CN118892566B - 一种洁净灯的自适应杀菌控制方法 - Google Patents

Abstract

本发明公开了一种洁净灯的自适应杀菌控制方法，涉及杀菌技术领域。所述方法包括：采集目标区域内的细菌特征信息，并采集用户特征信息；根据用户特征信息，分析获取多个敏感菌种，获得多个敏感菌种特征信息；构建敏感菌分布，并筛选获得多个杀菌重点区域；根据目标区域在预设历史时间范围内的洁净灯杀菌数据，分析多个敏感菌种的杀菌耐性信息；对目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数；按照最优位置和最优照射控制参数，对洁净灯在目标区域内布设和控制进行杀菌。解决了现有技术中洁净灯难以根据环境自适应调节杀菌参数导致杀菌效果不佳的技术问题，达到了提高洁净灯杀菌效果的技术效果。

Description

一种洁净灯的自适应杀菌控制方法

技术领域

本发明涉及杀菌技术领域，具体涉及一种洁净灯的自适应杀菌控制方法。

背景技术

在当今社会，随着人们生活水平的提高和对公共卫生环境的日益关注，洁净环境的需求越来越迫切。特别是在医疗、食品生产、实验室等对洁净度要求极高的场所，空气中的细菌控制成为了一个不可忽视的问题。洁净灯作为一种新型的杀菌设备，具有无污染、无残留、对人体无害等优点，逐渐成为了洁净环境控制的首选设备之一。然而，传统的洁净灯在杀菌效果上存在着固定位置和参数设置的局限性，无法适应不同环境下的实际需求。为此，提出一种洁净灯的自适应杀菌控制方法，能够实时监测目标区域内的细菌分布和特征，并根据不同菌种的特点和杀菌耐性，自动调整洁净灯的位置和照射控制参数，实现精准、高效的杀菌。

发明内容

本申请实施例提供了一种洁净灯的自适应杀菌控制方法，解决了现有技术中洁净灯难以根据环境自适应调节杀菌参数导致杀菌效果不佳的技术问题。

鉴于上述问题，本申请实施例提供了一种洁净灯的自适应杀菌控制方法。

本申请实施例提供了一种洁净灯的自适应杀菌控制方法，所述方法包括：

采集目标区域内多个监测位置处空气内的细菌特征信息，并采集所述目标区域内的用户特征信息；

根据所述用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选所述多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息；

根据所述多个敏感菌种特征信息，构建所述目标区域内的敏感菌分布，并筛选获得多个杀菌重点区域以及多个重点分布信息；

根据所述目标区域在预设历史时间范围内的洁净灯杀菌数据，分析所述多个敏感菌种的杀菌耐性信息；

根据所述多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对所述目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数；

按照所述最优位置和最优照射控制参数，对洁净灯在所述目标区域内布设和控制进行杀菌。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

首先，采集目标区域内多个监测位置处空气内的细菌特征信息，并采集目标区域内的用户特征信息。接着，根据用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息。然后，根据多个敏感菌种特征信息，构建目标区域内的敏感菌分布，并筛选获得多个杀菌重点区域以及多个重点分布信息。根据目标区域在预设历史时间范围内的洁净灯杀菌数据，分析多个敏感菌种的杀菌耐性信息。根据多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数。最后，按照最优位置和最优照射控制参数，对洁净灯在目标区域内布设和控制进行杀菌。解决了现有技术中洁净灯难以根据环境自适应调节杀菌参数导致杀菌效果不佳的技术问题，达到了提高洁净灯杀菌效果的技术效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种洁净灯的自适应杀菌控制方法流程示意图；

图2为本申请实施例提供的一种洁净灯的自适应杀菌控制方法中分析多个敏感菌种的杀菌耐性信息的流程示意图。

具体实施方式

本申请实施例通过提供一种洁净灯的自适应杀菌控制方法，解决了现有技术中洁净灯难以根据环境自适应调节杀菌参数导致杀菌效果不佳的技术问题。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或模块。

实施例一

如图1所示，本申请实施例提供了一种洁净灯的自适应杀菌控制方法，其中，方法包括：

采集目标区域内多个监测位置处空气内的细菌特征信息，并采集所述目标区域内的用户特征信息；

当执行自适应杀菌控制方法时，首先需要采集目标区域内多个监测位置处空气中的细菌特征信息，例如不同位置的细菌浓度、种类等。同时，也要收集目标区域内的用户特征信息，如用户的身体状况等。可选的，目标区域在病房，通过检测病房多个位置空气内的细菌种类和浓度，以及采集病人的特征，例如病症和康复阶段。通过采集细菌特征信息和用户特征信息，可以更全面地了解目标区域内的细菌状况和用户需求，为自适应杀菌控制提供有力的数据支持。

进一步而言，采集目标区域内多个监测位置处空气内的细菌特征信息，并采集所述目标区域内的用户特征信息，包括：

采集所述目标区域内多个监测位置的空气样本，进行测试，获得多个菌种信息和多个细菌浓度信息集合，作为多个监测位置的细菌特征信息；

采集所述目标区域内用户的监护数据，作为用户特征信息。

在目标区域内选择多个监测位置，采集空气样本进行测试，获得多个菌种信息和多个细菌浓度信息集合。多个菌种信息和多个细菌浓度信息集合将作为多个监测位置的细菌特征信息，其中，每个监测位置的细菌特征信息，包括菌种信息和细菌浓度信息。同时，采集目标区域内用户的监护数据，包括用户的健康状况、年龄、性别等，作为用户特征信息。通过收集用户特征信息，可以了解用户的特定需求和可能对某些细菌更为敏感的人群，从而制定更加个性化的杀菌策略。

根据所述用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选所述多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息；

根据用户特征信息，分析用户可能受到影响的敏感菌种。例如，如果目标区域内有许多儿童或老年人，可能需要关注对他们特别敏感的细菌。针对这些敏感人群，可能需要重点监测和控制与呼吸道疾病相关的细菌，如流感病毒、肺炎球菌等。根据确定的敏感菌种，从多个监测位置的细菌特征信息中筛选出多个敏感菌种的细菌特征信息，得到多个敏感菌种特征信息，包括菌种种类、浓度、活性水平等。

进一步而言，根据所述用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选所述多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息，包括：

基于目标区域的监护数据记录，获取样本用户特征信息集合，并获取不同样本用户特征信息的样本敏感菌种信息集合；

采用所述样本用户特征信息集合和样本敏感菌种信息集合，构建敏感菌种分类器，对所述用户特征信息进行识别分类，获得多个敏感菌种；

按照所述多个敏感菌种，在所述多个细菌特征信息内筛选敏感菌种的特征信息，获得多个敏感菌种特征信息。

根据目标区域的监护数据记录获取样本用户特征信息集合，并从中提取不同样本用户特征信息的样本敏感菌种信息集合，具体来说，从相关医疗和公共卫生数据库中获取与这些用户特征相关的样本敏感菌种信息集合。利用机器学习技术，将样本用户特征信息集合和样本敏感菌种信息集合作为训练数据，来构建一个敏感菌种分类器。敏感菌种分类器能够学习用户特征信息与敏感菌种之间的关联模式，并能够对新的用户特征信息进行准确的识别分类。敏感菌种分类器构建完成后，就可以将目标区域内的用户特征信息输入到分类器中，进行分类识别。通过分类器的处理，能够获得多个敏感菌种，这些菌种是可能对该区域内用户健康构成威胁的细菌种类。根据获取的多个敏感菌种，在多个细菌特征信息中进行筛选。通过对比和匹配，筛选出与敏感菌种相关的特征信息，从而获得多个敏感菌种特征信息。

根据所述多个敏感菌种特征信息，构建所述目标区域内的敏感菌分布，并筛选获得多个杀菌重点区域以及多个重点分布信息；

基于多个位置的敏感菌的浓度特征，构建目标区域内的敏感菌浓度分布，然后筛选浓度最大的区域作为杀菌重点区域。对于每个筛选出的杀菌重点区域，还需要进一步确定其重点分布信息，包括敏感菌的具体种类、浓度分布、活性水平等。通过构建敏感菌分布并确定杀菌重点区域及其重点分布信息，能够更加精准地了解目标区域内敏感菌的分布情况，为后续的杀菌工作提供有力的支持。

进一步而言，根据所述多个敏感菌种特征信息，构建所述目标区域内的敏感菌分布，并筛选获得多个杀菌重点区域以及多个重点分布信息，包括：

根据所述多个敏感菌种特征信息，计算获得多个监测位置的多个敏感菌分布信息，每个敏感菌分布信息包括对应监测位置内的多个敏感菌种平均浓度；

基于所述多个敏感菌分布信息结合插值处理，构建所述目标区域内的敏感菌分布；

基于所述敏感菌分布，筛选获得敏感菌种浓度最大的多个区域，作为多个杀菌重点区域，并获得多个重点分布信息。

根据多个敏感菌种特征信息，计算获得多个监测位置的多个敏感菌分布信息，也就是说对于每个监测位置，需要计算出该位置内多个敏感菌种的平均浓度，可选的，通过将每种敏感菌在该位置的浓度值相加，然后除以敏感菌种的数量，得到敏感菌种的平均浓度。利用这些敏感菌分布信息，并结合插值处理技术如克里金插值或逆距离加权插值，构建出目标区域内的敏感菌分布。通过插值处理可以更精确地估计未设置监测点的区域的敏感菌浓度，从而得到一个连续的、全面的敏感菌分布。基于构建好的敏感菌分布，筛选出敏感菌种浓度最大的多个区域，这些区域将被视为杀菌的重点区域。对于每个筛选出的杀菌重点区域，进一步获取其重点分布信息，包括具体的敏感菌种、浓度范围、分布情况等。

根据所述目标区域在预设历史时间范围内的洁净灯杀菌数据，分析所述多个敏感菌种的杀菌耐性信息；

为了更有效地针对目标区域内的敏感菌种进行杀菌控制，需要分析这些敏感菌种对于洁净灯杀菌的耐性。具体来说，预设历史时间范围可根据实际情况自行设定，如过去一周或一个月。通过获取目标区域在预设历史时间范围内的洁净灯杀菌数据，包含洁净灯的运行记录、杀菌策略、杀菌时间，以及对应的细菌检测结果等，分析目标区域内敏感菌种的杀菌耐性信息，也就是耐杀菌的程度。如果敏感菌种在多次杀菌后仍能维持一定的存活率或浓度，则表明该菌种对洁净灯杀菌具有较强的耐性。

进一步而言，如图2所示，根据所述目标区域在预设历史时间范围内的洁净灯杀菌数据，分析所述多个敏感菌种的杀菌耐性信息，包括：

获取所述目标区域在预设历史时间范围内的洁净灯杀菌数据，其中，洁净灯杀菌数据包括杀菌时长和洁净灯控制参数；

获取样本洁净灯杀菌数据集合，以及不同样本洁净灯杀菌数据后所述多个敏感菌种的杀菌效率递减幅度，作为多个样本杀菌耐性信息集合；

采用所述样本洁净灯杀菌数据集合和多个样本杀菌耐性信息集合，构建杀菌耐性分析器，对所述洁净灯杀菌数据进行分析，获得多个敏感杀菌耐性信息；

基于所述多个敏感杀菌耐性信息，计算获得所述杀菌耐性信息。

可选的，获取目标区域在预设历史时间范围内的洁净灯杀菌数据，包括杀菌时长和洁净灯控制参数（如光强、波长、照射模式等），这些数据反映了洁净灯在目标区域内的实际运行情况和杀菌效果。从历史洁净灯杀菌数据中获取多个样本洁净灯杀菌数据，涵盖不同时间点、不同区域或不同条件下的数据，同时，获取根据不同样本杀菌数据进行杀菌后，多个敏感菌种的杀菌效率递减幅度，具体来说，根据每次杀菌后不同敏感菌种的杀菌效率，计算不同敏感菌种的杀菌效率递减幅度。杀菌效率递减幅度反映了敏感菌种在杀菌过程中的耐性变化，即随着杀菌次数的增加，敏感菌种对洁净灯的杀菌效果逐渐减弱的情况，将这些递减幅度作为多个样本杀菌耐性信息集合。基于样本洁净灯杀菌数据集合和多个样本杀菌耐性信息集合，利用机器学习技术构建杀菌耐性分析器，杀菌耐性分析器将学习洁净灯杀菌数据与敏感菌种杀菌耐性之间的关系。具体来说，分析器将尝试识别哪些洁净灯控制参数和杀菌时长对敏感菌种的耐性影响最大，并预测在给定洁净灯杀菌条件下敏感菌种的耐性变化情况。构建好杀菌耐性分析器后，将目标区域的洁净灯杀菌数据输入杀菌耐性分析器进行分析。杀菌耐性分析器将根据学习到的模型，预测目标区域内多个敏感菌种的杀菌耐性信息，包括在不同洁净灯控制参数和杀菌时长下，敏感菌种的耐性变化情况和杀菌效率递减幅度。基于杀菌耐性分析器输出的多个敏感杀菌耐性信息，计算获得最终的杀菌耐性信息。杀菌耐性信息反映了目标区域内敏感菌种对洁净灯杀菌的耐性程度，从而为制定和调整洁净灯杀菌策略提供重要参考。例如，对于耐性较强的敏感菌种，需要增加杀菌时长、调整洁净灯控制参数或采用其他辅助杀菌手段来提高杀菌效果。

根据所述多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对所述目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数；

在获取了多个杀菌重点区域、多个重点分布信息和杀菌耐性信息后，将对目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数，以确保杀菌效果最大化。

进一步而言，根据所述多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对所述目标区域内洁净灯的位置和照射控制参数进行优化，包括：

构建对目标区域内洁净灯的位置和控制参数进行优化的洁净灯优化函数，如下式：

；

其中，CLB为杀菌适应度，为距离权重，为参数权重，为功率权重，M为多个杀菌重点区域的数量，为根据第i个重点分布信息的大小分配的权重，为洁净灯的位置与第i个杀菌重点区域的照射距离，为预设照射距离，为在所述杀菌耐性信息和第i个重点分布信息下，按照照射控制参数对第i个杀菌重点区域进行照射杀菌的杀菌效率，为照射控制参数下洁净灯的功率，为预设功率；

在洁净灯的照射控制参数内随机生成多个第一位置和多个第一照射控制参数，作为多个第一解；

基于所述洁净灯优化函数，分析计算所述多个第一解的多个第一杀菌适应度；

基于所述多个第一杀菌适应度，对所述多个第一解进行划分、归类，生成多个解集，并进行迭代优化，直到收敛；

输出优化收敛后杀菌适应度之和最大的收敛解集，所述收敛解集内包括多个收敛解；

获取所述多个收敛解内的多个收敛位置，选择与所述目标区域内移动通道距离最大的收敛位置对应的收敛解输出，获得所述最优位置和最优照射控制参数。

为了优化目标区域内洁净灯的位置和控制参数，需要构建一个洁净灯优化函数，并基于该函数进行迭代优化，以找到最优的洁净灯位置和照射控制参数。洁净灯优化函数由三部分组成，分别考虑了洁净灯与杀菌重点区域的距离、照射控制参数的杀菌效率以及洁净灯的功率，其中，CLB为杀菌适应度，为距离权重，为参数权重，为功率权重，M为多个杀菌重点区域的数量，为根据第i个重点分布信息的大小分配的权重，为洁净灯的位置与第i个杀菌重点区域的照射距离，为预设照射距离，为在所述杀菌耐性信息和第i个重点分布信息下，按照照射控制参数对第i个杀菌重点区域进行照射杀菌的杀菌效率即杀菌比例，如杀菌前浓度减去杀菌后浓度的差值与杀菌前浓度的比值，为照射控制参数下洁净灯的功率，为预设功率。在洁净灯优化函数中，照射距离越小杀菌效果越好，杀菌效率越大杀菌效果越好。

在洁净灯的照射控制参数内随机生成多个第一位置和多个第一照射控制参数，作为多个第一解，构成初始解集。基于洁净灯优化函数，分析计算初始解集中每个解的杀菌适应度即CLB值。基于第一杀菌适应度，对初始解集进行划分和归类，生成多个解集。然后，对每个解集进行迭代优化，通过不断调整洁净灯的位置和照射控制参数，以降低其对应的杀菌适应度值，直到解集收敛（即解的变化趋于稳定）。在所有收敛解集中，选择杀菌适应度之和最大的收敛解集。然后，从该解集中获取多个收敛位置，选择与目标区域内移动通道距离最大的收敛位置对应的收敛解作为最优解，输出最优位置和最优照射控制参数。通过这种方式，可以确保洁净灯的位置和照射控制参数在杀菌效果、功率消耗和避免干扰移动通道等方面达到最优。

进一步而言，基于所述洁净灯优化函数，分析计算所述多个第一解的多个第一杀菌适应度，包括：

基于洁净灯对所述多个敏感菌种的杀菌数据记录，获取样本照射控制参数集合、样本杀菌耐性信息集合和样本重点分布信息集合，并获取杀菌后的样本杀菌效率信息集合；

采用所述样本照射控制参数集合、样本杀菌耐性信息集合、样本重点分布信息集合和样本杀菌效率信息集合，构建杀菌效率预测器，对所述多个第一照射控制参数结合所述杀菌耐性信息、多个重点分布信息进行杀菌效率预测，获得多个第一杀菌效率；

根据多个第一位置、多个第一杀菌效率和多个第一照射控制参数下的洁净灯功率，基于所述洁净灯优化函数，计算获得多个第一杀菌适应度。

从洁净灯对多个敏感菌种的杀菌数据记录中，提取出样本照射控制参数集合、样本杀菌耐性信息集合、样本重点分布信息集合和杀菌后的样本杀菌效率信息集合，这些数据将用于构建和训练杀菌效率预测器。采用机器学习技术，结合样本照射控制参数集合、样本杀菌耐性信息集合、样本重点分布信息集合和样本杀菌效率信息集合，构建杀菌效率预测器，杀菌效率预测器能够根据给定的照射控制参数、杀菌耐性信息和重点分布信息，预测出对应的杀菌效率。对于每个第一照射控制参数（即随机生成的初始照射控制参数），结合已知的杀菌耐性信息和多个重点分布信息，使用杀菌效率预测器进行杀菌效率预测，获得多个第一杀菌效率，这些第一杀菌效率代表了在不同位置和照射控制参数下，洁净灯对敏感菌种的杀菌效果。根据多个第一位置（即随机生成的初始位置）、多个第一杀菌效率和多个第一照射控制参数下的洁净灯功率，结合洁净灯优化函数，计算获得多个第一杀菌适应度，每个第一杀菌适应度代表了一个特定位置和照射控制参数组合下的整体杀菌效果和功率消耗的综合评估。

进一步而言，基于所述多个第一杀菌适应度，对所述多个第一解进行划分、归类，生成多个解集，并进行迭代优化，包括：

按照所述多个第一杀菌适应度，对所述多个第一解进行划分，将第一杀菌适应度最大的若干个第一解作为多个群头；

基于多个群头，对其他的多个第一解进行归类，构建多个解集，其中，将相近的解归类至一个解集内；

在多个解集内，以群头为优化方向，对其他的多个解进行优化更新，并计算更新后的解的杀菌适应度，对群头进行更新；

继续进行迭代优化，直到达到收敛次数。

根据多个第一杀菌适应度，对多个第一解（即初始的洁净灯位置和照射控制参数组合）进行排序，选择第一杀菌适应度最大的若干个第一解作为多个群头（即每个解集的代表解）。基于多个群头，对其他的多个第一解进行归类。具体来说，可以使用如欧氏距离、曼哈顿距离等，来衡量解之间的相似度。将相近的解（即距离较近的解）归类至同一个解集内。在每个解集内，以群头为优化方向，在群头附近进行局部搜索、随机扰动，从而对其他的多个解进行优化更新。计算更新后的解的杀菌适应度，并与原解进行比较。如果更新后的解具有更好的杀菌适应度（即更低的杀菌适应度值），则将其保留；否则，保持原解不变。在解集内完成一轮优化后，根据更新后的解集情况，对群头进行更新。可以选择解集内杀菌适应度最好的解作为新的群头，以引导后续的优化方向。重复执行上述解集内优化和群头更新的步骤，进行迭代优化。在每次迭代中，都会对所有解集进行更新，并重新计算解的杀菌适应度。根据实际情况设定一个收敛次数作为迭代的终止条件。当达到收敛次数时，停止迭代优化，并输出当前的最优解（即杀菌适应度最低的解）。

按照所述最优位置和最优照射控制参数，对洁净灯在所述目标区域内布设和控制进行杀菌。

在目标区域内根据最优位置和最优照射控制参数对洁净灯进行布设和控制，以进行杀菌操作，确保在目标区域内实现高效、准确的杀菌操作。

综上所述，本申请实施例至少具有如下技术效果：

首先，采集目标区域内多个监测位置处空气内的细菌特征信息，并采集目标区域内的用户特征信息。接着，根据用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息。然后，根据多个敏感菌种特征信息，构建目标区域内的敏感菌分布，并筛选获得多个杀菌重点区域以及多个重点分布信息。根据目标区域在预设历史时间范围内的洁净灯杀菌数据，分析多个敏感菌种的杀菌耐性信息。根据多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数。最后，按照最优位置和最优照射控制参数，对洁净灯在目标区域内布设和控制进行杀菌。解决了现有技术中洁净灯难以根据环境自适应调节杀菌参数导致杀菌效果不佳的技术问题，达到了提高洁净灯杀菌效果的技术效果。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (2)

1.一种洁净灯的自适应杀菌控制方法，其特征在于，所述方法包括：

采集目标区域内多个监测位置处空气内的细菌特征信息，并采集所述目标区域内的用户特征信息；

根据所述用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选所述多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息；

根据所述多个敏感菌种特征信息，构建所述目标区域内的敏感菌种分布，并筛选获得多个杀菌重点区域以及多个重点分布信息；

根据所述目标区域在预设历史时间范围内的洁净灯杀菌数据，分析所述多个敏感菌种的杀菌耐性信息；

根据所述多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对所述目标区域内洁净灯的位置和照射控制参数进行优化，获得最优位置和最优照射控制参数；

按照所述最优位置和最优照射控制参数，对洁净灯在所述目标区域内布设和控制进行杀菌；

采集目标区域内多个监测位置处空气内的细菌特征信息，并采集所述目标区域内的用户特征信息，包括：

采集所述目标区域内多个监测位置的空气样本，进行测试，获得多个菌种信息和多个细菌浓度信息集合，作为多个监测位置的细菌特征信息；

采集所述目标区域内用户的监护数据，作为用户特征信息；

根据所述用户特征信息，分析获取多个敏感菌种，在多个细菌特征信息筛选所述多个敏感菌种的细菌特征信息，获得多个敏感菌种特征信息，包括：

基于目标区域的监护数据记录，获取样本用户特征信息集合，并获取不同样本用户特征信息的样本敏感菌种信息集合；

采用所述样本用户特征信息集合和样本敏感菌种信息集合，构建敏感菌种分类器，对所述用户特征信息进行识别分类，获得多个敏感菌种；

按照所述多个敏感菌种，在所述多个细菌特征信息内筛选敏感菌种的特征信息，获得多个敏感菌种特征信息；

根据所述多个敏感菌种特征信息，构建所述目标区域内的敏感菌种分布，并筛选获得多个杀菌重点区域以及多个重点分布信息，包括：

根据所述多个敏感菌种特征信息，计算获得多个监测位置的多个敏感菌种分布信息，每个敏感菌种分布信息包括对应监测位置内的多个敏感菌种平均浓度；

基于所述多个敏感菌种分布信息结合插值处理，构建所述目标区域内的敏感菌种分布；

基于所述敏感菌种分布，筛选获得敏感菌种浓度最大的多个区域，作为多个杀菌重点区域，并获得多个重点分布信息；

根据所述目标区域在预设历史时间范围内的洁净灯杀菌数据，分析所述多个敏感菌种的杀菌耐性信息，包括：

获取所述目标区域在预设历史时间范围内的洁净灯杀菌数据，其中，洁净灯杀菌数据包括杀菌时长和洁净灯控制参数；

获取样本洁净灯杀菌数据集合，以及不同样本洁净灯杀菌数据后所述多个敏感菌种的杀菌效率递减幅度，作为多个样本杀菌耐性信息集合；

采用所述样本洁净灯杀菌数据集合和多个样本杀菌耐性信息集合，构建杀菌耐性分析器，对所述洁净灯杀菌数据进行分析，获得多个敏感菌种杀菌耐性信息；

基于所述多个敏感菌种杀菌耐性信息，计算获得所述杀菌耐性信息；

根据所述多个杀菌重点区域、多个重点分布信息和杀菌耐性信息，对所述目标区域内洁净灯的位置和照射控制参数进行优化，包括：

构建对目标区域内洁净灯的位置和照射控制参数进行优化的洁净灯优化函数，如下式：

；

其中，CLB为杀菌适应度，为距离权重，为参数权重，为功率权重，M为多个杀菌重点区域的数量，为根据第i个重点分布信息的大小分配的权重，为洁净灯的位置与第i个杀菌重点区域的照射距离，为预设照射距离，为在所述杀菌耐性信息和第i个重点分布信息下，按照照射控制参数对第i个杀菌重点区域进行照射杀菌的杀菌效率，为照射控制参数下洁净灯的功率，为预设功率；

在洁净灯的照射控制参数内随机生成多个第一位置和多个第一照射控制参数，作为多个第一解；

基于所述洁净灯优化函数，分析计算所述多个第一解的多个第一杀菌适应度；

基于所述多个第一杀菌适应度，对所述多个第一解进行划分、归类，生成多个解集，并进行迭代优化，直到收敛；

输出优化收敛后杀菌适应度之和最大的收敛解集，所述收敛解集内包括多个收敛解；

获取所述多个收敛解内的多个收敛位置，选择与所述目标区域内移动通道距离最大的收敛位置对应的收敛解输出，获得所述最优位置和最优照射控制参数；

基于所述洁净灯优化函数，分析计算所述多个第一解的多个第一杀菌适应度，包括：

基于洁净灯对所述多个敏感菌种的杀菌数据记录，获取样本照射控制参数集合、样本杀菌耐性信息集合和样本重点分布信息集合，并获取杀菌后的样本杀菌效率信息集合；

采用所述样本照射控制参数集合、样本杀菌耐性信息集合、样本重点分布信息集合和样本杀菌效率信息集合，构建杀菌效率预测器，对所述多个第一照射控制参数结合所述杀菌耐性信息、多个重点分布信息进行杀菌效率预测，获得多个第一杀菌效率；

根据多个第一位置、多个第一杀菌效率和多个第一照射控制参数下的洁净灯功率，基于所述洁净灯优化函数，计算获得多个第一杀菌适应度。

2.根据权利要求1所述的方法，其特征在于，基于所述多个第一杀菌适应度，对所述多个第一解进行划分、归类，生成多个解集，并进行迭代优化，包括：

按照所述多个第一杀菌适应度，对所述多个第一解进行划分，将第一杀菌适应度最大的若干个第一解作为多个群头，所述群头为每个解集的代表解；

基于多个群头，对其他的多个第一解进行归类，构建多个解集，其中，将相近的解归类至一个解集内；

在多个解集内，以群头为优化方向，对其他的多个解进行优化更新，并计算更新后的解的杀菌适应度，对群头进行更新；

继续进行迭代优化，直到达到收敛次数。