一种空调智能睡眠控制方法、调整系统及设备技术方案

本领域涉及智能家居技术领域，具体涉及一种空调智能睡眠控制方法、调整系统及设备。收集身体信息数据及环境信息数据；对身体信息数据及环境信息数据进行预处理作为样本数据；将预处理后的样本数据输入多个相对独立的回归树组，对GBDT算法进行训练；将多个相对独立的回归树组的分类结果进行加权集成，得到训练好的GBDT算法。不仅能够监测和统计睡眠数据，而且能够主动智能的提供或改善睡眠环境，达到改善睡眠的目的。同时能够根据用户的身体状态适时调节，使用户在清醒状态能舒适的呆在床上，在入睡时，能快速进入睡眠，并进入深度睡眠，优化用户体验。

An Intelligent Sleep Control Method, Adjustment System and Equipment for Air Conditioning

The field relates to the field of smart home technology, in particular to an air conditioning intelligent sleep control method, adjustment system and equipment. Collection of body information data and environmental information data; pre-processing of body information data and environmental information data as sample data; input pre-processed sample data into several relatively independent regression tree groups to train the GBDT algorithm; weighted integration of the classification results of multiple relatively independent regression tree groups to obtain the trained GBDT algorithm. Not only can we monitor and statistics sleep data, but also can actively provide or improve the sleep environment to achieve the purpose of improving sleep. At the same time, it can timely adjust according to the user's body state, so that the user can comfortably stay in bed in a waking state, and quickly enter into sleep, and into deep sleep, optimize the user experience.

【技术实现步骤摘要】
一种空调智能睡眠控制方法、调整系统及设备
本领域涉及智能家居
，具体涉及一种空调智能睡眠控制方法、调整系统及设备。
技术介绍
智能家居是以住宅为平台，兼备智能建筑、网络通信、信息家电、灯具自动化，集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境。智能家居控制系统正从现行的第二代智能家居控制系统向第三代智能家居控制系统转化。第二代智能家居控制系统严格意义上并不能称为系统，是一系列单一功能设备的集合，比如：可视对讲、自动窗帘、自动晾衣等，这些都是单一设备，相互之间没有形成通信和联网。第三代智能家居控制系统在第二代智能家居控制系统的基础上，试图把这些第二代智能家居控制系统的单一系统进行集成，并建立以家庭服务器为核心的一体化智能家居控制系统。在网络信息化时代，人们的生活，工作压力越来越大，同时人们对睡眠健康的要求越来越高，单单依靠一张床就已经不能满足睡眠的要求了。通过运用信息化的管理技术，对于睡眠相关的环境参数进行监测，然而传统的空调睡眠模式主要是通过自动检测室温和定时控制空调的运行和停止，从而达到控制室温和降低噪音的目的，睡眠模式比较单一，不够智能，不能针对用户个体，无法主动智能的提供或改善睡眠环境达到改善睡眠的目的，仅仅根据简单的室温监控数据来控制空调的运行，没有综合考虑更多的其他数据，比如人的人体睡眠状态等数据。由于不同人，不同年龄，比如老人和小孩的体质差异较大，对室内温度环境的适应性不同，传统的空调无法对这些情况进行针对性处理，仅仅只能起到监测的作用，无法起到针对用户个体及当前环境的智能睡眠系统，影响用户的体验。
技术实现思路
为解决现有技术中的智能家居只能起到监测和统计睡眠数据，而无法主动智能针对用户个体及当前环境提供或改善睡眠环境，达到改善睡眠的目的，用户体验不佳的问题，本专利技术提供了一种空调智能睡眠控制方法、调整系统及设备。为了解决上述技术问题，本专利技术实施例采用如下技术方案：一方面，本专利技术实施例提供了一种空调智能睡眠控制模型的训练方法，所述方法包括：收集身体信息数据及环境信息数据；对身体信息数据及环境信息数据进行预处理作为样本数据；将预处理后的样本数据输入多个相对独立的回归树组，对GBDT算法进行训练；将多个相对独立的回归树组的分类结果进行加权集成，得到训练好的GBDT算法。进一步的，所述预处理包括对数据进行归一化处理，得到样本数据的特征向量。进一步的，对GBDT算法进行训练包括将预处理后的数据在多个相对独立的回归树组中进行多次迭代计算，计算相邻次迭代计算的残差，根据残差进行下一轮训练。进一步的，根据迭代计算获得分类结果，计算相邻次迭代计算得到的分类结果的残差，当所述残差满足设定收敛条件时，完成对GBDT训练。第二方面，本专利技术实施例还提供了一种空调智能睡眠控制方法，所述方法包括：获取实时身体信息数据及实时环境信息数据；通过GBDT算法对实时身体信息数据及实时环境信息数据进行分析以生成对应的目标环境信息；根据目标环境信息生成控制指令；控制空调按照所述控制指令工作。进一步的，所述身体信息数据包括深睡眠时间、浅睡眠的时间、身体温度、心率。进一步的，所述环境信息数据包括室内温度、室外温度、室内空气湿度、室外空气湿度。进一步的，所述目标环境信息包括室内温度、风速、环境湿度信息。第三方面，本专利技术实施例还提供了一种智能家居睡眠调整系统，所述系统包括：环境数据获取模块，用于获取实时采集环境信息数据；身体数据获取模块，用于获取实时采集身体信息数据；计算模块，用于将实时身体信息数据及实时环境信息数据输入GBDT算法，对进行分析以生成对应的目标环境信息；指令生成模块，用于根据目标环境信息生成控制指令；控制模块，用于控制空调按照所述控制指令工作。第四方面，本专利技术实施例还提供了一种智能家居设备，包括环境数据采集装置、身体信息采集装置和控制器，所述环境数据采集装置，用于实时采集环境信息数据；所述身体信息采集装置，用于实时采集身体信息数据；所述控制器，与环境数据采集装置和身体信息采集装置信号连接，并根据上述的方法控制智能家居设备工作。进一步的，所述环境数据采集装置包括摄像头、传感器、热红外成像仪。进一步的，所述身体信息采集装置包括睡眠手环、睡眠枕头、睡眠床单。进一步的，智能家居设备包括智能空调，加湿器、门窗控制器、电动窗帘、电暖器、床头灯。本专利技术的空调智能睡眠控制方法、调整系统及设备具有以下有益效果：收集身体信息数据及环境信息数据；对身体信息数据及环境信息数据进行预处理作为样本数据；将预处理后的样本数据输入多个相对独立的回归树组，对GBDT算法进行训练；将多个相对独立的回归树组的分类结果进行加权集成，得到训练好的GBDT算法。不仅能够监测和统计睡眠数据，而且能够主动智能的提供或改善睡眠环境，达到改善睡眠的目的。同时能够根据用户的身体状态适时调节，使用户在清醒状态能舒适的呆在床上，在入睡时，能快速进入睡眠，并进入深度睡眠，优化用户体验。附图说明图1为本专利技术实施例中一种空调智能睡眠控制模型的训练方法的流程图；图2为本专利技术实施例中一种空调智能睡眠控制方法的流程图；图3为本专利技术实施例中一种智能家居睡眠调整系统的示意图；图4为本专利技术实施例中一种智能家居设备的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。本专利技术实施例公开了一种空调智能睡眠控制模型的训练方法，该方法的流程图如图1所示，所述方法包括：S101：收集身体信息数据及环境信息数据；空调智能睡眠系统可以通过网络获取实验数据和/或通过用户反馈数据等多种渠道收集身体信息数据及环境信息数据；所述身体信息数据包括深睡眠时间、浅睡眠的时间、身体温度、心率；所述环境信息数据包括室内温度、室外温度、室内空气湿度、室外空气湿度；空调智能睡眠系统可以通过空调温度和湿度传感器采集室内外的温度数据和空气湿度数据；利用智能手环，可以采集人体睡眠时的相关数据，如深睡眠和浅睡眠的时间、身体温度、心率等；S102：对身体信息数据及环境信息数据进行预处理作为样本数据；将收集的身体信息数据及环境信息数据等原始数据进行预处理，所述预处理包括对数据进行归一化处理，得到样本数据的特征向量，使得所述样本数据的特征向量符合输入条件，将符合输入条件的样本数据的特征向量作为输入的样本数据；对于无法识别或者没有达到输入条件的样本数据的特征向量，不进行分析或处理；S103：将预处理后的样本数据输入多个相对独立的回归树组，对GBDT算法进行训练；对GBDT算法进行训练包括将预处理后的数据在多个相对独立的回归树组中进行多次迭代计算，计算相邻次迭代计算的残差，根据残差进行下一轮训练；根据迭代计算获得分类结果，计算相邻次迭代计算得到的分类结果的残差，当所述残差满足设定收敛条件时，完成对GBDT训练；将预处理后的符合输入条件的样本数据输入多个相对独立的回归数组，所述多个相对独立的回归数组包括CART分类回归树；将预处理后的样本数据输入多个CART分类回归树进行多次迭代计算，在每一轮迭代计算中，分别计算每一个CART分类回归树的分类结果与上一次的分类结果的残差，判断残差是否满足设定收敛条件，若满足本文档来自技高网...

【技术保护点】
1.一种空调智能睡眠控制模型的训练方法，其特征在于，所述方法包括：收集身体信息数据及环境信息数据；对身体信息数据及环境信息数据进行预处理作为样本数据；将预处理后的样本数据输入多个相对独立的回归树组，对GBDT算法进行训练；将多个相对独立的回归树组的分类结果进行加权集成，得到训练好的GBDT算法。

【技术特征摘要】
1.一种空调智能睡眠控制模型的训练方法，其特征在于，所述方法包括：收集身体信息数据及环境信息数据；对身体信息数据及环境信息数据进行预处理作为样本数据；将预处理后的样本数据输入多个相对独立的回归树组，对GBDT算法进行训练；将多个相对独立的回归树组的分类结果进行加权集成，得到训练好的GBDT算法。2.根据权利要求1所述的一种空调智能睡眠控制模型的训练方法，其特征在于：所述预处理包括对数据进行归一化处理，得到样本数据的特征向量。3.根据权利要求1所述的一种空调智能睡眠控制模型的训练方法，其特征在于：对GBDT算法进行训练包括将预处理后的数据在多个相对独立的回归树组中进行多次迭代计算，计算相邻次迭代计算的残差，根据残差进行下一轮训练。4.根据权利要求3所述的一种空调智能睡眠控制模型的训练方法，其特征在于：根据迭代计算获得分类结果，计算相邻次迭代计算得到的分类结果的残差，当所述残差满足设定收敛条件时，完成对GBDT训练。5.一种空调智能睡眠控制方法，其特征在于，所述方法包括：获取实时身体信息数据及实时环境信息数据；通过GBDT算法对实时身体信息数据及实时环境信息数据进行分析以生成对应的目标环境信息；根据目标环境信息生成控制指令；控制空调按照所述控制指令工作。6.根据权利要求5所述的一种空调智能睡眠控制方法，其特征在于：所述身体信息数据包括深睡眠时间、浅睡眠的时间、身体温度、心率。7.根据权利要求5所述的一...

【专利技术属性】
技术研发人员：邓灿赏，陈翀，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44