CN114353263B - 滤网寿命预测方法与具有滤网寿命预测功能的机柜 - Google Patents
滤网寿命预测方法与具有滤网寿命预测功能的机柜 Download PDFInfo
- Publication number
- CN114353263B CN114353263B CN202011089435.XA CN202011089435A CN114353263B CN 114353263 B CN114353263 B CN 114353263B CN 202011089435 A CN202011089435 A CN 202011089435A CN 114353263 B CN114353263 B CN 114353263B
- Authority
- CN
- China
- Prior art keywords
- module
- air quality
- prediction
- time
- filter screen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000611 regression analysis Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 239000000126 substance Substances 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 239000000443 aerosol Substances 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000007477 logistic regression Methods 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000000746 purification Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 239000003570 air Substances 0.000 description 125
- 238000001914 filtration Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 11
- 238000004887 air purification Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000004140 cleaning Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000010926 purge Methods 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 230000002378 acidificating effect Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种滤网寿命预测方法与具有滤网寿命预测功能的机柜。方法产生通过滤网模块的气流,通过空气品质感测模块持续监测气流的空气品质感测值并结合感测时间进行记录,于建模条件满足时依据记录数据计算回归分析以获得回归模型,于预测条件满足时基于回归模型计算当前的感测值恶化至临界值所需的时间,作为滤网模块的预测时间,并于预测时间少于寿命临界值时发出通知。本发明可准确预测滤网余命,并可于滤网寿命耗尽前通知使用者进行更换滤网的准备,而可使空气净化能力维持较佳状态。
Description
技术领域
本发明是与滤网寿命有关,特别有关于滤网寿命预测。
背景技术
现有的空气净化装置通过下述方式判断滤网寿命是否耗尽。
即时监测滤网上下游间的压差或下游的温度,来判断滤网寿命是否耗尽。上述方式容易受环境干扰而造成误判,且无法预测滤网的剩余寿命。
设置定时器来计时预设的时间区间(如三个月),并于时间经过后提示更换滤网。上述方式会造成过早或过晚更换滤网,而降低空气净化品质并提升滤网成本,同样无法预测滤网的剩余寿命。
现有技术无法基于当前设置环境的空气品质预测滤网的剩余寿命,这使得使用者无法事先进行更换滤网的准备工作(如购买新滤网及/或安排更换时间),而造成空气净化能力的断层(即滤网寿命耗尽至更换新滤网期间)。
发明内容
本发明提出一种滤网寿命预测方法与具有滤网寿命预测功能的机柜,可预测滤网的剩余寿命,并于滤网寿命耗尽前主动通知更换滤网。
于一实施例中,一种滤网寿命预测方法,包括以下步骤:a)一气流产生模块运行使一气流穿过一滤网模块;b)经由一空气品质感测模块监测该气流以获得一空气品质感测值,并将与其对应的一感测时间记录为一记录数据;c)于一建模条件满足时,于一控制模块依据该记录数据计算一回归分析以获得一回归模型;d)于一预测条件满足时,基于该回归模型计算当前的该空气品质感测值到达一空气品质临界值所需的一预测时间;及,e)于该预测时间少于一寿命临界值时,发出通知。
于一实施例中,一种具有滤网寿命预测功能的机柜,包括一柜体、一滤网模块、一气流产生模块、一空气品质感测模块及一控制模块。该柜体内部具有一容置空间并设置有连通该容置空间的至少一开口;该滤网模块设置于该开口;该气流产生模块用以产生自该开口穿过该滤网模块并到达该容置空间的一气流;该空气品质感测模块设置于该滤网模块下游并用以持续感测该气流的一空气品质感测值;该控制模块电性连接该气流产生模块并用以控制该气流产生模块,该控制模块电性连接该空气品质感测模块,被配置为将该空气品质感测值对应的一感测时间记录为一记录数据,被配置为于一建模条件满足时,依据该记录数据计算一回归分析以获得一回归模型,被配置为于一预测条件满足时,基于该回归模型计算当前的该空气品质感测值到达一空气品质临界值所需的一预测时间,并于该预测时间少于一寿命临界值时发出通知。
本发明可准确预测滤网余命,并可于滤网寿命耗尽前通知使用者进行更换滤网的准备,而可使空气净化能力维持较佳状态。
附图说明
图1为本发明的第一实施型态的空气净化系统的架构图。
图2为本发明的第二实施型态的空气净化系统的架构图。
图3为本发明的第三实施型态的机柜的装配示意图。
图4为本发明的第四实施型态的预测模块的架构图。
图5为本发明的第一实施例的滤网寿命预测方法的流程图。
图6为本发明的第二实施例的滤网寿命预测方法的部分流程图。
图7A为本发明的第三实施例的滤网寿命预测方法的第一部分流程图。
图7B为本发明的第三实施例的滤网寿命预测方法的第二部分流程图。
图8为本发明的第四实施例的滤网寿命预测方法的部分流程图。
图9为本发明的一例子的过滤能力变化的示意图。
图10为本发明的一例子的过滤能力变化的示意图。
图11为本发明的一例子的过滤能力变化的示意图。
图12为本发明的一例子的过滤能力变化的示意图。
图13为本发明的一例子的回归分析的示意图。
图14为本发明的一例子的回归分析的示意图。
图15为本发明的一例子的回归分析的示意图。
其中,附图标记说明如下:
1:空气净化系统
10:预测装置
100:预测模块
101:空气品质感测模块
1010:悬浮微粒感测器
1011:气体感测器
102:输出模块
1020:显示模块
1021:音频输出模块
1022:网络传输模块
103:存储模块
11:空气净化装置
110:净化控制模块
111:滤网模块
1110:折叠式滤网
1111:活性碳滤网
1112:HEPA滤网
1113:化学滤网
112:气流产生模块
12:集线模块
2:控制模块
20:网络
21:外部电脑
22:外部电源
23:电脑模块
30、31:挡溅结构
32:防水外层
33:柜门
34:承载结构
350-352:位置
40:感测控制模块
41:记录控制模块
42:回归分析模块
43:条件监测模块
44:余寿计算模块
45:通知控制模块
46:模型更新模块
50、53、70、74:空气品质变化曲线
51、54、71、75:回归线
52、55、72、76:记录点
73、77:投影点
80:空气品质提升阶段
81:空气品质劣化阶段
82:记录点
83:线性回归线
84:对数回归线
85:多项式回归线
T1、T2、T3、T4、T5:预测时间
S10-S17:第一感测与预测步骤
S20-S23:侦测滤网正确性步骤
S300-S310:第二感测与预测步骤
S40-S42:更新模型与计算寿命步骤
S50-S51:计算寿命步骤
具体实施方式
兹就本发明的一较佳实施例,配合附图,详细说明如后。
如图1,本发明提出一种空气净化系统1,可净化周围空气,预测滤网余命,并于滤网寿命耗尽前通知使用者进行更换滤网的准备工作。
空气净化系统1包括协同运作以净化周围空气的滤网模块111、气流产生模块112与电性连接气流产生模块112的控制模块2。
气流产生模块112用以产生穿过滤网模块111的气流。滤网模块111用以滤除气流中的杂质(如特定尺寸以上的悬浮微粒或特定化学分子),以净化气流。控制模块2(如一或多个处理器、控制器或SoC等控制模块或其任意组合)用以控制气流产生模块112运行(如启闭、转向及/或转速)。
空气净化系统1还包括电性连接控制模块2并与之协同运作以预测滤网余命并适时通知使用者的空气品质感测模块101与存储模块103。
空气品质感测模块101设置于滤网模块111的下游,并用以感测滤网模块111处理的气流的空气品质感测值。存储模块103用以存储数据。控制模块2用以持续取得空气品质感测值并结合其感测时间来做成记录。控制模块2还可用来执行本发明的滤网寿命预测(容后详述)。
空气净化系统1还可包括电性连接控制模块2并用以输出通知的输出模块102。
控制模块2可包括净化控制模块110与预测模块100(如处理器、控制器或SoC)。净化控制模块110电性连接并用以控制气流产生模块112。预测模块100电性连接空气品质感测模块101、输出模块102及存储模块103,并被配置来执行本发明的滤网寿命预测。
由于功能固定的处理模块(如客制化集成电路或功能不完全的控制器)的制造成本远低于通用的(general purpose)处理模块,本发明通过使用功能固定的处理模块来分别实现气流控制功能及/或滤网寿命预测,而不使用(或减少使用)通用处理模块,可有效降低制造成本,如净化控制模块110采用功能固定的处理模块,预测模块100采用通用的处理模块,或者两者都采用功能固定的处理模块。
如图2,空气净化系统1包括空气净化装置11与预测装置10。
空气净化装置11包括滤网模块111、气流产生模块112与净化控制模块110。预测装置10包括空气品质感测模块101、输出模块102、存储模块103与预测模块100。
滤网模块111可包括折叠式滤网1110、活性碳滤网1111、高效率微粒空气滤网1112与化学滤网1113的至少其中之一,如仅设置其中一种,或将多种滤网分层设置(如将纤维空隙较大或较耐用的滤网设置在接近上游的外层,纤维空隙较小或寿命较短的滤网设置在接近下游的内层)。折叠式滤网1110、活性碳滤网1111、高效率微粒空气(High-EfficiencyParticulate Air,HEPA)滤网1112,其纤维(fiber)空隙极小,而可过滤悬浮微粒(particulate matter,PM)。不同等级的滤网具有不同的过滤能力,即不同大小的纤维空隙,使可过滤的悬浮微粒的最小尺寸不同(如PM2.5、PM10等)。化学滤网1113具有化学滤材(media),可吸附空气中的污染物分子,滤除空气中的污染物分子。
通过设置不同的滤网,本发明可依使用者需求实现不同的过滤能力。
空气品质感测模块101可包括设置于滤网模块111下游的悬浮微粒感测器1010与气体感测器1011的至少其中之一。使用者可依需求设置多个不同等级的悬浮微粒感测器1010,如PM2.5浓度感测器与PM10浓度感测器。
所设置的空气品质感测模块101的类型必须对应滤网模块111的类型,如设置PM10或PM2.5滤网时,对应设置PM10或PM2.5浓度感测器(即悬浮微粒感测器1010);设置用于酸性物质(Acids)、碱性物质(Bases)、凝缩性物质(Condensables)或掺杂物质(Dopants)的化学滤网时,设置酸性物质、碱性物质、凝缩性物质或掺杂物质的浓度感测器(即气体感测器1011)。
输出模块102可包括显示模块1020、音频输出模块1021与网络传输模块1022的至少其中之一。预测模块100可将欲通知内容转换为影像(如图像或文字信息),并显示于显示模块1020(如显示器)。或者,预测模块100可将通知内容转换为语音,并控制音频输出模块1021进行播放。
或者,网络传输模块1022可通过网络20(如网际网络)连接外部电脑21(如远端的管理主机或使用者的行动装置或笔电等电脑设备)。预测模块100可将通知内容转换为信息(如数据封包),并通过网络20发送至外部电脑21,以通知使用者。
如图3,本实施型态的空气净化系统1可为具有滤网寿命预测功能的机柜,如具有空气净化功能的机柜。
机柜可包括柜体32,柜体32可设置柜门33。柜体32的内部具有容置空间,并设置有连通容置空间的一或多个开口。滤网模块111必须设置在进气用开口,但气流产生模块112可与滤网模块111设置在相同或不同开口。
图3的两组开口中,一组开口设置滤网模块111,另一组开口设置气流产生模块112。当气流产生模块112运行时,可产生由下方开口穿过滤网模块111与容置空间,并由上方开口排出的气流。由于容置空间中的空气为穿过滤网模块111(即经过处理)的空气,可避免容置空间中的设备遭受污染与破坏(如沾染灰尘或悬浮微粒,或被有毒气体腐蚀)。
一或多个空气品质感测模块101设置于滤网模块111下游,如位置350、位置351或位置352。
机柜可包括集线模块12。集线模块12可包括网络集线器与电源集线器(图未标示),网络集线器可连接网络20以对外通讯,电源集线器可连接外部电源22(如市电、电池及/或发电机)以取得电力。
净化控制模块110与预测模块100可连接集线模块12,来取得运作所需电力及/或连接网络20。
集线模块12用来连接多个电脑模块23,而可提供外部电源22的电力至各电脑模块23,并可使各电脑模块23连接至网络20。
机柜还可包括设置于容置空间的一或多个承载结构34,如抽屉或层架。各承载结构34用来装设电脑模块23,并可固定电脑模块23。
机柜可为户外用机柜,并具有防水功能。柜体32可包括防水外层,如防水布、塑胶壳体及/或金属壳体,可防止水气渗入容置空间。开口的周围设置有用以防止雨水溅入并确保空气流通的挡溅结构30、31(如屋檐结构)。气流产生模块112可为防水风扇(如电机结构具有防水包覆)。
如图4,预测模块100可包括用以实现不同功能的模块40-46。模块40-46彼此连接(可为电性连接或资讯连接),并可为硬体模块(如电子电路模块、集成电路模块、SoC等等)、软体模块或软硬体模块混搭。当前述模块40-46为软体模块(如韧体、作业系统或应用程式)时,存储模块103可包括非暂态电脑可读取记录媒体,前述非暂态电脑可读取记录媒体存储有电脑程式,前述电脑程式记录有电脑可执行的程式码,当预测模块100执行前述程式码后,可实现各模块40-46。
如图5,本发明各实施例的方法可由图1至图4的任一实施型态来加以实现。本实施例的滤网寿命预测方法包括以下步骤S10-S16。
步骤S10:净化控制模块110控制气流产生模块112运行来产生穿过滤网模块111的气流以产生经处理的气流。藉由使用经处理气流进行循环,空气净化装置11可避免空间内的电子装置被污染并实现散热功能。
步骤S11:预测模块100通过感测控制模块40经由空气品质感测模块101持续监测经处理的气流的空气品质感测值,并通过记录控制模块41将空气品质感测值结合感测时间进行记录。
预测模块100可通过多个空气品质感测模块101来分别侦测空间内的多个位置的空气品质感测值,再依据这些空气品质感测值决定所要记录的空气品质感测值,如去极值、平均值或中位数等等。
预测模块100可取得指定的感测时间区间(如30分钟、一小时或一天等等)内的多笔空气品质感测值,再依据这些空气品质感测值决定用来代表此时间区间的空气品质感测值,如去极值、平均值或中位数等等。
步骤S12:预测模块100通过条件监测模块43判断预设的建模条件是否满足。前述建模条件可为系统预设或使用者手动设定。
建模条件可包括:于更新滤网后,空气品质感测值开始恶化。如图13,更换滤网模块111期间,外部污染进入容置空间,使得容置空间的空气品质会快速变差。当滤网模块111更换完成且气流产生模块112开始运行后,容置空间的空气品质会逐渐提升至最佳状态(空气品质提升阶段80)。随着滤网模块111的使用时间增加,其过滤能力逐渐衰退(空气品质劣化阶段81)。本发明于空气品质劣化阶段81,对滤网模块111的剩余寿命进行预测。
若建模条件不满足,则执行步骤S12。
若建模条件满足,则执行步骤S13:预测模块100通过回归分析模块42依据空气净化系统1(如空气净化装置11或机柜的容置空间)的空气品质的记录数据计算回归分析,以获得对应的回归模型。前述的记录数据可包括同一滤网模块111(如相同类型或型号的滤网或当前使用中的滤网)的多个历史空气品质感测值及各该历史空气品质感测值所对应的历史感测时间。
前述的回归模型可包括至少一回归方程式,回归方程式描述空气品质与时间的变化关系的数据回归线。
前述的回归分析可包括线性回归、对数回归、多项式回归及/或其他回归运算。前述的数据回归线对应包括连续直线、对数曲线、连续曲线其他回归图形。
前述回归运算是统计学中的现有技术,本发明将前述回归运算自统计学中转用至滤网寿命预测。
当滤网模块111,前述的回归模型可包括多个回归方程式,各回归方程式分别对应不同的滤网(可为相同类型或不同类型)。预测模块100依据当前的滤网模块111的滤网类型选择合适的回归运算(如线性回归、对数回归或多项式回归),以获得对应当前的滤网的回归方程式(如线性方程式、对数方程式、多项式方程式或其他方程式)。
如图13,滤网模块111可包括折叠式滤网,本发明可选择线性回归来计算此折叠式滤网的回归方程式。此回归方程式用以描述线性回归线83,线性回归线83用以表示折叠式滤网的悬浮微粒浓度与使用时间之间的预测变化关系。藉由线性回归线83与最新的记录点82,本发明可以预测此折叠式滤网的预测时间T5。
如图14,滤网模块111可包括用来滤除硫化氢的滤网,本发明可选择对数回归来计算此折叠式滤网的回归方程式。此回归方程式用以描述对数回归线84,对数回归线84用以表示此滤网的硫化氢浓度与使用时间之间的预测变化关系。
如图15,滤网模块111可包括用来滤除二氧化硫的滤网,本发明可选择多项式回归来计算此折叠式滤网的回归方程式(如图所示的多项式方程式)。此回归方程式用以描述多项式回归线85,多项式回归线85用以表示此滤网的二氧化硫浓度与使用时间之间的预测变化关系。
本发明可依据不同滤网的衰退特性选择适合的回归运算,而可更为准确地预测滤网的剩余寿命。
接着步骤S14(图5)被执行:预测模块100通过条件监测模块43判断预设的预测条件是否满足。前述预测条件可为系统预设或使用者手动设定。
预测条件包括计时执行预测时间区间(如30分钟、1小时、12小时或24小时等等)经过、收到预测滤网余命命令(如使用者通过外部电脑21所下达)、滤网的实际使用时间符合执行预测时间点(如使用者所指定的时间点),及/或前次执行预测时的空气品质感测值与当前的空气品质感测值之间的差距达到执行预测临界值。
若预测条件不满足,则执行步骤S14。
否则,执行步骤S15:预测模块100通过余寿计算模块44基于最新的回归模型计算当前的空气品质感测值恶化至空气品质临界值所需的时间,并作为当前使用的滤网模块111的预测时间。
步骤S16:预测模块100通过条件监测模块43判断预测时间是否少于当前的滤网模块111的寿命临界值(可为系统预设或由使用者手动设定,主要基于更换滤网的准备工作所需的时间来加以决定,如采购滤网的时间、安排更换的时间与更换滤网动作的时间。
存储模块103可存储分别对应多种不同类型的滤网的多个寿命临界值。预测模块100依据当前的滤网类型选择对应的寿命临界值进行比较。
若预测时间不少于寿命临界值,则执行步骤S14。
否则,步骤S17被执行:预测模块100通过通知控制模块45控制输出模块102发出通知,以通知使用者准备更换滤网。
现有技术多采用固定计时或即时侦测来判断滤网寿命是否耗尽,并无法于滤网耗尽前提前进行预警。
本发明通过基于历史的记录数据计算并使用回归模型,可准确预测滤网剩余寿命,并提前通知使用者进行更换滤网的准备,可避免空气净化能力出现断层。
如图6,本实施例的滤网寿命预测方法还包括用以达成侦测滤网问题功能的步骤S20-S23,其主要于更换新的滤网模块111后运行预设的运行检测时间,如1小时、6小时、12小时、1日、一周、一个月或其他时间区间(可视换气效率而定),并于此时段内(空气品质提升阶段80)监测空气品质是否正常提升,以判断所更换的滤网模块111是否合适该环境的应用或正常工作。
步骤S20:使用者更换新的滤网模块111,并可设定预测模块100(如重新起算滤网实际使用时间)。
步骤S21:预测模块100控制气流产生模块112持续运行预设的运行检测时间,以使容置空间开始换气。
步骤S22:预测模块100通过感测控制模块40控制空气品质感测模块101持续取得空气品质感测值,并判断于开始换气后,空气品质感测值是否差于空气品质临界值。
若空气品质优于空气品质临界值,则结束侦测。
否则,步骤S23被执行:预测模块100通过通知控制模块45控制输出模块102通知更换滤网模块111,以通知使用者更换或重新安装合适的滤网模块111。
本发明可有效侦测所安装的滤网的类型、安装方式、净化能力等等是否合适或正常,并通知使用者更换错误的滤网,以减少过滤能力的断层。
如图7A、图7B,本实施例的滤网寿命预测方法更提出一种准确预测时间的计算方式,可避免因环境状态的暂时剧烈变化误判剩余寿命。本实施例包括步骤S300-S310。
步骤S300-S304与图5的步骤S10-S14相同或相似,于此不再赘述。
于预测条件满足时,步骤S305被执行:预测模块100通过余寿计算模块44计算预测时间。步骤S305可包括步骤S40-S42。
步骤S40:预测模块100通过模型更新模块46与回归分析模块42依据最新的记录数据更新回归模型,如于计算预测时间前会先将最新的记录数据输入至回归分析模块42以产生最新的回归模型。
步骤S41:预测模块100通过余寿计算模块44将当前的空气品质临界值输入至更新后的回归模型以获得最新预测的滤网寿命。
步骤S42:预测模块100计算预测滤网寿命与滤网模块111的实际使用时间(如启用后至今的时间)之间的时间差,作为预测时间。
步骤S306:预测模块100通过条件侦测模块43判断所算出的预测时间是否少于寿命临界值。
若预测时间少于寿命临界值,则步骤S307被执行:预测模块100通过通知控制模块45控制输出模块102通知使用者更换滤网模块111。
否则,步骤S308被执行:预测模块100通过条件侦测模块43判断当前的空气品质感测值是否优于空气品质临界值。
若当前的空气品质感测值差于空气品质临界值,则执行步骤S307。
否则,步骤S309可被执行:预测模块100通过通知控制模块45控制输出模块102通知继续使用滤网模块111,并可通知预测时间。
于步骤S307、S309之后,步骤S310被执行:预测模块100通过条件侦测模块43判断是否结束滤网寿命的监测,如判断使用者是否关闭监测功能。
若是,则结束本次监测。否则,再次执行步骤S304以继续监测。
图9、图10以空气品质临界值为75μg/m3为例。
于图9中,回归线51依据最新的空气品质变化曲线52的各记录点所算出。最新的记录点52为滤网模块111使用第75天时空气品质感测值(PM10浓度)为70μg/m3。
依据空气品质临界值对回归线51的时间坐标轴进行投影,可以算出预计第90天(预测滤网寿命)时滤网模块111过滤能力的衰退,导致空气品质感测值达到或超过75μg/m3,并可计算预测时间T1(即90减75)为15天。
于图10中,回归线54依据最新的空气品质变化曲线53的各记录点所算出。最新的记录点55为滤网模块111使用第75天时空气品质感测值(PM10浓度)为80μg/m3。
依据空气品质临界值对回归线54的时间坐标轴进行投影,可算出预计第110天(预测滤网寿命)时滤网模块111才耗尽。
虽预测时间T2(110减75,为35天)并未归零,但记录点55因空气品质快速变差,空气品质感测值已超过空气品质临界值。
为解决上述快速变差的空气品质无法即时反应于回归运算的缺失,本发明于预测时间T2尚未归零时,比较当前的空气品质感测值是否超过空气品质临界值,并于超标时通知使用者更换滤网,以减少过滤能力的断层。
如图8,本实施例提出另一预测时间的计算方式,可即时反应环境状态的剧烈变化,而于空气品质迅速变差时提早告警,令使用者有充余时间进行更换滤网的准备。
本实施例的步骤S15中,预测模块100通过余寿计算模块44将当前的空气品质感测值输入至(更新后的)回归模型以获得滤网模块的相对使用时间(步骤S50),即参考过往记录,当前的滤网模块111的过滤能力的衰退程度所对应的使用时间。接着,预测模块100计算相对使用时间与预测滤网寿命(可将空气品质临界值输入至回归模型来获得)之间的时间差,作为预测时间(步骤S51)。
图11与图12以空气品质临界值为75μg/m3为例。
图11的回归线71可为事先(如更换滤网模块111后且建模条件满足时)算出。空气品质变化曲线70的最新的记录点72为滤网模块111使用第75天时空气品质感测值(PM10浓度)为70μg/m3。依据空气品质临界值对回归线71的时间坐标轴进行投影,可算出第90天时滤网模块111耗尽(预测滤网寿命)。依据目前的空气品质感测值(70μg/m3)对回归线71的时间坐标轴进行投影,可以算出目前的空气品质于回归模型中(投影点73)等同第82天的空气品质(相对使用时间),并可计算预测时间T3(即90减82)为8天。
图12的回归线75可为事先算出的。空气品质变化曲线74的最新的记录点76为滤网模块111使用第75天时空气品质感测值为80μg/m3。依据空气品质临界值对回归线75的时间坐标轴进行投影,可以算出第110天时滤网模块111耗尽(预测滤网寿命)。依据目前的空气品质感测值(80μg/m3)对回归线75的时间坐标轴进行投影(投影点77),可以算出目前的空气品质于回归模型中是等同第115天的空气品质(相对使用时间),并可计算预测时间T4(即110减115)为负5天(已耗尽)。
当空气品质快速变差时,本实施例可对使用者进行即时或提前的告警,以减少过滤能力的断层。
以上所述仅为本发明的较佳具体实例,非因此即局限本发明的专利范围,故举凡运用本发明内容所为的等效变化,均同理皆包含于本发明的范围内,合予陈明。
Claims (18)
1.一种滤网寿命预测方法,包括以下步骤:
a)一气流产生模块运行使一气流穿过一滤网模块;
b)经由设置于该滤网模块下游的一空气品质感测模块持续地监测该气流以获得一空气品质感测值,并将与其对应的一感测时间记录为一记录数据;
c)于一建模条件满足时,于一控制模块依据该记录数据计算一回归分析以获得一回归模型,其中,该建模条件包括该空气品质感测值开始恶化;
d)于一预测条件满足时,基于该回归模型计算当前的该空气品质感测值到达一空气品质临界值所需的一预测时间;及
e)于该预测时间少于一寿命临界值时,发出通知。
2.如权利要求1所述的方法,进一步包括以下步骤:
f)于更换新的该滤网模块、该气流产生模块持续运行一运行检测时间且该空气品质感测值差于该空气品质临界值时,通知更换该滤网模块。
3.如权利要求1所述的方法,其中,该预测条件包括以下至少其中之一:计时一执行预测时间区间经过、收到一预测滤网余命命令、一实际使用时间符合一执行预测时间点、以及前次执行预测的该空气品质感测值与当前的该空气品质感测值之间的差距达一执行预测临界值。
4.如权利要求1所述的方法,其中,该回归模型是用以描述该空气品质感测值与该感测时间的变化;其中该回归分析包括线性回归、对数回归与多项式回归的至少其中之一。
5.如权利要求1所述的方法,其中,步骤d)包括以下步骤:
d1)于该预测条件满足时,依据最新的该记录数据更新该回归模型;及
d2)将该空气品质临界值输入至更新后的该回归模型以获得一预测滤网寿命,并计算该预测滤网寿命与该滤网模块的一实际使用时间之间的一时间差,作为该预测时间。
6.如权利要求5所述的方法,进一步包括以下步骤:
g1)于当前的该空气品质感测值优于该空气品质临界值,且该预测时间不少于该寿命临界值时,通知该预测时间;及
g2)于当前的该空气品质感测值差于该空气品质临界值时,通知更换该滤网模块。
7.如权利要求1所述的方法,其中,步骤d)包括以下步骤:
d3)于该预测条件满足时,将当前的该空气品质感测值输入至该回归模型以获得该滤网模块的一相对使用时间;及
d4)计算该相对使用时间与一预测滤网寿命之间的一时间差,作为该预测时间,其中该预测滤网寿命是通过将该空气品质临界值输入至该回归模型所获得。
8.如权利要求1所述的方法,其中,该空气品质感测值为一悬浮微粒浓度或一气体浓度。
9.一种具有滤网寿命预测功能的机柜,包括:
一柜体,内部具有一容置空间并设置有连通该容置空间的至少一开口;
一滤网模块,设置于该开口;
一气流产生模块,用以产生自该开口穿过该滤网模块并到达该容置空间的一气流;
一空气品质感测模块,设置于该滤网模块下游并用以持续感测该气流的一空气品质感测值;及
一控制模块,电性连接该气流产生模块并用以控制该气流产生模块,该控制模块电性连接该空气品质感测模块,被配置为将该空气品质感测值对应的一感测时间记录为一记录数据,被配置为于一建模条件满足时,依据该记录数据计算一回归分析以获得一回归模型,被配置为于一预测条件满足时,基于该回归模型计算当前的该空气品质感测值到达一空气品质临界值所需的一预测时间,并于该预测时间少于一寿命临界值时发出通知,其中,该建模条件包括该空气品质感测值开始恶化。
10.如权利要求9所述的机柜,还包括电性连接该控制模块并用以输出通知的一输出模块;
其中,该输出模块包括一显示模块、一音频输出模块与通过网络连接一外部电脑的一网络传输模块的至少其中之一;
其中,该控制模块更被配置为控制该显示模块显示一通知影像、控制该音频输出模块播放一通知语音或控制该网络传输模块传输一通知信息至该外部电脑;
其中,该控制模块更被配置为于更换新的该滤网模块、该气流产生模块持续运行一预设检测时间且该空气品质感测值差于该空气品质临界值时,通知更换该滤网模块。
11.如权利要求9所述的机柜,还包括一存储模块,该存储模块电性连接该控制模块,并用以存储该建模条件及该预测条件;
其中,该预测条件包括以下至少其中之一:计时一执行预测时间区间经过、收到一预测滤网余命命令、一实际使用时间符合一执行预测时间点、以及一前次执行预测的该空气品质感测值与当前的该空气品质感测值之间的一差距达一执行预测临界值。
12.如权利要求9所述的机柜,还包括一存储模块,该存储模块电性连接该控制模块,并用以存储该回归模型与该记录数据;
其中,该控制模块包括电性连接该气流产生模块并用以控制该气流产生模块的一净化控制模块及电性连接该空气品质感测模块并被配置来执行滤网寿命预测的一预测模块;
其中,该回归模型是用以描述该空气品质感测值与该感测时间的变化;
其中,该回归分析包括线性回归、对数回归与多项式回归的至少其中之一。
13.如权利要求9所述的机柜,其中,该柜体包括一防水外层,该开口的周围设置有用以防止水溅入该容置空间的一挡溅结构,该气流产生模块设置于该开口,该气流产生模块包括一防水风扇。
14.如权利要求9所述的机柜,还包括一存储模块,该存储模块电性连接该控制模块,并用以存储该空气品质临界值、该回归模型与该记录数据;
该控制模块更被配置为依据最新的该记录数据更新该回归模型,将该空气品质临界值输入至更新后的该回归模型以获得一预测滤网寿命,并计算该预测滤网寿命与该滤网模块的一实际使用时间之间的时间差,作为该预测时间。
15.如权利要求14所述的机柜,其中,该控制模块更被配置为于当前的该空气品质感测值优于该空气品质临界值,且该预测时间不少于该寿命临界值时,通知该预测时间,并于当前的该空气品质感测值差于该空气品质临界值时,通知更换该滤网模块。
16.如权利要求9所述的机柜,还包括一存储模块,该存储模块电性连接该控制模块,并用以存储该空气品质临界值、该回归模型与该记录数据;
其中,该控制模块更被配置为将当前的该空气品质感测值输入至该回归模型以获得该滤网模块的一相对使用时间,并计算该相对使用时间与一预测滤网寿命之间的一时间差,作为该预测时间;
其中,该预测滤网寿命是通过将该空气品质临界值输入至该回归模型所获得。
17.如权利要求9所述的机柜,其中,该空气品质感测模块包括一悬浮微粒感测器与一气体感测器的至少其中之一,该空气品质感测值为一悬浮微粒浓度与一气体浓度的至少其中之一;
其中,该滤网模块包括一折叠式空气滤网、一活性碳滤网、一高效率微粒空气滤网与一化学滤网的至少其中之一。
18.如权利要求9所述的机柜,还包括:
一集线模块,用以连接一网络与一外部电源,并连接多个电脑模块,该集线模块用以提供该外部电源的电力至该多个电脑模块,并使该多个电脑模块连接该网络;及
多个承载结构,设置于该容置空间,该多个承载结构用以装设该多个电脑模块。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089435.XA CN114353263B (zh) | 2020-10-13 | 2020-10-13 | 滤网寿命预测方法与具有滤网寿命预测功能的机柜 |
US17/238,830 US20220113718A1 (en) | 2020-10-13 | 2021-04-23 | Cabinet with filter life prediction and method of predicting filter life |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089435.XA CN114353263B (zh) | 2020-10-13 | 2020-10-13 | 滤网寿命预测方法与具有滤网寿命预测功能的机柜 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114353263A CN114353263A (zh) | 2022-04-15 |
CN114353263B true CN114353263B (zh) | 2023-07-25 |
Family
ID=81077655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011089435.XA Active CN114353263B (zh) | 2020-10-13 | 2020-10-13 | 滤网寿命预测方法与具有滤网寿命预测功能的机柜 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220113718A1 (zh) |
CN (1) | CN114353263B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202405347A (zh) * | 2022-07-18 | 2024-02-01 | 大陸商溙奕(江西)電子科技有限公司 | 空氣淨化設備及濾網壽命評估方法 |
CN115717754B (zh) * | 2022-11-21 | 2024-05-17 | 珠海格力电器股份有限公司 | 空气净化设备的滤网寿命监测方法以及空气净化设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105363298A (zh) * | 2014-08-15 | 2016-03-02 | 台达电子工业股份有限公司 | 具滤网脏污检测功能的换气设备及其检测方法 |
KR20170038422A (ko) * | 2015-09-30 | 2017-04-07 | 코웨이 주식회사 | 공기청정기 성능 예측 장치 |
CN106996352A (zh) * | 2016-01-22 | 2017-08-01 | 通用汽车环球科技运作有限责任公司 | 确定和报告空气过滤器的剩余使用寿命的方法和系统 |
CN206626752U (zh) * | 2017-01-16 | 2017-11-10 | 广东美的制冷设备有限公司 | 空气净化器及其空气过滤网使用寿命的监测装置 |
CN107889469A (zh) * | 2014-12-05 | 2018-04-06 | 诺沃皮尼奥内股份有限公司 | 用于预测空气过滤器的剩余使用寿命的方法及系统 |
CN110321906A (zh) * | 2018-03-28 | 2019-10-11 | 霍尼韦尔环境自控产品(天津)有限公司 | 用于提醒更换空气净化器的滤网的方法以及提醒装置 |
US10639577B1 (en) * | 2018-01-17 | 2020-05-05 | Filtersmarts, Inc | Clogged dust filter monitor |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5685895A (en) * | 1994-08-10 | 1997-11-11 | Nikon Corporation | Air cleaning apparatus used for an exposure apparatus |
FI108962B (fi) * | 1999-08-20 | 2002-04-30 | Nokia Corp | Laitekaapin jäähdytysjärjestelmä |
US7261762B2 (en) * | 2004-05-06 | 2007-08-28 | Carrier Corporation | Technique for detecting and predicting air filter condition |
WO2014075108A2 (en) * | 2012-11-09 | 2014-05-15 | The Trustees Of Columbia University In The City Of New York | Forecasting system using machine learning and ensemble methods |
US9517429B2 (en) * | 2012-11-13 | 2016-12-13 | Complete Filter Management Llc | Filtration monitoring system |
US9587849B2 (en) * | 2013-03-01 | 2017-03-07 | Stephen Schlesinger | Heating, ventilation, and air conditioning system |
US20150077737A1 (en) * | 2013-08-09 | 2015-03-19 | Cnry Inc. | System and methods for monitoring an environment |
CA2969381C (en) * | 2014-12-01 | 2023-12-05 | 3M Innovative Properties Company | Systems and methods for predicting hvac filter change |
-
2020
- 2020-10-13 CN CN202011089435.XA patent/CN114353263B/zh active Active
-
2021
- 2021-04-23 US US17/238,830 patent/US20220113718A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105363298A (zh) * | 2014-08-15 | 2016-03-02 | 台达电子工业股份有限公司 | 具滤网脏污检测功能的换气设备及其检测方法 |
CN107889469A (zh) * | 2014-12-05 | 2018-04-06 | 诺沃皮尼奥内股份有限公司 | 用于预测空气过滤器的剩余使用寿命的方法及系统 |
KR20170038422A (ko) * | 2015-09-30 | 2017-04-07 | 코웨이 주식회사 | 공기청정기 성능 예측 장치 |
CN106996352A (zh) * | 2016-01-22 | 2017-08-01 | 通用汽车环球科技运作有限责任公司 | 确定和报告空气过滤器的剩余使用寿命的方法和系统 |
CN206626752U (zh) * | 2017-01-16 | 2017-11-10 | 广东美的制冷设备有限公司 | 空气净化器及其空气过滤网使用寿命的监测装置 |
US10639577B1 (en) * | 2018-01-17 | 2020-05-05 | Filtersmarts, Inc | Clogged dust filter monitor |
CN110321906A (zh) * | 2018-03-28 | 2019-10-11 | 霍尼韦尔环境自控产品(天津)有限公司 | 用于提醒更换空气净化器的滤网的方法以及提醒装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220113718A1 (en) | 2022-04-14 |
CN114353263A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10732079B2 (en) | Filter replacement lifetime prediction | |
CN114353263B (zh) | 滤网寿命预测方法与具有滤网寿命预测功能的机柜 | |
US20120111190A1 (en) | Air purification and decontamination system | |
CN109268946B (zh) | 空气调节器及其控制方法、装置和计算机可读存储介质 | |
US20210236979A1 (en) | Particulate-matter-size-based fan control system | |
US11371726B2 (en) | Particulate-matter-size-based fan control system | |
CN113865003B (zh) | 一种空气净化器及其滤网寿命检测方法、装置、存储介质 | |
CN106247532B (zh) | 空气净化器控制方法及装置 | |
CN109991147B (zh) | 一种空气净化器中滤网寿命的监测方法和相关装置 | |
CN109282444A (zh) | 空气调节器及其控制方法、装置和计算机可读存储介质 | |
CN108211556A (zh) | 基于容尘量的滤网寿命预报方法及空气净化装置 | |
CN109268947B (zh) | 空气调节器及其控制方法、装置和计算机可读存储介质 | |
CN108025246A (zh) | 气体过滤系统和方法 | |
CN103822328A (zh) | 节能排气控制和自动切断系统 | |
CN109425086A (zh) | 一种检测方法、空气净化设备及电子设备 | |
KR20140033809A (ko) | 필터 자동 교체 장치 및 그 방법 | |
US10693165B1 (en) | Environmental sensor array for fuel cell air filtration systems | |
TWI774082B (zh) | 濾網壽命預測方法與具有濾網壽命預測功能的機櫃 | |
JP2009056446A (ja) | フィルタ履歴管理装置 | |
CN211011796U (zh) | 一种新风处理系统 | |
CN108954671A (zh) | 一种新风系统的空气质量预警方法及装置 | |
CN106440210A (zh) | 一种清洁检测方法、装置及清洁设备 | |
CN112439265B (zh) | 过滤件寿命提醒方法、过滤件寿命提醒系统及空气净化器 | |
CN208065998U (zh) | 可预报滤网寿命的空气净化装置 | |
KR102339609B1 (ko) | 대기오염물질 제거설비 운영 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |