[发明专利]一种洗衣机的控制方法及洗衣机

权利要求书

1.一种洗衣机的控制方法，其特征在于，包括

获取待洗衣物的衣物参数信息；

将获取的衣物参数信息作为人工神经网络模型的输入层，通过在人工神经网络模型学习后在输出层输出洗涤衣物所需的进水量和洗涤剂投放量。

2.根据权利要求1所述的洗衣机的控制方法，其特征在于，所述衣物参数包括衣物重量、衣物体积、衣物脏污程度和衣物材质。

3.根据权利要求2所述的洗衣机的控制方法，其特征在于，所述衣物体积的获取包括：

获取衣物重量信息M及衣物材质信息，并根据衣物材质信息确定系数k值；

根据公式M＝kV(M≥0，k＞0)得出衣物体积V。

4.根据权利要求2或3所述的洗衣机的控制方法，其特征在于，获取待洗衣物的吸水率，根据待洗衣物的吸水率确定衣物材质信息。

5.根据权利要求4所述的洗衣机的控制方法，其特征在于，所述获取待洗衣物的吸水率，包括：

设定一个初始进水量L，空桶时该初始进水量L对应的水位为SW0；

将待洗衣物投入洗涤桶后控制洗涤桶进水至初始进水量L；

每隔设定时间对洗涤桶的水位进行检测，当洗涤桶的水位不再发生变化时，记录当前水位SW1与浸泡时间t；

计算出衣物的吸水率v，计算公式为：v＝(SW0-SW1)/t。

6.根据权利要求5所述的洗衣机的控制方法，其特征在于，当待洗衣物中包括多种衣物材质时，当计算得到的吸水率最接近某一衣物材质的实际吸水率时，将该衣物材质作为待洗衣物的衣物材质。

7.根据权利要求5所述的洗衣机的控制方法，其特征在于，不同浊度值范围对应不同的衣物脏污程度；所述衣物脏污程度的获取包括：

当洗衣机进水至初始水量L后，还对洗涤桶内水的浊度进行检测；

当检测洗涤桶内水的浊度不再发生变化时，记录当前浊度值T，根据浊度值T确定衣物脏污程度。

8.根据权利要求1所述的洗衣机的控制方法，其特征在于，

将样本衣物的衣物参数信息作为人工神经网络模型的输入层，通过人工神经网络模型模拟洗涤流程进行重复训练，并由输出层输出样本衣物洗涤所需的进水量和洗涤剂投放量；

将样本衣物洗涤所需的进水量和洗涤剂投放量的期望值与人工神经网络模型的输出值进行比较，得到偏差值；

当通过人工神经网络模型确定待洗衣物洗涤时的进水量和洗涤剂投放量时，在人工神经网络模型的输入层以及隐藏层添加偏差值。

9.根据权利要求1所述的洗衣机的控制方法，其特征在于，当通过人工神经网络模型确定洗涤所需的进水量和洗涤剂投放量后，控制洗衣机排水后再进水至所述进水量。

10.一种洗衣机的控制方法，其特征在于，包括如下步骤：

S1、待洗衣物投放洗涤桶后获取待洗衣物的重量；

S2、控制洗衣机进水初始水量L，空桶时该初始水量L对应的水位为SW0；

S3、每隔设定时间对洗涤桶的水位进行检测，当洗涤桶的水位不再发生变化时，记录当前水位SW1与浸泡时间t；

S4、根据公式：v＝(SW0-SW1)/t计算衣物吸水率，分解衣物吸水率确定衣物材质；

S5、获取洗涤桶内水的浊度值，当浊度值不再发生变化时根据当前浊度值获取衣物的脏污程度；

S6、由衣物材质信息获得确定系数k值，根据衣物重量、系数k值获得待洗衣物的体积V，衣物重量与衣物体积的关系满足：M＝kV(M≥0，k＞0)；

S7、由人工神经网络模型输出待洗衣物洗涤所需的进水量及洗涤剂投放量；

S8、当通过人工神经网络模型确定洗涤所需的进水量和洗涤剂投放量后，控制洗衣机排水后再进水至所述进水量。

11.一种采用权利要求1-9任意一项所述的洗衣机的控制方法及权利要求10所述的洗衣机控制方法的洗衣机。