用于控制供水系统的方法与流程

本公开涉及一种用于控制供水系统的计算机实现的方法。

背景技术：

在许多结构中安装了供水系统，诸如建筑物中。供水系统可以包括各种各样的组件，包括例如管道、阀、锅炉、泵等。在正常运行期间，供水系统的至少一些组件会产生声学噪声。声学振动可能进一步被供水系统的各种组件和这些组件机械耦接到的建筑结构的各种组件载送和放大。当声学噪声引起供水系统的组件或周围结构的组件的共振时，这种情况可能特别明显。声学噪音可能会对供水系统附近的人造成不适或干扰，例如对安装有供水系统的住宅建筑物的居民或在安装有供水系统的办公楼建筑物中工作的工作人员造成不适或干扰。

许多参数都可能影响不适的严重程度，诸如人在其中感受到不适的房间的声学性质、感受到不适的人的听觉系统、供水系统的组件所机械耦接至的构造性环境、其他声源的存在等。因此，已经证明，以高效的方式解决声学噪声引起的不适是困难的。

技术实现要素：

根据一个方面，本文公开了一种用于控制供水系统的一个或多个组件的计算机实现的方法的实施例，该供水系统包括至少一个泵组件。该方法的实施例包括：

-接收用户指示，其指示至少在第一位置处感受到的用户感知到的声学噪声引起的不适，

-在所述第一位置处测量至少第一声音信号。

-基于测量到的第一声音信号、以及基于接收到的用户感知到的声学噪声引起的不适的程度的用户指示和接收到的泵组件的第一运行参数中的至少一个，确定供水系统的一个或多个经调整的控制参数，该第一运行参数表示在所述测量第一声音信号时泵组件的运行状况，以及

-根据确定的经调整的控制参数来控制供水系统。

因此，本文所述方法的实施例响应于在供水系统的运行期间感知到噪声不适的用户指示来控制供水系统，而不是试图在例如泵组件的制造期间解决所有潜在的声学噪声相关问题。此外，本文所述方法的实施例基于在用户已经感受到的不适的位置处测量到的声音信号与噪声不适的程度的用户指示的结合和/或与获得的供水系统的泵组件的运行参数的结合来控制供水系统。这允许在系统的运转时间期间并且以特定于系统的运行状况和/或特定于感受到的噪声程度的方式来降低声学噪声。

特别地，一些实施例，该方法可以确定泵组件的实际运行状况与客观测量到的声音之间的相关性。这允许该方法验证泵组件和/或供水系统的另一个组件是否可能是声学噪声的来源，并且确定对泵组件的控制或对供水系统的另一个组件的调整，该调整适合于降低声学噪声，并且因此可能减少感受到的噪声不适。

该过程可以以多种方式接收用户输入。例如，该过程的实施例可以由适当编程或以其他方式配置的移动设备、或者由被适当编程以执行该过程的另一个数据处理系统来执行。因此，该过程可以借助于在移动设备上或在另一个数据处理系统上执行的合适程序来接收用户输入。该程序可以是噪声报告程序、供水系统控制程序或类似程序。执行该过程的移动设备或其他数据处理系统可以提供合适的用户接口，其允许用户录入关于感知到的声学噪声的相关信息，例如感知到的噪声的程度、感知到的噪声的位置、感知到噪声的时间、感知到的噪声的类型和/或类似信息。感知到的噪声的程度可以是感知到的响度的程度、感知到的尖锐的程度、或指示感知到的噪声的属性的程度的另一参数。该位置可以被标识为建筑物中的位置(例如通过指定特定楼层、房间等)、和/或通过指定相对于供水系统的位置(例如通过指定距系统的组件的距离，例如距泵组件的距离)。感知到噪声的时间可以被指定为当前日期和时间、一天中的时间、一周中的星期几和/或类似时间。在一些实施例中，一些或全部信息可由用户手动录入。在一些实施例中，至少一些信息可以自动确定，例如由用于录入信息的移动设备或其他数据处理系统自动确定。例如，感知到噪声的时间可以被移动设备或其他数据处理系统记录为过程已被调用的时间或过程已接收到输入的时间。类似地，位置可由移动设备确定为移动设备在报告时的位置，例如使用合适的定位系统。

在一些实施例中，接收用户指示包括接收用户感知到的噪声不适的描述性表征，并且确定是基于接收到的描述性表征。例如，该过程可以提供允许用户录入例如作为自由文本输入、口语输入或类似物的描述性表征的用户接口。在这样的实施例中，该过程可以包括自然语言处理模块，其被配置为分析描述性表征，以便提取感知到的噪声不适的一个或多个属性，特别是噪声的程度，例如其属性的程度。在其他实施例中，该过程可以提供用户接口，其允许用户选择多个预定属性中的一个或多个，例如通过在可选择属性的列表中勾选所选属性。属性可以例如包括指示所感受的声学噪声的类型的属性，例如通过将噪声分类为“嗡嗡声”、“锤击声”、“尖锐声”和/或类似的声音。可替代地或另外地，属性可以包括指示不适程度的属性，例如在范围可以从“无不适”经由“可接受”到“非常严重”的预定尺度上。类似地，可以以类似的方式输入感知噪声不适的其他属性的程度，例如响度、尖锐度等等的程度。然后，该过程可以直接使用所选属性作为感知到的噪声不适的特征，或者该过程可以将所选的属性组合转换成感知到的噪声不适的特征，例如使用查找表或一套更复杂的转换规则。

在一些实施例中，接收用户指示可以包括接收关于感知到的噪声不适的单次发生的用户指示和信息。替代地，接收用户指示可以包括接收关于感知到的噪声不适的多次发生的用户指示和信息，例如在不同地点和/或在不同时间(例如一天中的不同时间)的发生。相应地，该过程可以基于接收到的关于多次发生的信息来测量多个声音信号，例如在各个位置和/或各个时间的多个声音信号。测量的位置和/或时间优选基于由所接收的关于多次发生的信息指示的时间和/或位置，例如与由所接收的关于多次发生的信息指示的时间和/或位置相匹配。此外或替代地，该过程可以基于所接收的关于多次发生的信息而获取关于来自供水系统的多个泵组件(例如位于建筑物内不同位置的泵组件)的运行参数的信息、和/或指示一个或多个泵组件在不同时间的运行状况的运行参数的信息。为此，该过程可以与多个泵组件建立通信，以便读出它们的当前运行参数，并且可选地，记录关于历史运行参数的日志信息。该过程甚至可以在不同时间与一个或多个泵组件建立通信，以便在不同时间读出关于当前运行参数的信息。

将理解的是，用户指示可以包括附加的或可替代的信息，例如关于供水系统的信息(诸如泵组件的类型和/或位置)、诸如标识泵组件的序列号之类的信息、关于安装了供水系统的建筑物或其他机械结构的信息、用户信息等。

在所述第一位置测量至少第一声音信号可以由接收用户指示的相同设备执行，例如由移动设备执行，或者由与数据处理系统通信耦接的专用声音测量设备执行。声音信号可以由合适的麦克风测量，例如由移动设备的内部麦克风或由可连接到移动设备或另一数据处理系统的单独麦克风来测量。声音信号可以表示在合适的时间段内的测量结果，例如1秒或多秒或甚至一分钟或更长时间。将理解的是，测量的合适持续时间可能取决于噪声的性质。持续时间可以是预定的、自动选择的或用户选择的。自动选择可以基于接收到的关于感知到的噪声不适的特征的用户输入和/或基于对测量的声音信号的实时分析来动态选择。

在一些实施例中，该过程可以包括测量多个声音信号，例如在相应时间和/或在相应位置和/或在泵组件的不同运行状况下测量多个声音信号。因此，该过程可以确定在不同时间测量的声音信号之间的相关性和/或在建筑物内不同位置测量的声音信号之间的相关性和/或其他类型的相关性，例如在不同运行状况下测量的声音信号之间的相关性。

特别地，在一些实施例中，该方法包括：

-在所述测量第一声音信号之后，在所述第一位置测量至少第二声音信号，

-可选地获得泵组件的至少一个第二运行参数，其表示在所述测量第二声音信号时泵组件的运行状况。

其中，确定供水系统的一个或多个经调整的控制参数还基于所述测量的第二声音信号和至少一个第一运行参数和/或获得的至少一个第二运行参数。例如，在一些实施例中，确定可以包括对测量的第二声音信号和所述获得的至少一个第一运行参数和/或第二运行参数进行处理，以确定运行状况和测量的第二声音信号之间的相关性。所述至少一个第二运行参数可以是与至少一个第一运行参数相同的(一个或多个)参数，但是表示泵组件在不同时间的运行状况。替代地，至少一个第二运行参数可以仅包括至少一个第一运行参数中的一些和/或包括一个或多个附加或替代的参数。因此，该过程可以确定在不同时间测量的声音信号和运行状况之间的相关性。将理解的是，当第一声音信号和第二声音信号是在足够短的时间段内测量的(在该足够短的时间段期间泵组件的运行状况没有显著改变)时，仅获得至少一个第一运行参数就足够了。

替代地或另外，该方法的一些实施例可以包括：

-在不同于第一位置的第二位置测量至少一个附加的声音信号，

-可选地获得泵组件的至少一个补充运行参数，其表示在所述测量至少一个附加声音信号时泵组件的运行状况。

其中，确定供水系统的一个或多个经调整的控制参数还基于在第二位置测量的至少一个附加声音信号，并且可选地基于获得的至少一个补充运行参数。例如，在一些实施例中，确定可以包括处理在第二位置测量的至少一个附加声音信号和获得的第一运行参数和/或获得的补充运行参数，以确定运行状况和在第二位置测量的至少一个附加声音信号之间的相关性。至少一个补充运行参数可以是与至少一个第一运行参数相同的(一个或多个)参数，但是指示不同时间的运行状况。替代地，至少一个补充运行参数可以仅包括至少一个第一运行参数中的一些和/或包括一个或多个附加或替代的参数。因此，该过程可以确定运行状况与在不同位置测量的声音信号之间的相关性。将理解的是，当第一声音信号和附加的声音信号是在足够短的时间段内测量的(在该足够短的时间段期间内泵组件的运行状况没有显著改变)时，仅获得至少一个第一运行参数就足够了。

因此，在不同时间和/或位置测量多个声音信号允许该过程确定所测得的声音信号和其他信息之间的相关性，特别是所测得的声音信号和供水系统的泵组件的运行状况之间的相关性，并使用所确定的相关性来确定用于降低声学噪声的合适参数。在不同时间和/或位置测量多个声音信号在声学噪声的确切来源未知或不确定的情况下可能是特别有用的，例如，当供水系统包括可能是感知到的噪声不适的来源的多个组件(例如多个泵组件)时。多个测量可以在确定哪个泵组件用来确定经调整的控制参数方面帮助该过程。类似地，多个测量可以允许该过程确定在不同时间应用的经调整的参数的多个可替代的集合，所述不同时间例如在一天中的不同时间或在用户停留于建筑物内的不同位置时。

在一些实施例中，该方法包括：

-在泵组件基于一组初始运行参数运行时测量第一声音信号，

-控制泵组件基于一组初步改变的运行参数运行，以及

-在泵组件基于初步改变的运行参数运行时，测量至少一个附加的声音信号，并且其中，确定供水系统的一个或多个经调整的控制参数还基于至少一个附加的声音信号和该组初步改变的运行参数。

特别地，控制泵组件可以包括初步改变泵组件的一个或多个控制参数，以便使泵组件基于初步改变的运行参数而运行。

因此，会受到影响的控制参数的结果所得的调整的确定可以基于第一声音信号和至少一个附加的声音信号、以及相应的初始运行参数和初步改变的运行参数。

将理解的是，该过程可以包括基于又另外的初步改变的运行参数而对又另外的声音信号的测量。运行参数的初步改变可以以确定的或随机的方式选择，特别是以便允许探索泵组件的状态空间。

第一声音信号和附加声音信号可以作为离散测量结果或作为组合声音信号的单个连续测量结果而被测量，在组合声音信号的情况下第一声音信号构成组合声音信号的初始部分，且附加声音信号构成组合声音信号的后续部分。例如，在连续测量期间，运行参数可以在离散的步骤中或以渐进的方式改变，例如通过在连续测量期间逐渐改变运行参数。例如，该过程可以包括以不同的速度运行泵组件，例如，在泵组件以不同的速度运行时逐渐地或离散地改变测量声音信号的速度。

该过程可以通过用户录入第一运行参数的参数值来获取至少第一运行参数。为此，用户可以在泵组件的显示器上读取参数值，并将读取的参数值手动录入到移动设备或其他数据处理系统中。替代地，至少第一运行参数可以从泵组件接收，例如通过与泵组件的有线或无线通信。为此，执行该方法的移动设备或其他数据处理系统可以与泵组件建立直接或间接的通信链路，并接收泵组件的一个或多个运行参数。因此，执行本文所述方法的实施例的移动设备或其他数据处理系统可以包括数据通信接口，例如有线或无线通信接口。无线通信接口的示例包括射频通信接口，例如蓝牙接口、wifi接口等。其他示例包括近场通信接口或另一类型的非接触式通信接口。因此，泵组件还可以包括对应的数据通信接口，并被配置为将一个或多个运行参数传输到移动设备或其他数据处理系统。运行参数的通信可以是从泵组件到移动设备的直接通信或间接通信。例如，泵组件可以将运行参数传达到远程主机系统，并且移动设备可以从远程主机系统接收运行参数。

例如，移动设备或其他数据处理系统可以被配置为，在接收到关于感知到的声学噪声引起的不适的用户指示时，指示用户将移动设备或其他数据处理系统的麦克风移动到感知到噪声不适的位置。然后，移动设备或其他数据处理系统可以发起对声音信号的测量。移动设备或其他数据处理系统可以进一步建立与泵组件的通信，并接收运行参数。为此，移动设备可以指示用户将移动设备移动到泵组件的通信范围内，或者以其他方式与泵组件建立无线或有线连接。优选地，运行参数与测量结果同时获得，或者至少在与测量第一声音信号的时间相近的时间获得、以及在感知到噪声不适的同时获得，以确保测量的第一声音信号和获得的运行参数能够代表在测量第一声音信号时和感知到噪声不适时泵组件的运行状况。替代地，如果泵组件包括用于将运行参数记录在日志中的存储设备，则关于在测量第一声音信号时的运行参数的信息可以在以后的时间点从日志中获得。又替代地，如果泵组件将运行参数传达到远程主机系统，并且远程主机系统包括用于将运行参数记录在日志中的存储设备，则关于第一声音信号的测量时的运行参数的信息可以在以后的时间点从日志中获得。

对确定运行状况和测量的第一声音信号之间的相关性以及对确定供水系统的一个或多个经调整的控制参数有用的泵组件的运行参数的示例包括：泵的速度、阀的设置、所供应的电力的电压和/或频率、开关频率、调制模式和/或类似的参数。

本文所公开的方法的实施例基于测量到的第一声音信号和所述获得的第一运行参数和/或感知到的噪声的程度的用户指示，确定供水系统的一个或多个经调整的控制参数。为此，该过程可以包括一个或多个声音信号处理步骤，例如滤波、频率分析、更高级的信号分析和/或类似的步骤。声音信号处理可以例如导致表示测量的声音信号的一个或多个属性。在一些实施例中，属性包括以下中的一个或多个：一个或多个声级、一个或多个主导频段、一个或多个谐波族、一个或多个边带效应等。在一些实施例中，属性包括附加的或替代的属性，例如一个或多个声音质量指标。因此，在一些实施例中，信号处理包括计算一个或多个声音质量指标，例如响度、锐度、粗糙度、波动强度、音调噪声比等，以量化测量的第一声音信号的特性。因此，信号处理可以包括特征提取过程，其用于提取和量化测量的第一声音信号的详细声学特性。

在一些实施例中，确定供水系统的一个或多个经调整的控制参数包括对测量的第一声音信号和所述获得的第一运行参数和/或接收到的感知到的噪声的程度的用户指示进行处理，以确定泵组件的运行状况与测量的第一声音信号之间的相关性和/或感知到的噪声不适与测量的第一声音信号之间的相关性，并基于所述处理来确定供水系统的一个或多个经调整的控制参数。运行状况与测量的声音信号之间的相关性的确定可以包括确定对应的参数，例如确定泵的转速和测量的声音信号的主导频率。相关性还可以包括测量的声音信号随时间的变化与运行参数和/或感知到的噪声程度随时间的对应变化之间的相关性。

在一些实施例中，确定供水系统的一个或多个经调整的控制参数包括对测量的第一声音信号进行处理以提取第一声音信号的一个或多个特征和/或标记(signature)。特别地，该处理可以包括将一个或多个特征提取算法应用到测量的第一声音信号。该处理可以进一步包括将提取的一个或多个特征和/或标记映射到一个或多个噪声类别。在一个实施例中，噪声的类别可以包括液压噪声、马达噪声、共振噪声和/或类似的噪声。相应地，噪声的类别可以涉及按噪声源和/或按噪声类型对噪声的分类。该过程还可以进一步将提取的特征和/或标记已被映射到的一个或多个噪声类别映射到要被调整的一个或多个候选控制参数，以便降低噪声。可选地，该映射可以进一步包括确定针对(一个或多个)候选控制参数的估计的调整程度。到一个或多个控制参数的映射和/或估计的调整程度的确定可以进一步取决于所获得的第一运行参数，即取决于泵组件的当前运行状况。

上述映射中的每一个或两个都可以借助于查找表或合适的数学模型(诸如基于规则的模型或机器学习模型)来进行。例如，机器学习模型可以被训练成将声音信号映射到特征和/或将特征映射到噪声类别和/或映射到要被调整的候选参数。在一些实施例中，上述映射可以由多层神经网络或另一个合适的机器学习模型来执行。

在一些实施例中，确定一个或多个经调整的控制参数可以基于附加信息，例如由用户输入的信息、关于感知到不适的位置的信息或类似信息。由用户输入的信息可以包括如本文所述的声学噪声的表征。接收到不适的位置可以被表示为到泵组件或到供水系统的另一个组件的距离或以不同的方式表示。例如，附加信息可以包括关于感知到不适的位置的信息，例如相对于泵组件的位置，诸如相对于泵组件的距离。附加信息可以例如在基于提取的声音信号的特征对噪声进行分类的期间使用。例如，当到泵组件的距离相对短时，噪声可能是空气传播的，而在离泵组件或其他可能的噪声源较大的距离处感知到的噪声可能是结构传播的或流体传播的。

在一些实施例中，确定一个或多个经调整的控制参数可以基于一个或多个参数调整规则或模型，例如基于规则的模型、决策树、专家系统和/或机器学习模型(诸如神经网络和/或另一种类型的人工智能系统)。例如，人工智能系统可以接收测量的声音信号的表示和获得的运行参数和/或感知到的噪声程度的指示、以及可选地作为输入的附加信息，并提供一组控制参数值作为输出。例如，可以训练机器学习过程以基于一组训练示例确定控制参数。每个训练示例可以包括测量的声音信号、泵组件的对应运行参数、以及可选地附加信息。每个训练示例可以另外包括一组控制参数，其已经被确定为在由测量的声音信号和相应训练示例的运行参数所代表的情况下提供感知到的声学噪声引起的不适感的减少。所述运行参数可以从由过程从用户接收的反馈来确定，例如以在实施调整之后感知到的不适的水平变化的指示的形式。上述数据可以在先前的降低声学噪声的努力期间例如已经被收集在现实生活中的装置中。该数据可用于使用如本技术中已知的训练算法来训练机器学习模型，例如神经网络。

在一些实施例中，该过程可以将测量的第一声音信号和/或测量的第一声音信号的一个或多个属性传达给远程主机系统。例如，该过程可以将对测量的声音信号执行的声音处理步骤的一个或多个结果传达给远程主机系统。此外，该过程可以将诸如用户反馈和/或关于对系统控制的调整的信息之类的附加数据传达给远程主机系统。还另外，在该过程包括测量附加声音信号的实施例中，该过程可以将附加声音信号和/或其确定的属性和/或相关联的附加数据传达给远程主机系统。相应地，远程主机系统可以从多个供水系统收集数据，并将所收集的数据用作用于训练更新的机器学习模型的训练示例，以在随后确定经调整的控制参数时使用。因此，远程主机系统可以在给定跨多个装置/系统的反馈的情况下完善最佳行动(策略)。这种完善可以自动完成，例如使用机器学习，或者至少部分地基于用户输入。远程主机系统可以是适当编程的服务器计算机或其他数据处理系统，诸如分布式数据处理系统、虚拟机等。因此，远程主机系统可以接收来自多个移动设备的对应数据和/或与多个用户和/或多个供水系统相关联的数据。远程主机系统可以应用合适的机器学习方法，例如强化学习，以在给定跨多个系统和/或用户的输入和反馈的情况下训练更新的机器学习模型。然后，远程主机系统可以将更新的机器学习模型传输到移动设备，以便由移动设备在将来分析后续声音信号时使用。替代地，在由远程主机系统应用模型的实施例中，远程主机系统可以不需要将更新的模型传输到移动设备，而仅仅是响应于接收到后续输入集合而应用更新的模型。在一些实施例中，在给定跨多个装置/系统的反馈的情况下精炼的最佳行动(策略)还可以用于定义在制造或以其他方式配置泵时要使用的控制参数的默认参数设置。

一般而言，经调整的控制参数的确定可以基于指示运行状况和声音信号之间的已知相关性的存储数据。将理解的是，可以采用许多不同的模型，包括混合模型，其包括一个或多个机器学习组件和其他例如基于规则的组件。在一些实施例中，模型可以包括机器学习分类模型，其将从测量的声音信号中提取的特征和可选地泵系统的运行参数映射到几个预定的控制策略类别中的选中的一个。每一个控制策略可以由一个或多个控制参数定义，或以其他方式与一个或多个控制参数相关联。机器学习模型的训练可以作为监督学习来执行。在一些实施例中，机器学习模型可以使用强化学习方法进行训练。强化学习方法可以使用感知到的噪声的程度作为奖励反馈。

一般来说，泵组件和/或供水系统的其他组件的许多可调整的控制参数会影响由供水系统产生的噪声。因此，本文描述的过程的各种实施例可以控制不同类型的控制参数，包括用于控制泵组件的运行的一个或多个控制参数和/或用于控制供水系统的一个或多个其他组件的运行的控制参数。可以由本文描述的过程的一些实施例调整的控制参数的示例包括以下中的一个或多个：泵速度、阀的设置、用于驱动泵电机的驱动电流的频率和/或电压、泵组件的控制模式、指示选中的控制策略的参数和/或类似的参数。

在一些实施例中，该方法包括至少确定经调整的第一组控制参数和经调整的第二组控制参数。因此，控制可以包括选择第一组控制参数和第二组控制参数中的一个，例如，条件是以下中的一个或多个：用户输入、一天中的时间、一周中的星期几、供水系统的运行模式。例如，该过程可以确定控制参数的两个或更多个替代的调整，并且可以给予用户选择其中一个替代方案的选项。为此，该过程可以允许用户试探性地尝试每一个替代的调整，并且然后选择导致感知到最低不适的调整作为最终调整。替代地，该过程可以自动调整供水系统的控制参数。替代地或另外，该过程可以确定多组替代的控制参数值，并基于所确定的替代组中的相应组在不同时间选择性地控制供水系统。例如，该过程可以产生一组控制参数，该组控制参数导致在建筑物的卧室中感知到最低不适，并且该过程可以在夜间用户可能呆在卧室中时选择该组控制参数。在一天中的其他时间，该过程可以选择不同组的控制参数，例如导致在建筑物的其他位置处感知到较低噪声不适的一组控制参数和/或由于其他原因(例如为了提高水电系统的性能、节约能源和/或类似的原因)而优选的一组控制参数。在一些实施例中，该过程可以创建多个用户特定的运行配置文件(operationalprofile)，每个配置文件具有相应的控制参数的组。该过程可以允许用户手动选择各个配置文件和/或提供在不同用户配置文件之间自动切换的机制，例如基于一天中的某个时间、一周中的某一天、供水系统的运行状况和/或类似情况。手动选择可以经由泵组件的用户接口、远程控制、中央控制单元等来完成。

在一些实施例中，该过程接收来自用户的反馈，例如响应于基于确定的控制参数来控制供水系统。该反馈可以例如以用户输入的形式，例如在两个或更多个选项之中的用户选择。用户反馈可以指示感知到的噪声程度或感知到的噪声程度的变化。例如，在已经调整控制参数之后，该过程可以请求关于感知到的噪声不适是否已经得到改善、变坏或保持不变的用户反馈。这样的用户反馈可以允许该过程以迭代的方式，例如使用强化学习或另一个合适的自适应策略，得出控制参数的最佳选择。为此，根据一些实施例，该方法包括：接收指示至少在第一位置感受到的用户感知的噪声不适的变化的用户指示；以及可选地响应于接收到的用户指示而重复测量、获取、确定和控制。因此，即使不能完全避免声学噪声，该过程也允许将噪声至少适配于用户的个人声音质量偏好。

替代地或另外，接收到的用户反馈可以用于创建或至少补充一组训练示例，以用于训练被配置为如本文所述确定经调整的控制参数的机器学习模型。特别地，测量的第一声音信号、获得的运行参数、确定的经调整的控制参数和用户反馈可以一起形成用于训练后续机器学习模型的训练示例。

一般来说，由于控制参数的调整基于初始用户输入和/或用户反馈，因此，控制参数的调整可以基于一个或多个个体参数适配规则(例如个体用户度量)，其是基于输入和/或反馈针对个体用户来定义的。特别地，该过程可以基于用户输入和/或反馈来实现对泵组件的个性化主动控制。

供水系统的实施例包括泵组件。泵组件的一些实施例包括泵和电机(例如电动机)、以及控制电机的控制电路。供水系统的一些实施例还包括诸如管道、阀、蓄水池、锅炉等的组件。在一些实施例中，供水系统包括两个或更多个泵组件；其中，获取包括从每个泵组件中获取相应的运行参数，并且其中确定经调整的控制参数包括确定所述泵组件中的至少一个(例如至少两个)的经调整的控制参数。因此，该过程可以确定多个泵组件中的哪一个可能是感知到的噪声不适的起源，例如通过确定所述泵组件的运行状况与测量的(一个或多个)声音信号之间的最强相关性。此外，该过程可以降低与多个泵组件的运行之间的干扰相关的声学噪声。

在一些实施例中，执行本文所述方法的实施例的移动设备或其他数据处理系统可以将确定的经调整的控制参数传达到用于控制供水系统的控制电路，例如经由有线或无线数据通信连接。为此，执行该方法的移动设备或其他数据处理系统可以与泵组件和/或与供水系统的另一个组件建立直接或间接的通信链路，以便将一个或多个经调整的控制参数传输到泵组件或其他组件，并使泵组件或其他组件基于所传输的控制参数来运行。因此，执行本文所述方法的实施例的移动设备或其他数据处理系统可以包括数据通信接口，例如有线或无线通信接口。无线通信接口的示例包括射频通信接口，例如蓝牙接口、wifi接口或类似的接口。其他示例包括近场通信接口或另一种类型的非接触式通信接口。因此，泵组件或其他组件可以包括对应的数据通信接口，并被配置为接收由移动设备或其他数据处理系统传输的经调整的控制参数。在一些实施例中，将经调整的控制参数从移动设备传达到远程主机系统，该远程主机系统进而将经调整的控制参数传达到泵组件或供水系统的其他部分。

要指出的是，上述和下文所述的计算机实现方法的各种实施例的特征可以通过程序代码部件(诸如计算机可执行指令)的执行而使得至少部分地在软件或固件中实现，并在数据处理系统或其他处理部件上执行。在这里以及在下文中，术语处理部件包括被适当适配成执行上述功能的任何电路和/或设备。特别地，上述术语包括通用或专用可编程微处理器、数字信号处理器(dsp)、特定用途集成电路(asic)、可编程逻辑阵列(pla)、现场可编程门阵列(fpga)、图形处理单元(gpu)、专用电子电路等，或其组合。

本公开涉及不同的方面，包括上述方法以及在下文中进一步描述的方法、系统、设备和产品部件，每个都产生与其他方面中的一个或多个相关地描述的优点和优势中的一个或多个，并且每个都具有与本文所述的和/或所附权利要求书中公开的其他方面中的一个或多个相关地描述的实施例相对应的一个或多个实施例。

特别地，本文公开的另一个方面涉及被配置为执行本文所述方法的操作的数据处理系统的实施例。为此，数据处理系统可以具有存储在其上的程序代码，其被配置为在由数据处理系统执行时使数据处理系统执行本文所述方法的操作。在一些实施例中，数据处理系统可以包括移动设备，特别是便携式数据处理设备，例如平板计算机或移动电话。移动设备可以包括用于测量声音信号的麦克风和/或用于与泵组件和/或供水系统的其他组件通信的数据通信接口。移动设备可以被适当地编程，例如通过应用程序或其他形式的软件，以单独作为独立的设备或作为分布式数据处理系统的一部分(例如作为客户端-服务器系统的客户端终端或作为基于云的架构的客户端终端)来执行本文所述过程的实施例。

本文公开的再一个方面涉及计算机程序的实施例，所述计算机程序被配置为使数据处理系统执行上文和下文所述的计算机实现的方法的步骤。计算机程序可以包括程序代码部件，其被适配为当在数据处理系统上执行程序代码部件时，使数据处理系统执行上文和下文中公开的计算机实现的方法的步骤。计算机程序可以被存储在计算机可读存储介质上(特别地被存储在非瞬态存储介质中)或者体现为数据信号。非瞬态存储介质可以包括任何合适的用于存储数据的电路或设备，例如ram、rom、eprom、eeprom、闪存、磁或光存储设备，例如cdrom、dvd、硬盘和/或类似设备。

附图说明

上述和其他方面将从下面参照附图描述的实施例而明显和被阐明，在附图中：

图1示意性地示出了供水系统和与供水系统通信耦接并配置为控制供水系统的移动设备。

图2示意性地示出了供水系统和与供水系统通信耦接并配置为控制供水系统的移动设备的框图。

图3示出了控制供水系统的过程。

图4示出了基于测量的声音信号确定参数调整的过程。

图5示出了控制供水系统的另一个过程。

图6示出了控制供水系统的又一过程。

具体实施方式

图1示意性地示出了一般由参考数字100指定的供水系统、以及经由通信链路60与供水系统通信耦接的并被配置为调整供水系统的控制的移动设备30。供水系统100包括泵组件20和其他组件，在本示例中以水锅炉10来说明。虽然为了便于说明而在图1中没有明确示出，但是将理解的是，供水系统的实施例典型地包括许多替代的或附加的组件，例如阀、仪表、附加的泵组件、管道、过滤系统和/或类似的组件。

移动设备30可以例如由技术人员40或由供水系统的用户运行。虽然移动设备30被示出为移动电话，但是将理解的是，供水系统的实施例可以由其他类型的数据处理系统来控制，该其他类型的数据处理系统例如其他类型的移动设备，例如适当编程的平板计算机或其他类型的便携式数据处理设备。还将理解的是，供水系统可以由多于一个移动设备或其他数据处理系统来控制。例如，可以为每个服务技术人员或甚至每个用户提供移动设备。还将理解的是，移动设备30不需要可运行为仅用于控制单个供水系统，而是可以替代地可运行为基于感知到的声学噪声引起的不适的指示以及基于如本文所述的测量的声音信号来控制不同的供水系统。

移动设备30被配置为例如经由移动设备的用户接口来接收感知到的声学噪声引起的不适的指示，例如包括感知到的噪声不适的程度的指示。移动设备30还被配置为测量在已经感知到声学噪声引起的不适的位置处的声音信号50，特别是代表源自供水系统100的声学噪声的声音信号。此外，移动设备30被配置为与泵组件20建立通信链路60，以便经由通信链路60从泵组件接收泵组件的至少一个运行参数，其代表在所述测量声音信号时泵组件的运行状况。运行参数的示例包括泵速度、驱动电流的频率和/或电压、运行模式和/或其他设置等。移动设备30还被配置为基于测量的声音信号，并且基于接收到的运行参数和/或感知到的噪声的程度的指示来确定供水系统的一个或多个经调整的控制参数。移动设备30还被配置为基于所确定的经调整的控制参数来控制泵组件，例如通过经由通信链路60将经调整的控制参数传输到泵组件，以便促使泵组件基于经调整的控制参数来运行。将理解的是，移动设备可以被配置为控制供水系统的其他组件，例如，通过确定用于这些其他组件的经调整的控制参数以及通过将经调整的控制参数传输到其他组件。为此，移动设备可以与供水系统的其他组件建立相应的通信链路。替代地，移动设备可以将经调整的控制参数传达到泵组件20或供水系统的中央控制单元(未示出)(该中央控制单元然后可以将控制参数转发到经调整的控制参数所属于的相关组件)，或者基于经调整的控制参数来控制其他组件。

图2示意性地示出了供水系统和与供水系统通信耦接并配置成控制供水系统的移动设备(例如图1的移动设备和供水系统)的框图。供水系统100包括泵组件20和附加组件10，例如阀、仪表、附加泵组件、管道、锅炉、过滤系统和/或类似物。泵组件包括电机21和由电机驱动的泵24。泵组件还包括电机控制器23，其用于控制电机21的运行。电机控制器可以例如包括适当编程的微处理器和/或其他控制电路。电机控制器包括存储或以其他方式表示一个或多个控制参数的存储器231或其他合适的电路，其中基于所述一个或多个控制参数来控制电机。控制参数可以包括以下中的一个或多个：控制模式、电机的速度、控制电流/信号的一个或多个控制电压、频率和/或类似物，和/或类似物。泵组件还包括通信接口22，其可以是有线接口或无线接口。例如，有线接口可以包括电连接器，例如用于建立与外部设备(例如与移动设备30)的有线通信接口的usb端口。无线通信接口的示例可以包括无线电收发器(例如蓝牙收发器)、wifi适配器或类似物。无线通信接口的其他示例包括红外接口、近场通信接口和/或类似物。

移动设备30包括通信接口32，例如配置为建立与泵组件的通信接口22的通信链路60的有线或无线通信接口。因此，有线接口可以包括电连接器，例如用于建立与泵组件的通信接口22的有线通信接口的usb端口。无线通信接口的示例可以包括无线电收发器，例如蓝牙收发器。无线通信接口的其它示例包括红外接口、近场通信接口和/或类似的接口。通信链路60可以是直接通信链路或例如经由本地网络的间接通信链路。移动设备30还包括麦克风31或用于测量声音信号的其他合适的换能器(transducer)。麦克风可以是移动设备的内置麦克风。替代地，麦克风可以是可连接到移动设备的外部麦克风。移动设备还包括用户接口35(例如触摸屏或另一种类型的显示器)和/或用于接收用户输入的其他类型的设备，例如物理按钮、指向装置(例如鼠标)、触控板、用于捕捉用户手势的相机和/或类似物。移动设备还包括处理单元33，例如适当编程的微处理器、cpu和/或类似物。处理单元与麦克风、通信接口和用户接口通信耦接。处理单元33被编程为执行本文所述过程的实施例的一些或所有步骤。为此，移动设备包括存储器34，其用于存储程序代码(例如一个或多个应用程序)、以及用于存储数据(例如用于存储记录的声音信号和/或接收到的运行参数)。

在一些实施例中，移动设备30可以进一步被配置为与主机系统70通信，例如经由蜂窝电信网络或经由合适的计算机网络，例如互联网。为此，移动设备可以包括合适的无线电接口36。移动设备30可以将测量的声音信号和/或接收到的运行参数和/或用户反馈信息传达给远程主机系统70。远程主机系统可以是适当编程的服务器计算机或其他数据处理系统，例如分布式数据处理系统、虚拟机等。远程主机系统70可以分析从移动设备30接收的信息，并将经调整的控制参数返回给移动设备，该移动设备然后可以经由通信链路60将经调整的控制参数转发给泵组件20。在其他实施例中，移动设备30可以以独立工作模式来运行，其中移动设备自身对测量的声音信号、运行参数和用户反馈执行分析，并自己确定经调整的控制参数。

不管是移动设备30还是远程主机系统70执行数据分析和经调整的控制参数的确定，移动设备30仍然可以被配置为与主机系统70通信，并将获得的数据传达给远程主机系统，以便由主机系统用来创建改进的数据分析模型，例如通过实施机器学习过程。

图3示出了控制供水系统的过程，例如，由图1或图2的移动设备执行以用于控制图1或图2的供水系统的过程。

在初始步骤s1中，该过程接收用户指示，其指示至少在第一位置处感受到的用户感知的声学噪声引起的不适。例如，移动设备的用户可以调用移动设备上的应用程序。该过程可以接收关于声学噪声引起的不适的附加信息，例如指示感知到的不适的严重性或其他程度、声学噪声的类型、感知到噪声的位置、噪声出现的时间和/或类似的附加信息。

在步骤s2中，该过程请求用户将移动设备放置在感知到声学噪声引起的不适的位置处。当用户已经将移动设备放置在所述位置时，用户可以例如通过按下移动设备上的按钮来确认该位置。

在步骤s3中，移动设备与供水系统的泵组件建立通信，并接收来自泵组件的运行参数。为此，移动设备可以确定泵组件是否在移动设备的通信范围内，并与所述泵组件建立连接。如果多个泵组件处于通信范围内，则移动设备可以与它们全部建立通信，并接收来自通信范围内的所有泵组件的运行参数。如果没有泵组件处于通信范围内(或者如果被怀疑引起噪声不适的泵组件不处于通信范围内)，则移动设备可以指示用户最初将移动设备移动到泵组件的通信范围内的位置处，以便在返回到要执行声音测量的位置之前能够接收泵组件的运行参数。

在步骤s4中，移动设备记录音频持续一段时间，例如持续一段预定的时间或一段用户可控制的时间，例如持续几秒或者甚至持续几分钟。在一些实施例中，步骤s2至s4中的一个或多个可以重复，例如在一天中的不同时间或在测量声音信号时移动设备被放置于的不同位置处，或者为了从放置于不同位置的多个泵组件接收运行参数。因此，该过程获取一组或多组数据，其包括相应的声音信号和相关联的运行状况以及附加信息，例如用户输入、位置信息、时间信息等。

在步骤s5中，移动设备可以请求用户提供用户输入，其代表感知到的声学噪声引起的不适的特性，例如包括程度。用户输入可以是以多种形式的。例如，移动设备可以通过电子问卷的一个或多个问题或通过向导过程的步骤来引导用户。例如，可以请求用户在预定的尺度上对不适的水平进行评级和/或指示不适或噪声的特性。甚至可以要求用户提供对不适的自由文本描述。如果在不同的时间和/或位置执行测量步骤s2至s4中的一个或多个，则该过程同样可以接收用户反馈，其指示在所述不同时间和/或位置感知到的噪声。

如果接收到的用户输入指示不适的水平是令人满意的，则该过程可以终止；否则，该过程在步骤s6处继续进行。

在步骤s6处，该过程分析测量的(一个或多个)声音信号、从一个或多个泵组件接收的运行参数和用户反馈，以便确定一个或多个经调整的控制参数来控制一个或多个泵组件。如果该过程确定噪声不太可能是由供水系统引起的或者不能通过控制泵组件或供水系统的其他组件来影响，则该过程可以相应地通知用户，例如经由移动设备的显示器。例如，该过程可以对运行参数和测量的声音信号执行相关性分析，例如，以便确定声音信号的主导频谱内容是否与泵组件或多个泵组件中的一个相关。当测量的声音信号的主导频率与例如一个/多个泵组件的旋转速度无关时，该过程可以确定声学噪声与供水系统无关。类似地，该过程可以执行特征提取和噪声分类过程以确定测量的噪声的类别。当确定的噪声类别与例如供水系统的运行状况无关时，该过程可以确定声学噪声与供水系统无关。

经调整的控制参数的确定(例如相关性分析)可以至少部分地基于移动设备相对于泵组件的位置，例如如由到泵组件的距离所定义的。位置信息可以由用户手动输入，或者它可以自动确定，例如通过移动设备的位置追踪、到泵的通信链路的信号强度和/或类似物来自动确定。

下面将参照图4描述用于分析声音信号的可能过程的示例。

仍参照图3，在步骤s7处，该过程基于经调整的控制参数对一个或多个泵组件进行控制，例如通过将经调整的控制参数传输给泵组件。

然后，该过程返回到步骤s3，并执行获取运行参数、声音测量结果和用户反馈的另一次迭代，从而确定不适的水平是否已经降低。例如，当泵以一定的速度(rpm)运转时，共振噪声可能出现在供水系统的其他部分中，或者甚至出现在与供水系统机械耦接的建筑物的其他结构部分中。如果旋转速度与系统或其他结构的共振频率相匹配，则可能发生恼人的噪声。因此，该过程可以调整泵系统的控制参数，以便使泵系统不以对应于测量的声音信号的主导频率的旋转速度来运行。这个过程可以被重复若干次，直到不适已经达到令人满意的水平为止，或者直到该过程确定通过调整控制参数不能实现不适的进一步减少为止。

在一些实施例中，该过程可以将获取的和/或处理的数据、用户反馈和关于对系统控制的调整的信息中的一些或全部传达给远程主机系统。相应地，远程主机系统可以从多个供水系统收集数据，并在给定跨多个装置/系统的反馈的情况下使用所收集的数据来完善最佳行动(策略)。这种完善可以自动完成(例如使用机器学习)，或者至少部分地基于用户输入而完成。

图4示出了基于测量的声音信号来确定参数调整的过程。

在步骤s61中，该过程对测量的声音信号50执行特征提取步骤。特征提取过程可以从测量的声音信号中提取多个特征，其也称为声学标记。特征提取过程可以使用现有技术中就其本身而言已知的用于从声学信号中提取特征的任何方法，例如主成分分析等。特征提取可以在时域、频域和/或时频域中执行。时域中的特征提取可以例如使用信号的能量包络来提取声学特征。替代地或另外，可以使用信号在时间区间内的零交叉的数量。频域中的特征提取可以采用诸如快速傅里叶变换和/或功率谱密度(psd)之类的技术。用于在时频域中提取特征的合适技术包括短时傅里叶变换(stft)和小波变换(wt)。

在步骤s62中，该过程基于提取的特征确定噪声类别。为此，该过程可以采用合适的分类器。分类器提供用于将特征空间划分为各种区域的函数或规则，其中每个区域属于一个特定的噪声类别。一般来说，基于对信号分布参数的了解，可以将分类器归类为参数分类器和非参数分类器。参数分类器是一种可以用封闭形式(closedform)表示的分类器，即，关于针对每个类别的概率密度函数做出一些假设，而在非参数分类器中，关于密度函数不做任何假设。合适的分类器的示例包括贝叶斯分类器、支持向量机、高斯混合模型、隐马尔科夫模型、人工神经网络、决策树、基于模糊逻辑规则的分类器或其组合。

分类器接收所提取的特征，例如以特征向量的形式。在一些实施例中，分类器可以另外接收指示泵系统20的当前运行状况的一个或多个运行参数，例如当前的泵速度、电压、驱动频率、运行模式等。

替代地或另外，分类器可以另外接收来自用户40的一个或多个输入，例如指示感知到的噪声的位置的一个或多个输入、指示用户对噪声的主观分类或评级的一个或多个输入(例如感知到的噪声的程度的指示)、和/或类似物。

在步骤s63中，该过程选择要调整的泵系统的一个或多个控制参数。要调整的参数的选择可以基于确定的噪声类别。可选地，要调整的参数的选择还可以基于附加输入，特别是基于系统的当前运行参数和/或基于用户输入。该选择可以由基于规则的系统、由机器学习模型(例如人工神经网络)或由其组合来执行。

在步骤s64中，该过程确定所选择的参数的具体调整。如先前的步骤那样，该确定可以基于所确定的噪声分类，并且可选地基于进一步的输入，例如基于系统的当前运行参数和/或用户输入。该确定可以由基于规则的系统、由机器学习模型(例如人工神经网络)或由其组合来执行。

将理解的是，在一些实施例中，上述步骤中的一些步骤可以合并成单个步骤或由相同的基于规则的系统和/或机器学习模型来实现。例如，可以使用多层神经网络，在其中一个或多个初始层执行特征提取并且一个或多个后续层执行分类和参数选择任务。

图5和图6示出了控制供水系统的过程的示例。特别地，图5和图6示出了过程如何在移动设备30和远程主机系统70(例如如参照图1和/或图2描述的系统)之间分布的示例。

图5和图6的过程中的过程确定在给定的情况下(即，针对给定的一组输入)要应用的控制策略，以使得感知到的噪声不适被最小化。输入可以包括以下中的一个或多个：所计算的声学指标和/或声学标记、位置、建筑物信息、用户信息等。为此，该过程可以利用强化学习(参见例如richards.sutton和andrewg.barto，1998年，introductiontoreinforcementlearning(第一版)，mitpress，cambridge，ma，usa)。一般来说，强化学习寻求学习一个好的策略(即学习在给定当前状况下采取一个动作)，以便最大化某种奖励。在当前的实施例中，状态可以由所计算的声学指标和/或声学标记连同可选的附加信息(位置、建筑物信息、用户信息等)来定义。可采取的一组动作由不同的控制策略和作为用户反馈的奖励信号来定义，该用户反馈可以由单个标量值表示，并且可以表示噪声不适已通过给定动作而如何改善的指示。在一个特定的实施例中，可以应用q学习。由于强化学习可能要求相对多的交互(试验)来学习一个好的策略，所以一些实施例可以跨多个用户和/或跨多个系统来执行强化学习过程，例如q学习过程，即，所有数据被收集在一个单个池中并且然后学习单个策略，该策略然后被应用到所有用户/系统。因此，强化学习过程可以有利地由中央主机系统实现，例如，如图5和图6所示。

图5的系统类似于结合图2描述的系统，并且包括移动设备30和主机系统70。移动设备30与远程主机系统通信耦接，所有都如结合图2所述的那样。

在运行期间，移动设备30记录声音信号50。移动设备30还实现了用于基于记录的声音信号来确定经调整的控制参数的过程。例如，为此，移动设备可以实现如结合图3和/或图4所述的过程。特别地，移动设备可以计算记录的声音信号的一个或多个指标和/或标记，并将计算的指标/标记馈送到实现控制策略的计算模型中。可选地，移动设备可以进一步将附加信息馈送到计算模型中，所述附加信息例如位置信息、用户信息(例如用户的年龄)等。又另外地，移动设备还可以将从用户40接收的输入馈送到计算模型中，在其中该输入指示感知到的噪声的属性，例如指示不适程度、感知到的响度和/或类似物。该计算模型可以例如包括分类器和随后的参数选择与调整阶段，例如，如结合图4所描述的。控制参数的确定的至少一部分可以由远程主机系统70执行。为此，移动设备30可以将记录的音频和/或提取的声学指标/声学标记、以及可选地附加信息、连同接收到的用户输入一起传输到远程主机系统70。然后，远程主机系统可以返回所确定的用于调整所选择的控制参数的控制策略。

在任何情况下，移动设备然后基于确定的控制参数来控制供水系统100。移动设备还接收来自用户40的输入，该输入指示感知到的噪声或指示响应于所实施的控制参数的变化而感受到的噪声的变化。因此，用户输入可以用作强化学习过程中的奖励。

移动设备可以将接收到的用户输入传输到远程主机系统70。如果移动设备在前一步骤中尚未这样做，则移动设备将记录的音频和/或提取的声学指标/标记以及可选地附加信息连同接收到的用户输入一起传输到远程主机系统70。

基于声音信号和/或所计算的指标/标记、以及可选地作为表示系统状态的输入的附加信息，且基于表示奖励的用户输入，远程主机系统70实施强化学习过程。远程主机系统70接收来自多个移动设备的相应数据和/或与多个用户和/或多个供水系统相关联的数据。在给定跨多个系统和/或用户的输入和奖励反馈的情况下，远程主机系统应用强化学习来学习优化策略(即控制参数的优化选择和调整)。然后，远程主机系统可以将更新的模型(实施更新的控制策略)传输到移动设备，以便由移动设备在将来分析后续声音信号时使用。替代地，在由远程主机系统应用模型的实施例中，远程主机系统可能不需要将更新的模型传输到移动设备，而是仅仅响应于接收到一组后续输入而应用更新的模型。

图6示出了控制供水系统的类似过程。该过程类似于结合图5描述的过程，除了在该实施例中，控制策略所基于的附加信息还包括供水系统100的泵组件20的一个或多个运行参数，例如泵速度、压力测量结果、温度测量结果和/或类似的参数。相应地，移动设备还接收来自泵组件20的一个或多个运行参数。

本文所述方法的实施例可以借助于包括几个不同的元件的硬件来实现，和/或至少部分地借助于适当编程的微处理器来实现。在列举几种部件的装置权利要求中，这些部件中的几个可以由一个且相同的元件、组件或硬件项来体现。在相互不同的从属权利要求中阐述或在不同的实施例中描述某些措施的仅有事实并不指示这些措施的组合不能用于获益。应当强调的是，当在本说明书中使用时，术语"包括/由…构成"被认为是指明所述特征、要素、步骤或组件的存在，但不排除存在或增加一个或多个其他的特征、要素、步骤、组件或其群组。