一种油烟机自学习自动降噪系统及方法与流程

本发明涉及油烟机降噪领域，主要是一种油烟机自学习自动降噪系统及方法。

背景技术：

在烟机领域中，每个烟机整机装配好后，一定环境中在不同的运转工况下会基本对应一个固定的噪声曲线，比如200rpm对应曲线a，900rpm对应曲线b等。传统的主动降噪算法一般会根据根据烟机的实际环境和工作情况建立近声场模型，然后根据此模型参数输入算法处理后根据输出的结果来驱动扬声器产生与噪声相反的声音波形来抵消噪声，因为实际安装环境的不同，实际运行时的工况也不一样，造成模型和算法非常复杂，成本不菲，最后的实际降噪效果和理论上相差较大，效果也不是很好。实际上烟机生产、组装完成后，烟机自身产生的噪声情况基本就固定下来了，然后安装到实际环境后，烟机结合周围环境后如厨房面积大小、设施布置所产生的噪声情况可以称之为实际噪声曲线，也是在不断变化的，但考虑到噪声源主要是来自于烟机，只要控制好烟机发出的噪声能量，就可以一定程度降低辐射到周围空间中的噪声，达到同样或者更好的降噪效果。实际上烟机不同的运转工况下产生的每一条噪声曲线中，不同的频率段所占噪声能量是不同的，主动降噪只要主要去除掉其中的主要噪声成分即可达到一定的明显效果，不需要建立相应的声场和复杂的算法，同时不需要昂贵的硬件电路支撑。

技术实现要素：

本发明的目的在于克服现有技术存在的不足，而提供一种油烟机自学习自动降噪系统及方法。

本发明的目的是通过如下技术方案来完成的。这种油烟机自学习自动降噪系统，主要包括烟机，在烟机上设置有麦克风和扬声器，烟机cpu分别与信号处理模块、自学习降噪算法模块和预校准模块电连接，其中，

麦克风用于采集烟机噪声和环境噪声的数据；

信号处理模块用于将麦克风采集到的噪声数据进行信号处理；

预校准模块：在预先设定好的不同的转速下，烟机采集一系列的声音曲线参数并记录下来，作为以后现场实际运行的预设的基准数据；

自学习降噪算法模块根据预设的基准数据，并结合烟机噪声和环境噪声的实测噪声数据，产生相应的声音波形；

扬声器用于产生抵消噪声的声音波形。

更进一步的，所述的烟机采用变频烟机。

更进一步的，所述的烟机采用多档调速电机。

更进一步的，所述的麦克风至少设置2个，扬声器至少设置1个，麦克风和扬声器采用分区域多点设置。

更进一步的，所述的麦克风和扬声器之间错位设置，用于防止麦克风和扬声器之间的干扰。

更进一步的，自学习降噪算法模块实时监测消音的效果，如果经过多次尝试降噪效果不能达到预期，算法自动调整相应的参数直至最后达成一个最优的结果，即实现自学习的过程。

更进一步的，烟机组装完成出厂前进行一次预校准，即烟机放置在满足一定条件的消音室内，在预先设定好的不同的转速下，烟机采集一系列的声音曲线参数并记录下来，然后经该自学习降噪算法验证无误后存储起来作为以后现场实际运行的预设的基准数据。

更进一步的，烟机根据手机或者云端指令，定期或者不定期把相应的降噪处理过程的详细数据记录并发送到云端做进一步的处理，有利后期进一步优化升级该自学习自动降噪算法。

更进一步的，新的自学习自动降噪算法版本会以ota空中升级的方式自云端下发至烟机，不断优化降噪算法和系统。

本发明的有益效果为：

（1）、烟机采用变频烟机或多档调速电机，实现多转速的调速目的。

（2）、麦克风和扬声器采用分区域多点设置，能够采集到不同分贝的噪声信号，有利于优化升级该自学习自动降噪算法。

（3）、所述的麦克风和扬声器之间错位设置，用于防止麦克风和扬声器之间的干扰。

（4）、烟机组装完成出厂前进行一次预校准作为以后现场实际运行的预设的基准数据，能有效去除掉其中的主要噪声成分，并达到一定的明显效果，不需要建立相应的声场和复杂的算法，同时不需要昂贵的硬件电路支撑。

（5）、烟机根据手机或者云端指令，定期或者不定期把相应的降噪处理过程的详细数据记录并发送到云端做进一步的处理，有利后期进一步优化升级该自学习降噪算法。

附图说明

图1为本发明的方框示意图。

图2为本发明的流程示意图。

具体实施方式

下面将结合附图对本发明做详细的介绍：

实施例1：如图1所示，这种油烟机自学习自动降噪系统，主要包括烟机，在烟机上设置有麦克风和扬声器，烟机cpu分别与信号处理模块、自学习降噪算法模块和预校准模块电连接，其中，

麦克风用于采集烟机噪声和环境噪声的数据；

信号处理模块用于将麦克风采集到的噪声数据进行信号处理；

预校准模块：在预先设定好的不同的转速下，烟机采集一系列的声音曲线参数并记录下来，作为以后现场实际运行的预设的基准数据；

自学习降噪算法模块根据预设的基准数据，并结合烟机噪声和环境噪声的实测噪声数据，产生相应的声音波形；

扬声器用于产生抵消噪声的声音波形。

实施例2：在实施例1的基础上，所述的烟机采用变频烟机或多档调速电机，实现多转速的调速目的，在多种转速的情况下，均能达到自动降噪的目的。

实施例3：在实施例1和2的基础上，所述的麦克风至少设置2个，扬声器至少设置1个，麦克风和扬声器采用分区域多点设置。在噪声高的地方设置，在噪声相对较低的地方也设置，能够采集到不同分贝的噪声信号，有利于优化升级该自学习自动降噪算法。

实施例4：在上述实施例的基础上，所述的麦克风和扬声器之间错位设置，用于防止麦克风和扬声器之间的干扰。

实施例5：这种油烟机自学习自动降噪方法，该方法主要包括如下步骤：

（1）、烟机安装到用户家里后，使烟机在不同的转速段运行；

（2）、通过麦克风采集不同转速段的烟机噪声和环境噪声，将采集到的实测数据反馈给烟机上的信号处理模块；

（3）、自学习降噪算法模块根据预校准模块中预设的基准数据，并结合烟机噪声和环境噪声的实测数据，产生相应的声音波形；

（4）、通过扬声器输出该声音波形，用于抵消大部分的噪声；也可以根据需要控制烟机的排风量，从而控制烟机的整体噪声。

实施例6：在实施例5的基础上，自学习降噪算法模块实时监测消音的效果，如果经过多次尝试降噪效果不能达到预期，算法会自动调整相应的参数直至最后达成一个最优的结果，即实现自学习的过程。

实施例7：在实施例5和6的基础上，烟机组装完成出厂前进行一次预校准，也可以认为是一次出厂检验，即烟机放置在满足一定条件的消音室内，在预先设定好的不同的转速下，烟机采集一系列的声音曲线参数并记录下来，然后经该自学习降噪算法验证无误后存储起来作为以后现场实际运行的预设的基准数据。

实施例8：在实施例5、6和7的基础上，在烟机根据手机或者云端指令，定期或者不定期把相应的降噪处理过程的详细数据记录并发送到云端做进一步的处理，有利后期进一步优化升级该自学习降噪算法。

实施例9：在上述实施例的基础上，新的自学习降噪算法版本以ota空中升级的方式自云端下发至烟机，不断优化降噪算法和系统，带给用户更好的降噪效果。

可以理解的是，对本领域技术人员来说，对本发明的技术方案及发明构思加以等同替换或改变都应属于本发明所附的权利要求的保护范围。