[發明專利]洗滌劑用量的控制方法、控制裝置、存儲介質及洗衣機

在審

• 申請號: 202210291304.2
• 申請日: 2022-03-23
• 公開（公告）號: CN114657742A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 姚俊楠;俞楊
• 申請（專利權）人: TCL家用電器（合肥）有限公司
• 主分類號: D06F33/30
• 分類號: D06F33/30;D06F34/04;D06F39/02;D06F105/42
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 李鎮江

1.一種洗滌劑用量的控制方法，其特征在于，應用于洗衣機，所述方法包括：

獲取待洗衣物的多種樣本數據，并將所述多種樣本數據作為輸入層；

采用減法聚類算法計算得到每種所述樣本數據對應的神經元個數，并將所述多種樣本數據對應的神經元個數作為隱含層；

根據所述多種樣本數據和所述多種樣本數據對應的神經元個數，計算得到多個洗滌劑用量輸出數據，并將所述多個洗滌劑用量輸出數據作為輸出層；

根據所述輸入層、隱含層以及輸出層構建洗滌劑用量神經網絡模型；

獲取至少一種目標數據，并將所述至少一種目標數據輸入至所述洗滌劑用量神經網絡模型中，以確定目標洗滌劑用量數據。

2.根據權利要求1所述的洗滌劑用量的控制方法，其特征在于，所述采用減法聚類算法計算得到每種所述樣本數據對應的神經元個數，并將所述多種樣本數據對應的神經元個數作為隱含層，包括：

獲取所述多種樣本數據中每種樣本數據對應的多個樣本子數據，以及所述減法聚類算法的算法聚類半徑；

根據所述每種樣本數據對應的多個樣本子數據和所述算法聚類半徑，計算得到每種樣本數據的密度指標；

根據所述每種樣本數據的密度指標，確定所述每種樣本數據對應的神經元個數；

將每種樣本數據對應的神經元個數疊加得到所述多種樣本數據對應的神經元個數，并將所述多種樣本數據對應的神經元個數作為隱含層。

3.根據權利要求2所述的洗滌劑用量的控制方法，其特征在于，在所述根據所述每種樣本數據對應的多個樣本子數據和所述算法聚類半徑，計算得到每種樣本數據的密度指標之后，所述方法還包括：

獲取第m-1次計算所述每種樣本數據的密度指標、第m-1次計算所述每種樣本數據的最高密度指標以及密度指標下降范圍，其中，所述密度指標下降范圍為所述算法聚類半徑的1.5倍；

根據所述第m-1次計算所述每種樣本數據的密度指標、第m-1次計算所述每種樣本數據的最高密度指標以及所述密度指標下降范圍對所述每種樣本數據的密度指標進行更新，以得到第m次計算所述每種樣本數據的密度指標。

4.根據權利要求1所述的洗滌劑用量的控制方法，其特征在于，所述獲取待洗衣物的多種樣本數據，并將所述多種樣本數據作為輸入層，包括：

獲取待洗衣物的多種原始數據；

對所述多種原始數據進行預處理，以得到多種原始數據中滿足預設條件的多種樣本數據，并將所述多種樣本數據作為輸入層。

5.根據權利要求1所述的洗滌劑用量的控制方法，其特征在于，所述根據所述輸入層、隱含層以及輸出層構建洗滌劑用量神經網絡模型，包括：

獲取初始權值矩陣；

通過所述多種樣本數據、所述初始權值矩陣、所述多種樣本數據對應的神經元個數以及所述多個洗滌劑用量輸出數據在預設的神經網絡模型中進行訓練，以構建所述洗滌劑用量神經網絡模型，其中，所述初始權值矩陣在訓練過程中采用梯度下降法進行更新。

6.根據權利要求5所述的洗滌劑用量的控制方法，其特征在于，在所述通過所述多種樣本數據、所述初始權值矩陣、所述多種樣本數據對應的神經元個數以及所述多個洗滌劑用量輸出數據在預設的神經網絡模型中進行訓練，以構建所述洗滌劑用量神經網絡模型之后，所述方法還包括：

獲取網絡輸入向量、預設權值矩陣、以及每個神經元的激活函數；

根據所述網絡輸入向量、預設權值矩陣、以及所述每個神經元的激活函數，通過減法聚類算法對所述洗滌劑用量神經網絡模型中隱含層的神經元個數進行初始化處理，得到隱含層的初始神經元個數。

7.根據權利要求1至6任一項所述的洗滌劑用量的控制方法，其特征在于，所述多種樣本數據包括所述洗衣機中電動機的感應電動勢、洗滌水的渾濁程度、洗滌水的水溫、洗滌水的水量、待洗衣物的渾濁程度、待洗衣物的重量、待洗衣物的種類、洗滌劑的種類以及洗滌劑的濃度。