[发明专利]洗衣机及其泡沫量预测方法、装置和电子设备

说明书

本申请涉及一种洗衣机及其泡沫量预测方法、装置和电子设备，应用家用电器技术领域，其中，方法包括：获取洗衣机的洗涤参数，洗涤参数包括洗涤衣物参数和洗涤模式；将洗涤参数输入预先训练的神经网络模型，通过神经网络模型预测得到洗涤参数对应的泡沫量。以解决现有技术中，无法准确获知洗涤过程产生泡沫量，影响洗涤质量的问题。

技术领域

本申请涉及家用电器技术领域，尤其涉及一种洗衣机及其泡沫量预测方法、装置和电子设备。

背景技术

在洗涤过程中，由于洗涤剂与衣物的摩擦，会产生泡沫，而传统手洗的方式是通过用清水多次漂洗来洗净洗涤剂，而随着人们生活水平的不断提高，洗衣机成为了人们日常生活中必不可少的一样家用电器。用户在使用洗衣机洗衣的过程中，泡沫量的多少可能会成为影响洗衣效果的重要因素。若泡沫量过多，会使洗衣机内筒压力变大，充盈的泡沫使洗衣机电机转动吃力，从而影响洗衣机使用寿命。

目前，在洗衣机洗涤过程中，采用消泡流程对产生的泡沫量进行消除。但是，相关技术中，无法准确获知洗涤过程产生泡沫量，影响洗涤质量。

发明内容

本申请提供了一种洗衣机及其泡沫量预测方法、装置和电子设备，用以解决现有技术中，无法准确获知洗涤过程产生泡沫量，影响洗涤质量的问题。

第一方面，本申请实施例提供了一种洗衣机的泡沫量预测方法，包括：

获取所述洗衣机的洗涤参数，所述洗涤参数包括洗涤衣物参数和洗涤模式；

将所述洗涤参数输入预先训练的神经网络模型，通过所述神经网络模型预测得到所述洗涤参数对应的泡沫量。

可选的，还包括：

根据所述泡沫量计算得到消泡时长；

根据所述消泡时长对显示的洗涤时长进行更新。

可选的，所述根据所述泡沫量计算得到消泡时长，包括：

根据所述泡沫量确定执行消泡动作的负载，及所述负载执行所述消泡动作时的执行时长；

根据所述执行时长确定所述消泡时长。

可选的，所述神经网络模型的训练过程，包括：

获取训练样本集合，其中，所述训练样本集合中包括至少一个训练样本以及每个所述训练样本的泡沫量标识，所述训练样本包括训练样本的洗涤参数，所述训练样本的洗涤参数包括洗涤衣物参数和洗涤模式，所述泡沫量标识用于指示所述训练样本中的泡沫量；

分别对所述训练样本集合中的每个训练样本执行以下训练过程：

将所述训练样本输入至初始神经网络模型，依次采用N个网络层级，对所述洗涤参数的影响权重进行计算，得到N个网络层级的影响权重，并对所述N个网络层级的影响权重进行整合，得到所述训练样本中洗涤参数的目标影响权重，其中，N为大于或等于1的正整数；

根据每个所述训练样本中的目标影响权重，获得所述训练样本的泡沫量初始预测值；

根据所述初始预测值和泡沫量标识，计算损失函数值；

根据所述损失函数值，将梯度反向传播到所述N个网络层级的每一层，优化所述初始卷积神经网络模型的参数后，从所述训练样本集合中获取下一训练样本，重复执行所述训练过程，直至所述损失函数值小于预设值，将所述初始卷积神经网络模型作为最终的所述神经网络模型。

可选的，所述洗涤模式包括洗涤温度，所述洗涤衣物参数包括衣物重量、衣物脏污程度和洗涤剂投放量。

可选的，获取所述洗涤参数中的衣物脏污程度，包括：

获取用户预设的衣物脏污程度；或，