[发明专利]一种预测洗浴温度的方法及热水器

权利要求书

1.一种预测洗浴温度的方法，用于热水器，其特征在于，步骤包括：

S1，获取热水器的水流量、进水温度和历史洗浴用水量；

S2，将所述水流量、进水温度和历史洗浴用水量输入神经网络预测模型，经过神经网络预测模型处理得出目标温度值。

2.根据权利要求1所述的预测洗浴温度的方法，其特征在于，所述神经网络预测模型为下列任一：BP神经网络、RBF神经网络、Hopfield神经网络。

3.根据权利要求2所述的预测洗浴温度的方法，其特征在于，当所述神经网络预测模型为BP神经网络时，在所述步骤S1之前还包括：

S0，建立BP神经网络模型，得到BP神经网络模型的相关参数，其中，所述相关参数包括：输入层到隐层的权值、输入层到隐层的阈值、隐层到输出层的权值、隐层到输出层的阈值。

4.根据权利要求3所述的预测洗浴温度的方法，其特征在于，所述步骤S0具体包括：

S01，在仿真软件中建立BP神经网络模型结构，并批量输入学习样本数据，及对输入量和输出量进行归一化处理；

S02，对BP神经网络中的最大训练次数、学习精度、隐节点数、初始权值、初始阈值、初始学习速率进行初始化；

S03，对BP神经网络中的各层输入值和输出值进行计算，训练次数加1；

S04，对BP神经网络中输出层误差E进行计算；

S05，判断所述输出层误差E是否小于预定差值，当判断结果为是，则进入步骤S07，当判断结果为否，则进入步骤S06；

S06，判断训练次数是否达到最大训练次数，当判断结果为是，则进入步骤S07，当判断结果为否，则修正初始权值和初始阈值并返回步骤S03；

S07，从BP神经网络中得出输入层到隐层的权值、输入层到隐层的阈值、隐层到输出层的权值、隐层到输出层的阈值。

5.根据权利要求1所述的预测洗浴温度的方法，其特征在于，所述步骤S1中历史洗浴用水量的获取步骤为：

S11，采集存储系统中近N次的用水量Q；

S12，从N次用水记录的用水量Q中选取最大值作为历史洗浴用水量Q_max。

6.根据权利要求5所述的预测洗浴温度的方法，其特征在于，所述步骤S11中存储系统存储的每次的用水量的具体步骤包括：

S111，当进水水流量大于预定流量阀值时，开始累积用水量Q；

S112，当进水结束后，停止累积用水量Q，并判断下次用水与该次用水间隔是否大于预定时间阈值，当判断结果为是，则进入步骤S113，当判断结果为否，则进入步骤S111；

S113，将累积的用水量Q以及用水时间存储在存储系统中。

7.根据权利要求6所述的预测洗浴温度的方法，其特征在于，所述步骤S111中累积用水量Q的具体步骤包括：

在积累用水量Q时，每2s采集一次初始用水量Q_d，再将每次采集的初始用水量Q_d累加得出用水量Q，其中，d为正整数。

8.根据权利要求3或4所述的预测洗浴温度的方法，其特征在于，所述步骤S2具体包括：

将所述输入层到隐层的权值、输入层到隐层的阈值、隐层到输出层的权值、隐层到输出层的阈值代入神经网络，形成神经网络预测模型，进而将所述水流量、进水温度和历史洗浴用水量输入神经网络预测模型后，能够得出目标温度值。

9.一种热水器，使用上述1-8任一项所述的预测洗浴温度的方法，其特征在于，包括：

箱体、水流量传感器、进水温度传感器、存储系统、内胆温度传感器和控制器，在所述箱体上设有进水口和出水口，所述水流量传感器和进水温度传感器均设置在进水口检测进水口的水流量和进水温度，所述内胆温度传感器设置在所述箱体内部，所述控制器设置在箱体上，所述水流量传感器、进水温度传感器和存储系统和内胆温度传感器均与控制器相连；

控制器中存储有神经网络预测模型，能够将水流量、进水温度和存储系统中存储的历史洗浴用水量输入神经网络预测模型，经过神经网络预测模型处理得出目标温度值。

10.根据权利要求9所述的热水器，其特征在于，当水流量传感器检测到进水水流量大于预定流量阀值时，开始累积用水量，并且将用水时间间隔小于或等于预定时间阈值的两次或多次的用水量合并，并将最终得到的用水量以及用水时间存储在存储系统中。