本发明涉及冲牙器控制，更具体地说，本发明涉及一种冲牙器稳压控制方法及系统。
背景技术：
1、冲牙器作为一种广泛应用于口腔护理领域的医疗器械,其出水压力的稳定性一直是关键的技术指标之一；合适的出水压力不仅能确保良好的清洁效果,还能最大限度地减轻患者的不适感。
2、申请公开号为cn108969136a的专利公开了一种冲牙器的输出控制方法及系统，该方法包括：向所述驱动模块发送脉冲宽度调制信号以控制所述电机的转动速度；获取当前挡位下的目标电压值，并根据预设时间间隔获取所述电源模块的输入电压值；根据所述目标电压值与所述输入电压值的比值，调节所述脉冲宽度调制信号的占空比；根据调节后的脉冲宽度调制信号控制所述电机的端电压值。通过上述方法，能够根据电源模块的输入电压值变化实时地更新脉冲宽度调制信号的占空比，使电机两端的电压达到稳定范围，从而使得冲牙器能够有稳定的水压输出，提升了冲牙器的洁牙效果，并改善了用户使用体验。
3、现有的冲牙器通过简单的开关控制实现出水，存在以下主要问题：冲牙器没有根据环境温度进行相应的水压调整，在不同温度下其清洁效果将难以保持稳定；用户在不同季节或地区使用冲牙器时，因为环境温度的差异而导致水压不稳定，影响用户的使用体验；若冲牙器在极端温度下运行，而没有相应的保护措施会导致设备内部元件受损，缩短使用寿命；不同用户对水压的偏好和使用频率各不相同，现有的冲牙器没有提供可调节的水压档位或智能适应功能，无法满足用户的个性化需求，用户在使用过程中需要频繁更换部件或进行维修，这将增加用户的维护成本和时间成本；
4、现有技术中仅依赖单一维度的信息进行预测，忽略其他重要因素的影响，导致预测的准确性和可靠性大幅下降；没有综合多个来源的特征数据集，模型无法全面捕捉影响水压调整的各种因素，从而无法做出精准的预测和调整；没有使用交叉验证来评估模型在不同数据子集上的表现，容易导致模型在训练数据上表现良好，但在新数据上表现不佳，导致在实际应用中的效果大打折扣；
5、现有技术中，未考虑精确控制水压，实际水压会在目标值附近波动，用户在使用过程中会感受到水压的突然变化，影响清洁效果和舒适度；水压不稳定可能导致冲牙器无法有效清除牙齿缝隙中的残留物，影响清洁效果，水泵和阀门在水压不稳定的情况下频繁调整，会加速机械部件的磨损，缩短设备的使用寿命。
6、鉴于此，本发明提出一种冲牙器稳压控制方法和系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种冲牙器稳压控制方法，包括：
2、s1、获取冲牙器参数数据、环境温度数据和用户使用数据；
3、s2、对冲牙器参数数据、环境温度数据和用户使用数据进行预处理得到冲牙器特征数据集、温度特征数据集和用户特征数据集；
4、分析温度特征数据集和用户特征数据集对冲牙器特征数据集的影响，并将温度特征数据集、用户特征数据集和冲牙器特征数据集进行融合得到综合特征数据集；
5、s3、训练冲牙器水压误差预测模型，将综合特征数据集输入冲牙器水压误差预测模型中，预测得到冲牙器水压误差；
6、s4、将预测的冲牙器水压误差与预设的冲牙器水压误差阈值进行对比，判断是否生成水压误差预警信息；
7、s5、若生成水压误差预警信息，则执行控制指令，调节冲牙器水泵的转速和阀门开度稳定冲牙器水压。
8、进一步地，所述冲牙器参数数据包括冲牙器的水压数据、水流量数据和电池状态数据；环境温度数据包括冲牙器的外界环境温度；用户使用数据包括用户的使用时长和使用频率。
9、进一步地，所述对冲牙器参数数据、环境温度数据和用户使用数据进行预处理的方法包括：
10、对冲牙器参数数据、环境温度数据和用户使用数据采用密度聚类算法，识别出冲牙器参数数据、环境温度数据和用户使用数据中存在的异常值，将识别出的异常值剔除得到处理后的冲牙器特征数据集、温度特征数据集和用户特征数据集；
11、对获取的冲牙器特征数据集、温度特征数据集和用户特征数据集进行标准差归一化处理，转换为均值为0和标准差为1的标准正态分布，消除数据之间的量纲影响，最终得到归一化后的冲牙器特征数据集、温度特征数据集和用户特征数据集。
12、进一步地，所述分析温度特征数据集和用户特征数据集对冲牙器特征数据集的影响的方法包括：
13、温度特征对冲牙器特征的影响：环境温度会影响冲牙器部件的工作效率，环境温度较低时，水的黏度增加，流动性减少，需要更大的压力来维持相同的水流量；环境温度较高时，水的黏度减小，流动性增加，需要降低压力，通过流量－压力调整模型保持水流量的稳定；所述流量－压力调整模型为：；其中，为水流量；为水压；为水的黏度；为水的黏度；为常数；
14、所述水的粘度为：；其中，为环境温度；标准参考温度下的黏度值；为一个与流体特性和温度有关的常数，描述温度对粘度影响的程度；
15、用户特征对冲牙器特征的影响：不同用户对水压的偏好、使用频率不同，用户特征影响冲牙器的工作参数；通过定义一个目标水压满足用户需求，所述目标水压为：
16、；
17、其中，为用户对水压的偏好；为使用频率；为用户使用频率对目标水压的影响系数；为环境温度调整因子；
18、在不同环境温度下，通过设置环境温度调整因子根据用户，冲牙器特征数据集记为偏好调整冲牙器的目标水压；所述环境温度调整因子为：；其中，；其中，；其中，，用户特征数据集记为，冲牙器特征数据集记为；
19、所述加权模型为：
20、；
21、其中，为温度特征数据集的权重系数；为用户特征数据集的权重系数；为冲牙器特征数据集的权重系数；
22、对于加权模型中每个特征数据集的权重设计，将温度特征数据集、用户特征数据集和冲牙器特征数据集组合成一个特征矩阵，以及相应的目标变量；设为矩阵；其中，为特征数量；
23、定义一组权重组合搜索网格，将权重、和分别从0到1分成若干个等间距的点；
24、所述权重组合搜索网格为：
25、；
26、其中，为温度特征数据集的权重系数的索引；为用户特征数据集的权重系数的索引；为冲牙器特征数据集的权重系数的索引；
27、使用交叉验证评估每个权重组合的性能，将每个权重组合作为数据集；将数据集划分为个互斥的子集；在每个划分中，将其中的个子集作为训练集，剩余的一个子集作为验证集；使用训练集训练加权模型，在验证集上通过均方根误差评估模型的性能指标；
28、所述均方根误差为：
29、；
30、其中，验证集上的数据集数量；为加权模型计算得到的预测值，为目标变量的实际值；对每个权重组合，在所有划分上计算平均性能指标，得到该权重组合的平均性能；选择使平均性能指标最优的权重组合；
31、设权重组合的平均性能指标为，则最佳权重组合为：
32、；
33、其中，最佳权重组合；为一个运算符，返回使目标函数取得最小值的变量的取值。
34、进一步地，所述冲牙器水压误差预测模型的训练方法包括；
35、将数据集划分为训练集、验证集和测试集，训练模型和评估模型性能；构建冲牙器水压误差预测模型，包括输入层、隐藏层和输出层；隐藏层使用relu激活函数避免模型过于简化，缓解梯度消失问题；
36、冲牙器水压误差预测模型的输入层为历史综合特征数据集，输入层的神经元数目应与历史综合特征数据集的特征数目相匹配；模型的输出层为冲牙器水压误差，输出层的神经元数量对应于预测目标的数量，通过一个神经元来输出预测值；所述冲牙器水压误差预测模型为全连接神经网络模型；
37、使用均方误差作为损失函数，衡量模型的预测值和实际值之间的误差；所述均方误差损失函数为：
38、；
39、其中，为数据集数量；为数据集中数据点的实际值；为数据集中数据点的预测值；
40、使用训练集数据进行模型训练，通过adam优化器来最小化损失函数；使用验证集评估冲牙器水压误差预测模型的性能，计算准确率指标来衡量模型的性能，对模型的超参数进行调优，提高模型性能；
41、通过测试集来评估模型在预测任务中的表现，当模型在预测任务中的表现性能达到预设表现性能阈值时停止测试，得到冲牙器水压误差预测模型；将当前综合特征数据集输入至冲牙器水压误差预测模型中，得到冲牙器水压误差。
42、进一步地，所述对模型的超参数进行调优，提高模型性能的方法包括：
43、定义模型的超参数集合为，对于每个超参数，的分布为；其中，为的分布；为的分布下限；为的分布上限；预设迭代次数为,在每次迭代中，随机从每个超参数的分布中抽取，组成一组完整的超参数配置；其中，为迭代次数；为模型的超参数；为模型超参数的数量；
44、使用选择的超参数组合训练模型，并在验证集上评估模型性能；重复上述过程，直到达到预设的迭代次数，得到一系列性能评估；从所有迭代中选取性能最高的超参数组合；
45、使用最佳超参数组合在训练集上训练模型，并在测试集上进行评估以确认模型的泛化能力。
46、进一步地，所述将预测的冲牙器水压误差与预设的冲牙器水压误差阈值进行对比，判断是否生成水压误差预警信息的方法包括：
47、若预测的冲牙器水压误差大于预设的冲牙器水压误差阈值，则生成水压误差预警信息；
48、若预测的冲牙器水压误差小于等于预设的冲牙器水压误差阈值，则不生成水压误差预警信息。
49、进一步地，所述调节冲牙器水泵的转速和阀门开度稳定冲牙器水压的方法包括：
50、若生成水压误差预警信息，通过改进pid算法调节冲牙器水泵的转速和阀门开度以稳定冲牙器水压；
51、预设冲牙器的目标水压为，在力传感器测量冲牙器的实际水压为；计算目标水压和实际水压之间的误差；
52、通过改进pid算法根据误差计算控制水泵转速和阀门开度的调整量，所述调整量为：
53、；
54、其中，为水泵转速和阀门开度的调整量；为比例增益，决定误差对控制量的直接影响力度；为积分增益，决定累积误差对控制量的影响；为微分增益，对误差的变化率进行反应；为目标水压和实际水压之间的误差；为积分过程中的虚拟时间变量，表示从初始时间0到当前时间的连续变化；为从初始时间0到当前时间，误差、随时间的总累积；为控制水泵转速和阀门开度的调整量所需时间；
55、将pid算法输出的调整量用于调整水泵转速和阀门开度，以此来影响水流，使实际水压逐渐逼近目标水压；将新的水压反馈到系统中，重新计算误差，并持续调整，形成闭环控制；对pid控制器中的、和值进行调优，确定pid控制器中、和的最优值，使控制系统达到快速响应、最小超调和稳定；
56、预设超调量阈值为0.05，稳态误差阈值为±0.01，稳定时间阈值为2；将和设置为0，只调整使系统稳定响应而不过度振荡；逐渐增加直到控制系统的超调量达到预设超调量阈值时停止；逐渐增加以减小或消除稳态误差，直到其低于预设稳态误差阈值时停止；逐渐增加减少超调和缩短稳定时间，当控制系统的稳定时间达到预设的稳定时间阈值时停止。
57、一种冲牙器稳压控制系统，包括：
58、数据采集模块，用于获取冲牙器参数数据、环境温度数据和用户使用数据；
59、数据处理模块，用于对冲牙器参数数据、环境温度数据和用户使用数据进行预处理得到冲牙器特征数据集、温度特征数据集和用户特征数据集；
60、分析温度特征数据集和用户特征数据集对冲牙器特征数据集的影响，并将温度特征数据集、用户特征数据集和冲牙器特征数据集进行融合得到综合特征数据集；
61、模型训练模块，用于训练冲牙器水压误差预测模型，将综合特征数据集输入冲牙器水压误差预测模型中，预测得到冲牙器水压误差；
62、水压误差预测模块，将预测的冲牙器水压误差与预设的冲牙器水压误差阈值进行对比，判断是否生成水压误差预警信息；
63、水压调节模块，若生成水压误差预警信息，则执行控制指令，调节冲牙器水泵的转速和阀门开度稳定冲牙器水压。
64、本发明一种冲牙器稳压控制方法和系统的技术效果和优点：
65、通过分析温度特征对冲牙器特征的影响，引入流量－压力调整模型，精确地描述和预测不同温度下冲牙器所需的水压调整量；根据环境温度实时调整水压，确保冲牙器在不同环境下都能提供稳定且有效的清洁效果；分析用户特征对冲牙器特征的影响，定义一个目标水压公式，将用户对水压的偏好、使用频率以及环境温度等因素纳入考虑范围，可以更加精准地满足用户的个性化需求，环境温度调整因子的引入，使得冲牙器能够根据不同环境温度下的用户偏好自动调整目标水压；满足不同用户对水压的个性化需求，提高用户满意度，增强用户对产品的依赖和忠诚度；
66、通过加权融合不同来源的特征数据集，模型能够综合考虑多个维度的信息，从而提高预测的准确性和可靠性；能够捕捉到温度、用户偏好和冲牙器本身特性对水压调整的综合影响，交叉验证的使用确保了模型在不同数据子集上的表现都能得到评估，从而增强了模型的泛化能力；通过自动搜索最优权重组合，该方法能够高效地利用有限的计算资源，避免手动调整权重带来的主观性和不确定性；
67、通过精确计算目标水压与实际水压之间的误差，并据此调整水泵转速和阀门开度，可以实现对冲牙器水压的精确控制；有助于确保用户在使用过程中享受到稳定且适宜的水压；采用闭环控制策略，即将新的水压反馈到系统中，重新计算误差并持续调整；确保了系统能够不断纠正偏差，保持水压的稳定；通过对pid控制器中的比例、积分和微分增益进行调优，可以使控制系统在快速响应的同时，减少超调和振荡现象，从而提高系统的稳定性；确保了使用的安全性和舒适性，避免了因水压不稳定而可能导致的口腔不适或设备损坏问题。
1.一种冲牙器稳压控制方法，其特征在于，包括：
2.根据权利要求1所述的冲牙器稳压控制方法，其特征在于，所述冲牙器参数数据包括冲牙器的水压数据、水流量数据和电池状态数据；环境温度数据包括冲牙器的外界环境温度；用户使用数据包括用户的使用时长和使用频率。
3.根据权利要求2所述的冲牙器稳压控制方法，其特征在于，所述对冲牙器参数数据、环境温度数据和用户使用数据进行预处理的方法包括：
4.根据权利要求3所述的冲牙器稳压控制方法，其特征在于，所述分析温度特征数据集和用户特征数据集对冲牙器特征数据集的影响的方法包括：
5.根据权利要求4所述的冲牙器稳压控制方法，其特征在于，所述将温度特征数据集、用户特征数据集和冲牙器特征数据集进行融合得到综合特征数据集的方法包括：
6.根据权利要求5所述的冲牙器稳压控制方法，其特征在于，所述冲牙器水压误差预测模型的训练方法包括；
7.根据权利要求6所述的冲牙器稳压控制方法，其特征在于，所述对模型的超参数进行调优的方法包括：
8.根据权利要求7所述的冲牙器稳压控制方法，其特征在于，所述将预测的冲牙器水压误差与预设的冲牙器水压误差阈值进行对比，判断是否生成水压误差预警信息的方法包括：
9.根据权利要求8所述的冲牙器稳压控制方法，其特征在于，所述调节冲牙器水泵的转速和阀门开度稳定冲牙器水压的方法包括：
10.一种冲牙器稳压控制系统，用于实现权利要求1至9中任一项所述的一种冲牙器稳压控制方法，其特征在于，包括：
