智能家居控制方法及其系统技术方案

本发明专利技术提供了一种智能家居控制方法，其特征在于，包括以下步骤：获取历史数据；输入预期目标函数；通过对历史数据进行预期目标函数的训练，输出智能家居模式；根据所选择的智能家居模式实现对家居的控制。本发明专利技术还提供一种智能家居控制系统，其特征在于，包括以下装置：用于获取历史数据的装置；用于输入预期目标函数的装置；用于通过对历史数据进行预期目标函数的训练输出智能家居模式的装置；用于根据所选择的智能家居模式实现对家居的控制的装置。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种智能家居控制方法，其特征在于，包括以下步骤：获取历史数据；输入预期目标函数；通过对历史数据进行预期目标函数的训练，输出智能家居模式；根据所选择的智能家居模式实现对家居的控制。本专利技术还提供一种智能家居控制系统，其特征在于，包括以下装置：用于获取历史数据的装置；用于输入预期目标函数的装置；用于通过对历史数据进行预期目标函数的训练输出智能家居模式的装置；用于根据所选择的智能家居模式实现对家居的控制的装置。【专利说明】智能家居控制方法及其系统本专利技术涉及智能家居控制领域，具体地，涉及智能家居控制方法及其系统。随着信息时代电子计算机处理速度的加快和人们生活水平的提高，智能家居逐步走进了人们日常的生活。智能家居让用户采用更方便的手段来管理家庭设备，享受智能化所提供的丰富信息以及智能家居生活的便利、舒适和安全的生活。一方面，用户可以通过触摸屏、遥控器、计算机、电话甚至互联网远程控制，也可以自己设定模式，使多个设备联动；另一方面，智能家居中各种设备之间能够互相通讯，不需要住户过多指挥也可自动运行，家用设备能够将运行状态发送到控制中心，控制中心将数据汇总并自动计算出最适合的解决方案以及调节室内环境，从而给用户带来极大的便利，工作状态更为高效。机器学习的研究主旨是使用计算机模拟人类的学习活动，它是研究计算机识别现有知识、获取新知识、不断改善性能和实现自身完善的方法。这里的学习意味着从数据中学习，它包括有指导学习、无指导学习和半指导学习三种类别。有指导学习，是指有结果度量的指导学习过程。根据一组特征对结果度量进行预测，通过学习已知数据集的特征和结果度量建立起预测模型来预测并度量未知数据的特征和结果。这里的结果度量一般有定量的和定性的两种，分别对应于统计学中的回归和分类问题。常见的有指导学习包括:决策树、Boosting与Bagging算法、人工神经网络和支持向量机等。在无指导学习中，只能观察特征，没有结果度量。此时只能利用从总体中给出的样本信息对总体作出某些推断以及描述数据是如何组织或聚类的。它并不需要某个目标变量和训练数据集，例如，聚类分析或关联规则分析等。半指导学习是:已得的观察量中一部分是经由指导者鉴认并加上了标识的数据，称之为已标识数据；另一部分观察量由于种种原因未能标识，被称为未标识数据。需要解决的是如何利用这些观察量及相关的知识对未标识的观察量的标识做出适当合理的推断。解决这类问题常用方法是采用归纳-演绎式的两步骤路径，即先利用已标识数据去分析并指出适当的一般性的规律，再利用此规律去推断得出有关未标识数据的标识。这里，前一步是从特殊得到一般结论的归纳步，后一步则是将一般规律用于特殊情况的演绎步。值得注意的是，现有的半指导学习方法的性能通常不太稳定，而半指导学习技术在什么样的条件下能够有效地改善学习性能，仍然是一个未决问题。目前，智能家居的控制方式主要为，在房间各处安上触摸屏、触摸控制器，或者用手机和ipad等遥控设备发出指令，但是经常出现想控制但又不知道如何去节能、高效地控制。显然，人们都希望自己的智能家居能够真的智能，不必给系统发出具体指令，它就可以预测或判断用户要做什么，这样就符合用户的需求。在智能家居安装了这种学习系统后，计算机可以进行自我学习。这一系统在原有系统人为控制系统的基础上，根据用户的以往的习惯，记忆用户的操作，形成固定的模式，并提出更加节能和舒适的模式。智能家居系统具有智能分析判断与自学习、自适应及接受专家知识训练的功能，具有智能化、人性化特点，能够自学习、自适应家庭主人的生活特点、家庭各种设备的运行规律，尽量准确监控家居中的设备，为家居主人提供多种服务。若发现异常情况，能及时妥善处理或报警。实现这一功能的核心部分是智能家居控制器。该智能家居控制器附加在整个家庭自动化网络之上，运用了神经网络控制技术，对整个家庭网络的智能节点进行监视和调节，实现以上这些功能。本系统所指的智能学习系统核心方法是指导学习，并以指导学习为基础，在获取非系统自带信息时通过网络进行下载并进行分析，以提前进行预测。在宏观层面上本系统要实现以下几个层面的功能:1、在房间各处安上触摸屏、触摸控制器，或者用手机和ipad等遥控设备发出指令，直接能够控制智能家居的运行状态，主要用于处理自学习过程中出现的意外状况。2、记忆用户最舒适的操作，并简单的重复这一个操作。比如用户在某一时刻将房内的照明系统和窗帘控制系统至于特定状态，由于用户的偏好具有延续性，这个状态可以在以后的任意时刻复制出来，以满足用户最舒适的需要。3、根据用户的以往的操作习惯与生活方式，形成固定的模式的操作。4、根据用户的以往的习惯，在形成固定的模式基础上，形成实时系统模式，提出更加节能和舒适的模式。根据本专利技术的一方面，提供一种智能家居控制方法，其特征在于，包括以下步骤:获取历史数据；输入预期目标函数；通过对历史数据进行预期目标函数的训练，输出智能家居模式；根据所选择的智能家居模式实现对家居的控制。优选地，所述历史数据包括智能家居状态的输入、环境状态的输入、耗电量的输入和人体舒适程度的输入中的一个或多个。优选地，所述智能家居模式包括最舒适操作的存储与再现模式、固定模式、实时系统模式和意外状况的人为实时控制模式。根据本专利技术的另一方面，还提供一种智能家居控制系统，其特征在于，包括以下装置:用于获取历史数据的装置；用于输入预期目标函数的装置；用于通过对历史数据进行预期目标函数的训练输出智能家居模式的装置；用于根据所选择的智能家居模式实现对家居的控制的装置。[【专利附图】【附图说明】]图1表示在根据本专利技术的智能家居控制系统中的历史数据获取流程图；图2表示在根据本专利技术的智能家居控制系统中对智能控制模式进行选择的示意图；图3表示根据本专利技术的智能家居控制系统的一个实施例的示意图。图1表示在根据本专利技术的智能家居控制系统中的历史数据获取流程图。数据的实时采集主要通过传感器和人机交互两方面形成。数据的预处理主要体现为两个的方面:根据需要将传感器获得的模糊的数据量化，或是进行相反的过程，将传感器获得的量化数据模糊化。数据的存储主要是将预处理后的典型的数据存储于SD卡中，用于固定模式的数据来源和自学习的训练数据。图2表示在根据本专利技术的智能家居控制系统中对智能控制模式进行选择的示意图。模式I (最舒适操作的存储与再现模式):用户将当前的智能家居的开关顺序和运行状态记录下来，以便在以后任意一个需要的时刻将这一状态再现。模式2 (固定模式):用户的生活一般比较规律，在不同的时刻会有不同的偏好，那么长期统计规律下，智能家居便可以总结出这种生活方式，提出不同的模式。这种模式可以建立的不同的时间与空间尺度上:对于每一天来说，可以有起床后模式(将卧室照明缓慢打开，洗手间照明与调温系统打开，厨房照明与餐饮加热系统工作等等)、下班前模式、夜晚休闲模式等；对于一年来说有:春季模式到冬季模式，主要用于控制室内温控系统。通过不同模式的选择与设定，让用户达到最舒适的状态。比如用户的生活比较规律，用户工作日每天晚上5:00回家，那么长期统计规律下，智能家居系统存储了这种生活方式。在用户不人为打断这一操作的前提下，控制系统在4:30分让室内调温系统自动启动，进行室温调节。这一固定模本文档来自技高网...

【技术保护点】
一种智能家居控制方法，其特征在于，包括以下步骤：获取历史数据；输入预期目标函数；通过对历史数据进行预期目标函数的训练，输出智能家居模式；根据所选择的智能家居模式实现对家居的控制。

【技术特征摘要】

【专利技术属性】
技术研发人员：于庆广，黄天恩，卢诗华，黄杰，
申请(专利权)人：于庆广，黄天恩，卢诗华，黄杰，
类型：发明
国别省市：北京;11