[发明专利]基于人工智能的混水恒温方法

说明书

本发明提供一种基于人工智能的冷热水精准调温方法，充分地从数据中学习到冷热水混水后温度变化规律，可让混水系统可靠和精准。混水设备传感器获取的基于时间序列的数据，传递到人工智能云平台或云服务器，对混水设备采集的数据进行数据清洗，将数据分为训练集和测试集；将训练集输入构建好的数据循环神经网络结构，对循环神经网络结构进行训练；再将测试集数据输入训练完成的循环神经网络结构进行验证，计算预测准确率，测试集对循环神经网络结构模型进行参数微调，最后网络模型更新至混水设备实现水温变化预测。本方法对水温变化提前预测，控制使用热水时出现温度频繁变化，并对突发性温度变化也能及时预测，避免用户被烫伤、体验差等问题。

技术领域

本发明涉及冷热水混水领域，更为具体地，涉及一种基于人工智能的冷热水混水温度变化预测方法。

技术背景

传统的混水装置中，大多采用手动调温的方式，具有调温困难、浪费水资源等问题，而市面上的一些混水智能恒温系统通常采用的是固定的算法，其问题在于不能适配不同的环境，存在可靠性差和精度差等问题。而这些算法，不能对突发性温度波动进行预测分析，不能解决冷热水混水中由于压强等因素变化导致的等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于人工智能的冷热水精准调温方法，可以充分地从数据中学习到冷热水混水后温度变化规律，可让混水系统可靠和精准。本方法可对温度变化进行提前预测，可以避免用户在使用热水时出现温度频繁变化、用户体验差等问题，并且本方法对突发性温度变化也能及时预测，可以避免用户被烫伤等问题。

本发明的目的是通过以下技术方案实现的。

第一步，混水设备在使用时实时采集用户的使用数据，传递到人工智能云平台或云服务器。

第二步，云服务器对混水设备采集的数据进行数据清洗，并进行归一化处理，将数据分为训练集和测试集。

第三步，构建循环神经网络结构，将训练集数据作为循环神经网络结构作为输入，对循环神经网络结构进行训练；将测试集数据输入已经训练好的循环神经网络结构进行验证，计算预测准确率并通过测试集对循环神经网络结构模型进行参数微调。

第四步，将最后的网络模型更新至混水设备，实现对冷热水调温变化的预测。本发明可以充分地从数据中学习到冷热水混水后温度变化规律，可让混水系统可靠和精准。

在第一步中，用传感器获取的基于时间序列的数据，包括如下数据:

其中包括从温度传感器、压强传感器、水流量传感器中获取数据包括：混水前冷水端温度、混水前冷水端压强、混水前冷水端水流量、混水前热水端温度、混水前热水端压强、混水前热水端水流量、混水后温度，用户预设温度，分别用表示时间t时刻的数据。

数据来源包括用户授权后上传的用户使用数据或实验室中实验环境模拟测试数据。

进一步的，在第三步中，用不同的神经网络框架进行训练，包括如下子步骤:

混水设备在使用时实时采集用户的使用数据，即采集混水设备的工作状态。

输入数据用

对于时间T,

对于输出数据即为温度与预设温度变化数值。

在第三步中，构建循环神经网络进行建模，所示循环神经网络结构的的输入为1到t-1时刻状态，S₁到S_t-1，输出为2到t时刻状态，output₂到output_t。

将训练集数据作为所述网络结构的输入，进行训练。