一种家居设备的调控装置、方法及系统制造方法及图纸

本发明专利技术公开一种家居设备的调控装置、方法及系统，涉及智能家居技术领域，所述装置包括：两两相连的设备层、数据层和云平台层；云平台层利用训练数据集对神经网络进行训练，确定调控数据确定模型；数据层基于设备层采集的源数据和调控数据确定模型确定相应家居设备的调控数据，设备层从而根据调控数据调控相应的家居设备，实现了家居设备的自动调控。实现了家居设备的自动调控。实现了家居设备的自动调控。

【技术实现步骤摘要】
一种家居设备的调控装置、方法及系统


[0001]本专利技术涉及智能家居
，特别是涉及一种家居设备的调控装置、方法及系统。

技术介绍

[0002]基于家居场景下的人工智能控制方法目前已经成功应用在一些家居产品上，比如基于室内温度和湿度自动调节设备、家居环境质量自动调节系统等。
[0003]现有的智能家居环境调控系统在使用时存在一定的弊端，只能简单的对居住环境进行检测，然而对于检测结果不能做出合理应对，无法有效解决环境问题对人们生活的影响，需要人们根据现有系统的反应情况做出处理，无法满足人们快节奏的生活对生活环境的需求，给人们的使用过程带来了一定的影响。
[0004]现有的智能家居设备中，通过在室内环境中设置传感器采集光照、温度、湿度等信息，然后通过终端向智能家居设备发出控制指令对室内的温度、湿度等参数进行调节。然而，在现有的智能家居设备中，采集到的信息仅限于与本地的终端进行交互，而缺乏与第三方平台的交互功能，使得智能家居设备的功能较为单一。
[0005]传统方法无法满足对于海量并复杂多变机电设备数据的处理需求，诊断效率较低。现有方法主要关注于机电设备的故障诊断，忽略了对设备健康状态的关注，未能实现对设备的全面监测和预测。

技术实现思路

[0006]本专利技术的目的是提供一种家居设备的调控装置、方法及系统，实现了家居设备的自动调控。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种家居设备的调控装置，包括：设备层、数据层和云平台层；所述设备层、所述数据层和所述云平台层两两相连；
[0009]所述设备层，用于：
[0010]采集源数据；所述源数据包括：环境数据和家居设备的运行数据；
[0011]所述云平台层，用于：
[0012]利用训练数据集对神经网络进行训练，确定调控数据确定模型；所述训练数据集包括：多组历史时刻的环境数据、家居设备的运行数据和用户对家居设备的调控数据；
[0013]将所述调控数据确定模型发送至所述数据层；
[0014]所述数据层用于：
[0015]存储所述源数据；
[0016]对所述源数据依次进行第一预处理和第二预处理；所述第一预处理包括：数据清理、数据集成、数据规约和数据变换；所述第二预处理包括：异常数据检测和缺失数据补齐；
[0017]存储第一预处理后的源数据和第二预处理后的源数据；
[0018]基于所述第二预处理后的源数据和所述调控数据确定模型，确定对应的家居设备的调控数据；
[0019]所述设备层，还用于：
[0020]根据所述调控数据调控相应的家居设备。
[0021]可选地，所述设备层包括：传感器和家居设备；所述传感器分别与所述家居设备和所述数据层连接；
[0022]所述传感器用于获取所述源数据并将所述源数据发送至所述数据层。
[0023]可选地，所述设备层还包括：网关；所述网关分别与所述家居设备和所述云平台层连接；
[0024]所述网关用于根据所述调控数据，对相应的家居设备进行调控。
[0025]可选地，所述数据层包括：源数据库服务器；所述源数据库服务器与所述传感器连接；
[0026]所述源数据库服务器用于存储所述源数据。
[0027]可选地，所述数据层还包括：边缘计算服务器；所述边缘计算服务器与所述源数据库服务器连接；
[0028]所述边缘计算服务器用于利用边缘计算技术，对所述源数据进行第一预处理。
[0029]可选地，所述数据层还包括：二级数据库服务器和RAP服务器；所述二级数据库服务器分别与所述源数据库服务器和所述RAP服务器连接；
[0030]所述二级数据库服务器，用于：
[0031]存储所述第一预处理后的源数据；
[0032]所述RAP服务器，用于：
[0033]利用异常数据检测算法，对所述第一预处理后的源数据进行异常数据检测；
[0034]利用基于策略的缺失数据补齐技术，对所述第一预处理后的源数据进行缺失数据补齐，得到所述第二预处理后的源数据；
[0035]所述二级数据库服务器，还用于：
[0036]存储所述第二预处理后的源数据。
[0037]可选地，所述异常数据检测算法包括：S
‑
ESD算法和LSTM算法。
[0038]可选地，所述基于策略的缺失数据补齐技术包括：k
‑
means算法和K最近邻分类算法。
[0039]一种家居设备的调控方法，所述方法基于如上述所述的家居设备的调控装置实现，所述方法包括：
[0040]获取源数据；所述源数据包括：环境数据和家居设备的运行数据；
[0041]对所述源数据依次进行第一预处理和第二预处理；所述第一预处理包括：数据清理、数据集成、数据规约和数据变换；所述第二预处理包括：异常数据检测和缺失数据补齐；
[0042]基于所述第二预处理后的源数据和所述调控数据确定模型，确定对应的家居设备的调控数据；所述调控数据确定模型是利用训练数据集对神经网络进行训练得到的；所述训练数据集包括：多组历史时刻的环境数据、家居设备的运行数据和用户对家居设备的调控数据；
[0043]根据所述调控数据调控相应的家居设备。
[0044]一种家居设备的调控系统，包括：
[0045]源数据获取模块，用于获取源数据；所述源数据包括：环境数据和家居设备的运行数据；
[0046]预处理模块，用于对所述源数据依次进行第一预处理和第二预处理；所述第一预处理包括：数据清理、数据集成、数据规约和数据变换；所述第二预处理包括：异常数据检测和缺失数据补齐；
[0047]调控数据确定模块，用于基于所述第二预处理后的源数据和所述调控数据确定模型，确定对应的家居设备的调控数据；所述调控数据确定模型是利用训练数据集对神经网络进行训练得到的；所述训练数据集包括：多组历史时刻的环境数据、家居设备的运行数据和用户对家居设备的调控数据；
[0048]调控模块，用于根据所述调控数据调控相应的家居设备。
[0049]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0050]本专利技术公开了一种家居设备的调控装置、方法及系统，装置包括：云平台层利用训练数据集对神经网络进行训练，确定调控数据确定模型；数据层基于设备层采集的源数据和调控数据确定模型确定相应家居设备的调控数据，设备层从而根据调控数据调控相应的家居设备，实现了家居设备的自动调控。
附图说明
[0051]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0052]图1为本专利技术实施例1提供的家居设备的调控装置结构示意图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种家居设备的调控装置，其特征在于，所述装置包括：设备层、数据层和云平台层；所述设备层、所述数据层和所述云平台层两两相连；所述设备层，用于：采集源数据；所述源数据包括：环境数据和家居设备的运行数据；所述云平台层，用于：利用训练数据集对神经网络进行训练，确定调控数据确定模型；所述训练数据集包括：多组历史时刻的环境数据、家居设备的运行数据和用户对家居设备的调控数据；将所述调控数据确定模型发送至所述数据层；所述数据层用于：存储所述源数据；对所述源数据依次进行第一预处理和第二预处理；所述第一预处理包括：数据清理、数据集成、数据规约和数据变换；所述第二预处理包括：异常数据检测和缺失数据补齐；存储第一预处理后的源数据和第二预处理后的源数据；基于所述第二预处理后的源数据和所述调控数据确定模型，确定对应的家居设备的调控数据；所述设备层，还用于：根据所述调控数据调控相应的家居设备。2.根据权利要求1所述的家居设备的调控装置，其特征在于，所述设备层包括：传感器和家居设备；所述传感器分别与所述家居设备和所述数据层连接；所述传感器用于获取所述源数据并将所述源数据发送至所述数据层。3.根据权利要求1所述的家居设备的调控装置，其特征在于，所述设备层还包括：网关；所述网关分别与所述家居设备和所述云平台层连接；所述网关用于根据所述调控数据，对相应的家居设备进行调控。4.根据权利要求2所述的家居设备的调控装置，其特征在于，所述数据层包括：源数据库服务器；所述源数据库服务器与所述传感器连接；所述源数据库服务器用于存储所述源数据。5.根据权利要求4所述的家居设备的调控装置，其特征在于，所述数据层还包括：边缘计算服务器；所述边缘计算服务器与所述源数据库服务器连接；所述边缘计算服务器用于利用边缘计算技术，对所述源数据进行第一预处理。6.根据权利要求4所述的家居设备的调控装置，其特征在于，所述数据层还包括：二级数据库服务器和RAP服务器；所述二级数据库服务器分别与所述源数据库服务器和所述RAP服务器连接；所述二级数据库服务器，用于：存储所述第一预处理后的源数据；所述RAP服务器，...

【专利技术属性】
技术研发人员：田春岐，郑军，浦凯亮，
申请(专利权)人：同济大学，
类型：发明
国别省市：