训练得到的滤芯寿命预估模型中,得到与预设的最小制水流速相对应的最小制水量;根据当前制水量和最小制水量确定滤芯的剩余寿命;或者,获取当前制水流速和当前制水量;将当前制水流速输入到上述第一方面或其对应的任一实施方式的滤芯寿命预估模型的训练方法训练得到的滤芯寿命预估模型中,得到滤芯的剩余寿命。

11、本专利技术实施例提供的滤芯寿命预估方法,将当前制水流速输入到利用上述滤芯寿命预估模型的训练方法训练得到的滤芯寿命预估模型中,得到与预设的最小制水流速相对应的最小制水量,进一步根据当前制水量和最小制水量确定滤芯的剩余寿命。由于在对滤芯寿命预估模型进行训练前对制水流速进行了平滑处理,所以可以减小制水流速跃变对制水流速与制水量的关系曲线的影响,使得制水流速与制水量的关系曲线更加精确,进一步使得滤芯的预估寿命更精确。

12、第三方面,本专利技术实施例还提供了一种滤芯寿命预估模型的训练装置包括第一获取模块、预处理模块和训练模块;第一获取模块用于获取初始数据组,其中初始数据组中包括制水量和与制水量相对应的制水流速;预处理模块用于对制水流速进行平滑处理,利用制水量和平滑处理后的制水流速组成训练数据组;训练模块用于将多个训练数据组输入到预设的滤芯寿命预估模型进行训练。

13、本专利技术实施例提供的滤芯寿命预估方法,将当前制水流速输入到利用利用上述滤芯寿命预估模型的训练方法训练得到的滤芯寿命预估模型中,得到滤芯的剩余寿命。由于在对滤芯寿命预估模型进行训练前对制水流速进行了平滑处理,所以可以减小制水流速跃变对制水流速与制水量的关系曲线的影响,使得制水流速与制水量的关系曲线更加精确,进一步使得滤芯的预估寿命更精确。

14、第四方面,本专利技术实施例还提供了一种滤芯寿命预估装置,装置包括第二获取模块、最小制水量确定模块和滤芯寿命确定模块;第二获取模块用于获取当前制水流速和当前制水量;最小制水量确定模块用于将当前制水流速输入到利用上述第一方面或其对应的任一实施方式的滤芯寿命预估模型的训练方法训练得到的滤芯寿命预估模型中,得到与预设的最小制水流速相对应的最小制水量;滤芯寿命确定模块用于根据当前制水量和最小制水量确定滤芯寿命;或者,滤芯寿命预估装置包括第三获取模块和滤芯寿命确定模块,第三获取模块用于获取当前制水流速和当前制水量;滤芯寿命确定模块用于将所述当前制水流速输入到上述第一方面或其对应的任一实施方式的滤芯寿命预估模型的训练方法训练得到的滤芯寿命预估模型中,得到所述滤芯的剩余寿命。

15、第五方面,本专利技术实施例还提供了一种计算机设备,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的滤芯寿命预估模型的训练方法和/或第二方面的滤芯寿命预估方法。

16、第六方面,本专利技术实施例还提供了一种净水器,包括第五方面的计算机设备。

17、第七方面,本专利技术实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的滤芯寿命预估模型的训练方法和/或第二方面的滤芯寿命预估方法。

本文档来自技高网...

【技术保护点】

1.一种滤芯寿命预估模型的训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述制水流速进行平滑处理包括:

3.根据权利要求1所述的方法,其特征在于,所述对所述制水流速进行平滑处理包括:

4.根据权利要求1所述的方法,其特征在于,所述滤芯寿命预估模型采用极限学习机。

5.一种滤芯寿命预估方法,其特征在于,所述方法包括:

6.一种滤芯寿命预估模型的训练装置,其特征在于,所述装置包括:

7.一种滤芯寿命预估装置,其特征在于,所述装置包括:

8.一种计算机设备,其特征在于,包括:

9.一种净水器,其特征在于,包括权利要求8所述的计算机设备。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1~4中任一项所述的滤芯寿命预估模型的训练方法和/或权利要求5所述的滤芯寿命预估方法。

【技术特征摘要】

1.一种滤芯寿命预估模型的训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述制水流速进行平滑处理包括:

3.根据权利要求1所述的方法,其特征在于,所述对所述制水流速进行平滑处理包括:

4.根据权利要求1所述的方法,其特征在于,所述滤芯寿命预估模型采用极限学习机。

5.一种滤芯寿命预估方法,其特征在于,所述方法包括:

6.一种滤芯寿命预估模型的训练...

【专利技术属性】
技术研发人员:马磊詹婷张詠钦冯晓琴王志奎
申请(专利权)人:珠海格力电器股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1