基于神经网络的物联网终端能耗配置推荐方法及系统技术方案

本发明专利技术涉及人工智能技术领域，提供一种基于神经网络的物联网终端能耗配置推荐方法，该方法通过计算物联网中的N个终端设备满载时能耗量，再将T时间段整个物联网系统的总能耗目标函数，终端设备实际工作时能耗量和控制模块实际工作时能耗量、实时环境参数输入训练好的神经网络模型，由神经网络模型输出优化后的总能耗目标函数和各终端设备能耗量推荐值；根据各终端设备能耗量推荐值输入物联网控制模块，由物联网控制模块调节各终端设备工作参数，用于应对不同场景下、不同时段的物联网能量配置方案，从而实现整个物联网系统中各终端设备能量个性化配置，减少系统内过多不必要的能量消耗，自动化程度高，效率高。效率高。效率高。

【技术实现步骤摘要】
基于神经网络的物联网终端能耗配置推荐方法及系统


[0001]本专利技术涉及人工智能
，特别涉及一种基于神经网络的物联网终端能耗配置推荐方法及系统。

技术介绍

[0002]物联网(Internet of Things，IoT)通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理，在工厂车间、家庭、矿山等各种场景下都有广泛的应用。
[0003]CN111711956A公开了一种防止无线传感器网络中虚假身份攻击的通信方法，该方法包括构建分簇式无线传感器网络，所述分簇式无线传感器网络中的每个节点通过单跳通信的方式将路由数据发送至对应的监控节点；其特征在于，发送节点与该发送节点对应的监控节点之间的通信步骤包括：交互标记更新步骤：根据接收到的路由数据对应的发送节点的剩余能量是否满足对应的第一预设条件，对应更新定时窗口中的交互标记；所述交互标记为所述发送节点与该发送节点对应的监控节点的交互标记；能耗信任值确认步骤：根据所述定时窗口中交互标记的标记次数，计算得到对应的发送节点的能耗信任值；将满足对应的第二预设条件的能耗信任值对应的发送节点所对应的路由数据进行数据融合处理得到融合数据，发送所述融合数据。
[0004]由于物联网终端类型越来越多，其整个物联网系统功耗也越来越高，随着整体功耗的增加，导致了整个系统陷入低效率、反馈慢等问题。

技术实现思路

[0005]由于在不同场景下、不同时段的物联网终端所需要的功能、识别精度、采样频率、协同工作终端类型等不相同，而传统的物联网系统中，往往设置固定的系统功能配置，导致了过多不必要的能量消耗；依靠人工进行物联网系统终端工作个性化配置，不仅效率低，自动化程度不高，且容易产生失误判断，例如，在工厂车间内，夜间不进行生产时，其所需要的车间温度、湿度等传感器工作采用频率需求并不高。
[0006]有鉴于此，本专利技术旨在提出一种基于神经网络的物联网终端能耗配置推荐方法，该基于神经网络的物联网终端能耗配置推荐方法包括，
[0007]步骤S1，将物联网系统中终端设备满载时能耗量为E
i
，其中，物联网系统中共有N个终端设备，N为大于1的正整数，整个物联网系统的总能耗为
[0008][0009]其中，E
p
为物联网系统的控制模块能耗量；
[0010]步骤S2，在T时间段整个物联网系统的总能耗目标函数设置为f(E)，其中，f(E)≤E0；将终端设备实际工作时能耗量E
it
和控制模块实际工作时能耗量E
pt
、实时环境参数R
pt
输入训练好的神经网络模型，其中，神经网络模型由训练数据集训练得到，训练数据集包括终端设备实际工作时能耗量历史数据集、环境数据集和标签数据集；
[0011]步骤S3，神经网络计算在T时间段整个物联网系统的总能耗目标函数设置为f(E)，并同时由神经网络模型输出优化后的各终端设备能耗量推荐值E
i1
；
[0012]步骤S4，根据各终端设备能耗量推荐值E
i1
输入物联网控制模块，由物联网控制模块调节各终端设备工作参数。
[0013]优选地，神经网络模型由终端设备实际工作时能耗量历史数据集、环境数据集作为输入，由标签数据集对神经网络模型的输出结果进行评分。
[0014]优选地，环境参数R
pt
至少包括时间段、工况数据。
[0015]优选地，标签数据集包括正向和反向评价数据。
[0016]优选地，所述神经网络模型包括隐含层。
[0017]优选地，根据各终端设备能耗量推荐值E
i1
输入物联网控制模块，物联网控制模块发送降低采样频率控制指令至各终端设备，各终端设备执行控制指令。
[0018]本专利技术还公开了一种用于执行上述方法的系统，所述系统包括，
[0019]总能耗单元，用于将物联网系统中终端设备满载时能耗量为E
i
，其中，物联网系统中共有N个终端设备，N为大于1的正整数，整个物联网系统的总能耗为
[0020][0021]其中，E
p
为物联网系统的控制模块能耗量；
[0022]神经网络单元，用于在T时间段整个物联网系统的总能耗目标函数设置为f(E)，其中，f(E)≤E0；将终端设备实际工作时能耗量E
it
和控制模块实际工作时能耗量E
pt
、实时环境参数R
pt
输入训练好的神经网络模型，其中，神经网络模型由训练数据集训练得到，训练数据集包括终端设备实际工作时能耗量历史数据集、环境数据集和标签数据集；
[0023]输出单元，用于神经网络计算在T时间段整个物联网系统的总能耗目标函数设置为f(E)，并同时由神经网络模型输出优化后的各终端设备能耗量推荐值E
i1
；
[0024]优化单元，根据各终端设备能耗量推荐值E
i1
输入物联网控制模块，由物联网控制模块调节各终端设备工作参数。
[0025]优选地，所述总能耗单元包括并联N个独立工作的终端设备能耗计算模块。
[0026]优选地，N个所述终端设备分别与控制模块电连接。
[0027]根据本专利技术实施例的另一方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的方法。
[0028]相对于现有技术，本专利技术提供的基于神经网络的物联网终端能耗配置推荐方法，该基于神经网络的物联网终端能耗配置推荐方法，通过计算物联网中的N个终端设备满载时能耗量E
i
，再将T时间段整个物联网系统的总能耗目标函数为f(E)，终端设备实际工作时能耗量E
it
和控制模块实际工作时能耗量E
pt
、实时环境参数R
pt
输入训练好的神经网络模型，由神经网络模型输出优化后的神经网络模型输出优化后f(E)和各终端设备能耗量推荐值
E
i1
各终端设备能耗量推荐值E
i1
；根据各终端设备能耗量推荐值E
i1
输入物联网控制模块，由物联网控制模块调节各终端设备工作参数；本专利技术还公开了一种用于执行上述方法的系统，该方法能够通过神经网络模型计算得到各终端设备能耗量推荐值E
i1
，用于应对不同场景下、不同时段的物联网能量配置方案，从而实现整个物联网系统中各终端设备能量个性化配置，进而自动实现各终端设备所需要的功能、识别精度、采样频率、协同工作终端类型等自动个性化设置，减少系统内过多不必要的能量消耗，自动化程度高，效率高。
[0029]本专利技术的其它特征和优点将在随后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的物联网终端能耗配置推荐方法，其特征在于，所述基于神经网络的物联网终端能耗配置推荐方法包括，步骤S1，将物联网系统中终端设备满载时能耗量为E
i
，其中，物联网系统中共有N个终端设备，N为大于1的正整数，整个物联网系统的总能耗为其中，E
p
为物联网系统的控制模块能耗量；步骤S2，在T时间段整个物联网系统的总能耗目标函数设置为f(E)，其中，f(E)≤E0；将终端设备实际工作时能耗量E
it
和控制模块实际工作时能耗量E
pt
、实时环境参数R
pt
输入训练好的神经网络模型，其中，神经网络模型由训练数据集训练得到，训练数据集包括终端设备实际工作时能耗量历史数据集、环境数据集和标签数据集；步骤S3，神经网络计算在T时间段整个物联网系统的总能耗目标函数设置为f(E)，并同时由神经网络模型输出优化后的各终端设备能耗量推荐值E
i1
；步骤S4，根据各终端设备能耗量推荐值E
i1
输入物联网控制模块，由物联网控制模块调节各终端设备工作参数。2.根据权利要求1所述的基于神经网络的物联网终端能耗配置推荐方法，其特征在于，神经网络模型由终端设备实际工作时能耗量历史数据集、环境数据集作为输入，由标签数据集对神经网络模型的输出结果进行评分。3.根据权利要求1所述的基于神经网络的物联网终端能耗配置推荐方法，其特征在于，环境参数R
pt
至少包括时间段、工况数据。4.根据权利要求1所述的基于神经网络的物联网终端能耗配置推荐方法，其特征在于，标签数据集包括正向和反向评价数据。5.根据权利要求1所述的基于神经网络的物联网终端能耗配置推荐方法，其特征在于，所述神经网络模型包括隐含层。6.根据权利要求1
‑
5任意一项所述的基于神经网络的物联网终端能耗配...

【专利技术属性】
技术研发人员：方晓汾，方凯，厉国华，李磊，官兴华，郑丽辉，方晓明，方坤礼，
申请(专利权)人：衢州量智科技有限公司，
类型：发明
国别省市：