一种滚筒洗衣机衣物偏心检测方法

1.本发明涉及一种滚筒洗衣机衣物偏心检测方法，属于洗衣机滚筒电机控制领域。


背景技术：

2.因为衣物的材质、尺寸大小、吸水程度的不同，所以往往造成了滚筒内的分布情况是不均匀，而这种分布不均匀导致滚筒洗衣机发生振动、产生噪音，更严重的情况会发生滚筒移位或散架。滚筒内均匀分布的情况也对之后脱水阶段电机能否以高速运行至关重要，如何获取这种不均匀状况以及这种不均匀的状况通过何种方式反映出来，是需要重视的一个问题。
3.滚筒洗衣机内衣服的分布不均匀会造成滚筒洗衣机的振动，当滚筒内没有偏心负载或偏心负载较小时，滚筒洗衣机内负重分布平衡，滚筒洗衣机的振动会减小。但是由于滚筒内的衣物分布情况是随滚筒洗衣机的运动而运动的，是一个复杂的非线性的运动，难以建立数学模型，所以实现完全减小滚筒洗衣机内的偏心并不容易。虽然研发者一直在提高洗衣机的性能，减小洗衣机的振动，但有时洗衣机依然会有剧烈的振动和噪声，所以减小滚筒洗衣机的振动的技术依然需要努力的研究和开发。
4.针对这一问题，传统的方法往往是从机械结构入手，这在一定程度上可以达到减振降噪的效果，但设计和分析相对复杂，经验依赖性强，且可移植性不佳，进而造成了减振设计成本居高不下，而且对于后期的保养维修和也会是巨大的耗费。也有一些精度很高的检测方法，便是利用一些高精度的传感器进行检测，比如位移、加速度等，虽然精度得到了极大的提升，但是这种方式的难点在于如何将测量的这些影响因子的数据转化成为主控模块的能够处理的数据。不仅在数据转化的过程中工作量巨大，而且成本也十分昂贵。


技术实现要素：

5.本发明要解决的技术问题是，克服现有技术的缺陷，提供一种滚筒洗衣机衣物偏心检测方法，能够在保证精确度的情况下，实现成本的节约成本以及检测方法步骤的简化。
6.为解决上述技术问题，本发明采用的技术方案为：
7.一种滚筒洗衣机衣物偏心检测方法，包括以下步骤：
8.获取实时的偏心负载值，以及获取总负载值；
9.根据滚筒尺寸大小设置平衡均载质量；
10.将偏心负载值、总负载值和平衡均载质量值输入到衣物偏心预测模型，计算得到偏心质量；
11.其中，所述衣物偏心预测模型的训练方法包括：
12.通过模拟滚筒实验，改变滚筒平衡均载质量和偏心质量，获取对应的多组的偏心负载值和总负载值；
13.将平衡均载质量、偏心负载值和总负载值作为bp神经网络输入层，以及偏心质量作为bp神经网络输出层，对输入输出的数据进行训练。
14.获取偏心负载值包括：
15.控制电机转速达到第一设定转速，并且保持一段时间的稳定；
16.检测电机的实时转速，将实际转速与第一设定转速做差，得到转速差值，在检测周期内对转速差值进行积分处理得到偏心负载值。获取总负载值包括：
17.控制电机加速达到第二设定转速，然后减速至第三设定转速；
18.检测电机从第二设定转速到第三设定转速减速期间的功率变化；
19.根据功率变化计算出做工值，然后根据做工值计算得到总负载值。获取总负载值前判断偏心负载值是否满足在预设范围，如果满足要求，则进行获取总负载值流程，如果不满足要求，则需要对滚筒内的衣物进行抖散操作再进行获取偏心负载值过程。
20.功率具体测定如下：
21.在洗衣机滚筒每转一个机械周期进行一次电流采样，间接得到实际功率值，将每次得到的实际功率进行比较，并筛选出所得数据中的最大实际功率值与最小实际功率值，重复多次，分别得到最大实际功率值数据集和最小实际功率值数据集，将最大实际功率值数据集中最高值和最低值除去，然后再取平均值，以及将最小实际功率值数据数据集中最高值和最低值除去，然后再取平均值，最终得到实际功率值。bp神经网络训练划分样本空间为训练样本集为75％、验证样本集为15％以及测试样本集为10％。
22.计算总负载值具体流程包括：
23.等待电机达到第二设定转速，并进行电流采样，并进行功率滤波处理，记录下功率值p1；
24.等待电机达到第三设定转速，并进行电流采样，并进行功率滤波处理，记录下功率值p2；
25.记录下整个减速过程的时间t，将功率值p1和功率值p2作差后乘以时间t，计算出整个过程的做工值；
26.重复上述过程多次，将各次得到的做工值相加得到总做工值，再将总做工值除以与次数得到总负载值。
27.一种滚筒洗衣机衣物偏心检测装置，包括：
28.偏心负载值和总负载值获取模块，用于获取实时的偏心负载值和总负载值；
29.平衡均载质量设置模块，用于根据滚筒尺寸大小设置平衡均载质量；
30.衣物偏心预测模型，所述衣物偏心预测模型的训练方法包括：
31.通过模拟滚筒实验，改变滚筒平衡均载质量和偏心质量，获取对应的多组的偏心负载值和总负载值；
32.将平衡均载质量、偏心负载值和总负载值作为bp神经网络输入层，以及偏心质量作为bp神经网络输出层，对输入输出的数据进行训练。
33.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现滚筒洗衣机衣物偏心检测方法。
34.本发明的有益效果：本发明提供一种滚筒洗衣机衣物偏心检测方法，通过对实时速度、实时功率的测量，并通过数据处理转化成为能够反应洗衣机滚筒内的衣物分布情况的偏心负载值(oob数值)、总负载值(load数值)，其中电机三个阶段的转速中第一阶段的转速用于oob数值检测，第二阶段和第三阶段转速用于load数值检测，方法流程简单，检测设
备成本低，另外本发明借助bp神经网络，建立滚筒洗衣机衣物偏心预测模型，借助此模型能够根据均载质量、oob数值、load数值预测出内筒内的偏心质量，能够解决现有技术中借助算法数据处理后得到可以衡量衣物偏心状态但是依旧需要依靠人工进行数据拟合的操作，大大提高了衣物偏心识别的准确度。
附图说明
35.图1为本发明提供的一种衣物偏心检测方法的流程示意图；
36.图2为本发明提供等效数学模型分析图；
37.图3为本发明提供的衣物偏心检测的具体算法的流程示意图
38.图4为本发明提供的oob算法流程图；
39.图5为本发明提供的oob数值处理流程图；
40.图6为本发明提供的load算法流程图；
41.图7为本发明提供的load数值处理流程图；
42.图8为本发明提供的bp神经网络训练过程图。
具体实施方式
43.下面结合附图对本发明作进一步描述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
44.本发明的一种洗衣机偏心检测方法，适用于滚筒洗衣机在进行脱水程序之前，通过检测oob数值、load数值衡量滚筒内衣物的分布情况，oob数值、load数值在不同偏心和均载的情况下是不同的。由于滚筒内的义务的分布是不均匀的，在进行实际的分析处理时，可以对其进行等效转化，如图2所示，是将衣物质量等效成偏心质量与均载质量的总和，即m
衣物
＝m
load
＝m
oob
+m
blc
。其中，m
oob
数值表示偏心质量，m
blc
数值表示均载质量，m
load
表示总质量。
45.如图1和图3所示，本发明的一种洗衣机偏心检测方法，主要包括如下步骤：
46.步骤一，初始化程序后，程序进入等待阶段，控制电机转速达到第一设定转速，并且保持一段时间的稳定。
47.步骤二，判断实时转速是否与所设定的门限转速相差过大，在算法中会预先设定差值范围，在实际转速符合设定要求之后，才可以行实际转速检测的前提条件。相差过大，则说明目前的实际转速不稳定，则需要将转速调整到稳定后，才可以进行检测，如果差异值在要求之内(一般是相差3到4转之内)，则进入到检测阶段。第一设定转速需要根据具体的应用场景决定，通常范围是80r/m到110r/m之间。
48.在检测周期内对积分处理得到oob值，检测周期大小为1ms，oob值检测阶段的算法流程图如图4所示，在检测阶段，主要是对内桶的最高位置或者最低位置的实时转速进行检测，在检测次数达标后，进行数据处理。具体地，oob数值的梳理过程如图5所示，将实际转速与设定的第一转速的差值的绝对值，在检测周期内进行积分处理的到oob数值，包括以下步骤：步骤a,延迟一段时间，等待速度稳定；步骤b、对速度采样，并进行滤波处理；步骤c,将实际转速与设定转速做差，并在检测周期内进行积分处理；步骤d,将积分结果与检测次数相比，即得到了oob数值。
49.步骤三，判断oob数值是否满足要求，如果满足要求，则进行load检测，如果不满足
要求，则需要对滚筒内的衣物进行抖散操作。
50.步骤四，在oob数值满足需求时，则会进入到load检测阶段，等待电机达到第二设定转速，然后减速至第三设定转速。二设定转速和第三设定转速需要根据具体的应用场景决定，但是要保证第二设定转速大于第三设定转速，第三设定转速要大于第一设定转速。
51.步骤五，经过算法数据处理的得到load数值。load检测阶段的算法流程图如图6所示，初始化程序后，进入到load等待阶段，判断实时转速是否与所设定的门限转速相差过大，相差过大，则说明目前的实际转速不稳定，则需要将转速调整到稳定后，才可以进行检测，如果差异值在要求之内，则进入到检测阶段。如果程序一直无法进入到load检测阶段，则需要重新进行初始化。在检测阶段，会将转速拉升到最高设定转速，如果实际转速与设定的最高转速相差过大，则需要调整运行时间与检测时间的误差。在达到最高设定转速后，需要降低至最低设定转速。在降低到最低转速时，要将转速拉升到最高设定转速，并记录下转速由高速-低速-高速的过程，直到次数满足要求为止。对此过程的功率变化进行数据处理得到load值。load数值的梳理过程如图7所示，包括以下步骤：步骤a，等待达到最高检测转速，并进行电流采样，进行功率滤波处理，记录下功率值p1；步骤b，等待达到最低检测转速，并进行电流采样，进行功率滤波处理，记录下功率值p2。洗衣机滚筒每转一个机械周期进行一次电流采样，就会间接得到实际功率值，将每次的到的实际功率进行比较，并筛选出所得数据中的最大实际功率值与最小实际功率值，重复累计8次。为了使数据不出现异常值，通过trimmean函数处理，先从数据集将最高值和最低值除去，然后再取平均值，所得数据作为实际功率值。步骤c，记录下整个过程的时间t，计算出整个过程的做工值；步骤d，重复整个过程n次，总做工值与次数相比得到load值。整个load阶段需要进行两次，并且会将两次得到的功率取平均值后得到最终的load值。
52.步骤六，判断检测到的oob数值、load数值是否能够满足预脱水的需求，如果满足，则进行预脱水操作，在滚筒进行预脱水操作时，滚筒转速一般不超过400r/min,预脱水的目的是为了将滚筒内的衣物水分尽可能的甩掉一些，减小偏心，会更容易满足后期高速脱水的要求。
53.步骤七，在预脱水结束后，会再进行一轮oob数值检测、load数值检测，其过程和第一次oob数值检测过程很类似。
54.步骤八，改变平衡均载质量、偏心质量、滚筒内的位置，对多种不同的情况进行测量，将每种情况对应一组数据记录下来。在洗衣机滚筒内放置偏心块与平衡块测试，在不同位置处进行多次测试，并且也要随之改变偏心块和平衡块的质量，测试出多组oob数值、load数值。将均载质量、oob数值、load数值作为输入层，偏心质量(平衡均载)作为输出层导入bp神经网络，划分样本空间为训练样本集(75％)、验证样本集(15％)、测试样本集(10％)。
55.步骤九，初始化bp神经网络模型，设置好bp神经网络控制参数，确定隐藏神经元个数，调整训练次数、训练速率、目标误差阈值等，对之前构建的样本空间进行训练，确立好bp神经网络的衣物偏心预测模型。调整bp神经网络控制参数及隐藏神经元个数，误差和阈值等参数，重复训练直至达到相关性最优，继而输出最终的基于bp神经网络衣物偏心预测预测模型。
56.具体地，构建的bp神经网络输入层神经元个数为3，输出层的神经元个数为1。在满
足精度的基础下，隐藏层节点节点数由如下公式求得：其中m为输入神经元个数，n为输出神经元个数，a取0～10之间的整数。
57.基本参数包括：学习速率μ、输入层到隐含层的权重w
ij
、隐含层到输出层的权重w
ik
、输入层到隐含层的偏置数aj、隐含层到输出层的偏置数bk以及激励函数f(x)；其中，输入层到隐含层的权重w
ij
、隐含层到输出层的权重w
ik
、输入层到隐含层的偏置数aj、隐含层到输出层的偏置数bk初始化值为(-1,1)内的随机数。其中，所述激励函数f(x)计算公式为其中，x为隐含层输入。
58.其中，所述对bp神经网络模型进行训练如图8所示，具体步骤为：提供一组模型训练样本，对每个训练样本p循环；循环为逐层正向计算网络各节点的输入和输出，计算第q个样本的输出误差和网络的总误差e，当e小于允许误差ε或者达到指定的迭代次数p时，学习过程结束；否则进行误差反向传播，进而逐层计算网络各节点误差，修正网络连接权值。
59.步骤十，当获取到满足需要求的oob值和load值时后，利用衣物偏心预测模型对新数据进行预测，并将预测的偏心结果反馈给主控模块判断。如果满足上高速进行脱水的要求，则会进行脱水操作，如果不满足要求则会重新打散滚筒内的衣物，重新返会oob检测、load检测阶段。
60.本发明还公开一种滚筒洗衣机衣物偏心检测装置，包括：
61.偏心负载值和总负载值获取模块，用于获取实时的偏心负载值和总负载值；
62.平衡均载质量设置模块，用于根据滚筒尺寸大小设置平衡均载质量；
63.衣物偏心预测模型，所述衣物偏心预测模型的训练方法包括：
64.通过模拟滚筒实验，改变滚筒平衡均载质量和偏心质量，获取对应的多组的偏心负载值和总负载值；
65.将平衡均载质量、偏心负载值和总负载值作为bp神经网络输入层，以及偏心质量作为bp神经网络输出层，对输入输出的数据进行训练。
66.本发明最后公开一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现滚筒洗衣机衣物偏心检测方法。
67.以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种滚筒洗衣机衣物偏心检测方法，其特征在于：包括以下步骤：获取实时的偏心负载值，以及获取总负载值；根据滚筒尺寸大小设置平衡均载质量；将偏心负载值、总负载值和平衡均载质量值输入到衣物偏心预测模型，计算得到偏心质量；其中，所述衣物偏心预测模型的训练方法包括：通过模拟滚筒实验，改变滚筒平衡均载质量和偏心质量，获取对应的多组的偏心负载值和总负载值；将平衡均载质量、偏心负载值和总负载值作为bp神经网络输入层，以及偏心质量作为bp神经网络输出层，对输入输出的数据进行训练。2.根据权利要求1所述的一种滚筒洗衣机衣物偏心检测方法，其特征在于：获取偏心负载值包括：控制电机转速达到第一设定转速，并且保持一段时间的稳定；检测电机的实时转速，将实际转速与第一设定转速做差，得到转速差值，在检测周期内对转速差值进行积分处理得到偏心负载值。3.根据权利要求2所述的一种滚筒洗衣机衣物偏心检测方法，其特征在于：获取总负载值包括：控制电机加速达到第二设定转速，然后减速至第三设定转速；检测电机从第二设定转速到第三设定转速减速期间的功率变化；根据功率变化计算出做工值，然后根据做工值计算得到总负载值。4.根据权利要求3所述的一种滚筒洗衣机衣物偏心检测方法，其特征在于：获取总负载值前判断偏心负载值是否满足在预设范围，如果满足要求，则进行获取总负载值流程，如果不满足要求，则需要对滚筒内的衣物进行抖散操作再进行获取偏心负载值过程。5.根据权利要求3所述的一种滚筒洗衣机衣物偏心检测方法，其特征在于：功率具体测定如下：在洗衣机滚筒每转一个机械周期进行一次电流采样，间接得到实际功率值，将每次得到的实际功率进行比较，并筛选出所得数据中的最大实际功率值与最小实际功率值，重复多次，分别得到最大实际功率值数据集和最小实际功率值数据集，将最大实际功率值数据集中最高值和最低值除去，然后再取平均值，以及将最小实际功率值数据数据集中最高值和最低值除去，然后再取平均值，最终得到实际功率值。6.根据权利要求1所述的一种滚筒洗衣机衣物偏心检测方法，其特征在于：bp神经网络训练划分样本空间为训练样本集为75％、验证样本集为15％以及测试样本集为10％。7.根据权利要求1所述的一种滚筒洗衣机衣物偏心检测方法，其特征在于：计算总负载值具体流程包括：等待电机达到第二设定转速，并进行电流采样，并进行功率滤波处理，记录下功率值p1；等待电机达到第三设定转速，并进行电流采样，并进行功率滤波处理，记录下功率值p2；记录下整个减速过程的时间t，将功率值p1和功率值p2作差后乘以时间t，计算出整个
过程的做工值；重复上述过程多次，将各次得到的做工值相加得到总做工值，再将总做工值除以与次数得到总负载值。8.一种滚筒洗衣机衣物偏心检测装置，其特征在于，包括：偏心负载值和总负载值获取模块，用于获取实时的偏心负载值和总负载值；平衡均载质量设置模块，用于根据滚筒尺寸大小设置平衡均载质量；衣物偏心预测模型，所述衣物偏心预测模型的训练方法包括：通过模拟滚筒实验，改变滚筒平衡均载质量和偏心质量，获取对应的多组的偏心负载值和总负载值；将平衡均载质量、偏心负载值和总负载值作为bp神经网络输入层，以及偏心质量作为bp神经网络输出层，对输入输出的数据进行训练。9.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如权利要求1-7任一项所述滚筒洗衣机衣物偏心检测方法。

技术总结
本发明公开一种滚筒洗衣机衣物偏心检测方法，包括以下步骤：获取实时的偏心负载值，以及获取总负载值；根据滚筒尺寸大小设置平衡均载质量；将偏心负载值、总负载值和平衡均载质量值输入到衣物偏心预测模型，计算得到偏心质量；其中，所述衣物偏心预测模型的训练方法包括：通过模拟滚筒实验，改变滚筒平衡均载质量和偏心质量，获取对应的多组的偏心负载值和总负载值；将平衡均载质量、偏心负载值和总负载值作为BP神经网络输入层，以及偏心质量作为BP神经网络输出层，对输入输出的数据进行训练。本发明提供的一种滚筒洗衣机衣物偏心检测方法，能够在保证精确度的情况下，实现成本的节约成本以及检测方法步骤的简化。约成本以及检测方法步骤的简化。约成本以及检测方法步骤的简化。


技术研发人员：夏永承 沈金荣 丁璇
受保护的技术使用者：河海大学
技术研发日：2023.06.16
技术公布日：2023/8/16