【技术实现步骤摘要】
本专利技术涉及智能控制，特别涉及一种基于模型预测控制的智能家居系统。
技术介绍
1、随着信息化技术的快速发展、网络技术的逐步完善，智能化信息服务进家入户，打造智慧家庭，提升人们的生活水平，改善生活质量。智能家居作为智慧家庭的主要实现方式，通过互联网和物联网技术，将各种家居设备和系统连接在一起，实现智能化管理和控制的家居环境。
2、目前，智能家居通过用户选择预设的情景模式，对与系统相连接的家居设备进行控制参数的调整，家居设备执行相应的操作，使得传统智能家居控制下的家居环境难以满足基于当下环境的实际需求，导致用户体验差。
3、因此，提出一种基于模型预测控制的智能家居系统。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种基于模型预测控制的智能家居系统，用以解决传统技术中智能家居根据固定情景模式，调整家居设备的控制参数，不能满足实际需求，进而使得用户体验较差，系统缺乏智能性的问题。
2、本专利技术提供一种基于模型预测控制的智能家居系统，包括：
3、访问控制模块，用于对发起通信连接请求的家居设备进行身份验证，验证通过后建立与优化控制模块的通信连接；
4、监测模块，用于基于预部署传感器监测并采集连接成功的家居设备所处家居环境的环境参数，并对所述环境参数按照预设参数类型进行划分，得到若干参数集合，其中，所述参数集合中的每个环境参数都标记有采集时间以及采集区域；
5、参数处理模块，用于对同个参数集合进行参数融合处理，
6、模型构建模块，用于对样本集中的每个单独样本进行类型及数值分析，来构建初始控制模型，并对所述初始控制模型中的不同层进行关联分析，来对初始控制模型进行优化，得到家居控制模型；
7、优化控制模块，用于将所述环境监测数据输入到家居控制模型预测获取优化控制信息，来控制相应家居设备进行指定操作。
8、优选的，所述模型构建模块，包括：
9、集合获取单元，用于历史家居控制库中的样本集中每个单独样本进行类型及数值分析，获取所述单独样本对应的特征数据集合；
10、集合分析单元，用于对所述特征数据集合进行分析生成样本特征数据集；
11、卷积处理单元，用于根据内置的卷积核对所述样本特征数据集进行卷积处理，获取控制数据处理集；
12、预测单元，用于对控制数据处理集进行预测，当预测精准性满足精准阈值时，得到初始控制模型。
13、优选的，所述集合获取单元，包括：
14、信息生成子单元，用于对所述单独样本的监测及控制参数类型进行识别，通过独热编码对识别结果进行编码处理，且结合所述单独样本所对应设定时间段内的数值分析结果向编码处理结果中的每个字符赋予相应的数值标签，生成样本数值信息；
15、维度处理子单元，用于对所述样本数值信息中每个单位历史时刻下的信息进行维度处理，并将每个单位历史时刻下的信息拓展为初始特征向量；
16、
17、其中，eti为第t单位历史时刻下的第i维特征值，ave(eti)为第t单位历史时刻下的信息中第i维信息的平均值，mad(eti)为第t单位历史时刻下的信息中第i维数据的平均绝对偏差，i的取值与单位历史时刻涉及到的维度数量相等；
18、构建子单元，用于对每个单位历史时刻下的初始特征向量进行元素补充及对齐处理，构建得到特征数据集合。
19、优选的，所述集合分析单元，包括：
20、分配子单元，用于对所述特征数据集合进行矩阵构建，并对构建矩阵中的每列向量进行通道分配，并对每个通道分配相应的权重系数，进而确定所述特征数据集合中每个通道的特征聚合信息，其中，所述构建矩阵的列为同类型参数，行为同个单位历史时刻下的不同类型参数；
21、
22、其中，ji1为所述特征数据集合中第i1个通道的特征聚合信息，βi1为第i1个通道对应的权重系数，为所述特征数据集合中第i1个通道中第j个特征元素，r为所述特征数据集合中第i1个通道中特征元素的数量，为所述特征数据集合中第i1个通道涉及到的所有特征元素进行标准化处理后的元素方差，为从任一去除所述特征数据集合中第i1个通道涉及到的所有特征元素中的一个元素后的所有方差中筛选最大方差；
23、矩阵构建子单元，用于将所述特征聚合信息ji1补充到所述矩阵的首行，构建特征数据矩阵；
24、数据集构建子单元，用于对所述特征数据矩阵进行分析构建样本特征数据集。
25、优选的，所述模型构建模块，还包括：
26、向量集构建单元，用于分别获取若干随机组合的环境参数测试样本对所述初始控制模型进行测试，并依次记录所述初始控制模型中每个设备控制层对每个环境参数测试样本的执行过程，并构建每个环境参数测试样本的执行向量集；
27、层矩阵构建单元，用于提取所有执行向量集中同设备控制层的执行向量，并构建得到对应同设备控制层的层矩阵；
28、规律性分析单元，用于获取所述层矩阵中每列向量的元素平均值，并构建得到第一向量；同时，获取对应设备控制层在相应环境参数测试样本下的标准执行值，并构建得到第二向量；
29、放大处理单元，用于对所述第一向量以及第二向量进行对比分析，得到误差向量，并进行差异化放大处理；
30、对差异化放大处理后的误差向量进行规律性分析，判断是否满足对应设备控制层的执行一致机制，若一致，将对应设备控制层视为第一层；
31、因素确定单元，用于若不一致，将对应设备控制层视为第二层，并根据所述初始控制设备控制层中每个设备控制层的先后执行顺序以及基于先后执行顺序确定的相邻执行设备控制层之间的设定执行转换关系，且结合规律性分析结果与对应执行一致机制的执行异常，确定所述第二层的执行调节因素；
32、优化单元，用于根据存在的所有执行调节因素进行矛盾消除，来对初始控制模型进行优化，得到家居控制模型。
33、优选的，所述放大处理单元，包括：
34、差筛选子单元，用于筛选所述误差向量中的最小差以及最大差；
35、计算子单元，用于按照如下公式对所述误差向量中的元素进行差异化放大处理；
36、
37、其中，min2表示最小差；max1表示最大差；m01表示对应列向量中包含的元素个数；a01表示设定常数；b1表示与最大差所对应的标准执行值；b2表示与最小差所对应的标准执行值；[]表示取整函数；δ1(b1,b2)表示基于b1与b2从单位数据库中匹配得到的单位变量；δ1(b1,b2,a01)表示基于b1、b2、a01从单位数据库中匹配得到的单位变量；n01表示差异化放大倍数。
38、优选的，所述优化控制模块，包括：
39、设备识别单元，用于获取所述家居设备的设备型号信息，并向信息解析单元传输；
40本文档来自技高网...
【技术保护点】
1.一种基于模型预测控制的智能家居系统，其特征在于，包括：
2.根据权利要求1所述的基于模型预测控制的智能家居系统，其特征在于，所述模型构建模块，包括：
3.根据权利要求2所述的基于模型预测控制的智能家居系统，其特征在于，所述集合获取单元，包括：
4.根据权利要求2所述的基于模型预测控制的智能家居系统，其特征在于，所述集合分析单元，包括：
5.根据权利要求1所述的基于模型预测控制的智能家居系统，其特征在于，所述模型构建模块，还包括：
6.根据权利要求5所述的基于模型预测控制的智能家居系统，其特征在于，所述放大处理单元，包括：
7.根据权利要求1所述的基于模型预测控制的智能家居系统，其特征在于，所述优化控制模块，包括：
8.根据权利要求1所述的基于模型预测控制的智能家居系统，其特征在于，包括：客户端通信模块；
【技术特征摘要】
1.一种基于模型预测控制的智能家居系统，其特征在于，包括：
2.根据权利要求1所述的基于模型预测控制的智能家居系统，其特征在于，所述模型构建模块，包括：
3.根据权利要求2所述的基于模型预测控制的智能家居系统，其特征在于，所述集合获取单元，包括：
4.根据权利要求2所述的基于模型预测控制的智能家居系统，其特征在于，所述集合分析单元，包括：
5.根据权...
【专利技术属性】
技术研发人员：赖良海，王宪强，胡成，陈小龙，岳应军，
申请(专利权)人：深圳市助尔达电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。