详情

原文传递油烟传感器的数据处理方法

专利名称：	油烟传感器的数据处理方法
摘要：	一种油烟传感器的数据处理方法，其特征在于，包括以下步骤：一、启动油烟机，油烟传感器采集m组数据并按照时间先后顺序依次缓存；二、采集数据初始化处理；三、移除之前数据，缓存最新的m组采集数据，对当前最新的m组采集数据进行数据状态分析；四、对获得的数据状态进行判断，并按照不同情况对m组基准数据作出相应的调整；五、计算并输出最新采集数据对应的油烟数据，然后返回步骤三。本发明根据人体干扰信号的特征，通过对传感器的采集数据先分析，然后调整基准数据，最终输出油烟数据的数据处理过程，可有效滤除人体动作带来的干扰，进而减小油烟数据处理过程中的误差，提高油烟数据的输出精准度。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	宁波方太厨具有限公司
发明人：	占德友;姚长标;翟立鹏;李逢安;杜杉杉;茅忠群;诸永定;方献良
专利状态：	有效
申请日期：	2017-12-13T00:00:00+0800
发布日期：	2019-06-21T00:00:00+0800
申请号：	CN201711329383.7
公开号：	CN109916855A
代理机构：	宁波诚源专利事务所有限公司
代理人：	徐雪波;陈洪娜
分类号：	G01N21/47(2006.01);G;G01;G01N;G01N21
申请人地址：	315336 浙江省宁波市杭州湾新区滨海二路218号
主权项：	1.一种油烟传感器的数据处理方法，其特征在于，该数据处理方法包括以下步骤：步骤一、启动油烟机，油烟传感器采集m组数据并按照时间先后顺序依次缓存；步骤二、采集数据初始化处理，m组采集数据分别一一对应m组基准数据，且初始化过程中，设定最初m组采集数据中的最小值为所有m组基准数据的初始值；步骤三、移除之前的采集数据，缓存最新的m组采集数据，对当前最新的m组采集数据进行数据状态分析；所述的数据状态是通过对采集数据分析获得的包含“平稳”、“缓慢增长”、“缓慢下降”、“迅速增长”、“迅速下降”中的一种或多种数据信号的状态；步骤四、对获得的数据状态进行判断，并按照以下几种情况对m组基准数据作出相应的调整： a、如果最新数据状态包含“缓慢增长”、“缓慢下降”、“迅速增长”和“迅速下降”中的其中一种信号或多个信号，则根据之前输出的油烟数据趋势估算出最新m组采集数据所对应的油烟数据，根据每组采集数据减去相应估算的油烟数据推算出每组采集数据所对应的基准数据； b、如果最新数据状态包含“平稳”信号，并且，当前采集数据与已完成输出的前一组采集数据所对应的基准数据间的差值绝对值大于设定阈值，则以当前的采集数据作为该采集数据所对应的基准数据； c、如果最新数据状态包含“平稳”信号，并且，当前采集数据与已完成输出的前一组采集数据所对应的基准数据间的差值绝对值小于等于设定阈值，则以前一组采集数据所对应的基准数据值作为调整后的基准数据；步骤五、计算并输出最新采集数据对应的油烟数据，然后返回步骤三。 2.根据权利要求1所述的数据处理方法，其特征在于：所述m＝t/T_sample，其中，所述t为传感器采样缓存时间，所述T_sample为传感器采集数据周期；所述t根据传感器可容忍的输出数据滞后时间T_delay和包含人体干扰数据特征的最小时间T_min确定，并且，所述T_min0；所述预设值AddStable_L和AddStable_H分别为接近0的较小值，其中，AddStable_L<0，AddStable_H>0，并且，AddStable_L≥Stable_L且AddStable_H≤Stable_H。 7.根据权利要求2所述的数据处理方法，其特征在于：所述“缓慢增长”的数据状态通过以下分析方法实现：最新的m2组数据间的变化量在预设范围(SlowRise_L，SlowRise_H)之内，并且，该m2组数据间的累加变化量在预设范围(AddSlowRise_L，AddSlowRise_H)之内；同时，所述m2组数据中有n2组数据间的变化量大于0。 8.根据权利要求7所述的数据处理方法，其特征在于：所述m2为大于1的自然数，并且，m2≤m；所述n2为大于或等于1的自然数，并且m2/20，所述预设值AddSlowRise_L大于等于预设值AddStable_H；同时，所述预设值SlowRise_H与预设值SlowRise_L之和大于0。 10.根据权利要求2所述的数据处理方法，其特征在于：所述“缓慢下降”的数据状态通过以下分析方法实现：最新的m3组数据间的变化量在预设范围(SlowDrop_L，SlowDrop_H)之内，并且，该m3组数据间的累加变化量在预设范围(AddSlowDrop_L，AddSlowDrop_H)之内；同时，所述m3组采集数据中有n3组数据间的变化量小于0。 11.根据权利要求10所述的数据处理方法，其特征在于：所述m3为大于1的自然数，并且，m3≤m。 12.根据权利要求11所述的数据处理方法，其特征在于：所述n3为大于或等于1的自然数，并且，m3/20；并且，所述预设值SlowDrop_H与预设值SlowDrop_L之和小于0；所述预设值AddSlowDrop_H小于等于预设值AddStable_L。 14.根据权利要求7所述的数据处理方法，其特征在于：所述“迅速增长”的数据状态通过以下分析方法实现：连续m4组数据间的变化量大于预设值BigRise_L。 15.根据权利要求14所述的数据处理方法，其特征在于：所述m4为大于1的自然数，并且，m4≤m。 16.根据权利要求14所述的数据处理方法，其特征在于：所述预设值BigRise_L大于预设值SlowRise_H。 17.根据权利要求10所述的数据处理方法，其特征在于：所述“迅速下降”的数据状态通过以下分析方法实现：连续m5组数据间的变化量小于预设BigDrop_H。 18.根据权利要求17所述的数据处理方法，其特征在于：所述m5为大于1的自然数，并且，m5≤m。 19.根据权利要求17所述的数据处理方法，其特征在于：所述预设值BigDrop_H小于预设值SlowDrop_L。
所属类别：	发明专利