本发明涉及家用电器领域，尤其是涉及一种用于控制织物处理器具的运行的方法、一种用于控制织物处理器具的运行的设备、一种织物处理器具和一种机器可读的存储介质。
背景技术：
1、随着科技水平提高，带有烘干功能的织物处理器具已成为现代家庭必不可少的产品之一，它为人们的日常生活提供了很大便利。目前，干衣时间一般是在干衣机出厂前提前设定，而且不可更改，灵活性差，无法根据衣物的实际情况做出调整。通常，预设的干衣时间与衣物实际需要的干衣时间存在较大偏差，降低了用户的使用体验。
2、为了解决上述问题，目前市场上已经出现一些能够自动调节干衣时间的烘干机，这类机器通过布置在滚筒内的湿度传感器实时监控衣物含水量变化，然后由此预测干衣时间。这种方案主要依靠湿度传感器的测量电极与织物的接触来测定湿度，但是，由于无法直接将传感器布置于织物上，所以堆放织物的内部湿度很难被测量到。另外，如果织物本身带有金属导电材料(例如拉链)或者如果织物量过少，均会导致湿度传感器的读数出现偏差。因此，传感器测量结果无法正确反映织物的实际湿度水平，从而导致计算出的干衣时间不够准确。
3、在这种背景下，期待提供一种改进的织物处理器具控制方案，以能够更精准地控制织物处理器具的烘干处理时长。
技术实现思路
1、本发明的实施例的目的是提供一种用于控制织物处理器具的运行的方法、一种用于控制织物处理器具的运行的设备、一种织物处理器具和一种机器可读的存储介质，以至少解决现有技术中的部分问题。
2、根据本发明的第一方面，提供一种用于控制织物处理器具的运行的方法，所述织物处理器具被配置为能够对织物执行烘干操作，所述方法包括以下步骤：
3、在织物处理器具的烘干操作期间收集织物处理器具的排水特性参数，所述排水特性参数对应于通过烘干操作从织物处理器具中的织物分离出的液态水；
4、由所述排水特性参数求取使织物处理器具中的织物达到预定烘干程度的时机信息；以及
5、基于所求取的时机信息控制织物处理器具的运行。
6、本发明尤其包括以下技术构思：目前认识到，受到传感器安装位置和接触式检测原理的限制，很难通过所检测的滚筒内环境湿度信息准确反映织物的实际湿度水平。在本发明中，通过分析以液态水形式从织物分离出的水分，能够不受织物堆积形态和湿度分布影响地掌握织物干燥状态，有利于提高干衣时间的预估准确性，能够根据实际使用情况精准控制烘干进程，从而改善用户体验。
7、可选地，所述排水特性参数包括：从织物处理器具中的织物分离出的液态水在织物处理器具的排水管路中的质量流量、体积流量、流速和/或其时间变化特性。通过了解这些排水特性参数，不仅能够更精准地掌握织物的干燥程度，而且还能探究烘干速率随时间的变化。这有助于更灵活地确定烘干处理时长和烘干程序的具体参数。
8、可选地，借助压力传感器测量织物处理器具的排水管路中的确定位置处的水压信息，基于所述水压信息求取织物处理器具的排水特性参数。由此，可用低成本的压力传感器替代造价昂贵的流量计来测量排水特性参数，节约了硬件开销，而且即使在析出水量较少或流速较慢时也能确保测量精度。
9、可选地，在织物处理器具的排水管路的沿竖直方向延伸的区段中收集所述排水特性参数。这有助于将分离出的液态水量转化为压力或高度进行测量，由此，即使在析出水量较少或排水流速较慢时也可确保测量精度。
10、可选地，在收集排水特性参数期间控制织物处理器具的排水泵保持关闭，以使从织物分离出的液态水积蓄在织物处理器具的排水管路中；和/或，当从织物分离出的液态水在织物处理器具的排水管路中积蓄的水量达到预设限度时控制排水泵开启，以将排水管路中的水泵送至外部环境。这有助于防止液态水被直接排出而导致来不及对其执行测量。通过这种累积过程也可避免水量过少时造成的测量精度不足。
11、可选地，控制收集排水特性参数的时间，以使得仅在排水特性参数随时间呈下降趋势的阶段才收集排水特性参数；和/或，仅将所收集的排水特性参数中随时间呈下降趋势的部分用于所述时机信息的求取。通过下降阶段直观反映了烘干时间对织物干燥度的影响，从而有助于建立排水特性参数与烘干时间之间的对应关系。
12、可选地，通过以下方式求取使织物达到预定烘干程度的时机信息：根据排水特性参数估计干燥状态下的初始织物重量；以及，根据初始织物重量估计使织物达到预定烘干程度的时机信息。考虑到重量相同的织物大多遵循相同的湿度变化趋势，因此，通过将初始织物重量作为中间结果，可以更准确地预估烘干进程的控制规律。
13、可选地，通过以下方式求取使织物达到预定烘干程度的时机信息：将所收集的排水特性参数输入到经训练的机器学习模型中；根据机器学习模型的输出结果求取使织物达到预定烘干程度的时机信息，所述输出结果以织物达到预设湿度水平时所需的预计烘干时间的形式存在，和/或，所述输出结果以织物达到预设湿度水平时对应的预计排水特性参数的形式存在。通过引入机器学习模型的定向分析，能够更可靠地推断干燥信息，
14、可选地，所述机器学习模型通过以下方式进行训练：收集历史时间段内借助织物处理器具执行烘干操作期间的样本数据，所述样本数据包括不同初始织物重量对应的排水特性参数；在使织物达到预定烘干程度的时机信息方面对样本数据执行标注；以及，基于经标注的样本数据建立并调整机器学习模型的输入-输出映射关系，直至机器学习模型的性能评价指标满足预设条件和/或直至达到预设的训练步数。由此，可充分利用积累的大量先验知识，使模型对织物湿度水平与烘干程序结束时机之间的关系进行自学习，提高了训练效率，并优化了模型泛化能力。
15、可选地，至少针对根据排水特性参数估计初始织物重量的环节采用线性回归模型作为机器学习模型，其中，通过以下方式建立线性回归模型：以排水特性参数作为自变量并且以初始织物重量作为因变量建立线性回归模型，借助最小二乘法求解线性回归模型的参数，以使线性回归模型对样本数据的拟合误差最小化。通过线性回归模型，可在织物重量和排水特性参数之间迅速建立关联，从而更准确地总结出不同重量织物符合的排水特性规律。
16、可选地，所述方法还包括以下步骤：获取用户对借助经训练的机器学习模型求取的时机信息的正反馈行为和/或负反馈行为；以及，基于所述正反馈行为和/或负反馈行为对机器学习模型进行再训练。由此，可以在基于经验或实验数据建立的基本模型框架基础上，以用户的具体操作习惯和烘干程度偏好来对该初始模型进一步调优，在加快了训练算法的收敛进程的同时确保满足个性化的用户需求。
17、可选地，基于时机信息控制织物处理器具的运行包括：控制织物处理器具在满足所述时机信息时自动结束烘干操作；和/或，控制织物处理器具显示织物达到预定烘干程度所需的预计烘干时间和/或剩余烘干时间。由此，可根据烘干操作中的织物湿度变化动态调整烘干进程，提升了能源效率，而且也通过显示时间方便用户知晓烘干进度，改善了用户满意度。
18、根据本发明的第二方面，提供一种用于控制织物处理器具的运行的设备，所述设备被配置为能够执行根据本发明的第一方面所述的方法，所述设备包括：
19、收集模块，其被配置为能够在织物处理器具执行烘干操作期间收集织物处理器具的排水特性参数，所述排水特性参数对应于通过烘干操作从织物处理器具中的织物分离出的液态水；
20、求取模块，其被配置为能够由所述排水特性参数求取使织物处理器具中的织物达到预定烘干程度的时机信息；以及
21、执行模块，其被配置为能够基于所求取的时机信息控制织物处理器具的运行。
22、根据本发明的第三方面，提供一种织物处理器具，所述织物处理器具包括：
23、排水管路，其用于将从织物处理器具中的织物分离出的液态水引导至外部环境；以及
24、根据本发明的第二方面所述的设备。
25、可选地，所述排水管路至少包括沿竖直方向延伸的区段，其中，所述设备的收集模块被配置为在排水管路的沿竖直方向延伸的区段中收集排水特性参数。
26、可选地，所述织物处理器具还包括：压力传感器，其设置于织物处理器具的排水管路中并用于测量排水管路中的确定位置处的水压信息；其中，所述设备的收集模块被配置为基于所述水压信息求取织物处理器具的排水特性参数。
27、可选地，所述织物处理器具还包括：排水泵，其用于在开启状态下将织物处理器具的排水管路中的水泵送至外部环境；其中，所述设备还被配置为：在收集排水特性参数期间控制排水泵保持关闭，以使从织物处理器具中的织物分离出的液态水积蓄在排水管路中，和/或，当从织物分离出的液态水在排水管路中积蓄的水量达到预设限度时控制排水泵开启，以将排水管路中的水泵送至外部环境。
28、根据本发明的第四方面，提供一种机器可读的存储介质，在所述存储介质上存储有计算机程序，所述计算机程序用于当在计算机上运行时执行根据本发明的第一方面所述的方法。
1.一种用于控制织物处理器具(1)的运行的方法，所述织物处理器具(1)被配置为能够对织物执行烘干操作，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中，所述排水特性参数包括：从织物处理器具(1)中的织物分离出的液态水在织物处理器具(1)的排水管路(9)中的质量流量、体积流量、流速和/或其时间变化特性。
3.根据权利要求1或2所述的方法，其中，借助压力传感器(11)测量织物处理器具(1)的排水管路(9)中的确定位置处的水压信息，基于所述水压信息求取织物处理器具(1)的排水特性参数。
4.根据权利要求1至3中任一项所述的方法，其中，在织物处理器具(1)的排水管路(9)的沿竖直方向延伸的区段(92)中收集所述排水特性参数。
5.根据权利要求1至4中任一项所述的方法，其中，
6.根据权利要求1至5中共任一项所述的方法，其中，
7.根据权利要求1至6中任一项所述的方法，其中，通过以下方式求取使织物达到预定烘干程度的时机信息：
8.根据权利要求1至7中任一项所述的方法，其中，通过以下方式求取使织物达到预定烘干程度的时机信息：
9.根据权利要求8所述的方法，其中，所述机器学习模型(400)通过以下方式进行训练：
10.根据权利要求8或9所述的方法，其中，至少针对根据排水特性参数估计初始织物重量的环节采用线性回归模型作为机器学习模型(400)，其中，通过以下方式建立线性回归模型：
11.根据权利要求8至10中任一项所述的方法，其中，所述方法还包括以下步骤：
12.根据权利要求1至11中任一项所述的方法，其中，基于时机信息控制织物处理器具(1)的运行包括：
13.一种用于控制织物处理器具(1)的运行的设备(20)，所述设备(20)被配置为能够执行根据权利要求1至12中任一项所述的方法，所述设备(20)包括：
14.一种织物处理器具(1)，所述织物处理器具(1)包括：
15.根据权利要求14所述的织物处理器具(1)，其中，所述排水管路(9)至少包括沿竖直方向延伸的区段(92)，其中，所述设备(20)的收集模块(21)被配置为在排水管路(9)的沿竖直方向延伸的区段(92)中收集排水特性参数。
16.根据权利要求14或15所述的织物处理器具(1)，其中，所述织物处理器具(1)还包括：
17.根据权利要求14至16中任一项所述的织物处理器具(1)，其中，所述织物处理器具(1)还包括：
18.一种机器可读的存储介质，在所述存储介质上存储有计算机程序，所述计算机程序用于当在计算机上运行时执行根据权利要求1至12中任一项所述的方法。
