【技术实现步骤摘要】
本申请属于智能家电，具体涉及一种基于负载分布的脱水处理方法、装置、设备和存储介质。
技术介绍
1、随着生活水平的不断提高，衣物处理设备已经成为家庭生活中不可缺少的家电产品，它不仅提高了洗涤效率，还节省了家庭的时间和人力。
2、然而，随着用户以及用户所在家庭对衣物处理设备的使用需求越来越高，衣物处理设备在某些方面仍有待改进，例如，当衣物处理设备完成洗涤并排出洗涤水后，衣物需要进行脱水处理。但在开始脱水之前，需要先对衣物进行均匀分布。然而，现有的衣物处理设备在衣物分布过程中所采用的分布方式比较单一，它们通常使用相同的分布控制参数来处理不同量的衣物负载。因此，在衣物量较少时，会出现脱水进程缓慢以及能耗增加的问题。
3、因此，如何根据衣物处理设备的电机转速、噪声值以及偏心值，对筒内衣物进行分布处理，以保证衣物处理设备能够在不同的负载条件下实现筒内衣物的均匀分布，从而实现更加环保和经济的衣物处理过程，是目前亟待解决的问题。
技术实现思路
1、本申请提供了一种基于负载分布的脱水处理方法、装置、设备和存储介质，用以解决无法根据衣物处理设备的电机转速、噪声值以及偏心值，对筒内衣物进行分布处理的问题。
2、第一方面，本申请提供一种基于负载分布的脱水处理方法，包括：
3、获取衣物处理设备在低速脱水阶段的参数信息，所述参数信息包括：电机转速、噪声值以及偏心值；
4、将所述电机转速、噪声值以及偏心值输入至负载分布识别网络模型中，得到所述负载分布识
5、在所述负载分布状态为第一负载分布状态时，控制所述衣物处理设备进入高速脱水阶段，所述第一负载分布状态用于指示所述衣物处理设备当前负载分布均匀。
6、可选的，所述获取衣物处理设备在低速脱水阶段的参数信息之前，所述方法还包括：
7、获取所述衣物处理设备在所述低速脱水阶段的多个历史参数信息以及每个历史参数信息对应的负载分布状态；
8、根据所述多个历史参数信息以及每个历史参数信息对应的负载分布状态对神经网络模型进行训练，得到训练完成的所述负载分布识别网络模型。
9、可选的，所述历史参数信息包括：电机历史转速、历史噪声值以及历史偏心值，所述根据所述多个历史参数信息以及每个历史参数信息对应的负载分布状态对神经网络模型进行训练，得到训练完成的所述负载分布识别网络模型，包括：
10、分别对所述电机历史转速、历史噪声值以及历史偏心值进行归一化处理，得到新的历史参数信息；
11、将所述新的历史参数信息输入至所述神经网络模型中，以对所述神经网络模型进行迭代训练处理，得到训练完成的所述负载分布识别网络模型。
12、可选的，所述方法还包括：
13、在根据所述新的历史参数信息对所述神经网络模型进行迭代训练处理之后，获取所述神经网络模型输出的候选负载分布状态；
14、根据每个历史参数信息对应的负载分布状态以及所述候选负载分布状态，确定所述神经网络模型的准确度；
15、在所述准确度达到预设准确度时，确定所述神经网络模型训练完成，得到所述负载分布识别网络模型。
16、可选的，所述方法还包括：
17、在所述负载分布状态为第二负载分布状态时，控制所述衣物处理设备进入负载分布阶段，所述第二负载分布状态用于指示所述衣物处理设备当前负载分布不均匀；
18、在所述负载分布阶段执行完成后，重新控制所述衣物处理设备进入所述低速脱水阶段，并重新获取衣物处理设备在所述低速脱水阶段的新的参数信息；
19、采用所述负载分布识别网络模型根据所述新的参数信息对所述衣物处理设备当前的负载分布进行识别处理，得到新的负载分布状态；
20、根据所述新的负载分布状态，控制所述衣物处理设备执行对应的衣物处理程序。
21、可选的，所述控制所述衣物处理设备进入负载分布阶段，包括：
22、控制所述衣物处理设备的电机按照第一加速度进行反转处理，直至所述电机转速达到第一转速；
23、所述控制所述衣物处理设备进入低速脱水阶段，包括：
24、控制所述衣物处理设备的电机按照第二加速度进行正转处理，直至所述电机转速从第一转速提升至第二转速。
25、第二方面，本申请提供一种基于负载分布的脱水处理装置，包括：
26、获取模块，用于获取衣物处理设备在低速脱水阶段的参数信息，所述参数信息包括：电机转速、噪声值以及偏心值；
27、确定模块，用于将所述电机转速、噪声值以及偏心值输入至负载分布识别网络模型中，得到所述负载分布识别网络模型输出的负载分布状态，其中，所述负载分布识别网络模型是根据所述衣物处理设备的历史参数信息确定得到的；
28、控制模块，用于在所述负载分布状态为第一负载分布状态时，控制所述衣物处理设备进入高速脱水阶段，所述第一负载分布状态用于指示所述衣物处理设备当前负载分布均匀。
29、可选的，所述获取模块，还用于获取所述衣物处理设备在所述低速脱水阶段的多个历史参数信息以及每个历史参数信息对应的负载分布状态；
30、所述装置还包括：训练模块；
31、所述训练模块，用于根据所述多个历史参数信息以及每个历史参数信息对应的负载分布状态对神经网络模型进行训练，得到训练完成的所述负载分布识别网络模型。
32、可选的，所述装置还包括：处理模块；
33、所述处理模块，用于分别对所述电机历史转速、历史噪声值以及历史偏心值进行归一化处理，得到新的历史参数信息；
34、所述训练模块，还用于将所述新的历史参数信息输入至所述神经网络模型中，以对所述神经网络模型进行迭代训练处理，得到训练完成的所述负载分布识别网络模型。
35、可选的，所述获取模块，还用于在根据所述新的历史参数信息对所述神经网络模型进行迭代训练处理之后，获取所述神经网络模型输出的候选负载分布状态；
36、所述确定模块，还用于根据每个历史参数信息对应的负载分布状态以及所述候选负载分布状态，确定所述神经网络模型的准确度；
37、所述确定模块，具体用于在所述准确度达到预设准确度时，确定所述神经网络模型训练完成，得到所述负载分布识别网络模型。
38、可选的，所述控制模块，还用于在所述负载分布状态为第二负载分布状态时，控制所述衣物处理设备进入负载分布阶段，所述第二负载分布状态用于指示所述衣物处理设备当前负载分布不均匀；
39、所述控制模块，还用于在所述负载分布阶段执行完成后，重新控制所述衣物处理设备进入所述低速脱水阶段；
40、所述获取模块，还用于重新获取衣物处理设备在所述低速脱水阶段的新的参数信息；
41、所述处理模块，还用于采用所述负载分布识别网本文档来自技高网...
【技术保护点】
1.一种基于负载分布的脱水处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取衣物处理设备在低速脱水阶段的参数信息之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述历史参数信息包括：电机历史转速、历史噪声值以及历史偏心值，所述根据所述多个历史参数信息以及每个历史参数信息对应的负载分布状态对神经网络模型进行训练，得到训练完成的所述负载分布识别网络模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述控制所述衣物处理设备进入负载分布阶段，包括：
7.一种基于负载分布的脱水处理装置，其特征在于，包括：
8.根据权利要求7的装置，其特征在于，所述装置还包括：训练模块；
9.一种基于负载分布的脱水处理设备，其特征在于，包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机执行指令，所述计算
...【技术特征摘要】
1.一种基于负载分布的脱水处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取衣物处理设备在低速脱水阶段的参数信息之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述历史参数信息包括：电机历史转速、历史噪声值以及历史偏心值，所述根据所述多个历史参数信息以及每个历史参数信息对应的负载分布状态对神经网络模型进行训练，得到训练完成的所述负载分布识别网络模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：高鑫，王增超，张先旦，梁青，
申请(专利权)人：青岛海尔洗衣机有限公司，
类型：发明
国别省市：
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。