[发明专利]测量浊度的方法及装置、洗碗机、存储介质

权利要求书

1.一种用于洗碗机的测量浊度的方法，其特征在于，该方法包括：

获取多个浊度传感器的测量值；以及

利用卡尔曼滤波器融合算法对所述多个浊度传感器的测量值进行融合计算，以获取浊度估计值，并以该浊度估计值作为所测量的浊度值，

其中，利用卡尔曼滤波器融合算法对所述多个浊度传感器的测量值进行融合计算以获取浊度估计值包括：

当所述多个浊度传感器的测量值的方差不超过预定阈值时，利用卡尔曼滤波器融合算法对所述多个浊度传感器的测量值进行融合计算，以获取所述浊度估计值；以及

当所述多个浊度传感器的测量值的方差大于预定阈值时，利用一维卡尔曼滤波算法对所述多个浊度传感器中任一者的测量值进行滤波计算，以得到所述浊度估计值。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

利用一维卡尔曼滤波算法对所述浊度估计值进行滤波，并将滤波后的浊度估计值作为所测量的浊度值。

3.根据权利要求1所述的方法，其特征在于，该方法还包括：

当所述多个浊度传感器的方差大于预定阈值时，使洗碗机重新洗涤，并重新获取多个浊度传感器的测量值；

当洗涤次数超过预定次数，并且所述多个浊度传感器的方差依旧大于预定阈值时，利用一维卡尔曼滤波算法对所述多个浊度传感器中任一者的测量值进行滤波计算，以得到所述浊度估计值。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述卡尔曼融合算法包括：

状态方程：

预测方程：

P_k＝AP_k-1A^T

更新方程：

G_k＝P_kC^T(CP_kC^T+R)^-1

P_k＝(I-G_kC)P_k-1

其中，为第k时刻所述多个浊度传感器的测量值的预测值组成的状态变量矩阵，A为状态转移矩阵，z_k为第k时刻所述多个浊度传感器的测量值的测量矩阵，C为系数矩阵，v_k为第k时刻的测量噪声，P_k为与的协方差，G_k为卡尔曼增益，R为测量噪声v_k的协方差，Q为过程噪声协方差，I是单位矩阵。

5.根据权利要求1-3中任一项所述的方法，其特征在于，所述一维卡尔曼滤波器包括：

状态方程：

测量方程：

Y(k)＝HX(k)+V(k)

预测方程：

更新方程：

滤波增益矩阵：

K(k+1)＝P(k+1|k)H^T[HP(k+1|k)H^T+R]^-1

一步预测协方差矩阵：

协方差矩阵更新方程：

P(k+1|k+1)＝[I-K(k+1)H]P(k+1|k)

其中，X(k+1)为k+1时刻相应浊度传感器测量值的预测值，τ为控制参数，H为系统状态参数矩阵，W(k)过程噪声，V(k)为测量噪声，Q为W(k)的方差，R为V(k)的方差，为k+1时刻的先验测量值，为k时刻的后验测量值，K(k+1)为k+1时刻的滤波增益，P(k+1|k)为协方差。

6.根据权利要求5所述的方法，其特征在于，所述滤波增益矩阵为：

K(k+1)＝P²(k+1|k)H^T[H²P²(k+1|k)H^T+R²]^-1

其中，K(k+1)为k+1时刻的滤波增益，R为V(k)的方差，H为系统状态参数矩阵。