【技术实现步骤摘要】
本申请涉及洗衣机防撞桶，具体而言，涉及一种洗衣机防撞桶的控制方法、装置和系统。
技术介绍
1、目前滚筒洗衣机在洗涤过程中往往会因为衣物的材质、大小、吸水程度不同而使在衣物洗涤烘干和脱水过程中洗涤物分布不均的现象，衣物分布不均匀不仅会使用衣物洗涤效果下降，而且会使滚筒在转动过程中发生偏心而撞击外桶，造成巨大的噪声，严重的话还会使洗衣机发生移动、跳跃造成损坏。
2、申请号cn110872760a专利公开了一种洗衣机偏心检测方法，脱水程序开始，当加速度传感器检测当前转速下外桶的偏心值大于极限偏心值时，再进一步判断当前转速下的偏心值与撞桶偏心值的大小，若大于撞桶偏心值，则进行是否执行偏心纠正判断；若小于撞桶偏心值，则进行继续脱水判断。但是在洗涤过程中加速度传感器输出的是加速度，而外筒的偏心值是一个位移，两者之间没有必然的联系，并且极限偏心值不好确定，不能很好的检测到当前的偏心情况。
3、即现有方案在脱水过程中防撞桶预测检测偏心值准确度较低的同时偏心检测流程时间较长。
技术实现思路
1、本申请的主要目的在于提供一种洗衣机防撞桶的控制方法、装置和系统，以至少解决现有方案在脱水过程中防撞桶预测检测偏心值准确度较低的同时偏心检测流程时间较长的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种洗衣机防撞桶的控制方法，该方法包括：
3、在洗衣机的当前洗衣过程处于脱水过程的情况下，获取姿态传感器采集的洗衣机的转桶在当前时刻的姿态数据，得到当前姿
4、采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果，所述预测结果表征所述转桶将要出现撞桶情况，或者所述转桶不会出现撞桶情况；
5、至少根据所述预测结果，控制所述洗衣机停止工作，或者降低所述转桶的转速。
6、可选地，至少所述预测结果，控制所述洗衣机停止工作，或者降低所述转桶的转速，包括：
7、在所述预测结果表征所述转桶不会出现撞桶情况，且确定完成脱水工作的情况下，控制所述洗衣机停止工作；
8、在所述预测结果表征所述转桶将要出现撞桶情况的情况下，以预设步长降低所述转桶的转速；
9、在所述转桶的转速大于或者等于预设最大转速的情况下，控制所述洗衣机停止工作。
10、可选地，至少所述预测结果，控制所述洗衣机停止工作，包括：
11、在所述预测结果表征所述转桶将要出现撞桶情况的情况下，以预设步长降低所述转桶的转速，将当前预测计数结果更新为n+1，n≥0，且n为正整数；
12、在所述当前预测计数结果为预设最大次数的情况下，控制所述洗衣机停止工作。
13、可选地，在采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果之前，所述方法还包括：
14、获取设置不同重量的偏心块时的所述转桶的历史位姿数据，所述历史位姿数据表征在预设时间段内按照预设采集频率采集的所述转桶在所述坐标轴中的各个方向的加速度和角速度；
15、采用所有的所述历史位姿数据对神经网络模型进行训练，得到最终神经网络模型。
16、可选地，采用所有的所述历史位姿数据对神经网络模型进行训练，得到最终神经网络模型，包括：
17、根据
18、确定所述神经网络模型的正确率，其中，mse为所述神经网络模型的正确率，n为样本数量，c为类别数量，yij为第j个类别的第i个样本的真实标签，为第j个类别的第i个样本的预测概率；
19、在所述神经网络模型的正确率大于或者等于正确率阈值的情况下，确定当前的所述神经网络模型为所述最终神经网络模型。
20、可选地，采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果，包括：
21、对所述当前姿态数据进行傅里叶变换，得到傅里叶变换量；
22、采用神经网络模型技术对所述傅里叶变换量进行处理，得到所述预测结果。
23、可选地，在采用所有的所述历史位姿数据对神经网络模型进行训练，得到最终神经网络模型的过程中，所述方法还包括：
24、在所述傅里叶变换量对应的转桶位移大于位移阈值的情况下，确定所述傅里叶变换量对应的所述当前姿态数据为撞桶数据；
25、在所述傅里叶变换量对应的所述转桶位移小于或者等于所述位移阈值的情况下，确定所述傅里叶变换量对应的所述当前姿态数据为未撞桶数据。
26、可选地，所述神经网络模型技术中的神经网络模型的输入层包含有6个神经元，分别对应所述当前姿态数据中的3个线性加速度和角加速度的傅里叶变换量，所述神经网络模型中还包含有2个隐藏层，分别为第一隐藏层和第二隐藏层，所述第一隐藏层包含有64个神经元，所述第二隐藏层包含有32个神经元，所述神经网络模型的输出层为1个神经元，用于输出所述预测结果。
27、根据本申请的另一方面，提供了一种洗衣机防撞桶的控制装置，该装置包括：
28、第一获取单元，用于在洗衣机的当前洗衣过程处于脱水过程的情况下，获取姿态传感器采集的洗衣机的转桶在当前时刻的姿态数据，得到当前姿态数据，并逐步提高所述转桶的转速，所述当前姿态数据包括所述转桶在坐标轴中的各个方向的加速度和角速度；
29、第一处理单元，用于采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果，所述预测结果表征所述转桶将要出现撞桶情况，或者所述转桶不会出现撞桶情况；
30、第二处理单元，用于至少根据所述预测结果，控制所述洗衣机停止工作，或者降低所述转桶的转速。
31、根据本申请的另一方面，提供了一种洗衣机防撞桶系统，该系统包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
32、应用本申请的技术方案，在洗衣机的当前洗衣过程处于脱水过程的情况下，获取姿态传感器采集的洗衣机的转桶在当前时刻的姿态数据，得到当前姿态数据，并逐步提高所述转桶的转速，采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果，至少根据所述预测结果，控制所述洗衣机停止工作，或者降低所述转桶的转速，实现了实时检测是否会有撞桶的风险的目的，相比现有方案提高了防撞桶预测检测偏心值准确度，同时减少了偏心检测流程时间，从而解决现有方案在脱水过程中防撞桶预测检测偏心值准确度较低的同时偏心检测流程时间较长的问题。
本文档来自技高网...【技术保护点】
1.一种洗衣机防撞桶的控制方法，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，至少所述预测结果，控制所述洗衣机停止工作，或者降低所述转桶的转速，包括：
3.根据权利要求1所述的方法，其特征在于，至少所述预测结果，控制所述洗衣机停止工作，包括：
4.根据权利要求1所述的方法，其特征在于，在采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，采用所有的所述历史位姿数据对神经网络模型进行训练，得到最终神经网络模型，包括：
6.根据权利要求4所述的方法，其特征在于，采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，在采用所有的所述历史位姿数据对神经网络模型进行训练，得到最终神经网络模型的过程中，所述方法还包括：
8.根据权利要求1至7中任意一种所述的方法，其特征在于，所述神经网络模型技术中的神经网络模型的输入层包含有6个神经元，分别对应所述当前姿态数据中的
9.一种洗衣机防撞桶的控制装置，其特征在于，包括：
10.一种洗衣机防撞桶系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至8中任意一项所述的方法。
...【技术特征摘要】
1.一种洗衣机防撞桶的控制方法，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，至少所述预测结果，控制所述洗衣机停止工作，或者降低所述转桶的转速，包括：
3.根据权利要求1所述的方法，其特征在于，至少所述预测结果，控制所述洗衣机停止工作，包括：
4.根据权利要求1所述的方法，其特征在于，在采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，采用所有的所述历史位姿数据对神经网络模型进行训练，得到最终神经网络模型，包括：
6.根据权利要求4所述的方法，其特征在于，采用神经网络模型技术对所述当前姿态数据进行处理，得到预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，在采用所有的所述历史位姿数据对神经网络模...
【专利技术属性】
技术研发人员：樊基，张瑞，吴宜良，
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：
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。