專利名稱：一種控制被控目標的方法及使用該方法的控制系統的制作方法
技術領域：
本發明涉及一種控制一受控目標的方法，特別地但并不局限用于控制家用電器，如吸塵氣或洗衣機。本發明也涉及供這一方法使用的控制系統。
近年來，已發展了使用模糊邏輯來控制一被控目標。這種方法通常用在被控目標較復雜的情況，因而要分析大量的數據。于是;從許多種傳感器中產生與被控目標的工作相關的許多不同特征，模糊邏輯系統然后分析這些特征以便產生適當的控制信號。然而，這些常用的模糊邏輯系統十分復雜，并且不太適用于家用電器。
另一方面，用來控制吸塵器的常用系統是原始的。它們取決于使用者的操縱控制以便根據被清掃的表面情況選擇適當的操作。因此，當使用者在房屋內四處走動，吸塵器的工作必須根據地板表面例如從地毯換到硬表面的變化而變化。
日本專利JP-A-64-52430提出了根據毛刷電動機所產生的信號檢測出被清掃表面的類型來驅動吸塵器吸氣管嘴的毛刷。然而，該方法的缺點是控制方法受使用者施力的影響，該力常常隨地板表面形狀的變化而改變。所以，該控制方法不太令人滿意。
在其最普遍的情況，本發明提出用神經網絡和模糊邏輯去控制諸如家用電器(例如吸塵器或洗衣機)這類被控制目標。
已看到，可以從單一的傳感器得到多種控制特征，因而需用于提供適當的輸入給神經網絡和模糊邏輯的控制裝置得以簡化。
例如，當傳感器是壓力傳感器，有可能測到一平均壓力，然后檢查該平均值的變化，即確定該壓力在平均值以上或以下的次數。類似的考慮方法也適用于從馬達負載電流得到的信號。
模糊邏輯可單單依據供給神經網絡的特征來工作，但以接收來自相同或不同的傳感器的其他特征為好。的確，接收非神經網絡所處理的控制特征而處理其他特征的模糊邏輯的構思，正是本發明的一個獨立的方面。
神經網絡和模糊邏輯控制的一項缺點，是該神經網絡處理信號的時間很長，因為輸入到神經網絡的輸入很大。目前應用的神經網絡通常所關注的是保持運行一致，而本發明的基礎是取決于改變被控目標的運行。所以，如果特征之一有一預定的值(這個用語也包括一預定范圍)那么它可被測定，并且當該預定值達到時就產生對被控制目標的一固定控制模式。當然，模糊邏輯可調整該固定控制模式，但神經網絡被繞過。在這種情況，要做出的決定完全清楚，則神經網絡可被繞過。這是本發明的另一個獨立方面。如上所述，模糊邏輯作為神經網絡的一調節器。然而，也可在輸入神經網絡之前把模糊邏輯用到整個控制特征。
如上所述，本發明涉及一控制方法，以及一用于進行該方法的控制系統。特別地但不局限應用在控制象吸塵器或洗衣機這類家用電器。
下面通過舉例和參照附圖對本發明的實施例作詳細描述，其中

圖1是根據本發明的控制系統的總方框圖;
圖2是本發明的一個實施例所述的一吸塵器控制系統的方框圖;
圖3是表示圖2所示的吸塵器控制電路的結構特征的示意圖;
圖4是可應用本發明的一吸塵器的部分剖面示意圖;
圖5是圖4所述的吸塵器的吸氣口的示意圖;
圖6(a到c)是圖4所述的吸塵器在不同表面上的壓力變化的示意圖;
圖7a到7c是在不同表面上的特征變化的示意圖;
圖8是神經網絡的運行示意圖;
圖9是表示模糊邏輯的工作原理;
圖10是表示實施本發明的一吸塵器所使用的模糊規則;
圖11a到11c表示用于模糊邏輯的從屬函數的變化;
圖12是表示本發明的一實施例內的特征處理的示意圖;
圖13是用于圖2所述的實施例的零交叉檢測電路的電路圖;
圖14a到14d是圖2所示的實施例所發生的電壓和電流的波形;
圖15是說明圖2所述的實施例的一吸塵器的運行結果的圖表;
圖16a到16d說明不同表面的控制特征的進一步變化;
圖17表示圖12的一個調整的特征處理;
圖18是說明應用閾值的一個圖表;
圖19是與圖17相類似的采用閾值測量的處理方法;
圖20表示圖1的一種變化的另一實施例，其中分分立的傳感器分別為神經網絡和模糊邏輯提供輸入;
圖21是表示圖20的構思的工作方框圖;
圖22是構成圖20和21的控制系統的電路組件的示意圖;
圖23a和23b分別表示動力刷檢測電路的結構圖以及它們的電壓變化圖;
圖24a到24c說明動力刷馬達電流的變化;
圖25a到25c說明圖24(a到c)的電流濾波的效果;
圖26a到26d說明圖20的實施例的不同表面的特征變化;
圖27a和27b說明控制特征的進一步變化;
圖28說明圖20的實施例的特征處理;
圖29表示圖20的實施例應用到吸塵器中的運行效果;
圖30是圖20所述的實施例的一種變化，其中施加到神經網絡的特征可在不同傳感器之間轉換;
圖31是說明圖30的運行方框圖;
圖32表示圖30構思的處理過程;
圖33說明圖30的實施例的工作;
圖34是本發明的另一個實施例的處理過程;
圖35是表示本發明的另一個實施例的過程處理的示意圖，在該實施例中，模糊邏輯應用于每一特征;
圖36是本發明應用于洗衣機的一個實施例;以及圖37說明圖36的實施例的處理過程。
本發明的第一實施例涉及一吸塵器，該實施例的吸塵器有一用作風扇馬達的變速馬達，該風扇馬達也用來作為吸塵器驅動源。這些變速馬達有例如其速度由控制輸入來改變的交流整流馬達、相位控制(相控)馬達、反結構驅動感應馬達、磁阻馬達以及無刷型馬達。該實施例是描述一種其風扇馬達為無刷馬達的交流整流馬達的情況。這樣可提供較長的工作壽命和較佳的控制響應特征。
該實施例可裝有管嘴馬達的吸氣管嘴，而該馬達驅動一旋轉刷(以下稱動力刷吸氣管嘴)，或者吸氣管嘴不用刷(以下稱一般吸氣口)。管嘴馬達可以是直流磁馬達或交流整流馬達，而本實施例描述的是其交流磁馬達采用整流電路的情況，下面也描述在吸塵器中使用壓力傳感器(半導體傳感器)來檢測濾器阻塞的情況。
圖1是本發明使用于第一實施例為吸塵器或者為例如一洗衣機的一控制系統的示意圖。圖1示出一負載物1(為吸塵器擬清掃的地板表面，以及洗衣機要洗的衣服的質和量)，被控物體2(對吸塵器為風扇，而對洗衣機為斷續器)，馬達3，傳感器4(對吸塵器為地板表面檢測傳感器而對洗衣機為檢測衣服的質、量和臟度的檢測傳感器)，以及最佳控制變量確定機構6。最佳控制變量確定機構有一負載條件檢測器7、與傳感器4相連的特征量取樣單元8、根據負載條件檢測器7和特征量取樣單元8的輸出評估負載目標的負載目標決定單元9以及根據負載目標決定單元8的輸出產生一控制指令(控制信號)的控制指令發生器10。馬達3于是由控制指令加以控制，這樣便得到最佳工作條件。因此，實施本發明的家用電器可自動調節以便能根據使用者的愿望做到最佳工作狀態。
從負載目標(1)從負載條件檢測器7的輸出信號測定出電流工作條件;
(2)由特征量取樣單元產生與負載類型相對應的一(個)以上的特征量;
(3)由負載目標決定單元9利用來自負載條件檢測器7和特征量取樣單元8的輸出作為輸入來進行神經和模糊計算;
(4)作出負載類型的全面決定;
(5)根據上述結果，被控目標2由馬達3控制。
現在參照圖2到圖4對上述實施例作更詳細描述。圖2是吸塵器控制系統的一般結構的方框示意圖。圖3表示吸塵器控制電路的結構，而圖4表示吸塵器的一般結構;圖2到圖4中與圖1相對應的部件采用相同的序號表示。
在圖2到圖4中，控制目標2包括風扇24，馬達3包括風扇馬達23和動力刷馬達25，傳感器4是一用來檢測濾器33的阻塞情況的壓力傳感器(為半導體壓力傳感器)。特征量取樣單元8分兩部分8A和8B，前者為供神經使用的地板表面取樣，而后者為供模糊使用的地板表面取樣。負載目標決定單元9包括神經計算器(神經網絡)15和模糊計算器(模糊邏輯系統)17，而控制指令發生器10包括吸氣特征確定裝置13、三端雙向可控硅開關(Triac)相時確定裝置18以及起動信號處理器16。靜態檢測電路11將壓力傳感器4的輸出轉換成靜壓，并產生一輸出給低通濾波器19，該濾波器包括一電阻器R和電容器C以去除靜態檢測電路11的輸出信號的噪音分量。一零交叉檢測電路20檢測交流電源48(見圖3)的零交叉。用來控制該裝置的微處理器21包括中央處理單元(CPU)21-1、只讀存儲器(ROM)21-2和隨機存取存儲器(RAM)21-3，它們通過地址總線和控制總線(未示出)相連。與最佳控制變量確定機構6相對應的進度儲存在微處理器21中。ROM21-2儲存用于驅動電扇馬達23的程序，該程序包括負載條件檢測程序、特征量取樣程序、神經計算程序、模糊計算程序、吸氣特征確定程序、triac相時確定程序、起動信號發生程序和零交叉檢測程序、RAM21-3用來讀出和寫出用于儲存被存進上述ROM21-2的程序的各種數據。
triacFLS122調整加到風扇馬達23的電壓，而triacFLS226調整加到動力刷馬達25的電壓以驅動裝在吸氣管嘴39(見圖4和5)內的旋轉刷34，而上述TriacFLS122和TriacFLS226分別由起動電路27和29驅動。顯示電路30可顯示吸塵器的工作狀況。工作開關32設置在主控制單元37上，而動力刷開關31確定旋轉刷34是否要工作(動力刷吸氣管嘴通過接通動力刷開關31來選擇，而一般吸氣管嘴通過斷開動力刷開關31來選擇)。
吸塵器控制電路33的結構如以上所描述。
在該系統中，吸塵器也包括吸塵器機體36、本身包括顯示電路30、風扇馬達23和風扇24的動力通風機、吸塵器控制電路33、過濾器35、軟管38、軟延伸管38A和吸氣管嘴39。
圖5是動力刷吸氣管嘴39的內部結構圖。如圖所示，動力刷馬達25、帶有刷毛44的旋轉刷34裝在動力刷吸氣口39A的吸氣室36A內。同步皮帶43將動力刷馬達25的驅動力傳給旋轉刷34。另外。圖中還示出了滾子41。動力刷馬達25的電源導線40與延伸管38內的電源線38B相連。
動力刷馬達25由電源供電而旋轉，旋轉刷34便由同步皮帶43帶動旋轉。如果在旋轉刷34旋轉時動力刷吸氣管嘴39與地板表面1接觸，則刷毛44接觸地板表面1，從而改善清掃效率。
如果使用者在風扇馬達23運行時在地板表面1開動的吸氣管嘴39，則低通濾波器13的輸出信號發生波動如圖6(a)到6(b)所示。圖6(a)示出當吸氣管嘴39在相應于表面1的一較硬的表面(以后稱“地板”)上工作時，低通濾波器13的輸出信號例子。圖6(b)是表示當吸氣管嘴39席子(以下稱“踏踏米”)上工作時的一個例子，圖6(c)是當吸氣管嘴39在厚毛地毯或地毯(以下稱“地毯”)上工作時的一個例子。業已看到，低通濾波器13的輸出信號根據地板表面1的類型而變化，因而可以根據地板表面1的類型的該輸出信號得到各種特征。
例如，已查明在某一取樣時間內取得的數據的平均值。當表面1是硬時，對應于圖6(a)的“地板”，平均吸氣力A1為小，而且在清掃時吸氣管嘴口39方向改變的時刻的吸力變化也小。當表面較軟，對應于圖6(b)的“踏踏米”，平均力A2較大，并且在運動方向改變時的力的變化也較大。對一較軟的表面，對應于“地毯”和圖6(c)，平均力A3很大，且力和變化也較大。得到的信號交叉平均值的次數為交叉次數CR。信號在平均值以上的時間作為時間t1，在平均值以下的時間為t2，然后(t1-t2)作為工作時間差TD，(t1/(t1+t2))作為工作時間比TR，以及靜壓的最大值和最小值之間的偏移作為靜態變化寬度rH。這樣，從一個信號，從一個傳感器，可得到許多特征。
圖7(a)到7(c)是說明對不同類型的地板表面1，交叉次數CR、工作時間差TD以及工作時間比TR的變化。圖7(a)表示對不同地板表面交叉次數CR的變化，圖7(b)表示工作時間差TD的變化，而圖7(c)表示工作時間比TR之間的變化。
如果想從相應圖7(a)到7(c)的一特征去辨別地板表面1的類型，則很難作出決定，這是因為一種以上的地板表面1可能有相同的特征值。然而，如比較對應于每一地板表面類型的特征，則通過使用一種以上的對應于地板表面的特征可估計出地板表面1的類型，這是因為與輸出電平相關的地板表面1的相應位置是不同的。
如上所述，已經知道，當使用者在地板表面1上前后開動吸氣管嘴39，相應于地板表面的變化就疊加到接收壓力傳感器的輸出的來自低通濾波器的輸出信號上。這便是取樣，通過特征量取樣單元8得到一種以上的特征，由此使神經和模糊計算得以進行。然后，該系統提供被清掃地板表面類型的全面決定。并且根據該決定控制馬達。按這種方法，可提供一種能根據不同的表面產生最佳吸力的吸塵器。
現在描述負載目標決定單元9。神經網絡用相應于被清掃地板表面一個以上的特征來評估被清掃地板表面。圖8表示模糊計算器15的神經網絡的單元結構。輸入X1到X3(對應于與地板表面相應的特征)乘以加權系數ω1到ω3(45)，而乘積加以總和(乘積的總和稱為積和46)。積和46由sigmoid函數47轉換成輸出信號Zi，然后從神經網絡中輸出。積和46的輸出Y和Sigmoid函數47的輸出Z可從下列等式1和2得到Y＝ΣWiXi……(等式1)Z＝ 1/(1+exp(-y)) ……(等式2)圖9說明由模糊計算器18進行的模糊計算。法則1根據輸入X1的從屬度A11和輸入X2的從屬度A12適應那一方較小得出輸出的從屬度B1的范圍。法則2同樣得出輸出的從屬度B2的范圍。然后，相對應于法則數的面積范圍予以疊加以得到一重心。該重心就是模糊計算的輸出。
圖10是適用于本發明所述的實施例的吸塵器的模糊法則。同樣，圖11是適用于本發明所述的實施例的吸塵器的從屬函數。從事工作的空氣體積Q與輸入X1對應。空氣體積Q可從作為負載條件檢測器7的輸出的靜壓的絕對值H得到或者如果風扇馬達23是一交流整流馬達，則從作為控制元件的triac LS1的相控角的函數得到。靜壓變化幅度△H與輸入X2相對應。靜壓變化幅度△H受操作吸氣管嘴39的使用者所施的工作力以及要清掃的地板表面的類型的影響;主要還是受上述工作力的影響，輸入和輸出的從屬函數假定有五項元“小”、“稍小”、“標準的”、“稍大”和“大”。
圖12表示包含神經計算和模糊計算的控制方框圖的處理過程。神經計算器15接收由特征最取樣單元8且特別是圖2的8A部分輸出的相對應于交叉CR、工作時間差TD和工作時間比的特征數，而且該神經計算器15有一叫做“分層網絡”的神經網絡結構。它有輸入層、中間層和輸出層。稱為“背向推廣”的學習規則作為加權系數ω1被用于每一單元。信號送給輸入層，而由輸出層輸出的值與希望值(“教師”數據)相比較。單元之間的組合強度受到控制，使得該值為最小。此強度由加權系統數表示。神經計算器15的輸出信號15A、15B和15C分別與“地板”、“踏踏米”和“地毯”相對應。吸氣特征確定裝置7根據神經計算器15的輸出產生確定與“地板”、“踏踏米”和“地毯”相對應的空氣體積Q的一信號和提供常靜壓H的相控角f(θ)。
上述恒定空氣體積保證了吸氣管嘴39的最低空氣體積和靜壓要求。靜壓根據濾器的阻塞量而增大。恒定靜壓H防止地板表面1和吸氣管嘴過分析接觸。即使有異物吸附在吸氣管嘴39，靜壓也僅上升到某一值;所以，這個特征具有使異物很容易去除的優點。于是，吸塵器的吸力與空氣體積Q和靜壓H的乘積成正例。既然灰塵吸力取決于空氣體積Q，那么相控角f(θ)之被確定相應于根據清掃的地板表面的類型而輸出的恒空氣體積指令和常靜壓指令。因為靜壓的絕對值是輸入，因而可根據靜壓值確定空氣體積指令和靜壓指令是否為恒定的。
與地板表面相對應的靜變化幅度△H(它是特征量取樣單元8的輸出)和靜壓的絕對值H(它是負載條件檢測器7的輸出)由模糊計算器16用來進行模糊計算，且該模糊計算器16對使用者施加在吸氣管嘴39的工作力進行取樣。根據所得結果，它給相控角發送一校正值f(△θ)。相控角的校正值f(△θ)將以空氣體積表示。相時確定裝置18找出吸氣特征確定裝置17的輸出相控角f(θ)和模糊計算器16的輸出相控角校正值f(△θ)的和，從而確定triac FLS1的相控角θ1和Triac FLS2的相控角θ2。相控角θ4是風扇電動機23的相控角，其空氣體積視要清掃的地板表面而予以恒定。相控角θ2視地板表面而確定吸氣管嘴的動力刷馬達25的速度(每秒鐘旋轉的次數)。馬達速度按“地板”到“踏踏米”和按“踏踏米”到“地毯”而增大。
下面描述起動信號的處理過程。圖13表示零交叉檢測電路20的結構圖，而圖14(a)到14(d)表示施加到馬達上的電壓和電流值。當交流電源48的電壓如圖14(a)所示為Vs，則通過由電阻R2、光電耦合器Ps和電阻R3組成的零交叉檢測電路20得到圖14(b)所示的零交叉信號17S。與該零交叉信號17S的增長同步，微電腦21導致圖14(c)所示的計時器同步。當計時器是零時，微電腦21發出一起動信號給三端雙向可控硅開關FLS1和FLS2。盡管沒有描出，但零交叉信號是可以倒置，使計時器將以與零交叉信號17s的下降而同步工作。起動信號處理器19接收來自三端雙向可控硅開關相時設定處理器18的輸出信號，并設定計時器的時間t。調整該時間會改變施加到馬達上的電壓，從而控制了馬達速度。
圖15是表示當本發明的第一實施例所述的吸塵器實際工作在地板口表面的工作結果。如圖15所示，可以看到，本發明的神經/模糊控制使馬達達到最達轉速(它對應于最佳吸力)所需的時間比通常的方法要短。因此，本發明的設計比通常的方法提供了更快的響應速度。圖15所示的等待時間系指系統確定不進行清掃工作的時間。這樣，壓力傳感器及馬達速度的靈敏度得到降低以節約能源。
下面描述另一個實施例，圖16(a)到16(d)表示地板表面的類型和相應于被清掃的地板表面的特征之間的關系，而圖17表示用相對應于圖16所示的地板表面的特征，通過最佳控制變量確定機構進行處理的過程。本實施例在與圖7給出的地板表面相對應的特征量之間的關系以及在圖12所示的最佳控制變量的處理過程上其差別在于圖16(c)所示的分布SM和圖16(d)所示的靜壓變化幅度均被引出并作為圖16(a)所示的交叉次數CR和圖16(b)所示的工作時間差TD的附加而予以應用。分布SM由下列等式3表示SM =1n·i = 1n(X1- rim) ……等式3]]>這樣，在一適當的取樣周期的平均靜壓Hm與瞬時靜壓Xi之間的差為求方，而其結果在取樣周期內平均。由于其結果為增加送給神經計算的輸入數，盡管神經網絡所需的計算時間增大，但仍可提供按地板表面的類型以最佳吸力工作的吸塵器。
為了改善響應速度而仍保持依據地板表面類型的最佳吸力，則如果地板表面的類型可通過一閾值監控器確定，那么神經網絡的計算可以繞過。這樣，如圖18所示，頻帶B1和B2被加到低通濾波器17的輸出信號中。如果低通濾波器17的輸出在頻寬B1內，被清掃的地板表面被鑒定為“地板”，如果低通濾波器17的輸出大于頻寬B2，那么要清掃的地板被鑒定為“地毯”。檢測閾值水平B1和B2的信號的監控是由圖19表示的閾值確定電路50完成。該閾值確定電路50接收特征量取樣單元8和負載條件檢測器7的輸入。利用閾值確定電路50，神經計算器15只在不能從一個特征得到涉及的地板表面類型的決定時才應用。
在本發明的上述實施例中，從適當的取樣時間內從平均靜壓得到了一個以上的特征。在取樣時間內從靜壓的最大和最小值的中值可檢測到一種以上的特征量。
于是，本發明的上述實施例可通過從負載條件檢測傳感器的輸出信號的形狀得出一個以上的相應于地板表面的特征、通過這些特征進行神經和模糊計算以及通過控制風扇馬達以適應地板表面的類型而提供自動保證最佳吸力的吸塵器。
圖20表示本發明的另一個實施例的控制系統。此實施例與圖1所示的實施例相似，因而相應部件用一序號表示。在圖20所示的實施例中，加附在傳感器4又有一負載條件檢測器5，傳感器4又是吸塵器的一個地板表面檢測傳感器，而對于洗衣機來說則為對衣服的體積、質量和臟度的檢測傳感器。可以看到傳感器4的輸出給負載條件檢測器7，而負載條件傳感器5僅輸出給特征量取樣單元8。所以，對負載目標1便由特征量取樣單元8從負載條件傳感器5的輸出信號中檢測出其當前工作條件，并且由特征量取樣單元8從負載條件傳感器5檢測出相應于負載類型的一個以上的特征。其控制工作也就類似圖1的實施例。
圖21是表示圖20的吸塵器控制系統結構的方框圖，圖22表示吸塵器控制電路的結構。圖21和22基本上與圖2和圖3相似，因此相應的部件用相同的序號表示。
在圖21中，壓力檢測電路11以與圖2相類似的設計方法對壓力傳感器的輸出進行轉換和放大。同樣，電流檢測電路12把檢測出流過動力刷馬達25的電流IN的電流檢測傳感器的輸出進行轉換和放大。在圖2和圖21中，包含電阻R和電容C的低通濾波器從壓力檢測電路12的輸出信號中去除噪聲分量。類似地，包含電阻R1和電容C1的低通濾波器14去除電流檢測電路12的輸出信號中的噪聲分量。
在圖21中，可以看到，從壓力檢測電路11沒有輸入給特征量取樣單元8。因此，特片量取樣單元僅從一個傳感器(負載條件傳感器5)中接收信號。
圖22是負載條件傳感器與三端雙向可控硅開關26串連的示意圖，而電流檢測電路連接在負載條件傳感器和微機21之間。除此之外，圖22的電路結構與圖3的結構相同，所以不必再詳細描述。
圖23(a)和23(b)說明此實施例的動力刷馬達檢測電路，圖23(a)說明檢測電路的結構，圖23(b)表示電流檢測電路的輸出的一個例子。在圖23(a)中，施加到動力刷馬達25上的負載電流IN是斷續交流電流波形，它類似于圖14(a)表示的動力電流Is。該電流IN然后由電流檢測傳感器5檢測;并輸入到電流檢測電路12中。通過全波檢波放大電路12A、二極管D10以及峰值保持電路12B(因為動力刷馬達25的峰值電流進行一顯著的變化以響應吸氣管嘴39的變化，所以負載電流的峰值電流可被檢測)，電流檢測電路12將電流IN轉換成一與圖14(b)所示的峰值電流IN相對應的直流電壓信號VDP。如圖23(b)所示，當吸氣口工作時，即當旋轉刷34的刷毛44接觸要清掃的地板表面時，輸出信號VDP隨著動力刷馬達25的負載條件的變化而變化。
如果使用者在風扇馬達23工作時在地板表面前后推動吸氣管嘴39，電流檢測電路12的輸出信號發生如圖24(a)到24(c)所示的波動，且低通濾波器13的輸出信號發生如圖25(a)到25(c)所示的波動。可以看出，圖25(a)到25(c)的曲線與圖6(a)到6(c)的曲線很相似，只是變化的是電流而不是壓力。于是由此可得到相類似的特征。
因此，電流檢測電路12的輸出信號包含一噪聲分量，但是，低通濾波器13的輸出信號在該噪聲分量去除后，根據地板表面1的類型而不同，并且根據地板表面1的類型，從上述輸出信號中可得到特征。
與先前的實施例的方法相類似，作為對應于地板表面類型的特征的一個例子，分析了在某一取樣時間內得到的平均數據。又，數取得的數據交叉于平均值(當平均值被交叉)的次數作為交叉數CR，超過該平均值的時間為t1，該數值低于平均值的時間假定為t2。那么(t1-t2)為工作時間差TD，(t1/(t1+t2))為工作時間比TR，(t1+t2)作為工作時間TP，以及動力刷馬達電流的最大值和最小值之間的差作為電流變化幅度Pbi。圖26(a)和26(b)說明交叉數CR、工作時間差TD、工作時間比TR和工作時間TR對不同類的地板表面1以與圖7(a)到7(c)相類似的方式變化。圖27(a)表示分布SM’，描述如下SM′ =1ni = 1n(Xi- Pbim)2]]>這與等式3得到的SM相類似，但是根據壓力測量(值)。
圖27(b)表示電流變化幅度pbi和要清掃的地板表面之間的關系。正象先前所述的那樣，如果想根據對應于該決定的一個特征量來辨別地板表面的類型，那是很困難的，這是因為一種以上的地板表面1可能有相同的特征值。
然而，當對應于每一種類型的地板表面的特征量被比較時，則用相應于地板表面的一種以上的特征就可確定地板表面1的類型，這是因為與輸出水平相對應的地板表面1的位置是不同的。這樣，效果與先前描述的實施例相似。
圖21的神經計算器以與圖2的神經計算器相類似的方法工作，盡管輸入是基于電流而不是壓力。模糊計算器16的工作也相似，而加權的采用與圖8的方法相類似。由電流變化幅度pbi代替靜壓變化幅度，則相應于圖9的曲線和相應于圖10的表即可得到。由電流變化幅度△pbi代替圖11(b)的teh靜壓變化幅度△H，則相應于圖11(a)到11(c)的概率曲線也可得到。概率曲線的形狀相同。
圖28表示包含神經計算和模糊計算的控制方框圖的工作過程。可以看出，圖28大致上與圖12相類似。神經計算器15接收由特征量取樣單元8并且特別是由8A部分輸出的相對應于交叉數CR、工作時間差TD、工作時間比TR、工作時間TP、分布SM和電流變化幅度pbi的特征，它并且有一叫做“多層網絡”的神經網絡結構。如圖12所示，它有一個輸入層、中間層和輸出層，并且每一層的每一單元都在圖8中具體描述。稱為“背向推廣”的學習法則作為加權系數ωi被用于每一單元。信號輸入到輸入層，而從輸出層中得到的值與一理想值(“教師”數據)相比較。單元之間的合成強度的控制欲使該值為最小。該強度由加權系數表示。神經計算器15輸出的信號15A、15B和15C分別對應于“地板”、“踏踏米”和“地毯”。吸氣特征確定裝置17根據神經計算器15的輸出和提供恒壓H的相控角f(θ)產生一用來確定對應于“地板”、“踏踏米”和“地毯”的空氣體積Q的信號。恒定空氣體積Q保證吸氣管嘴39所需的最小空氣體積和壓力要求。
壓力隨過濾量增大。恒定壓力H阻止地板表面1和吸氣管嘴39過分接近。即使異物粘附到管嘴39上，上述壓力僅增長到一定的值;因此，該特征具有異物易去除的優點。
因此，吸塵器的吸力與空氣體積Q和靜壓H的乘積成正比。由于灰塵吸力取決于空氣體積Q，那么須確定相控角f(θ)以對應根據清掃地板表面所發出的恒定空氣體積指令和恒壓指令。由于輸入壓力的絕對值，因此從壓力值確定空氣體積和壓力是否恒定。模糊計算器16利用電流變化幅度pbi(特征量取樣單元8的輸出)和壓力的絕對值｜H｜負載條件檢測器7的輸出)進行模糊計算，并且對使用者的工作力進行取樣。根據所得結果，它發出一相控角的校正值f(△θ)。該相控角校正值f(△θ)以空氣體積的形式表示。
相時確定裝置裝置18求出吸氣特征確定裝置17輸出的相控角f(θ)和模糊計算器16輸出的相控角校正值f(△θ)的和，并確定三端雙向可控硅開關FLS1的相控角θ1和三端雙向可控硅開關FLS2的相控角θ2。相控角θ1是風扇馬達23的相控角;其空氣體積根據要清掃的地板表面而保持恒定。相控角θ2根據地板表面決定吸氣管嘴動力刷馬達25的速度(每秒鐘的轉數)。馬達速度按“地板”到“踏踏米”以及“踏踏米”到“地毯”而遞增。
圖18表示應用本發明的實施例的控制系統的吸塵器在地板表面實際工作時所做的工作。圖29與圖15大致相似。這樣，可以看到，與通常的方法相比，本發明的神經/模糊控制比通常方法(它們僅使用模糊邏輯)達到最佳馬達轉速(相應于最大吸氣力)花費的時間要少。因此，本發明的實施例的設計比通常的方法提供的響應速度要快。圖29所示的等待時間表示系統確定不進行清掃工作的時間。這樣，壓力傳感器的靈敏度得到提高，即馬達速度降低而節約能量。
下面將描述另一個實施例。與已經描述過的部件有相同或相類似的功能的部件采用相同的序號。且這些部件的詳細描述不再重復。
圖30是設有開關電路的控制系統。該電路與圖20所示的差異在于刷動力決定51是根據動力刷開關32的接通還是斷開作出的，而傳感器4或5的輸出是作用對應于要清洗的地板表面的特征取樣單元8的輸入。例如，圖31表示設有開關電路的控制系統的近似結構方框圖。圖32表示最佳控制變量確定裝置的工作過程。而圖33表示使用壓力傳感器的吸塵器的工作結果。圖30的設計不同于圖21和28所示的在于動力刷開關32受制約于動力刷決定51。當動力刷開關32接通時，從低通濾波器31的輸出得到的供神經使用的特征量取樣8A被用作神經計算器15的輸入，同時，從低通濾波器BD的輸出得到的供模糊使用的特征量取樣8B被用作模糊計算器16的輸入。當動力刷開關32斷開時，從低通濾波器13的輸出得到的供神經使用的特征量取樣8c用作神經計算器15的輸入，同時，從低通濾波器13的輸出得到的供模糊使用的特征量取樣8D用作模糊計算器16的輸入。
決定開和關是由動力刷決定51和選擇器開關52和53來完成的。然而，當使用壓力檢測電路11的輸出時，壓力變化取決于吸塵器工作力的大小，并且神經網絡的加權系數必須根據吸力的大小而改變。這樣，來自負載狀態檢測器7的輸出的壓力絕對值H被用作神經計算器15的輸入。進而，當使用電流檢測電路12和壓力檢測電路11的輸出時，也必須改變神經網絡的加權系數，于是，動力刷決定(裝置)51的輸出用作神經計算器15的輸入。當使用壓力檢測電路11時，從特征量取樣單元8輸出的代表圖32要清掃的地板表面特征用腳標H表示，而使用電流檢測電路12時用腳標P表示，且△H代表壓力變化幅度，△pbi代表電流變化幅度。圖33說明使用壓力傳感器的吸塵器工作結果。
這就可以使用壓力傳感器，來根據要清掃的地板表面設定最佳吸氣力，一如圖29所示的使用壓力傳感器的工作結果，并且可以看到它比常用的方法能得到較好的響應。當要清洗的地板表面對應于“踏踏米”和“地毯”，則風扇馬達的速度漸漸增大。這是因為，在“踏踏米”的情況下，為了減小對地板表面的決定誤差，“踏踏米”的速度是在“地板”速度被全用后選擇的，而在“地毯”的情況下，“地毯”速度是在“地板”和“踏踏米”速度被使用后選擇的。
圖34表示另一個實施例，它與圖28所示的實施例的不同，在于神經計算器15的輸出是輸入到模糊計算器16中，并且對每一個地板表面的風扇馬達工作范圍的確定是由吸氣特征確定裝置17根據結果作出的。在這里，神經網絡的神經計算器15的輸出層是作為一個單元對待。這是因為模糊計算是把“地板”、“踏踏米”和“地毯”相對應于0到1的范圍來進行的，上述0到1是圖8的Sigmoid函數47的輸出。
圖35說明另一個不同于圖34所示的實施例，它之不同在于神經計算器15的輸入是用模糊計算器60的輸出，模糊計算器60包括分下標單元60A到60D而其中的特征量CR、TD、SM和△pbi為輸入。這樣，不象先前的實施例，模糊邏輯步驟在信號達到神經網絡之前被應用。單獨的模糊邏輯運算被應用于每一個特征中，并且模糊邏輯計算工作60A到60D的輸出被應用于神經計算器15中。
作為一個模糊計算的手段，圖9所示的“重心最小-最大法”的一個例子包括描述過。在必須頻繁地進行多項模糊計算的情況下，使用簡化推理方法”較為有效。神經計算用神經網(已作)解釋。不言而喻，線性函數可代替屬于神經單元和非線性函數的Sigmoid函數。
吸塵器可附設許多種吸氣管嘴作為附件。這樣，對于需使用動力刷吸氣管嘴進行處理的情況，一種實施例業已描述，其中電流檢測電路或壓力檢測電路的輸出可根據刷動力開關的通、斷來選擇。還可應用這樣一種設計，其中少量的電流加到動力刷馬達以便檢測經由電流檢測電路流到動力刷馬達的電流。如果該電流被測到，則用電流檢測電路的輸出;如果未測到，則用壓力檢測電路的輸出。
因此，在上述任一設計中，本發明提供了可根據要清洗的地板表面得到最佳吸力并具有最小響應時間的吸塵器。這些實施例都是指吸塵器。然而，本發明并不只局限于此，下面描述實施例是洗衣機的情況。圖36是一洗衣機控制電路的示意圖，而圖37則說明最佳控制變量確定機構的工作過程。圖36表示設置在洗衣缸70的底部、作為一控制目標的一攪拌器、馬達3、洗衣機殼體69、包含一檢測水臟度的光電裝置的臟度檢測傳感器51、洗衣機控制電路72、一微電腦73、驅動攪拌器2的脈動驅動裝置74、用來檢測馬達3的速度的速度檢測裝置75、工作開關31和一確定攪拌器2的工作模式的脈動工作模式確定裝置76。放置在洗衣機70內的衣服的體積NW或質量NS，可從處于初始工作階段的馬達3的速度的降低來測出。粘在衣服上的臟度YG隨著洗滌的進行而漸漸浮到表面。
衣服的體積NW或質量NS是經由特征量取樣單元8根據速度檢測裝置55的輸出得到的，而隨時間而變化的洗滌物臟度是經由從臟度檢測傳感器51的輸出得到的。洗衣機的當前負載條件P通過負載條件檢測器7測得的，(舉例來說，負載條件P是作為攪拌器2接通的時間t1與它斷開的時間t2兩者的比的函數來得到的)。衣服的體積NW、質量NS和由特征量取樣單元8得到的臟度均輸入到神經計算器15中。計算結果確定了時間t1和t2，t1是攪拌器2如在脈動工作模式確定裝置56的未當值階段接通的時間，而t1則是斷開的時間。臟度YG和負載條件P用作模糊計算器16的輸入，計算的結果確定了當攪拌器2工作時的時間t1的校正時間△t1和它不工作時的時間t2的校正時間△t2。
然后攪拌器2的控制指令t1’和t2’從(t1+△t1)以及(t2+△t2)的和得出再輸出到脈動驅動裝置74中，且攪拌器在與衣服的體積、質量和臟度相適應的最佳條件下工作，從而保證既不損壞洗滌物又能快速洗滌。
本發明因此可提供一種家用電器的控制系統，該系統通過得到一種以上的特征、通過這些特征進行神經和模糊計算以及通過神經和模糊計算的結果自動地保證家用電器的最佳驅動力。
權利要求
1.一種控制被控目標(1)的方法，它包括特征量取樣單元(8)產生多個控制特征、用神經網絡(15)和模糊邏輯(16)對控制特征進行處理以得到一信號、以及根據上述控制信號控制被控目標(1)，其特征在于控制特征是從單個傳感器(4或5)中得到的，該傳感器(4或5)對一被控目標(1)的單一特性進行檢測。
2.如權利要求1所述的方法，其特征在于神經網絡(15)根據上述控制特征得出多個基本控制模式，且模糊邏輯(16)根據該基本控制模式得出控制信號。
3.如權利要求2所述的方法，其中模糊邏輯(16)根據多個控制特征中的至少一個而從基本控制模式得出控制信號。
4.如權利要求1所述的方法，其特征在于模糊邏輯(16)分別應用于每一個控制特征，以得出多個模糊信號，而神經網絡(15)處理該模糊信號以得出控制信號。
5.一種控制被控目標(1)的方法，它包括通過特征量取樣單元(8)產生多個控制特征、利用神經網絡(15)對控制特征進行處理以得出對被控目標(1)的基本控制模式、應用模糊邏輯(16)于基本控制模式以得出控制信號、以及根據上述控制信號控制被控目標(1);其特征在于控制特征從單個傳感器(4或5)得出，該傳感器(4或5)對被控目標(1)的單一特性進行檢測。
6.如權利要求5所述的方法，其特征在于模糊邏輯(16)根據多個控制特征中的至少一個而從基本控制模式得出控制信號。
7.如權利要求5或6所述的方法，其特征在于模糊邏輯(16)根據至少一個進一步控制特征(7)而從基本控制模式得出至少多個控制信號。
8.如權利要求7所述的方法，其特征在于再由一個傳感器(4)來產生至少再一個控制特征。
9.一種控制被控目標(1)的方法，它包括特征量取樣單元(8)產生多個控制特征、利用神經網絡(15)對控制特征的某一些進行處理以得出被控目標的一基本控制模式、應用模糊邏輯(16)于基本控制模式以得出一控制信號、以及根據控制信號控制被控目標(1)，其特征在于模糊邏輯(16)接收并非由神經網絡(15)處理的控制特征(7)。
10.如權利要求5到9中的所述任一方法，其特征在于神經網絡(15)只當控制特征之一沒有至少一個預定值時產生一基本控制模式，而當控制特征的至少一個有預定值時則產生至少一個固定控制模式，而模糊邏輯(16)使用至少一個固定控制模式以產生控制信號。
11.一種控制被控目標(1)的方法，它包括產生多個控制特征、利用神經網絡(15)對上述控制特征進行處理以被控目標的得出一基本控制模式、應用模糊邏輯(16)于基本控制模式以產生一控制信號、以及根據控制信號控制被控目標(1)，其特征在于如果一個特征至少有一預定值，那么產生至少一個固定控制模式且該至少一個固定控制模式由模糊邏輯(16)使用以產生控制信號，以及如果該至少一個特征沒有預定值，那么控制特征由神經網絡(15)處理以得出一基本控制模式，并且模糊邏輯(16)應用于基本控制模式以產生控制信號。
12.如權利要求10或11所述的方法，其特征在于該至少一個預定值相對應于用來得出控制特征的該或一特性的預定范圍。
13.一種控制被控目標(1)的方法，它包括產生(8)多個控制特征、利用神經網絡(15)和模糊邏輯(16)對控制特征進行處理以得出一控制信號，以及根據控制信號控制被控目標，上述模糊邏輯應用于上述每一個所述控制特征以得出多個模糊信號，并且上述神經網絡(15)對上述模糊信號進行處理以得出上述控制信號。
14.如前述權利要求的任一方法，其特征在于被控目標是一吸塵器。
15.控制吸塵器的一種方法，它包括產生(8)吸塵器的多個工作特征、對該特征進行處理以得出一控制信號，以及根據控制信號控制吸塵器的工作，其特征在于使用神經網絡(15)和模糊邏輯(16)通過對特征進行處理得到控制信號。
16.如權利要求14或15所述的方法，其特征在于用來得出控制特征的該或一特性相對應于吸塵器一部件內的壓力測量值(4)，并且吸塵器馬達的輸入根據控制信號控制。
17.如權利要求14或15所述的方法，其特征在于用來得出控制特征的該或一特性相對應于吸塵器馬達(25)的電流測量值，并且馬達(25)根據控制信號控制。
18.如權利要求16或17所述的方法，其特征在于控制特征之一由ti/(t1+t2)表示，其中t1是測量值超過平均值的時間，t2是測量值小于平均值的時間。
19.如權利要求16到18所述的任一方法，其特征在于控制特征之一由(t1+t2)表示，其中t1是測量值超過平均值的時間，t2是測量值低于平均值的時間。
20.如權利要求16到19所述的任一方法，其特征在于控制特征之一由(t1+t2)表示，其中t1是測量值超過平均值的時間，t2是測量值低于平均值的時間。
21.一種控制洗衣機的方法，它包括產生(8)多個洗衣機工作特征、對特征進行處理以得出一控制信號、以及根據控制信號控制洗衣機的工作，其特征在于使用神經網絡(15)和模糊邏輯(16)處理上述特征得出上述控制信號。
22.控制一被控目標(1)的一種控制系統，它包括產生多個控制特征的一裝置(8)，以及用來對控制特征進行處理以得出控制被控目標(1)的控制信號的神經網絡(15)和模糊邏輯系統(16)，其特征在于它還包括對被控目標(1)進行檢測的單個傳感器(4或5)，以及根據單個傳感器(4或5)的輸出來產生這些控制特征的裝置(8)。
23.用來控制被控目標(1)的一種控制系統，它包括用來產生多個控制特征的裝置(8)、對控制特征進行處理的神經網絡(15)以得出被控目標的一基本控制模式、接收基本控制模式并產生用來控制被控目標(1)的控制信號的模糊邏輯系統(16);其特征在于它還包括用來對被控目標(1)的單一特性進行檢測的單個傳感器(4或5);以及根據該單個傳感器(4或5)的輸出產生控制特征的裝置(8)。
24.如權利要求23所述的控制系統，其特征在于它還包括用來產生至少再一個控制特征的至少又一傳感器(4)，該至少又一控制特征被應用于模糊邏輯系統(16)而不應用于神經網絡(15)。
25.用來控制一被控目標(1)的一種控制系統，它包括產生多個控制特征的裝置(8)、對控制特征進行處理以得出被控目標的一基本控制模式的神經網絡(15)、用于接收該基本控制模式并產生控制被控目標的控制信號的模糊邏輯系統(16);其特征在于模糊邏輯系統(16)用來接收神經網絡不能接收的控制特征。
26.如權利要求24或25所述的控制系統，其特征在于它還包括當控制特征之一有一預定值時產生一固定控制模式的裝置(50)、模糊邏輯系統(16)用來調整固定控制模式以產生控制值、以及僅當上述控制特征沒有預定值時才產生基本控制模式的神經網絡(15)。
27.用來控制被控目標(1)的一種控制系統，它包括用來產生多個控制特征特征的裝置(8)以及對控制特征進行處理以產生控制被控目標的控制信號的神經網絡(15)和模糊邏輯系統(16);其特征在于它還包括當控制特征之一有一預定值時產生一固定控制模式的裝置(50)、用于調整上述固定控制模式以便產生控制值的模糊邏輯系統(16)、以及僅當上述控制特征沒有預定值時才產生一基本控制模式的神經網絡(15)，上述模糊邏輯系統也用來調節基本控制模式。
28.根據權利要求20至27的任一項的吸塵器。
29.具有一控制系統的一種吸塵器，該控制系統包括用來產生吸塵器的多個工作特征的裝置(8)、用來處理該特征以產生一控制信號的裝置、以及根據該控制信號對吸塵器的一部件(25)的工作進行控制的控制器(29)，其特征在于用來處理該特征的裝置包括一神經網絡(15)和一模糊邏輯系統(16)。
30.如權利要求28或29所述的吸塵器，其特征在于用來產生該特征的裝置是一壓力傳感器(4)。
31.如權利要求28或29所述的吸塵器，其特征在于用來產生該特征的裝置是一馬達電流傳感器(5)。
32.一種包含一控制系統的洗衣機，該控制系統包括用來產生洗衣機的多個工作特征的裝置(8)、用來對該特征進行處理以得出一控制信號的裝置、以及根據該控制信號對洗衣機的一部件的工作進行控制的控制器，其特征在于用來處理特征的裝置包括一神經網絡(15)和一模糊邏輯系統(16)。
全文摘要
為控制諸如吸塵器或洗衣機這類控制目標，從一單一傳感器(4)產生一些信號，該傳感器測定被控目標(1)的一特性，而這些信號由一特征量檢測單元(8)用來產生多個控制特征。這些特征由神經網絡處理以產生一基本控制信號。由又一傳感器(4)和一局部條件檢測器產生的一些特征或又一些特征，由模糊邏輯系統分析并用來調節基本控制信號。
文檔編號A47L15/46GK1069133SQ9210905
公開日1993年2月17日 申請日期1992年7月31日 優先權日1991年8月1日
發明者小原木春雄, 田原和雄, 石井吉太郎, 須賀久央, 川又光久, 安島俊幸 申請人:株式會社日立制作所