一种智能网关应用方法和系统技术方案

本发明专利技术涉及智能决策领域，揭露一种智能网关应用方法，包括：获取待应用智能网关的网关应用场景及联网设备，利用联网设备采集网关应用场景的历史网关数据，识别历史网关数据的网关因子类别；根据网关因子类别，构建网关因子的因子模糊规则，根据因子模糊规则和网关因子类别，构建网关监测模型，根据历史网关数据，对网关监测模型进行训练，得到训练好的网关监测模型；获取实时网关数据，利用训练好的网关监测模型，计算实时网关数据对应的网关评价等级；基于网关评价等级，确定联网设备中的待控制设备，将预构建的设备控制策略发送至待控制设备，以执行设备控制策略，得到待应用智能网关的应用结果。本发明专利技术可以提高智能网关应用的控制精准度。控制精准度。控制精准度。

【技术实现步骤摘要】
一种智能网关应用方法和系统


[0001]本专利技术涉及智能决策领域，尤其涉及一种智能网关应用方法和系统。

技术介绍

[0002]智能网关，是智能控制系统的心脏，其可实现系统信息的采集、信息输入、信息输出、集中控制、远程控制、联动控制等功能，并被广泛应用于智能家居、工业控制以及实时监测施工现场等应用场景。
[0003]目前传统的对智能网关的应用主要是针对场景的单一控制因素进行监控控制，而没有考到到控制因素之间的内在联系，从而导致智能网关应用的控制精准度不高。

技术实现思路

[0004]本专利技术提供一种智能网关应用方法和系统，其主要目的在于提高智能网关应用的控制精准度。
[0005]为实现上述目的，本专利技术提供的一种智能网关应用方法，包括：
[0006]获取待应用智能网关的网关应用场景及联网设备，利用所述联网设备采集所述网关应用场景的历史网关数据，识别所述历史网关数据的网关因子类别；
[0007]根据所述网关因子类别，构建网关因子的因子模糊规则，根据所述因子模糊规则和所述网关因子类别，构建网关监测模型，根据所述历史网关数据，对所述网关监测模型进行训练，得到训练好的网关监测模型；
[0008]获取实时网关数据，利用所述训练好的网关监测模型，计算所述实时网关数据对应的网关评价等级；
[0009]基于所述网关评价等级，确定所述联网设备中的待控制设备，并根据预构建的设备控制策略，将所述设备控制策略发送至所述待控制设备，以执行所述设备控制策略，得到所述待应用智能网关的应用结果。
[0010]可选地，所述根据所述网关因子类别，构建网关因子的因子模糊规则，包括：
[0011]识别所述网关因子类别的关联因子及所述网关因子类别的结果因子，构建所述关联因子对应的关联因子空间及构建所述结果因子对应的结果因子空间；
[0012]利用下述公式，构建所述关联因子的关联隶属度函数：
[0013][0014]其中，μ(x)表示关联隶属度函数，x表示关联因子，a，b，c表示关联隶属度函数的临界点；
[0015]根据所述关联隶属度函数和预构建的模糊逻辑算法，构建所述关联因子空间与所
述结果因子空间之间的因果映射关系；
[0016]根据所述因果映射关系，构建所述网关因子的因子模糊规则。
[0017]可选地，所述根据所述关联隶属度函数和预构建的模糊逻辑算法，构建所述关联因子空间与所述结果因子空间之间的因果映射关系，包括：
[0018]根据所述关联隶属度函数，对所述关联因子空间进行模糊化，得到所述关联因子空间的关联隶属度；
[0019]根据所述关联隶属度，利用预构建的模糊逻辑算法，计算所述结果因子空间的模糊得分函数；
[0020]构建所述结果因子空间的结果隶属度函数，根据所述模糊得分函数，对所述结果隶属度函数进行截断处理，得到截断模糊函数；
[0021]对所述截断模糊函数进行聚合处理，得到模糊聚合函数；
[0022]根据所述模糊聚合函数，确定所述关联因子空间与所述结果因子空间之间的因果映射关系。
[0023]可选地，所述根据所述因子模糊规则和所述网关因子类别，构建网关监测模型，包括：
[0024]获取所述网关因子类别的关联因子及所述网关因子类别的结果因子，根据所述关联因子，构建所述网关监测模型的比较层；
[0025]根据所述结果因子，构建所述网关监测模型的识别层；
[0026]并构建所述关联因子与所述结果因子之间的因果映射关系；
[0027]根据所述比较层、所述识别层及因果映射关系构建所述网关监测模型。
[0028]可选地，所述根据所述历史网关数据，对所述网关监测模型进行训练，得到训练好的网关监测模型，包括：
[0029]分别配置所述网关监测模型的前向权重和反馈权重的初始值，得到前向权重初值和反馈权重初值；
[0030]计算所述历史网关数据的激活值，选取所述激活值中的最大激活值；
[0031]计算所述历史网关数据与所述反馈权重初值之间的相似度，在所述相似度不大于预设的警戒参数时，从所述激活值中去除所述最大激活值，得到剩余激活值，返回所述计算所述历史网关数据的激活值，选取所述激活值中的最大激活值；
[0032]在所述相似度大于预设的警戒参数时，调整所述前向权重和所述反馈权重，得到前向调整权重和反馈调整权重；
[0033]根据所述前向调整权重和所述反馈调整权重，得到训练好的网关监测模型。
[0034]可选地，所述计算所述历史网关数据的激活值，包括：
[0035]利用下述公式计算所述历史网关数据的激活值：
[0036][0037]其中，表示第k个历史网关数据在网关监测模型的识别层第j个神经元的激活值，w
ij
表示比较层第i个神经元与识别层第j个神经元之间的当前前向权重，表示第k个历史网关数据的第i个关联因子数据(对应所述比较层的神经元)，i表示比较层神经元的序
号，j表示识别层神经元的序号，n表示比较层神经元的数量，m表示识别层神经元的数量，k表示历史网关数据的样本序号，q表示历史网关数据的样本数量。
[0038]可选地，所述计算所述历史网关数据与所述前向权重初值之间的相似度，包括：
[0039][0040]其中，表示第k个历史网关数据与网关监测模型的识别层第g个神经元的反馈权重初值之间的相似度，t
gi
表示所述识别层第g个神经元与网关监测模型的比较层第i个神经元的反馈权重初值，表示第k个历史网关数据的第i个关联因子数据(对应所述比较层的神经元)，i表示所述比较层神经元的序号，n表示所述比较层神经元的数量。
[0041]可选地，所述在所述相似度大于预设的警戒参数时，调整所述前向权重和所述反馈权重，得到前向调整权重和反馈调整权重，包括：
[0042]利用下述公式调整所述前向权重和所述反馈权重，得到前向调整权重和反馈调整权重：
[0043][0044]其中，w
ig
(t+1)表示在(t+1)时刻网关监测模型的比较层第i个神经元与网关监测模型的识别层第g个神经元的前向调整权重，t
gi
(t)表示在t时刻所述识别层第g个神经元与所述比较层第i个神经元的反馈权重值，表示第k个历史网关数据的第i个关联因子数据(对应所述比较层的神经元)，t
gi
(t+1)表示在(t+1)时刻所述识别层第g个神经元与所述比较层第i个神经元的反馈调整权重，t表示时刻，i表示所述比较层神经元的序号，n表示所述比较层神经元的数量。
[0045]可选地，所述计算所述基于所述网关评价等级，确定所述联网设备中的待控制设备，包括：
[0046]根据预设的网关评价标准，识别所述网关评价等级中的未达标等级；
[0047]识别网关监测模型中的因果映射关系，根据所述因果映射关系，查询所述未达标等级对应的关联因子；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能网关应用方法，其特征在于，所述方法包括：获取待应用智能网关的网关应用场景及联网设备，利用所述联网设备采集所述网关应用场景的历史网关数据，识别所述历史网关数据的网关因子类别；根据所述网关因子类别，构建网关因子的因子模糊规则，根据所述因子模糊规则和所述网关因子类别，构建网关监测模型，根据所述历史网关数据，对所述网关监测模型进行训练，得到训练好的网关监测模型；获取实时网关数据，利用所述训练好的网关监测模型，计算所述实时网关数据对应的网关评价等级；基于所述网关评价等级，确定所述联网设备中的待控制设备，并根据预构建的设备控制策略，将所述设备控制策略发送至所述待控制设备，以执行所述设备控制策略，得到所述待应用智能网关的应用结果。2.如权利要求1所述的智能网关应用方法，其特征在于，所述根据所述网关因子类别，构建网关因子的因子模糊规则，包括：识别所述网关因子类别的关联因子及所述网关因子类别的结果因子，构建所述关联因子对应的关联因子空间及构建所述结果因子对应的结果因子空间；利用下述公式，构建所述关联因子的关联隶属度函数：其中，μ(x)表示关联隶属度函数，x表示关联因子，a，b，c表示关联隶属度函数的临界点；根据所述关联隶属度函数和预构建的模糊逻辑算法，构建所述关联因子空间与所述结果因子空间之间的因果映射关系；根据所述因果映射关系，构建所述网关因子的因子模糊规则。3.如权利要求2所述的智能网关应用方法，其特征在于，所述根据所述关联隶属度函数和预构建的模糊逻辑算法，构建所述关联因子空间与所述结果因子空间之间的因果映射关系，包括：根据所述关联隶属度函数，对所述关联因子空间进行模糊化，得到所述关联因子空间的关联隶属度；根据所述关联隶属度，利用预构建的模糊逻辑算法，计算所述结果因子空间的模糊得分函数；构建所述结果因子空间的结果隶属度函数，根据所述模糊得分函数，对所述结果隶属度函数进行截断处理，得到截断模糊函数；对所述截断模糊函数进行聚合处理，得到模糊聚合函数；根据所述模糊聚合函数，确定所述关联因子空间与所述结果因子空间之间的因果映射关系。4.如权利要求1所述的智能网关应用方法，其特征在于，所述根据所述因子模糊规则和
所述网关因子类别，构建网关监测模型，包括：获取所述网关因子类别的关联因子及所述网关因子类别的结果因子，根据所述关联因子，构建所述网关监测模型的比较层；根据所述结果因子，构建所述网关监测模型的识别层；并构建所述关联因子与所述结果因子之间的因果映射关系；根据所述比较层、所述识别层及因果映射关系构建所述网关监测模型。5.如权利要求1所述的智能网关应用方法，其特征在于，所述根据所述历史网关数据，对所述网关监测模型进行训练，得到训练好的网关监测模型，包括：分别配置所述网关监测模型的前向权重和反馈权重的初始值，得到前向权重初值和反馈权重初值；计算所述历史网关数据的激活值，选取所述激活值中的最大激活值；计算所述历史网关数据与所述反馈权重初值之间的相似度，在所述相似度不大于预设的警戒参数时，从所述激活值中去除所述最大激活值，得到剩余激活值，返回所述计算所述历史网关数据的激活值，选取所述激活值中的最大激活值；在所述相似度大于预设的警戒参数时，调整所述前向权重和所述反馈权重，得到前向调整权重和反馈调整权重；根据所述前向调整权重和所述反馈调整权重，得到训练好的网关监测模型。6.如权...

【专利技术属性】
技术研发人员：薛华，毛威，
申请(专利权)人：赛昂斯深圳智能科技有限公司，
类型：发明
国别省市：