摘  要: 阐述了洗衣机洗涤度及与之关联密切的衣服脏污程度和性质等参数的模糊识别方法。采用长期学习和短期学习、有教师学习和无教师学习相结合的方法，实现了对洗衣机洗净度等参数比例因子在模糊化过程中的自适应修正，以提高洗衣机的模糊控制品质。

　　关键词: 模糊控制  模糊化  比例因子  学习方法

　　美国加利福利亚大学控制论专家扎德(L.A.zcdoh)于1965年提出的模糊数学至今已广泛地渗透到自然科学与社会科学的各个领域。由于它在多变量非线性系统中具有良好快捷的判断能力，因此在精度要求不太高的工程控制系统中获得广泛应用。洗衣机则是其应用领域之一。

　　真正意义上的全自动洗衣机应能自动识别衣质、衣量、衣服脏污程度和性质(泥污为主，还是油污为主等)。据此自动决定进水量、洗涤和漂洗方式、冼 涤时间以及自动投入适量和适型的洗涤剂。而洗涤和漂洗方式、洗涤时间、洗涤剂数量和剂型与衣量、衣质、衣服脏污程度、性质、水温有关；水温又与衣质脏污性质有关，所以完备的洗衣机模糊控制器中的模糊推理机的输入量和输出量的信息流图如图1所示。众所周知，模糊控制器通常由模糊化、模糊控制逻辑推理库、解模糊等模块组成。但无论其控制模式如何变化，其最终目的是确保衣服的洗涤干净，因此洗净度的检测是任何真正意义上的全自动洗衣机所必需的，因受篇幅所限，本文仅阐述洗净度及与之关联较密切的衣服脏污程度和性质等参数的模糊识别方法的实现。

1 洗净度的检测

　　在洗衣机出水管放水阀前安装一对发光元件和光敏器件的装置，检测出水透明度以实现模糊判断衣服脏污程度和性质及漂洗干净度。其检测装置示意图如图2所示。

　　显然，V₀越大则出水的水质透明度越高，因此利用V₀的大小及其变化率即可模糊判断衣服肮脏性质和程度及漂洗干净度。其检测过程和原理简述如下:

　　(1)向洗衣桶灌水测V0，此时V0为最大值V_0max，并以此值为基准V_RF。

　　(2)浸润衣服启动滚筒。如衣服以泥污为主，那么V₀下降的速率远大于以油污为主的衣服。

　　(3)根据V₀变化率，结合衣质衣量通过模糊推理确定洗涤剂的剂型、剂量和洗涤水温、洗涤方式和洗涤时间。

　　(4)洗净时间的确定:在理想情况下V₀和洗涤时间的关系如图3所示。

　　显然经t_H后衣服已洗净。然而，实际上由于不少衣服均会褪色，经tH后的V0值具有如下特点:一是略小于V_RF；二是V₀随漂洗时间的增长几乎保持不变。所以，只有当这两特点均具备时，才表明衣服已漂洗干净。如仅具备第二个特点则表明漂洗液已处于饱和状态，必须换水再次漂洗直至第一个特点也具备。至于图3洗涤和漂洗的切换时间t_R，可通过洗涤过程中V₀的变化率大小来确定，当V₀变化率接近于零时，即为两者的切换时刻。

2 自学习方法

　　采用自学习的目的是考虑到以下三点:一是不同系列洗衣机的光、机、电特性不同；二是即使洗衣机系列相同，由于装配和调试差别，其光、机、电特性也会受影响；三是随使用时间的增长，其光、机、电特性也要随之变化。

2.1 学习内容

　　影响一个模糊控制器的控制品质，主要有模糊控制规则的合理性和模糊化的品质。而影响模糊化的品质主要有两个因素:一是各物理量比例因子的取值；二是各模糊语言变量的取值范围。所以自学习内容实际上应包含三个内容，一是对控制规则的学习修正；二是各物理量在模糊过程中比例因子的自修正；三是各模糊语言变量分档及其取值范围的修正。虽然洗净度是确定控制规则的一个主要参数，但控制规则对洗净度识别的反作用较弱；此外，就洗衣机而言，其对控制精度要求不高，所以语言变量分档精度对洗衣机控制品质相对而言影响次之。因此本文仅讨论对洗衣机控制品质影响较大的洗净度及其关联性较大的一些参数的比例因子自学习修正方法。

　　(1)随着洗衣机使用时间的增长，出水透光性检测器的管壁附着的污垢将随之增加而降低VRF值。我们在信息调理模块中，使用可编程放大器，以前次使用所测得的VRF值为基准，当此后测得V_RF低于前次使用测得V_RF的80%时，则通过调整放大器增益，使之接近首次使用VRF值。一旦调节增益无效则示警告知用户应清洗检测器管壁。

　　(2)通过自修正洗净度模糊化比例因子的方法来提高洗净度的测试品质。令V₀在精确量论域中的确定值为X，将它转换成对应模糊语言变量论域中的相应量时，令其为Y。如采用CRI法，通常是将语言变量的论域转换为有限整数论域，则有:

式中，q称为比例因子。

　　由于对精确量的模糊化过程中所采用的语言变量的隶属函数图形的形状对洗衣机模糊控制品质的影响不大，为简化自学习算法，采用常见三角形形状。且考虑到洗衣机控制精度不高，为节省模糊推理运算量和检测装置的硬件开销，对洗净度隶属度和洗净变化率隶属度的语言变量档数分别取4和3档。如图4所示。

2.2 学习方法

2.2.1 洗净度比例因子

2.2.1.1 衣服脏污性质和程度比例因子

　　在浸润洗涤过程中，不断检测V₀直至其达到饱和值V_oL。为此，可分别求得以泥污为主和油污为主的脏污程度比例因子q₁和q₂。

　　式中，V_OL1、V_OL2分别为泥污为主和油污为主V_OL值，m为语言变量中整数论域元素的个数。对于语言变量，档数取3～4时通常取m=8。利用泥污的V₀平均变化率δ₁高于油污为主的V₀平均变化率δ₂，通过模糊推理，可对洗涤的衣服脏污性质进行模糊判断，相应的脏污性质比例因子q₃为:

式中t₁、t₂分别为泥污为主和油污为主的衣服在浸润工作时，V₀达到V_OL所用的时间。V₀随时间t变化趋势如图5所示。

　　应该指出浸润衣服的水温也会影响图5曲线和q₃，所以在构造模糊推理库时应给予考虑。脏污性质的隶属函数如图6所示。

　　图中δ定义为：

2.2.1.2 漂洗干净比例因子

　　如第一次漂洗时所测V_OL值为V_OL3，由于随漂洗的次数增加，V_OL将增大，所以可求得漂洗干净度比例因子q₄:

2.2.1.3 漂洗干净度平均变化率比例因子

　　令在每次漂洗中，从漂洗开始，经时间t后测得V0值为V_0tn(下标n为漂洗顺序号)。那么在理想情况下，衣服漂洗干净时，V_0tn不会随漂洗时间的增加而增加，所以可求得漂洗洗净度平均变化率比例因子q₅:

实验表明t在3～5分钟内较为合适。然而在漂洗过程中退色或多或少总存在，同时也会有少量纤维颗粒溶于水中，因而通常在满足V_OL≈V_RF和V_Otn≈V_Ot(n+1)时，可认为已漂洗干净。

2.2.2 比例因子自修正

　　由于布质的好坏、颜色的深浅、脏污的性质和程度、工作和生活环境均会影响上述各参数比例因子的取值，为此我们采用短期学习和长期学习相结合及有教师学习和无教师学习相结合办法予以不断修正，以达到提高识别精度的目的。下面仅以q₃为例说明之。

2.2.2.1 短期学习

　　在每次洗涤过程中不断计算δ₁和δ₂，一旦出现浸润洗涤时的δ₁值大于原先保存的δ₁时予以置换。同样如出现浸润洗涤时的δ₂小于原先保存的δ₂值也将予以置换。

2.2.2.2 长期学习

　　以一年为周期，将本年度的δ_1max和δ_2min作为下一年度的δ₁和δ₂的预置值。这主要考虑到随着科技的进步和人们工作和生活环境的改善，δ_1max和δ_2min间差值也将随之减少。所以可适当调节控制规则，以达到节能的目的。

2.2.2.3 有教师学习

　　上述两种均为无教师学习。但考虑到洗衣机初次使用时，不同的家庭其比例因子初值设定有所不同，加之脏污程度也因人而异。为此在控制面板上设定7个开关值，第一个是进入学习工作状态(“1”为自学习状态)，第二、三个开关组成布质状态(“11”硬质布为主，“00”为软质布为主，“01”硬、软质布各半)，第四、五个开关组成衣服脏污程度状态(“11”为脏，“00”为基本干净，“01”为稍脏)，第六、七个开关组成衣服脏污性质状态(“11”为泥污为主，“00”为油污为主，“01”泥污、油污各半)。自然，只有在第一个开关为“1”时其余开关的设定才有效。显然，如当脏污性质开关设定为“01”时，可以求得相应的脏污性质比例因子为δ₃，那么此时用式(10)可估算δ₁，从而实现有教师的学习修正。

　　δ₁=2δ₃-δ₂                        (10)

　　以上论述了衣服脏污性质、洗净度等参数的检测及其模糊化过程中比例因子的确定方法。本文所提出的这一自适应学习方法虽然是针对洗衣机而言，但其设计思想和方法仍不失一般性。

参考文献

1 朱林生，冯根良，余水宝. 一种自适应模糊化逻辑结构及其算法的研究.基础自动化，1999；16(6)：1517

2 刘有才，刘增良.模糊专家系统原理与设计.北京:北航出版社1995.3