CN103890679B - 智能控制器 - Google Patents

Abstract

本申请涉及智能控制器，其最初积极学习且然后继续以稳定状态模式监控、学习并修改指定受控于所述智能控制器的装置、机器、系统或组织的所希望操作行为的一个或多个控制时间表。智能控制器一般通过时间表创建和时间表修改接口或通过访问本地或远程存储于存储器或大容量存储装置中的默认控制时间表来获取一个或多个初始控制时间表。所述智能控制器然后随时间基于即时控制输入、时间表修改输入及先前和当前控制时间表继续学习由所述智能控制器控制的装置、机器、系统或组织的所希望操作行为，从而在一个或多个控制时间表和/或子时间表中编码所希望操作行为。

Description

智能控制器

相关申请案的交叉参考

本申请要求以引用方式并入本文的2011年10月21日提交的美国临时案第61/550,346号的权益。

技术领域

本专利申请涉及机器学习和智能控制器，且特别地说涉及智能控制器和并入智能控制器内的机器学习方法，智能控制器随时间基于所接收的控制输入和通过时间表创建和时间表修改接口的输入来开发并改善一个或多个控制时间表。

背景技术

控制系统和控制理论是对大量系统和技术的设计和开发具有深远影响的充分发展的研究和开发领域（从飞机、太空船和其它车辆和运输系统到计算机系统、工业制造和操作设施、机床、加工机械和消费者装置）。控制理论涵盖了大量实用的系统控制设计原理，但也是理论和应用数学的重要分支。许多不同的应用领域中通常采用各种不同类型的控制器（从简单的闭环反馈控制器到复杂的自适应基于状态空间和微分方程的受处理器控制的控制系统）。

许多控制器被设计来基于控制模型和来自系统的传感器反馈将控制信号输出到系统的各个动态组件。许多系统被设计来展现出预定操作行为或模式，且因此由传统设计和最佳技术设计系统的控制组件以保证在正常操作状况下发生预定系统行为。难度更大的控制问题涉及控制器的设计和实施，所述控制器可产生遵循控制器设计和实施方式指定的所希望的系统操作行为。许多不同类型的控制器和自动系统的理论家、研究员和开发者继续寻求生产灵活又智能的控制器以控制系统产生各种不同的操作行为（包括控制器设计和制造之后指定的操作行为）的控制器设计途径。

发明内容

本申请涉及智能控制器，其最初积极学习且然后继续以稳定状态模式监控、学习并修改指定受控于智能控制器的装置、机器、系统或组织的所希望操作行为的一个或多个控制时间表。智能控制器一般通过时间表创建和时间表修改接口或通过访问本地或远程存储于存储器或大容量存储装置中的默认控制时间表来获取一个或多个初始控制时间表。智能控制器然后随时间基于即时控制输入、时间表修改输入及先前和当前控制时间表继续学习由智能控制器控制的装置、机器、系统或组织的所希望操作行为，从而编码一个或多个控制时间表和/或子时间表中的所希望操作行为。控制时间表学习是以至少两个不同阶段来实行，其中的第一阶段有利于频繁的即时控制输入且其中的剩余阶段一般趋向于最小化即时控制输入的频率。学习发生在监控周期之后且学习结果可以从与完成的监控周期相关联的新的临时控制时间表或子时间表传播到与相关时间段相关联的一个或多个相关控制时间表或子时间表。

附图说明

图1示出了智能家居环境；

图2示出了智能家居装置与远程装置和系统的集成；

图3示出了图2中示出的互相通信实体的环境内的信息处理；

图4示出了本申请所涉及的一般类别的智能控制器；

图5示出了智能控制器的额外内部特征；

图6示出了广义计算机架构，其表示可以包括在智能控制器、服务器计算机和其它基于处理器的智能控制器和系统中的计算机械的类型的实例；

图7示出了本申请所涉及的智能控制器的一般类别中的智能控制器的特征和特性；

图8示出了其中智能控制器操作的典型控制环境；

图9示出了传感器输出的一般特性；

图10A-图10D示出了控制操作期间由智能控制器处理并生成的信息；

图11A-图11E提供了智能控制器操作的基于状态转换图的说明；

图12提供了示出自动控制时间表学习的状态转换图；

图13示出了与包括较短时间帧子时间表的示例性控制时间表相关联的 时间帧；

图14A-图14C示出了三种不同类型的控制时间表；

图15A-图15G示出了即时控制输入的表示，所述即时控制输入可以由智能控制器接收并执行且然后被记录并覆盖到控制时间表上（诸如上文参考图14A-图14C讨论的那些）作为自动控制时间表学习的部分；

图16A-图16E示出了由现有控制时间表和所记录的时间表变化和即时控制输入合成新的控制时间表的方法的一个方面；

图17A-图17E示出了解析时间表群集的一种途径；

图18A-图18B示出了监控周期期间由用户输入的前瞻性时间表变化的影响；

图19A-图19B示出了监控周期期间由用户输入的回顾性时间表变化的影响；

图20A-图20C示出了在完成监控周期之后且在群集和解析群集之前将所记录的数据覆盖到现有控制时间表上；

图21A-图21B示出了设置点扩展操作；

图22A-图22B示出了时间表传播；

图23A-图23C使用P值与t控制时间表的关系绘制图来示出新临时时间表传播；

图24A-图24I示出了用以简化用所传播的设置点覆盖的预先存在的控制时间表作为生成新临时时间表的过程的部分的多个示例性规则；

图25A-图25M示出了合并有上述自动控制时间表学习方法的智能控制器的示例性实施方式；

图26示出了对应于智能控制器的操作的三种不同控制模式的三个不同的基于星期的控制时间表；

图27示出了根据7个不同控制时间表操作的智能控制器的状态转换图；

图28A-图28C示出了可以由智能控制器实行的一种类型的控制时间表转换；

图29-图30示出了在稳定状态学习阶段期间可以由智能控制器做出的多种类型的考虑；

图31A示出了智能恒温器的透视图；

图31B-图31C示出了由用户控制的智能恒温器；

图32示出了智能恒温器和HVAC耦接壁坞（wall dock）的分解透视图；

图33A-图33B示出了智能恒温器的分解正视透视图和后视透视图；

图34A-图34B分别示出了头部单元的分解正视透视图和后视透视图；

图35A-图35B分别示出了头部单元正面总成的分解正视透视图和后视透视图；

图36A-图36B分别示出了背板单元的分解正视透视图和后视透视图；

图37示出了部分组装的头部单元的透视图；

图38示出了头部单元电路板；

图39示出了背板电路板的后视图；

图40A-图40D示出了用于实现初始学习的步骤；

图41A-图41M示出了恒温器控制时间表的概念图的进展；

图42A-图42B示出了用于稳定状态学习的步骤。

具体实施方式

本申请涉及包括可应用于且并入许多不同类型的装置、机器、系统和组织的许多不同特定类型的智能控制器的一般类别的智能控制器。智能控制器控制装置、机器、系统和组织的操作。本申请所涉及的一般类别的智能控制器包括允许智能控制器学习所述装置、机器、系统和组织的所希望的操作行为的自动学习组件，其控制所学习的信息并将所学习的信息并入到控制时间表中。本专利说明书的主题涉及以下共同转让申请的主题，其中的每个是以引用方式并入本文：2011年10月7日提交的美国第13/269,501号；和2011年10月17日提交的美国第13/317,423号。

除了用于自动控制时间表学习的方法和实施方式以外，本申请还公开了智能恒温控制器或智能恒温器的具体实例和用于用作由本申请所涉及的一般类别的智能控制器采用的自动控制时间表学习方法的详细实例的智能恒温器的具体控制时间表学习方法。智能恒温器是智能家居装置的实例。

详述包括三个小节：（1）智能家居环境的概述；（2）自动控制时间表学习；和（3）智能恒温器的背景下的自动控制时间表学习。第一小节提供了为自动控制时间表学习方法的应用和并入提供许多机会的一个技术领域的描 述。第二小节提供了包括第一个一般实施方式的自动控制时间表学习的详述。第三小节提供了并入智能恒温器内的自动控制时间表学习方法的具体实例。

智能家居环境的概述

图1示出了智能家居环境。智能家居环境100包括多个智能多传感网络连接装置。这些智能家居装置在智能家居环境内互相通信且集成在一起。智能家居装置也可以与基于云的智能家居控制和/或数据处理系统通信以分配控制功能、访问更高容量且更可靠的计算设施以及将特定智能家居集成到更大的基于多家居或地理区域智能家居装置的集合体内。

智能家居装置可以包括一个或多个智能恒温器102、一个或多个智能危险检测单元104、一个或多个智能入口通道接口装置106、智能开关（包括智能挂式开关108）、智能公用事业设备接口和其它服务接口（诸如智能墙上插头接口110）和各种智能多传感网络连接家电112（包括冰箱、电视机、洗衣机、烘干机、灯、音频系统、对讲机系统、机械致动器、挂壁式空调、水池加热单元、灌溉系统和许多其它类型的智能家电和系统）。

一般来说，智能家居装置包括一种或多种不同类型的传感器、一个或多个控制器和/或致动器，和一个或多个通信接口，其将智能家居装置连接到本地智能家居环境、各种不同类型的本地计算机系统内的其它智能家居装置、路由器、桥接器和集线器，且连接到互联网（智能家居装置可以通过互联网与云计算服务器和其它远程计算系统通信）。数据通信一般是使用种类繁多的不同类型的通信介质和协议（包括无线协议（诸如Wi-Fi、ZigBee、6LoWPAN）、各种类型的有线协议（包括CAT6以太网、HomePlug和其它这样的有线协议）和各种其它类型的通信协议和技术）的任一而实行。智能家居装置本身可以用作其它智能家居装置的中间通信装置，诸如转发器。此外智能家居环境可以包括各种不同类型的传统电器和装置140和142，其缺少通信接口和基于处理器的控制器。

图2示出了智能家居装置与远程装置和系统的集成。智能家居环境200内的智能家居装置可通过互联网202经由3G/4G无线通信204、通过集线网络206或由其它通信接口和协议进行通信。许多不同类型的智能家居相关数据和源自于智能家居数据208的数据可存储在包括基于云的远程系统的远程 系统210中且自所述远程系统210检索。远程系统可以包括用于数据处理和导出与智能家居环境有关的额外信息和规则的各种类型的统计、推理和索引引擎212。所存储的数据可经由一个或多个通信介质和协议部分或完全输出到各个远程系统和组织（包括慈善机构214、政府216、学术机构218、企业220和公用事业222）。一般来说，远程数据处理系统210是由与智能家居装置有关的组织或厂商管理或操作或由房主、房东、居民或其它智能家居相关用户承包用于远程数据处理和其它服务。数据也可以由代表操作远程数据处理系统210的智能房主或管理器和/或商业实体或厂商的额外商业实体数据处理系统213进一步处理。因此，外部实体可以收集、处理并输出由智能家居环境内的智能家居装置收集的信息，可以处理所述信息以产生可以被传达给其它远程实体且与其它远程实体共享的各种类型的导出结果，以及可以参与监控和控制智能家居环境内的智能家居装置及监控和控制智能家居环境。当然，在许多情况下，可以使用加密、访问权限、认证和其它已知技术严格控制和约束信息从智能家居环境内输出到远程实体，以保证额外的外部计算设施、实体、组织和个体并非故意或无意得到被智能家居管理器和/或远程数据处理系统视为机密的信息。

图3示出了图2中示出的相互通信实体的环境内的信息处理。外部数据处理系统210内的各个处理引擎212可相对各种不同目标（包括提供管理服务302、各种类型的广告和通信304、社交网络交换和其它电子社交通信306和各种类型的监控和规则生成活动308）处理数据。各个处理引擎212与智能家居装置310-313直接或间接通信，所述智能家居装置310-313中的每个可以具有数据消费者（“DC”）、数据源（“DS”）、服务消费者（“SC”）和服务源（“SS”）特性。此外，处理引擎可以访问各种其它类型的外部信息316，包括通过互联网获得的信息、各种远程信息源和甚至远程传感器、音频和视频馈送和来源。

自动时间表学习

图4示出了本申请所涉及的一般类别的智能控制器。智能控制器402经由任何各种不同类型的输出控制信号来控制装置、机器、系统或组织404并从由智能控制器从嵌入在受控实体404、智能控制器402内或智能控制器和/ 或受控实体的环境中的传感器接收的传感器输出接收关于所述受控实体和环境的信息。在图4中，智能控制器被示为经由基于导线或光纤的通信介质406连接到受控实体404。然而，智能控制器可以由替代类型的通信介质和通信协议（包括无线通信）与受控实体互连。在许多情况下，智能控制器和受控实体可以被实施并一起封装作为包括智能控制器和由智能控制器控制的机器、装置、系统或组织两者的单一系统。受控实体可以包括多个装置、机器、系统或组织，且智能控制器本身可以被分布在多个组件和离散装置和系统之间。除了将控制信号输出到受控实体和接收传感器输入以外，智能控制器也提供用户接口410-413，人类用户或包括用户操作的处理装置或远程自动化控制系统的远程实体可通过用户接口410-413将即时控制输入输入到智能控制器并创建和修改各种类型的控制时间表。在图4中，智能控制器提供图形显示组件410，其显示控制时间表416并包括多个输入组件411-413，所述输入组件411-413提供将即时控制指令输入到智能控制器以控制所述一个或多个受控实体并输入时间表接口命令（控制一个或多个控制时间表的显示、控制时间表的创建和控制时间表的修改）的用户接口。

总之，本申请所涉及的一般类别的智能控制器接收传感器输入、将控制信号输出到一个或多个受控实体并提供用户接口，所述用户接口允许用户将即时控制命令输入输入到智能控制器以由智能控制器转化为输出控制信号并创建和修改指定一个或多个时间段内的所希望受控实体操作行为的一个或多个控制时间表。一般类别的智能控制器的这些基本功能和特征提供作为可实施本申请所涉及的自动控制时间表学习的基础。

图5示出了智能控制器的额外内部特征。智能控制器一般是使用一个或多个处理器502、电子存储器504-507和各种类型的微控制器510-512（包括微控制器512和收发器514，其一起实施通信端口，所述通信端口允许智能控制器与受控于智能控制器的一个或多个实体、其它智能控制器和各种远程计算设施（包括通过云计算服务器的云计算设施）交换数据和命令）而实施。通常，智能控制器包括用于由各种不同协议通过不同类型的通信介质进行通信的多个不同通信端口和接口。智能控制器通常（例如）使用无线通信以与某种环境内的其它启用无线智能控制器和移动通信载体及任何各种有线通信协议和介质进行通信。在某些情况下，尤其当智能控制器与受控实体封装在 一起作为单一系统时，智能控制器可以只使用单一类型的通信协议。智能控制器内的电子存储器可以包括易失性和非易失性存储器两者，其中低等待时间高速易失性存储器促进由所述一个或多个处理器执行控制常式，且较缓慢的非易失性存储器存储需要继续使用通电/断电循环的常式和数据。此外，某些类型的智能控制器可以包括大容量存储装置。

图6示出了广义计算机架构，其表示可以包括在智能控制器、服务器计算机和其它基于处理器的智能装置和系统中的计算机械的类型的实例。计算机械包括一个或多个中央处理单元（“CPU”）602-605、由CPU/存储器子系统总线610或多个总线与CPU互连的一个或多个电子存储器608、使CPU/存储器子系统总线610与额外的总线614和616互连的第一桥接器612和/或其它类型的高速互连介质（包括多个高速串行互连）。这些总线和/或串行互连然后又使CPU和存储器与专用处理器（诸如图形处理器618）和一个或多个额外的桥接器620连接，桥接器620与高速串行链路或多个控制器622-627（诸如控制器627）互连，多个控制器622-627提供对各种不同类型的大容量存储装置628、电子显示器、输入装置和其它这样的组件、子组件和计算资源的访问。

图7示出了本申请所涉及的智能控制器的一般类别中的智能控制器的特征和特性。智能控制器包括控制器逻辑702，其一般实施为电子电路和受控于存储在物理数据存储组件（包括各种类型的电子存储器和/或大容量存储装置）中的计算机指令的基于处理器的计算组件。一开始应注意，存储于物理数据存储装置中并在处理器内执行的计算机指令包括各种现代装置、机器和系统的控制组件，且与装置、机器或系统的任何其它组件一样均是有形、物理且真实的。有时候遇到表明计算机指令实施控制逻辑“只是软件”或少许抽象且不及物理机器组件有形的语句。现代科学技术所熟悉的理解是，情况并非如此。由处理器执行的计算机指令必须是存储于物理装置中的物理实体。否则，处理器将不能访问并执行所述指令。术语“软件”可应用于程序或常式的符号表示（诸如编程语言语句的打印输出或显示清单），但是计算机程序的这些符号表示没有由处理器执行。相反，处理器提取并执行以物理状态存储于物理数据存储装置内的计算机指令。

控制器逻辑访问并使用各种不同类型的存储信息和输入以生成控制一个 或多个受控实体的操作行为的输出控制信号704。由控制器逻辑使用的信息可以包括一个或多个存储的控制时间表706、来自一个或多个传感器708-710的所接收的输出、通过即时控制接口712接收的控制输入和从远程数据处理系统（包括基于云的数据处理系统713）接收的数据、命令和其它信息。除了生成控制输出704以外，控制器逻辑还提供了允许用户创建并修改控制时间表且也可以通过信息输出接口将数据和信息输出到远程实体、其它智能控制器和用户的接口714。

图8示出了其中智能控制器操作的典型控制环境。如上文讨论，智能控制器802从用户或其它实体804接收控制输入并使用控制输入和存储的控制时间表和其它信息以生成控制一个或多个受控实体808的操作的输出控制信号805。受控实体的操作可以更改其中嵌入传感器810-812的环境。传感器将传感器输出或反馈返回到智能控制器802。基于这种反馈，智能控制器修改输出控制信号以实现受控系统操作的一个或多个指定目标。本质上，智能控制器根据两个不同的反馈环路修改输出控制信号。第一最直接的反馈环路包括来自传感器且可被控制器用来确定后续输出控制信号或控制输出修改以实现受控系统操作的所希望目标的输出。在许多情况下，第二反馈环路涉及到用户的环境或其它反馈816，其然后又将后续用户控制和时间表输入发出到智能控制器802。换句话来说，用户可被看做输出即时控制指令和控制时间表变化而不是原始传感器输出的另一种传感器或可被看做更高级反馈环路的组件。

存在许多不同类型的传感器和传感器输出。一般来说，传感器输出与某种类型的参数、机器状态、组织状态、计算状态或物理环境参数直接或间接相关。图9示出了传感器输出的一般特性。如图9中的第一绘制图902示出，传感器可以输出由曲线904表示且随时间变化的信号，其中所述信号与相对于垂直轴906绘制的参数P直接或间接相关。传感器可以连续或以时间间隔输出信号，其中相对于水平轴908绘制输出的时间。在某些情况下，传感器输出可以与两个或多个参数有关。例如，在绘制图910中，传感器输出与分别相对于轴912和914绘制的两个不同参数P₁和P₂直接或间接相关且随时间（相对于垂直轴916绘制）变化的值。在以下讨论中，为了简化说明和讨论，假设传感器产生与单一参数直接或间接相关的输出，如图9中的绘制图902。 在以下讨论中，假设传感器输出是关于参数P的参数值的集合。参数可以与环境状况（诸如温度、环境光照级、声级和其它这样的特性）相关。然而，参数也可以是机器组件的一个或多个位置、数据存储装置中的存储器存储地址的数据状态、从电源汲取的电流、气体或流体的流速、气体或流体的压力和包括用于控制目的的有用信息的许多其它类型的参数。

图10A-图10D示出了控制操作期间由智能控制器处理并生成的信息。类似于图9中的绘制图902，所有图均示出其中相对于垂直轴绘制参数值或控制相关值的另一集合且相对于水平轴绘制时间的绘制图。图10A示出了受控实体操作的结果的理想化规范。图10A中的垂直轴1002表示指定参数值P_s。例如，在智能恒温器的情况下，指定参数值可以是温度。对于灌溉系统，相比之下，指定参数值可以是流速。图10A是表示智能控制器通过控制一个或多个装置、机器或系统被引导以实现的所希望参数值随时间变化的连续曲线1004的绘制图。所述规范指示希望参数值最初较低1006，然后上升到相对较高值1008，然后下降到中间值1010，且然后再次上升到较高值1012。作为一个实例，可在视觉上向用户显示控制规范作为控制时间表。

图10B示出了对应于图10A中示出的控制规范的控制时间表的替代图或编码数据图。控制时间表包括对应于图10A中的边缘1018的参数值增加1016、对应于图10A中的边缘1022的参数值降低1020和对应于图10A中的边缘1016的参数值增加1024的指示。图10B中绘制的方向箭头可被认为是设置点或某个时间段内的特定时间点的所希望参数变化的指示。

由智能控制器学习的控制时间表表示自动学习的结果的重要组成部分。所学习的控制时间表可以按各种不同方式编码且存储在智能控制器、受控于智能控制器的系统或远程数据存储设施（包括基于云计算的数据存储设施）内的电子存储器或大容量存储装置中。在许多情况下，所学习的控制时间表可以编码并存储在多个位置中，所述控制时间表包括分布在内部智能控制器存储器和远程数据存储设施之间的控制时间表。设置点变化可以被存储作为有多个字段的记录，所述字段包括指示设置点变化是系统生成的设置点还是用户生成的设置点、设置点变化是即时控制输入设置点变化还是时间表设置点变化、创建设置点变化的时间和日期、最后编辑设置点变化的时间和日期的字段以及其它这样的字段。此外，设置点可以与两个或多个参数值相关联。 作为一个实例，范围设置点可以指示智能控制器应维持受控环境所在的参数值的范围。设置点变化通常称作“设置点”。

图10C示出了由智能控制器输出且可能由图10B中示出的控制时间表引起的控制输出。在这个图中，相对于垂直轴1026绘制输出控制信号的幅度。例如，控制输出可以是由智能恒温器输出到加热单元的电压信号，其中高电压信号指示当前应操作加热单元且低电压输出指示不应操作加热系统。图10C中的边缘1028对应于图10B中的设置点1016。正控制输出1030的宽度可以与由设置点箭头1016的长度指示的、所希望参数值变化的长度或幅度相关。当获得所希望参数值时，智能控制器使高电压信号的输出不连续，如由边缘1032表示。类似的正输出控制信号1034和1036是由图10B中的设置点1020和1024得出。

最后，图10D示出了如由传感器输出指示且由智能控制器对一个或多个受控实体的控制引起的观察到的参数变化。在图10D中，相对于垂直轴1040绘制与参数P直接或间接相关的传感器输出。观察到的参数值是由平滑连续曲线1042表示。虽然这种连续曲线可被视为与图10A中绘制的初始规范曲线相关，但是观察到的曲线没有精确匹配所述规范曲线。首先，受控实体实现由图10B中绘制的控制时间表中的设置点1016表示的参数值变化可能消耗有限时间段1044。再者，一旦获得参数值且受控实体涉及不连续操作，参数值可以开始下降1046，导致反馈引发的控制输出以恢复受控实体的操作以维持所希望参数值。因此，图10A中的所希望高电平的恒定参数值1008实际上可以结束作为没有精确对应于控制规范1004的时间变化曲线1048。上文参考图8讨论的，反馈的第一级是由智能控制器使用以控制一个或多个控制实体，使得如图10D中示出的随时间变化的观察到的参数值尽可能近似匹配图10A中的参数的指定时间行为。上文参考图8讨论的，第二级反馈控制环路可以涉及通过用户随时间改变存储的控制时间表或输入即时控制指令来更改图10A中示出的规范，以生成产生反映用户所希望的操作结果的参数值/时间曲线的修改规范。

存在许多类型的受控实体和相关控制器。在某些情况下，控制输出可以包括当前是否应操作受控实体的指示和当操作受控实体时操作的水平、吞吐量或输出的指示。在其它情况下，控制输出可能只是二进制激活/停用信号。 为了简化说明和讨论，以下讨论中假定后一种类型的控制输出。

图11A-图11E提供了智能控制器操作的基于状态转换图的说明。在这些图中，圆盘状元件或节点表示智能控制器状态且互连节点的弯曲箭头表示状态转换。图11A示出了智能控制器的一种可能的状态转换图。存在四种主要状态1102-1105。这些状态包括：（1）静止状态1102，其中来自传感器的反馈指示当前不需要任何控制器输出且其中所述一个或多个受控实体当前不活动或处于维护模式；（2）唤醒状态1103，其中传感器数据指示可能需要输出控制来使一个或多个参数返回到所希望范围内，但是输出控制信号仍未激活所述一个或多个受控实体；（3）活动状态1104，其中传感器数据继续指示观察到的参数是在所希望范围以外且其中所述一个或多个受控实体已由控制输出激活且正在操作以使观察到的参数返回到指定范围；和（4）初期静止状态1105，其中所述一个或多个受控实体的操作已使观察到的参数返回到指定范围但是来自传感器的反馈仍未促使智能控制器将输出控制信号发送到所述一个或多个受控实体以停用所述一个或多个受控实体。一般来说，状态转换以顺时针方向流动，使得智能控制器通常占用静止状态1102，但是在步骤1103中由于反馈指示而定期唤醒以激活所述一个或多个受控实体，在状态1104中使观察到的参数返回到指定范围。一旦在步骤1105中使观察到的参数返回到指定范围，智能控制器将停用输出控制信号发送到所述一个或多个受控实体，从而返回到静止状态1102。

主循环状态1102-1105中的每个与两个额外状态相关联：（1）时间表变化状态1106-1109和控制变化状态1110-1113。重复这些状态使得每个主循环状态与其自身的一对时间表变化和控制变化状态相关联。一般来说，这是因为时间表变化和控制变化状态是瞬态，所述控制器状态从所述瞬态返回到原始主循环状态（由先前转换从所述原始主循环状态达到时间表变化或控制变化状态）或返回到上述循环中的下一个主循环状态。此外，时间表变化和控制变化状态是与主循环状态相关联的一种类型的并行异步操作状态。时间表变化状态表示智能控制器与通过显示时间表接口实行控制时间表创建、控制时间表修改或控制时间表管理操作的用户或其它远程实体之间的交互。控制变化状态表示用户或其它远程实体与智能控制器的交互，其中用户或其它远程实体将即时控制命令输入到智能控制器以便转化为到所述一个或多个受控 实体的输出控制信号。

除了与每次转换相关联的加圆圈的字母数字标签（诸如加圆圈的字母数字标签1116）以外，图11B是图11A中示出的同一状态转换图。图11C为这些转换标签提供了密钥。图11B-图11C因此一起提供了一起表示智能控制器操作的状态和状态转换两者的详细说明。

为了说明图11B-图11C中包括的细节层次，考虑与状态1102和1106相关联的状态转换1118-1120。如从图11C中提供的表格可确定，从状态1102到状态1106的转换1118涉及由用户、远程输入或由智能控制器本身对存储在智能控制器内或智能控制器可访问的一个或多个控制时间表做出的控制时间表变化。一般来说，在时间表变化之后，操作经由转换1119转换回到状态1102。然而，在时间表变化已导致传感器数据先前在指定范围内现在落在新指定范围以外的相对不可能事件中，状态反而经由转换1120转换到唤醒状态1103。

事实上，发生由智能控制器进行的自动控制时间表学习大部分是因为智能控制器操作在时间表变化和控制变化状态内。来自用户和其它远程实体的即时控制输入（导致转换到控制变化状态1110-1113）提供了智能控制器从其中随时间学习如何控制所述一个或多个受控实体以满足一个或多个用户或远程实体的希望和期望的信息。由智能控制器以由智能控制器在时间表变化状态1106-1109中操作时做出的控制时间表变化来编码学习过程。这些变化是基于所记录的即时控制输入、所记录的控制时间表变化以及当前和历史控制时间表信息。用于学习的额外信息源可以包括所记录的输出控制信号和传感器输入及从外部源（包括可通过互联网访问的源）搜集的各种类型的信息。除了先前描述的状态以外，也存在表示首次通电状态或重设智能控制器之后的状态的一个或多个初始状态1130。一般来说，一个或多个初始配置操作之前的开机操作导致经由转换1132和1134从所述一个或多个初始状态1130到静止状态1102或唤醒状态1103中的一个。

图11D-图11E使用图11A中示出的状态转换图中的状态的额外阴影示出了由本申请所涉及的智能控制器实行的自动控制时间表学习的两种模式。图11D中示出的第一种模式是稳定状态模式。稳定状态模式以最小即时控制输入寻求最佳或近似最佳控制。虽然学习在稳定状态模式中继续，但是所述学 习被实施来相对缓慢且保守地响应于即时控制输入、传感器输入和来自外部信息源的输入，前提是稳定状态学习主要是针对小粒度改善控制操作并跟踪所希望控制制度随时间的相对缓慢的变化。在稳定状态学习和一般的智能控制器操作中，最希望的状态是图11D中的交叉阴影线示出的静止状态1102，其指示这个状态作为稳定状态操作的目标或最希望状态。淡的阴影用来指示其它主循环状态1103-1105在稳定状态操作模式中具有中立或稍微有利状态。显然，受控实体的中间或连续操作需要这些状态以将一个或多个参数维持在指定范围内并跟踪所述指定范围中的时间表变化。然而，这些状态稍微不利之处在于：一般来说，所述一个或多个受控实体的激活和停用循环的最小次数或最小累积持续时间通常造成最佳控制制度，且最小化所述一个或多个受控实体的激活的累积时间通常造成相对于能量和/或资源使用量最佳化控制制度。在稳定状态操作模式中，时间表变化和控制变化状态1110-1113极为不利，因为自动控制时间表学习的意图是使智能控制器随时间设想出准确反映用户或其它远程实体的所希望操作行为的一个或多个控制时间表。虽然有时候这些状态由于所希望的操作行为的变化、环境状况的变化或受控实体的变化而被频繁地暂时禁止，但是自动控制时间表学习的一般目标是最小化时间表变化和即时控制输入两者的频率。许多最佳化方案中尤其希望最小化即时控制输入的频率。

与图11D相比，图11E示出了积极学习模式，其中智能控制器一般在所述一个或多个初始状态730到主循环状态1102-1103内的转换之后的短时间段内操作。在积极学习模式期间，与图11D中示出的稳定状态操作模式相比，静止状态1102最不利且时间表变化和控制变化状态1106-1113最有利，其中状态1103-1105具有中立希望性。在积极学习模式或操作阶段中，智能控制器寻求频繁的即时控制输入和时间表变化以快速又积极获取一个或多个初始控制时间表。如下文讨论，通过使用相对快速的即时控制输入放宽策略，智能控制器在积极学习模式下操作时试图迫使用户或其它远程实体在相对较短的时间间隔提供即时控制输入以快速确定初始控制时间表的整体形状和外形。在完成初始积极学习并生成足够的初始控制时间表之后，随着智能控制器开始改善控制时间表并跟踪控制规范、环境、控制系统和其它这样的因素的长期变化，各种状态的相对希望性恢复成图11D中示出的希望性。因此， 自动控制时间表学习方法和本申请所涉及的合并有这些方法的智能控制器以在相对较短时间段之后后面是长期稳定状态学习模式的初始积极学习模式为特征。

图12提供了示出自动控制时间表学习的状态转换图。自动学习发生在图11A-图11C中示出的正常控制器操作期间，且因此图12中示出的状态转换图描述了智能控制器的与图11A-图11C中描述的智能控制器操作并行发生的操作行为。在对应于图11B中的初始状态1130的一个或多个初始状态1202之后，智能控制器进入初始配置学习状态1204，其中智能控制器尝试基于以下项中的一个或多个创建一个或多个初始控制时间表：存储在智能控制器内或智能控制器可访问的默认控制时间表；通过时间表创建接口与用户或其它远程实体进行的初始时间表创建对话；由这样的两种途径的组合；或由额外途径。初始配置学习模式1204与图11B中的转换1132和1134并行发生。在初始学习模式期间，没有发生来自手动输入设置点变化的学习，因为已发现用户在其操控接口特征以探索控制器的特征和功能时通常非故意地做出许多这样的改变。

在初始配置之后，智能控制器紧接着转换到上文参考图11E讨论的积极学习模式1206。积极学习模式1206是涵盖除了图11B中的多种状态中的状态1130以外的大部分或所有状态的学习模式状态。换句话来说，积极学习模式1206是与图11A-图11E中讨论的一般操作状态并行的学习模式状态。如上文讨论，在积极学习期间，智能控制器尝试创建至少最低限度足以指定智能控制器和智能控制器基于来自用户或其它远程控制实体的频繁输入所要控制的实体的操作行为的一个或多个控制时间表。一旦完成积极学习，智能控制器通过多个稳定状态学习阶段1208-1210向前转换。在图12中示出的状态转换图中通过所述系列稳定状态学习阶段状态1208-1210进行的每次向下转换是通过学习模式参数中的变化而完成，所述学习模式参数一般导致自动控制时间表学习的途径更慢且更保守，因为由智能控制器在先前学习状态中开发的所述一个或多个控制时间表变得越来越准确且更加反映用户的希望和规范。可以基于时间段、由智能控制器实行的信息处理循环的次数、通过确定一个或多个当前控制时间表的复杂性是否足以提供更慢的稳定状态学习的基础和/或基于其它考虑、规则和阈值来确定是否已完成积极学习。应注意，在 某些实施方式中，可以存在多种积极学习状态。

图13示出了与包括较短时间帧子时间表的示例性控制时间表相关联的时间帧。控制时间表在图形上表示为具有表示时间的水平轴1302的绘制图。垂直轴1303一般表示一个或多个参数值。如下文进一步讨论，控制时间表将所希望的参数值指定为时间的函数。控制时间表可以是离散值集合或连续曲线。所指定的参数值与环境、系统、装置、机器或组织中可由任何各种类型的传感器测量或从任何各种类型的传感器获得的测量推断的可观察特性直接或间接相关。一般来说，传感器输出用作至少一个反馈控制级，智能控制器通过所述反馈控制级调整装置、机器、系统或组织的操作行为以使所观察的参数值与控制时间表中指定的参数值一致。用作以下讨论中的实例的控制时间表沿水平轴按小时递增且覆盖一个星期的时间跨度。控制时间表包括对应于几天的7个子时间表1304-1310。如下文进一步讨论，在示例性智能控制器中，以一天为时间间隔发生自动控制时间表学习，目标是产生可循环、一周接一周、在相对较长的时间段内应用的稳定的每周控制时间表。又如下文讨论，智能控制器可以学习甚至更长周期的控制时间表，诸如每年控制时间表，其中在每年控制时间表以下有层次地组织有每月、每周、每天且甚至每小时子时间表。在某些情况下，智能控制器可以生成并维持较短时间帧控制时间表，包括每小时控制时间表、基于分钟的控制时间表或甚至以毫秒或微秒递增的控制时间表。如同一起组成控制常式的存储的计算机指令，控制时间表是控制系统的有形物理组件。控制时间表作为物理状态存储在物理存储介质中。如同控制常式和程序，控制时间表一定是可由基于处理器的控制逻辑和控制系统访问并使用的有形的物理控制系统组件。

图14A-图14C示出了三种不同类型的控制时间表。在图14A中，控制时间表是连续曲线1402，其表示相对于垂直轴1404绘制的参数值与相对于水平轴1406绘制的时间的函数。连续曲线只包括水平和垂直段。水平段表示希望参数保持恒定的时间段，且垂直段表示参数值在特定时间点的所希望变化。这是简单类型的控制时间表且在下文中用于自动控制时间表学习的各个实例。然而，自动控制时间表学习方法也可学习更复杂类型的时间表。例如，图14B示出了不但包括水平和垂直段而且还包括任意角度的直线段的控制时间表。因此，可以由这种控制时间表指定以给定速率发生参数值的变化而不 是如同图14A中示出的简单控制时间表一样指定瞬间发生参数值的变化。自动控制时间表学习方法也可以适应基于平滑连续曲线的控制时间表，诸如图14C中示出。一般来说，基于平滑连续曲线的控制时间表（诸如图14C中示出）的特性化和数据编码更复杂且包括的存储数据量大于图14B和图14A中示出的更简单控制时间表。

在以下讨论中，一般假设参数值在缺少系统操作时（诸如当参数值是温度且受控系统是加热单元时）趋向于朝更低值放宽。然而，在其它情况下，参数值在缺少系统操作时（诸如当参数值是温度且受控系统是空调时）可以朝更高值放宽。放宽方向通常对应于更低资源或系统消耗的方向。在其它情况下，诸如当参数值是温度且受控系统是包括加热和冷却功能两者的HVAC系统时，放宽方向可以取决于环境或其它外部状况。

转向图14A中示出的控制时间表，替代地可以将连续曲线表示的控制时间表1402编码为对应于连续曲线中的垂直段或边缘的离散设置点。连续曲线控制时间表一般在以下讨论中用来表示由用户或远程实体经由由智能控制器提供的时间表创建接口创建或由智能控制器基于已经存在的控制时间表、所记录的即时控制输入和/或所记录的传感器数据或这些类型的信息的组合创建的存储控制时间表。

在图形上也以参数值与时间的关系绘制图表示即时控制输入。图15A-图15G示出了即时控制输入的表示，所述即时控制输入可以由智能控制器接收并执行且然后被记录并覆盖到控制时间表（诸如上文参考图14A-图14C讨论的控制时间表）上作为自动控制时间表学习的部分。在图形上由以小的填充或阴影圆盘结束的垂直线段表示即时控制输入。图15A示出了两个即时控制输入1502和1504的表示。即时控制输入本质上等效于控制时间表中的边缘（诸如图14A中示出），所述即时控制输入是由用户或远程实体输入到智能控制器，从而希望输入控制将立即由智能控制器实行，覆写指定智能控制器操作的任何当前控制时间表。即时控制输入因此是通过控制输入接口到智能控制器的实时设置点输入。

因为即时控制输入更改当前控制时间表，所以即时控制输入一般与图15A中示为形成在时间上从即时控制输入向前延长的暂时控制时间表参数与时间的关系曲线的虚线水平和垂直线的后续暂时控制时间表相关联。暂时控 制时间表1506和1508分别与图15A中的即时控制输入1502和1504相关联。

图15B示出了即时控制输入和相关联的暂时控制时间表的实例。即时控制输入1510本质上是覆写当前控制时间表并引导智能控制器控制一个或多个受控实体以实现参数值等于即时控制输入的表示中填充圆盘1512的垂直坐标的输入设置点。在即时控制输入之后，暂时恒温控制时间表时间间隔1514在即时控制输入之后延长某个时间段，且然后由后续即时控制输入结束点或后续设置点1516放宽即时控制输入。即时控制输入在时间间隔1514中所维持的时间长度是自动控制时间表学习的参数。后续即时控制输入结束点设置点1516的方向和幅度表示一个或多个额外自动控制时间表学习参数。请注意，自动控制时间表学习参数是控制自动控制时间表学习的操作的可调参数，且不同于相对于时间绘制且包括控制时间表的所述一个或多个参数值。在当前讨论所指的示例性控制时间表中相对于垂直轴绘制的参数值与可观察量（包括环境状况、机器状态等）直接或间接相关。

图15C示出了上面叠加即时控制输入的现有控制时间表。现有控制时间表要求参数值P中上午7:00（图15C中的1522）处由边缘1520表示的增加。即时控制输入1524指定幅度稍小的更早参数值变化。图15D-图15G示出了可以取决于智能控制器逻辑的各个不同实施方式和/或自动控制时间表学习参数值的当前值而获得的各个后续暂时控制时间表。在图15D-图15G中，与即时控制输入相关联的暂时控制时间表用虚线段示出且现有控制时间表中由即时控制输入覆写的所述部分是由点线段示出。在图15D中示出的一种途径中，由即时控制输入1524指示的所希望参数值维持固定时间段1526，在所述时间段1526之后暂时控制时间表如边缘1528表示般放宽到由控制时间表在实行即时控制输入的时间点指定的参数值。维持这个参数值1530直到下一个时间表设置点为止，所述下一个时间表设置点对应于图15C中的边缘1532，此时智能控制器根据控制时间表而恢复控制。

在图15E中示出的替代性途径中，将由即时控制输入1524指定的参数值维持1532直到达到下一个时间表设置点为止，在这种情况下，设置点对应于图15C中示出的控制时间表中的边缘1520。在所述下一个设置点处，智能控制器根据现有控制时间表恢复控制。这种途径通常为人所希望，因为用户通常希望手动输入设置点保持有效直到下一个时间表设置点发生变化为止。

在图15F中示出的不同途径中，由智能控制器将由即时控制输入1524指定的参数值维持固定时间段1534，在所述时间段1534之后，将已由现有控制时间表在所述时间点指定的参数值在1536恢复。

在图15G中示出的途径中，将由即时控制输入1524指定的参数值维持1538直到到达方向与即时控制输入相反的设置点为止，此时在1540恢复现有控制时间表。在替代性途径中，可以将即时控制输入进一步放宽到最低合理水平以尝试关于资源和/或能量消耗来最佳化系统操作。在一般用于积极学习期间的这些途径中，用户被迫主动选择大于或小于与最小或低速的能量或资源使用相关联的参数值的参数值。

在自动控制时间表学习的一个示例性实施方式中，智能控制器在一般与控制时间表或子时间表的时间跨度重合的监控周期的过程中监控即时控制输入和时间表变化，同时根据除了如由即时控制输入和输入时间表变化覆写以外的现有控制时间表控制一个或多个实体。当监控周期结束时，所记录的数据叠加在现有控制时间表上，且通过组合现有控制时间表和时间表变化和即时控制输入的特征生成新的临时时间表。在各种类型的解析之后，新的临时时间表在现有控制时间表旨在控制系统操作的未来时间间隔内升级到现有控制时间表。

图16A-图16E示出了由现有控制时间表和所记录的时间表变化和即时控制输入合成新的控制时间表的方法的一个方面。图16A示出了监控周期内的现有控制时间表。图16B示出了在监控周期之后叠加在控制时间表上的多个记录的即时控制输入。如图16B中示出，存在6个即时控制输入1602-1607。以群集技术检测现有控制时间表设置点和即时控制输入的群集。群集检测的一种途径是确定大于阈值长度的所有时间间隔，在所述时间间隔期间既不存在现有控制时间表设置点也不存在即时控制输入，如图16C中示出。绘制图下方的水平双向箭头（诸如双向箭头1610）表示大于阈值长度的间隔，在所述间隔期间即时控制输入叠加到现有控制时间表上时既不存在现有控制时间表设置点也不存在即时控制输入。然后将时间轴中没有与这些时间间隔重叠的所述部分视为现有控制时间表设置点和即时控制输入的群集，如图16D中示出。第一群集1612涵盖现有控制时间表设置点1614-1616和即时控制输入1602和1603。第二群集1620涵盖即时控制输入1604和1605。第三群集1622 只涵盖现有控制时间表设置点1624。第四群集1626涵盖即时控制输入1606和1607及现有控制时间表设置点1628。在一种群集处理方法中，将每个群集减小为由所记录的即时控制输入和现有控制时间表生成的新临时时间表中的零个、一个或两个设置点。图16E示出了通过解析图16D中识别的四个群集获得的示例性新临时时间表1630。

群集处理旨在通过将群集内的各个现有控制时间表设置点和即时控制输入合并到反映代表用户或远程实体对现有控制时间表和即时控制输入的明显意图的零个、一个或两个新控制时间表设置点来简化新临时时间表。相比之下，将可能生成新临时时间表作为现有控制时间表设置点与即时控制输入的和。然而，所述途径将通常造成凹凸不平的高度可变且细粒度的控制时间表，其一般不能反映用户或其它远程实体的最终希望且通常构成不能由智能控制实现的参数值与时间的关系曲线。作为一个实例，在智能恒温器中，相隔15分钟的指定温度相差10度的两个设置点无法由受控于智能控制器的HVAC系统实现。可能的情况是，例如，在某些环境状况下，HVAC系统最大只能够将住宅的内部温度每小时提高5度。此外，简单的控制时间表可造成可由智能控制器用来控制一个或多个实体以产生随时间变化的与控制时间表一致的参数值或P值的最佳化策略的更多样化集合。鉴于其它约束，智能控制器然后可最佳化控制，诸如最小化能量使用量或资源利用。

将现有控制时间表设置点和即时控制输入的群集解析成一个或两个新临时时间表设置点存在许多可能的途径。图17A-图17E示出了解析时间表群集的一种途径。在图17A-图17E的每个中，示出了三个绘制图。第一绘制图示出了叠加在现有控制时间表上的所记录的即时控制输入。第二绘制图将不同类型的设置点减少为单一广义类型的等效设置点，且最后的绘制图示出了将设置点解析成零个、一个或两个新临时时间表设置点。

图17A示出了群集1702，其通过关于由智能控制器内的现有控制时间表设置点和即时控制输入704产生的实际控制的方向和幅度指示而展现出明显的增加P值趋势，如当现有控制时间表设置点和即时控制输入一起被绘制为单一类型的设置点或事件时可知。在这种情况下，所述6个设置点中的4个设置点706-709导致所指定的P值增加，其中只有单一设置点710导致P值稍微降低且一个设置点712并未使P值产生变化。在这种和类似情况下，由 指定P值增加的单一设置点替换所有设置点，这可被合理推断为现有控制时间表和即时控制输入中均表达的意图。在这种情况下，替换设置点704的群集的单一设置点716在第一设置点的时间置于所述群集中且指定新P值等于由所述群集中的任何设置点指定的最高P值。

图17B中示出的群集包括5个设置点718-722。这些设置点中的两个指定P值降低，两个指定P值增加且一个没有任何影响。因此，设置点的集合没有表明任何明显的P值变化意图，且因此新临时时间表724不包括群集时间间隔内的任何设置点，其中P值维持在群集时间间隔内的现有控制时间表的初始P值。

图17C示出了展现出类似于由图17A中示出的群集设置点展现的向上趋势的明显向下趋势的群集。在这种情况下，由在对应于群集中的第一设置点的时间点处且指定P值降低等效于由群集中的任何设置点指定的最低P值的单一新临时时间表设置点726替换所述4个群集设置点。

在图17D中，群集包括三个设置点730-732。对应于现有控制时间表设置点730和后续即时控制设置点731的设置点指示在群集时间间隔开始时提高P值的明显意图，且最后的设置点732指示在群集时间间隔结束时降低P值的明显意图。在这种情况下，由新临时时间表中反映由群集中的三个设置点推断的意图的两个设置点734和736替换所述三个设置点。图17E示出了其中由两个新临时时间表设置点738和740替换群集中的三个设置点的类似情形，与图17B中新临时时间表中的暂时提高且随后降低P值相比，在这种情况下表示暂时降低且然后随后提高P值。

存在可辨认参考图17A-图17E讨论的群集设置点的趋势的许多不同计算方法。这些趋势提供了可以通过计算辨认的各种类型的趋势的实例。群集解析的不同方法和策略是可能的，包括平均化、曲线拟合和其它技术。在所有情况下，群集解析的目标是将多个设置点解析成反映用户意图（如从现有控制时间表和即时控制输入判断）的最简单的可能设置点集合。

图18A-图18B示出了监控周期期间由用户输入的前瞻性时间表变化的影响。在图18A-图18B和后续附图中，由以指示所指定的P值的小的填充圆盘1804结束的垂直线1802表示由用户输入的时间表变化。在计划将要实行设置点的时间关于水平轴放置设置点。短的垂直线分段1806表示由用户或远程 实体做出时间表变化的时间点，且水平线分段1808使输入时间与分别由垂直线分段1806和1802表示的设置点的执行时间连接。在图18A中示出的情况下，用户在上午7:001810更改现有控制时间表以使其包括上午11:00处的设置点1802。在诸如图18A中示出的情况下，如果时间表变化是前瞻性的且如果智能控制器可根据同一监控周期内所改变的控制时间表控制一个或多个实体，那么智能控制器只将控制时间表改变为图18B中指示的以反映时间表变化。因此，在一种自动控制时间表学习方法中，没有记录前瞻性时间表变化。反而更改现有控制时间表以反映用户或远程实体的所希望时间表变化。

图19A-图19B示出了监控周期期间由用户输入的回顾性时间表变化的影响。在图19A中示出的情况下，用户在下午6:001902将三个变化输入到现有控制时间表，包括删除现有设置点1904和添加两个新设置点1906和1908。所有这些时间表变化将只影响受控于所修改的控制时间表的未来监控周期，因为输入这些时间表变化时的时间迟于计划发生P值变化时的时间。对于这些类型的时间表变化，智能控制器以类似于记录即时控制输入的方式记录时间表变化，包括以下事实的指示：这种类型的设置点表示由用户通过时间表修改接口而不是即时控制输入做出的时间表变化。

图19B示出了合并有图19A中示出的时间表变化的新临时时间表。一般来说，时间表变化由当前描述的自动控制时间表学习方法给予相对较大尊重。因为用户通过时间表变化接口做出时间表变化又耗时又麻烦，所以假设时间表变化极大地反映用户的希望和意图。结果，如图19B中示出，将现有设置点1904的删除和两个新设置点1906和1908的添加输入到现有控制时间表中以产生新临时时间表1910。边缘1912对应于由图19A中的设置点1906表示的时间表变化，且边缘1914对应于由图19A中的设置点1908表示的时间表变化。总之，对于监控周期期间做出的前瞻性时间表变化或回顾性时间表变化来说，时间表变化在合并有现有控制时间表和所记录的即时控制输入及监控周期期间内做出的时间表变化两者的新临时时间表的基于学习的准备期间被给予极大的尊重。

图20A-图20C示出了在完成监控周期之后且在群集和解析群集之前将所记录的数据覆盖到现有控制时间表上。如图20A中示出，用户在监控周期期间输入6个即时控制输入2004-2009和两个回顾性时间表变化2010和2012， 其覆盖或叠加在现有控制时间表2002上。如图20B中示出，群集产生4个群集2014-2017。图20C示出了由解析群集获得的新临时时间表。具有三个现有控制时间表设置点和两个即时控制设置点的群集2014被解析成新临时时间表设置点2020和2022。包括两个即时控制设置点和两个回顾性时间表设置点的群集2（图20B中的2015）被解析成设置点2024和2026。群集3（图20B中的2016）被解析成现有控制时间表设置点2028，且包括两个即时控制设置点和现有控制时间表设置点的群集4（图20B中的2017）被解析成设置点2030。在准备后续时间表传播步骤时，用设置点参数值是源自于即时控制设置点还是源自于现有控制时间表设置点或回顾性时间表变化设置点的指示来标记新临时时间表设置点中的每个。后面两个种类被视为相同，且图20C中用字符“s”标记所述种类的设置点，同时将具有源自于即时控制设置点2020和2022的温度的设置点标记成“i”。如下文进一步讨论，只将标记为“i”的设置点传播到更高层次控制时间表的额外相关子时间表。

在某些实施方式中，可以继群集和群集解析之后且在新临时时间表传播之前的额外步骤涉及扩展新临时时间表中源自于即时控制设置点的设置点。图21A-图21B示出了设置点扩展操作。图21A示出了新临时时间表，（如上文参考图20C讨论）设置点标记为“s”或“i”以指示导出设置点的设置点类别。在这个新临时时间表2102中，标记为“i”的两个设置点2104和2106分离长度小于阈值时间间隔的时间间隔2108以达到分离目的。扩展操作检测到标记为“i”的多对设置点，其在时间上分离小于阈值时间间隔且使所述对的后一个设置点在时间上向前移动，使得所述对设置点分离至少图21B中的预定固定长度时间间隔2110。在稍微更加复杂的扩展操作中，在所述对的后一个设置点移动比阈值时间更接近后续设置点的情况下，后一个设置点可以移动到所述对的第一设置点与后续设置点之间的中间的时间点。扩展操作的意图是保证设置点之间充分分离以简化时间表且产生在系统的智能控制器控制下可实现的控制时间表。

由当前讨论的自动控制时间表学习方法实行的下一个操作是在监控周期之后将如上文讨论般创建的新临时子时间表传播到更高层次控制时间表中的相关子时间表。图22A-图22B中示出了时间表传播。图22A示出了时间跨度为一个星期且包括每日子时间表（诸如星期六子时间表2204）的更高层次控 制时间表2202。在图22A中，最近已由监控周期结束之后的新临时星期一子时间表替换星期一子时间表2206，图22A中通过与对应于所述星期的其它几天的子时间表的交叉阴影线相对倾斜的交叉阴影线指示。如图22B中示出，用于当前讨论的自动控制时间表学习方法的时间表传播技术涉及将新临时星期一子时间表2206传播到更高层次控制时间表2202中的其它相关子时间表2208-2211。在这种情况下，工作日子时间表被视为相互相关（周末子时间表一样也相互相关），但是周末子时间表没有被视为与工作日子时间表相关。子时间表传播涉及将新临时时间表2206中标记为“i”的设置点覆盖到相关现有控制时间表（在这种情况下，子时间表2208-2211）上，且然后解析设置点覆盖的现有控制时间表以为相关子时间表产生新临时子时间表。在图22B中，将来自新临时子时间表2206的标记为“i”的设置点覆盖到相关子时间表2208-2211上是由双向交叉阴影线来指示。在解析这些覆盖设置点和现有子时间表之后，整个更高层次控制时间表2202然后被认为是智能控制器的当前现有控制时间表。换句话来说，在解析之后，新临时子时间表升级到现有子时间表。在某些情况下，子时间表传播规则可以随时间变化。作为一个实例，最初可以在每周时间表的所有天发生传播，但是然后可以更选择性地将工作日子时间表传播到工作日且将周末日子时间表传播到周末日。子时间表的传播可以采用其它这样的规则。

如上文讨论，可存在由智能控制器维持的控制时间表和子时间表的多个分层及层次相关控制时间表的多个集合。在这些情况下，时间表传播可以涉及用于确定应将新创建的临时子时间表传播到哪些子时间表的相对更复杂传播规则。虽然图22B中示出了在时间上的正向传播，但是也可以以相对于时间的正向或逆向实行新临时时间表或新临时子时间表的传播。一般来说，新临时时间表传播是由规则或列出被视为与每个控制时间表和/或子时间表相关的所述控制时间表和子时间表的表格掌控。

图23A-图23C使用P值与t控制时间表的关系绘制图示出新临时时间表传播。图23A示出了将新临时时间表中标记为“i”的设置点传播到的现有控制时间表2302。图23B示出了具有“i”标记且覆盖到图23A中示出的控制时间表上的传播设置点。两个设置点2304和2306覆盖到现有控制时间表2302上。现有控制时间表包括4个现有设置点2308-2311。传播设置点中的第二个 2306将参数值降低到大于现有控制时间表2302的对应参数值水平2314的水平2312，且因此覆写现有控制时间表直到现有设置点2310。在这种简单情况下，没有做出进一步调整，且传播设置点并入现有控制时间表以产生图23C中示出的新临时时间表2316。当设置点已传播到所有相关控制时间表或子时间表且为设置点生成新临时时间表和子时间表时，传播步骤终止且所有新临时时间表和子时间表一起被视为智能控制器的新的现有更高层次控制时间表。

在将到新临时时间表上的标记为“i”的设置点传播并覆盖到相关子时间表或控制时间表之后（如图23B中示出），可以应用多种规则于覆盖设置点和现有控制时间表以简化并可实现由传播设置点和现有控制时间表生成的新临时时间表。图24A-图24I示出了用来简化覆盖有传播设置点的现有控制时间表作为生成新临时时间表的过程的部分的多种示例性规则。图24A-图24I中的每个包括两个P值与t的关系绘制图，第一绘制图示出了传播设置点覆盖现有控制时间表，且第二绘制图示出了解析传播设置点以生成通过解析传播设置点获得的新临时时间表的部分。

图24A中的第一个左手边P值与t的关系绘制图2402示出了传播设置点2404覆盖在现有控制时间表2405上。图24A也示出了用于描述用来解析传播设置点与现有控制时间表的许多示例性规则的术语。在图24A中，第一现有设置点（pe₁2406）在时间上领先于传播设置点2404达时间长度a2407，且现有控制时间表的第二现有设置点（pe₂2408）在时间上落后传播设置点2404达时间长度b2409。第一现有控制时间表设置点2406与传播设置点2404之间的P值差称作“ΔP”2410。图24A中示出的右手边P值与t的关系绘制图2412示出了第一传播设置点解析规则。如这个图中示出，当ΔP小于阈值ΔP且b小于阈值Δt时，则删除传播设置点。因此，通过规则1解析传播设置点与现有控制时间表会移除传播设置点，如图24A的右手侧中示出。

图24B-图24I以类似于示出图24A中的第一传播设置点解析规则的方式示出了传播设置点解析规则的额外实例。图24B示出了以下规则：当b小于阈值Δt且没有应用图24A中示出的第一规则时，新传播设置点2414在时间上向前移动与现有设置点pe₁相距值Δt₂2416且删除现有设置点pe₂。

图24C示出了当前面两个规则均不适用于传播设置点时应用的第三规 则。如果a小于阈值Δt，那么传播设置点在时间上向后移动与pe₂相距预定值Δt₃且删除现有设置点pe₁。

图24D示出了当前面三个规则均不可应用于传播设置点时可应用的第四行。在这种情况下，传播设置点的P值变成现有设置点pe₁的P值且删除传播设置点。

当上文参考图24A-图24D描述的前面四个规则均不适用时，则可以尝试额外规则以解析传播设置点与现有控制时间表。图24E示出了第五规则。当b小于阈值Δt且ΔP小于阈值Δp时，如图24E中示出，则删除传播设置点2424。换句话来说，太接近现有控制时间表设置点的传播设置点没有并入到新临时控制时间表中。在传播设置点解析期间也可以重新考虑现有设置点。例如，如图24F中示出，当发生在第一现有设置点pe₁之后的第二现有设置点pe₂导致参数值的变化ΔP小于阈值ΔP时，则可以移除第二现有设置点pe₂。由于在先前监控周期之后给予时间表变化的尊重，可以产生这样接近的现有设置点。类似地，如图24G中示出，当传播设置点在现有设置点之后且由传播设置点产生的参数值的变化ΔP小于阈值ΔP值时，则删除传播设置点。如图24H中示出，分离小于阈值Δt值的两个现有设置点可以被解析成与所述两个现有设置点中的第一个一致的单一设置点。最后，可以按类似方式删除在时间上太接近现有设置点的传播设置点。

在某些实施方式中，用户输入的设置点变化与自动生成的设置点变化之间产生明显的区别。前一个设置点变化称作“固定设置点”且没有被学习覆写。在许多情况下，用户希望不应改变其手动输入的设置点。额外规则、试探法和考虑可用来区分积极和稳定状态学习两者期间的各个水平的自动调整的设置点变化。也应注意，在用于模式匹配的比较操作和其它自动学习计算和确定期间，与指示参数值范围的两个参数值相关联的设置点可以按不同方式对待。例如，在被视为等效或相同的两个参数中，范围设置点变化可能需要匹配另一范围设置点变化。

接着，提供合并有上述自动控制时间表学习方法的智能控制器的示例性实施方式。图25A-图25M示出了合并有上述自动控制时间表学习方法的智能控制器的示例性实施方式。一开始应注意，以下实施方式只是可通过改变任何许多不同设计和实施方式参数（包括模块组织、控制结构、数据结构、编 程语言、硬件组件、固件和其它这样的设计和实施方式参数）获得的许多不同的可能实施方式中的一个。许多不同类型的控制时间表可以由应用于不同控制领域的不同类型的智能控制器使用。并入到智能控制器逻辑中的自动控制时间表学习方法可以取决于指定智能控制器操作的控制时间表的类型和数量而大幅改变。各种不同类型的控制时间表所跨越的时间段和控制时间表的时间粒度可以取决于设计特定控制器的控制任务而广泛改变。

图25A示出了最高层次智能控制器控制逻辑。这个高层次控制逻辑包括其中由智能控制器处置各种类型的控制相关事件的事件处置循环。在图25A中，处置四种具体类型的控制相关事件，但是一般来说事件处置循环可以处置发生在智能控制器逻辑内的较低层处的许多额外类型的控制相关事件。实例包括通信事件，其中智能控制器接收数据或将数据传输到远程实体，诸如远程智能家居装置和云计算服务器。其它类型的控制相关事件包括与根据观察到的参数和控制时间表的系统激活和停用有关的控制相关事件、可以由落在用于检测的控制时间表指定范围以外的传感器数据触发的各种类型的警报和计时器和需要专门处置的不平常或罕见事件。图25A示出了四个示例性控制相关事件的处置，而没有尝试描述可以由智能控制器处置的所有各种不同类型的控制相关事件。

在步骤2502中，智能控制器等待发生下一个控制相关事件。当发生控制相关事件时，控制流到步骤2504，且智能控制器确定是否由用户或远程实体通过即时控制输入接口输入即时控制输入。当如步骤2504中确定已由用户或其它远程实体输入即时控制输入时，智能控制器在步骤2505中一般通过改变参数值的内部存储指定范围且必要时激活一个或多个受控实体来实行即时控制输入，且然后在步骤2506中将即时控制输入记录在存储器中。当需要添加额外设置点或其它时间表特征以终止即时控制输入时（如步骤2507中确定），则在步骤2508中将额外设置点或其它时间表特征添加到控制时间表。上文参考图15A-图15G讨论这些添加的设置点的实例。当从步骤2502触发退出的控制相关事件是指示当前时间是时间表设置点或时间表控制的当前时间的计时器事件时（如步骤2509中确定），智能控制器在步骤2510中实行时间表控制器设置点。当在步骤2510中实行的时间表控制是步骤2508中添加用来终止即时控制输入的暂时时间表控制时（如步骤2511中确定），在步骤2512中 删除暂时时间表控制。当从步骤2502触发退出的控制相关事件是由用户或远程实体经由控制时间表变化接口对控制时间表做出的变化时（如步骤2513中确定），然后当时间表变化是前瞻性时（如步骤1514中确定），在步骤2515中由智能控制器对现有控制时间表做出时间表变化，如上文参考图18A-图18B讨论。否则，时间表变化是回顾性的，且在步骤2516中由智能控制器记录在存储器中以随后用于在终止当前监控周期时改变新临时时间表。

当从2502触发退出的控制相关事件是与当前监控周期结束相关联的计时器事件时（如步骤2517中确定），则在步骤2518中调用监控周期常式以如上文参考图15A-图24F讨论般处理所记录的即时控制输入和时间表变化。当在从步骤2502退出之后发生额外控制相关事件（其一般被排队到已发生的事件队列）时（如步骤2519中确定），控制流动返回到步骤2504以处置下一个队列事件。否则，控制流动返回到步骤2502，其中智能控制器等待下一个控制相关事件。

图25B提供了图25A中的步骤2518中调用的常式“监控周期”的控制流程图。在步骤2522中，智能控制器访问存储当前学习模式的指示的状态变量。当所述当前学习模式是积极学习模式时（如步骤2523中确定），在步骤2524中调用常式“积极监控周期”。否则，在步骤2525中调用常式“稳定状态监控周期”。虽然这个控制流程图简单，但是其清楚地示出了上文参考图11D-图11E和图12讨论的自动控制时间表学习的特征。自动控制时间表学习分叉为初始积极学习周期，之后是后续稳定状态学习周期。

图25C提供了图25B中的步骤2524中调用的常式“积极监控周期”的控制流程图。当每个监控周期结束时调用这个常式。在上文讨论的实例中，监控周期终止于每个每日控制时间表结束时（在中午12:00之后立即终止）。然而，在替代性实施方式中，监控周期可以在各个其它不同时间间隔发生且甚至可以取决于其它特性和参数而可变地发生。监控周期一般是对应于控制时间表或子时间表的最小粒度时间段，如上文讨论。

在步骤2527中，如上文参考图16B和图20A讨论，智能控制器组合所有记录的即时控制输入和现有控制时间表。在步骤2528中，调用常式“群集”以将所记录的即时控制输入和时间表变化和现有控制时间表设置点划分为群集，如上文参考图16C-图16D和图20B讨论的。在步骤2529中，智能控制 器调用常式“简化群集”以解析每个群集内的各个设置点，如上文参考图16A-图20C讨论。在步骤2530中，智能控制器调用常式“生成新时间表”以在群集解析之后生成新临时时间表，如上文参考图20C和图21A-图21B讨论。在步骤2531中，智能控制器调用上文参考图22A-图24I讨论的常式“传播新时间表”以将步骤2530中生成的临时时间表的特征传播到智能控制器的控制时间表的相关子时间表和控制时间表。在步骤2532中，智能控制器确定当前完成的监控周期是否是积极学习模式中的最后监控周期。当所述当前完成的监控周期是积极监控学习模式中的最后监控周期时（如步骤2532中确定），则在步骤2533中智能控制器设置控制当前学习模式的各个状态变量以指示智能控制器现在是在稳定状态学习模式下操作，且在步骤2534中将各个学习参数设置为可与稳定状态学习的阶段I兼容的参数值。

自动控制时间表学习的不同实施方式中可以使用许多不同学习参数。在当前讨论的实施方式中，学习参数可以包括在终止之前由智能控制器实行即时控制输入的时间量、用于群集解析和传播设置点相对于现有控制时间表的解析的各个阈值Δt和阈值ΔP值的幅度。最后，在步骤2535中，删除所记录的即时控制输入和时间表变化及在创建新临时时间表和传播临时时间表期间导出并存储的群集信息和其它暂时信息，且重新初始化学习逻辑以开始后续监控周期。

图25D提供了图25C的步骤2528中调用的常式“群集”的控制流程图。在步骤2537中，将本地变量Δt_int设置成学习模式和学习阶段相关值。然后，在步骤2538-2542的while循环中，重复调用常式“时间间隔群集”以在现有控制时间表内生成群集直到满足一个或多个群集准则为止（如步骤2540中确定）。在满足群集准则之前，在步骤2542中在对步骤2539中的常式“时间间隔群集”的每个下一次调用之前递增Δt_int的值，以更改下一个群集使其满足群集准则。变量Δt_int对应于设置点之间的造成设置点被分类为属于两个不同群集的最小时间长度（如上文参考图16C讨论）或两个群集之间的时间间隔（时间段1610）。降低Δt_int一般会产生额外群集。

智能控制器可以使用各种不同类型的群集准则。一般来说，可希望生成足够数量的群集以产生充分的控制时间表简化，但是过多的群集会造成额外控制时间表复杂度。因此，群集准则被设计来选取足以产生造成所希望水平 的控制时间表简化的所希望水平的群集的Δt_int。while循环继续，同时Δt_int的值保持在可接受的值范围内。当群集准则不能由对步骤2538-2542的while循环中的常式“时间间隔群集”重复调用而满足时，则在步骤2543中可以采用一个或多个替代性群集方法以在需要时生成用于控制时间表简化的群集。替代性方法可以涉及基于控制时间表中指示的本地最大和最小参数值或当一切失败时通过选择步骤2537中生成的设置点内的多个最长的无设置点时间间隔作为群集边界来选择群集。

图25E提供了图25D的步骤2539中调用的常式“时间间隔群集”的控制流程图。在步骤2545中，智能控制器确定设置点是否与对应于监控周期的控制时间表的开始时间一致。当设置点的确与控制时间表的开始时间一致时（如步骤2545中确定），在步骤2546中将本地变量“startCluster”设置成控制时间表的开始时间且将本地变量“numCluster”设置成1。否则，在步骤2547中将本地变量“numCluster”设置成0。在步骤2548中，将本地变量“lastSP”设置成控制时间表的开始时间，且在步骤2548中将本地变量“curT”设置成“lastSP”加上时间增量Δt_inc。本地变量“curt”是所考虑的控制时间表中的当前时间点的指示，本地变量“numCluster”是所创建的下一个群集中的设置点的数量的指示，本地变量“startCluster”是群集中的第一设置点的时间点的指示，且本地变量“lastSP”是控制时间表中的最后检测到的设置点的时间的指示。然后，在步骤2549-2559的while循环中，对应于监控周期的控制时间表从开始遍历到结束，以由控制时间表生成群集序列。在步骤2550中，将本地变量Δt设置成最后检测到的设置点与所考虑的当前时间点之间的时间间隔的长度。当存在与当前时间点一致的设置点时（如步骤2551中确定），在步骤2552中调用常式“下一个SP”以考虑并处理设置点。否则，当Δt大于Δt_int时（如步骤2553中确定），则处理群集（如步骤2554中确定），在步骤2555中关闭并存储群集，且重新初始化本地变量“numCluster”以开始处理下一个群集。在步骤2556中本地变量“curt”递增，且当curT小于或等于控制时间表结束时的时间（如步骤2557中确定）while循环继续迭代。当while循环结束时且当创建群集时（如步骤2558中确定），则在步骤2559中关闭并存储所述群集。

图25F提供了图25E的步骤2552中调用的常式“下一个SP”的控制流 程图。在步骤2560中，智能控制器确定在常式调用时是否创建群集。当创建群集时且当Δt小于Δt_int时（如步骤2561中确定），则在步骤2562中将当前设置点添加到群集。否则，在步骤2563中关闭并存储当前考虑的群集。当没有创建群集时，在步骤2564中当前检测的设置点变成新群集中的第一设置点。

图25G了提供图25C的步骤2529中调用的常式“简化群集“的控制流程图。这个常式是简单的for循环，其包括步骤2566-2568，其中如上文参考图16A-图21D讨论简化般简化由图25C的步骤2528中调用的常式“群集”确定的每个群集。在步骤2567中通过对常式“简化”的调用来简化群集。

图25H是图25G的步骤2567中调用的常式“简化”的控制流程图。在步骤2570中，智能控制器确定当前考虑的群集是否包括任何时间表变化设置点。当所述当前考虑的群集包括时间表变化设置点时，在步骤2572中移除任何即时控制设置点。当群集只包括单一时间表变化设置点时（如步骤2573中确定），则在步骤2574中保留所述单一时间表变化设置点以表示整个群集。否则，在步骤2575中将多个时间表变化解析成零个、一个或两个设置点以表示群集，如上文参考图17A-图17E讨论的。然后在步骤2576中将所述零个、一个或两个设置点输入到现有控制时间表中。当群集不包括任何时间表变化设置点时（如步骤2570中确定）且当可由单一设置点替换群集中的设置点时（如步骤2577中确定），如上文参考图17A和图17C讨论，则在步骤2578中用单一设置点替换群集的设置点，如上文参考图17A和图17C讨论。注意，如上文参考图20A-图20C讨论，设置点与标记“s”和“i”相关联以指示其是源自于时间表设置点还是源自于即时控制设置点。类似地，当可由两个设置点替换群集中的设置点时（如步骤2579中确定），在步骤2580中由具有适当标记的两个设置点替换群集，如上文参考图17D-图17E讨论。否则，发生参考图717B描述的状况，在所述情况下在步骤2581中从群集删除所有剩余设置点。

图25I提供了图25C的步骤2530中调用的常式“生成新时间表”的控制流程图。当新临时时间表包括两个或多个即时控制设置点时（如步骤2583中确定），则在步骤2584中调用常式“扩展”。这个常式扩展标记为“i”的设置点，如上文关于图21A-图21B讨论。然后在步骤2585中将控制时间表存 储作为该时间段内的新当前控制时间表，且在步骤2586中为后续传播步骤保留设置点是源自于即时控制设置点还是源自于时间表设置点的指示。

图25J提供了图25I中的步骤2584中调用的常式“扩展”的控制流程图。在步骤2587中，将本地变量“第一”设置成临时时间表中的第一即时控制设置点。在步骤2588中，将变量“第二”设置成临时时间表中的第二即时控制设置点。然后在步骤2589-2599的while循环中，遍历临时时间表以检测在时间上紧靠在一起小于阈值时间长度Δt₁的多对即时控制设置点。在步骤2592-2596中，第二设置点在时间上移动固定时间间隔Δt_s或移动至先前设置点与下一个设置点之间的中点，以使即时控制设置点扩展开。

图25K提供了图25C的步骤2531中调用的常式“传播新时间表”的控制流程图。这个常式将图25C中的步骤2530中创建的临时时间表传播到相关子时间表，如上文参考图22A-图22B讨论的。在步骤2599a中，智能控制器确定步骤2530中生成的临时时间表应要传播到的额外子时间表或时间表。然后，在步骤2599b-2599e的for循环中，将图25I中的步骤2586中保留的所保留即时控制设置点传播到下一个相关控制时间表，且在步骤2599d中通过调用常式“解析额外时间表”来解析所述设置点连同下一个控制时间表中的现有控制时间表设置点。

图25L提供了图25K的步骤2599d中调用的常式“解析额外时间表”的控制流程图。在步骤2599f中，智能控制器访问时间表解析规则的存储集合（诸如上文参考图24A-图24I讨论的那些），并将本地变量j设置成将要应用的时间表解析规则的数量。此外，在步骤2599g-2599n的嵌套for循环中，所述规则应用于图25K的步骤2599c中生成的设置点集合中的每个即时控制设置点。所述规则按次序应用于每个即时控制设置点直到删除设置点为止（如步骤2599j中确定）或直到成功应用所述规则以简化时间表为止（在步骤2599k中）。一旦在步骤2599g-2599n的嵌套for循环中解析所有传播设置点，就在步骤2599o中存储时间表作为新临时时间表。

图25M提供了图25B的步骤2525中调用的常式“稳定状态监控”的控制流程图。这个常式类似于图25C中示出且图25B的步骤2524中调用的常式“积极监控周期”。许多步骤事实上近似相同且为了简便起见将不再描述。然而，步骤2599q是常式“积极监控周期”中不存在的额外步骤。在这个步 骤中，覆盖在现有控制时间表设置点上的即时控制设置点和时间表变化设置点用来搜索最近历史控制时间表的数据库以确定设置点集合是否更接近与智能控制器所针对或转移到的另一控制时间表有关。当由这个搜索指示控制时间表转移时（如步骤2599h中确定），在步骤2599I中实行转移，且在步骤2599t中在实行生成新临时时间表之前使所存储的即时控制和时间表变化与智能控制器所转移到的目标时间表的子时间表组合。步骤2599q中调用的历史搜索常式也可以筛选所记录的即时控制设置点和监控周期期间相对于对应于监控周期的一个或多个控制时间表或子时间表记录的时间表变化设置点。与用于积极学习模式的积极学习途径相比，这是更保守学习途径的部分，其试图基于监控周期期间记录的输入而只保守地更改控制时间表。因此，虽然对于积极学习模式和稳定状态学习模式来说监控周期结束时实行的程序类似，但是在稳定状态学习期间是以更保守方式实行时间表变化，且时间表变化随着稳定状态学习的每个连续阶段而变得越来越保守。由于手中具有大量最近和历史控制时间表信息，智能控制器可做出发生在监控周期期间的即时控制输入和时间表变化是否反映用户希望长期改变控制时间表或反而反映与暂时本地事件和状况有关的暂时控制变化的智能且越来越准确的预测。

如上文提及，智能控制器可以采用可适用于不同时间段的多个不同控制时间表。例如，在住宅HVAC恒温器控制器的情况下，智能控制器可以使用可适用于一年中的不同季节的各种不同控制时间表；冬天、夏天、春天和秋天可能使用不同控制时间表。其它类型的智能控制器可以在跨越分钟和小时至月、年且甚至更大时间段的各个不同控制周期使用多种控制时间表。

图26示出了对应于智能控制器的操作的三种不同控制模式的三个不同的基于星期的控制时间表。三个控制时间表2602-2604中的每个是在某个时间段控制智能控制器操作直到在图25M的步骤2599s中操作控制转移到控制时间表中的另一个为止的不同的基于星期的控制时间表。图27示出了根据7个不同控制时间表操作的智能控制器的状态转换图。受控于特定控制时间表的操作模式被示为圆盘（诸如圆盘2702），且操作模式之间的转换被示为弯曲箭头，诸如弯曲箭头2704。在图27中示出的情况下，状态转换图表达了包括7种不同操作模式的用于智能控制器的决定性更高层次控制时间表，每个操作模式受控于特定控制时间表。这些特定控制时间表中的每个又可以由 额外层次级的子时间表组成。本申请所涉及的自动学习方法可容纳多个控制时间表和子时间表的自动学习，而不论其层次组织为何。监控周期一般涵盖层次中的最短时间最小粒度的子时间表，且子时间表与更高层次控制时间表之间的转换是通过更高层次控制时间表（诸如图27中示出的状态转换图表达的更高层次控制时间表）、通过较大控制时间表内的子时间表的次序排序（诸如参考图13讨论的每周控制时间表内的每日子时间表）或根据许多其它控制时间表组织和时间表转移准则来控制。

图28A-图28C示出了可以由智能控制器实行的一种类型的控制时间表转换。图28A示出了智能控制器当前操作所根据的现有控制时间表。图28B示出了最近完成的监控周期内所记录的即时控制输入叠加到图28A中示出的控制时间表上。这些即时控制输入2802-2805似乎表示明显偏离现有控制时间表2800。在图25M的步骤2599q中，智能控制器可以考虑可以是最近完成的监控周期的替代控制时间表的各种替代性控制时间表或历史控制时间表，包括图28C中示出的控制时间表2810。结果是，解析即时控制输入与现有控制时间表将会产生极接近图28C中示出的控制时间表2810的控制时间表。这然后对智能控制器提供了有力指示：所记录的即时控制输入可能表明需要将控制转移到控制时间表2810而不是修改现有控制时间表并继续使用所修改的控制时间表。虽然这是可以发生在图25M中的步骤2599s中的一种类型的时间表变化转换，但是其它时间表变化转移可以受控于对当前日期、星期几的了解和可能对一起指定用来控制智能控制操作的多个控制时间表的使用的各个环境参数的了解。

图29-图30示出了在稳定状态学习阶段期间可以由智能控制器做出的多种类型的考虑。在图29中，示出了新临时时间表2902的绘制图和可适用于同一时间段的15个最近或历史控制时间表或临时时间表2904-2918的类似绘制图。新临时时间表2902与最近和历史临时时间表2904-2918的视觉比较立即揭露出新临时时间表表示控制制度发生相当大的根本变化。在稳定状态学习期间，这些根本变化无法传播或用来替换现有控制时间表，但是反而只有在最近和历史临时时间表的所积累记录对考虑临时时间表作为未来用户意图的指示提供更好的支持时才可以被记录并使用以用于传播或替换目的。例如，如图30中示出，如果比较新临时时间表与最近和/或历史控制时间表 3002-3016的记录，那么智能控制器极有可能使用新临时时间表2902以用于替换或传播目的。

智能恒温器背景下的自动时间表学习

紧接着描述的智能恒温器中包括自动控制时间表学习的实施方式。智能恒温器被提供有将单纯的用户暴露于简单的用户接口但是为高级用户提供访问并操控许多不同节能和能量跟踪能力的能力的选择性分层功能。即使对于只暴露于简单的用户接口的单纯用户的情况，智能恒温器仍提供在所述背景下运行的高级节能功能。智能恒温器使用多传感器技术以学习智能恒温器所在的加热和冷却环境并最佳化节能设置。

智能恒温器也通过开始于其中用户回答几个简单问题的建立对话且然后随时间继续使用多传感器技术以检测用户占用模式并跟踪用户使用时间表变化和即时控制输入来控制温度的方式来了解用户。智能恒温器持续处理所学习和感测的信息，从而自动调整环境控制设置以最佳化能量使用量，同时根据所学习的占用模式和一个或多个用户的舒适的偏好将环境内的温度维持在所希望的水平。

有利的是，智能恒温器的选择性分层功能允许在家居环境和商业环境内的各种不同技术情形中的有效操作。对于不具有无线家庭网络或互联网连接性的简单环境，智能恒温器有效地在独立模式下操作，从而基于多传感器技术和用户输入学习并调整环境。然而，对于具有家庭网络或互联网连接性的环境，智能恒温器有效地在网络连接模式下操作以提供额外能力。

当智能恒温器经由家庭网络（诸如通过IEEE802.11（Wi-Fi）连接性）连接到互联网时，智能恒温器可以：（1）将实时或汇总家庭能量性能数据提供给公共事业公司、智能恒温器数据服务供应商、其它家庭中的智能恒温器或其它数据目的地；（2）从公共事业公司、智能恒温器数据服务供应商、其它家庭中的智能恒温器或其它数据源接收实时或汇总家庭能量性能数据；（3）从一个或多个智能恒温器数据服务供应商或其它来源接收新能量控制指令和/或其它升级；（4）接收包括在节能控制算法处理中的当前和预测天气信息；（5）从用户的计算机、连网电视机、智能电话和/或其它固定或便携式数据 通信家电接收用户控制命令；（6）通过数字家电将交互式用户接口提供给用户；（7）从外部能量管理顾问（诸如目标是利用来自多个来源的所收集信息以为其订户生成节能控制命令和/或配置文件的基于订户的服务）接收控制命令和信息；（8）从外部能量管理权威组织（诸如被主动赋予有限的授权以控制智能恒温器以换取折扣或其它成本奖励的公共事业公司）接收控制命令和信息；（9）基于智能恒温器感测到的HVAC相关事件将数字家电上的警报、警告或其它信息提供给用户；（10）基于智能恒温器感测到的非HVAC相关事件将数字家电上的警报、警告或其它信息提供给用户；和（11）提供由网络连接性启用的各种其它有用功能。

图31A示出了智能恒温器的透视图。智能恒温器3100具有圆滑优美外观。智能恒温器3100包括直径约为8cm且具有视觉上令人愉悦的外部涂饰（诸如缎面镀镍或镀铬）的圆形主体3108。包括可旋转外环3106、传感器环3104和圆形显示监控器3102的帽状结构与主体3108通过小周边间隙3110分离。外环3106可以具有与主体3108的外部涂饰相同的外部涂饰，而传感器环3104和圆形显示监控器3102可以具有常见的圆形玻璃（或塑料）外壳，其在向外方向上稍微成弧形且提供圆滑又坚固且耐看的整体外观。传感器环3104包括任何各种传感器，包括红外线传感器、可见光传感器和声传感器。覆盖传感器环3104的玻璃或塑料可以被烟熏或反射使得传感器本身对用户不可见。可以经由周边间隙3110提供空气通风功能，所述周边间隙3110允许由内部传感器感测周围空气而无需格栅或格栅状通风口。

图31B-图31C示出了由用户控制的智能恒温器。智能恒温器3100受控于两种类型的用户输入：（1）外环3106的旋转（图31B）；和（2）在外环3106上向里推动（图31C）直到发生听觉和/或触觉“点击”为止。向里推动可以造成外环3106向前移动，而在另一实施方式中，包括外环3106及传感器环3104和圆形显示监控器3102的玻璃外壳两者的整个帽状结构在被推动时一起向里移动。在一个实施方式中，传感器环3104、圆形显示监控器3102和常见的玻璃外壳没有随着外环3106旋转。

通过外环3106的旋转或环旋转和外环3106的向里推动或向里点击，智能恒温器3100可从用户接收基本设置和操作的所有必要信息。外环3106以给用户提供光滑又粘的感觉的方式机械地安装，以进一步促进整体的优雅感 觉同时也减小虚假或不想要的旋转输入。智能恒温器3100认识到三个基本用户输入：（1）环向左旋转，（2）环向右旋转，和（3）向里点击。在其它实施方式中，可认识到更复杂的基本用户输入，诸如双击或三击向里按压和速度敏感或加速度敏感的旋转输入。

图32示出了智能恒温器和HVAC耦接壁坞的分解透视图。当移除智能恒温器3100时，HVAC耦接壁坞3206具有作为极简单的基本独立恒温器的功能，基本恒温器包括标准温度读数器/设置拨盘3208和简易冷却-关闭-加热开关3209。对于各种情形（诸如当需要移除智能恒温器3100以在延长的时间段内进行维修或修复时），这可证明有用。在一个实施方式中，基本恒温器组件3208和3209本质上完全呈机械性，使得使控制继电器跳闸不需要电力。在其它实施方式中，提供简易电子控制，诸如通电/断电按钮和/或LCD读数器。在其它实施方式中，可提供智能恒温器3100的高级功能的子集，诸如允许在暂时移除智能恒温器时提供脑干功能的远程控制的基本网络访问。

图33A-图33B示出了智能恒温器的分解正视透视图和后视透视图。图33A-图33B关于智能恒温器3302的两个主要组件示出了智能恒温器3302：（1）头部单元3204；和（2）背板3306。在示出的图中，z方向是从墙壁向外，y方向是相对于步行用户的从头到脚的方向且x方向是用户的从左至右方向。

图34A-图34B分别示出了头部单元的分解正视透视图和后视透视图。头部单元3304包括头部单元框架3310、外环3311、头部单元正面总成3312、前透镜3313和前格栅3314。头部单元正面总成3312上的电气组件可经由带状电缆和/或其它插头类型电气连接器连接到背板3306上的电气组件。

图35A-图35B分别示出了头部单元正面总成的分解正视透视图和后视透视图。头部单元正面总成3312包括头部单元电路板3316、头部单元前板3318和LCD模块3322。头部单元电路板3316前侧的组件隐藏在图35A中的RF屏蔽罩后面。可再充电锂离子电池3325位于头部单元电路板3316背侧上，在一个实施方式中所述可再充电锂离子电池3325具有3.7伏特的标称电压和560mAh的标称容量。为了延长电池寿命，电池3325通常由恒温器电池充电电路充电不超过450mAh。此外，虽然电池3325的额定值能够被充电到4.2伏特，但是智能恒温器电池充电电路通常将智能恒温器充电不超过3.95伏特。 图35B中也示出了被配置且定位来感测外环3311的旋转的光学手指导航模块3324。模块3324使用类似于光学计算机鼠标的操作的方法以感测外环3311的正面周边上的纹理表面的移动。显然，模块3324是受控于耗电相对较多的头部单元微处理器而不是耗电相对较低的背板微处理器的极少个传感器之一。这可实现而没有过多电力消耗，因为头部单元微处理器在用户手动转动拨盘时已经被唤醒，从而避免过多的唤醒耗用功率。有利的是，头部单元微处理器也可提供极快响应。图35A中也示出了菲涅尔透镜3320，其结合布置在其下方的PIR运动传感器而操作。

图36A-图36B分别示出了背板单元的分解正视透视图和后视透视图。背板单元3306包括背板后板3330、背板电路板3332和背板罩3339。图36A示出了HVAC导线连接器3334，其包括集成导线插入感测电路和由安装在背板电路板3332的背侧上的窃电电路使用的两个相对较大的电容器3336。

图37示出了部分组装的头部单元的透视图。在某些实施方式中，在菲涅尔透镜3320和相关联的PIR运动传感器3344上方放置的格栅部件3314会隐蔽和保护这些PIR感测元件，同时格栅部件3314中的水平槽（尽管隐蔽）允许PIR运动感测硬件检测占有人在房间或区域中的侧向运动。温度传感器3340使用一对热传感器以更准确地测量环境温度。与温度传感器3340相关联的第一或上部热传感器3341采集更靠近恒温器外部区域或外部上的温度数据，而第二或下部热传感器3342收集更接近与壳体内部相关联的温度数据。在一个实施方式中，温度传感器3341和3342中的每个包括Texas Instruments TMP112数字温度传感器芯片，而PIR运动传感器3344包括PerkinElmer DigiPyro PYD1998双元件热释电检测器。

为了更准确地确定环境温度，且当确定有效环境温度时结合由上部热传感器3341测量的温度与采集自下部热传感器3342的温度进行考虑。这种配置可用来补偿由微处理器和/或其它电子组件在恒温器中产生的内部热量的影响，从而消除或最小化可能以其它方式遭遇的温度测量误差。在一些实施方式中，因为温度传感器3340的上部热传感器3341比下部热传感器3342更好地反映环境温度，所以可以通过将所述上部热传感器3341热耦接到格栅部件3314进一步增强环境温度测量的准确度。

图38示出了头部单元电路板。头部单元电路板3316包括头部单元微处 理器3802（诸如Texas Instruments AM3703芯片）和相关联的振荡器3804连同DDR SDRAM存储器3806和大容量NAND存储3808。在RF屏蔽罩3834的分离隔间中提供基于支持802.11b/g/n WLAN标准的Texas Instruments WL1270芯片集的Wi-Fi模块3810（诸如Murata无线解决方案LBWA19XSLZ模块）以得到Wi-Fi能力。Wi-Fi模块3810与包括振荡器3814的支持电路3812相关联。在单独屏蔽的RF分离隔间中也提供了ZigBee模块3816（其可能是（例如）来自Texas Instruments的C2530F256模块）以得到ZigBee能力。ZigBee模块3816与包括振荡器3819和低噪音放大器3820的支持电路3818相关联。此外提供了显示背光电压转换电路3822、压电驱动电路3824和电力管理电路3826。由柔性电路连接器3830附接到头部单元电路板背侧的柔性电路3828上提供了接近传感器和环境光传感器（PROX/ALS）（更尤其具有I2C接口的Silicon Labs SI1142接近/环境光传感器）。此外提供了电池充电监管断接电路3832和弹簧/RF天线3836。此外提供了温度传感器3838和PIR运动传感器3840。

图39示出了背板电路板的后视图。背板电路板3332包括背板处理器/微控制器3902，诸如（Texas Instruments MSP430F片上系统微控制器），其包括板上存储器3903。背板电路板3332还包电源电路3904（其包括窃电电路）和用于每个HVAC各自HVAC功能的开关电路3906。对于每个这样的功能，开关电路3906包括隔离变压器3908和背对背NFET封装3910。切换电路中的FET的使用允许主动窃电，即，在HVAC打开循环期间通过在极小时间间隔内（诸如100微秒）将电力从HVAC继电器电路短暂地转移到储能电容器而带走电力。这个时间太小以至于不能使HVAC继电器跳闸到关闭状态，但是足以使储能电容器充满电。FET的使用允许这种快速切换时间（100微秒），这难以使用继电器（其驻留达几十毫秒）而实现。再者，这类继电器将容易随着快速切换而降级，且其也将制造可听噪音。相比之下，FET操作基本上没有可听噪音。此外提供了组合的温度/湿度传感器模块3912，诸如Sensirion SHT21模块。背板微控制器3902执行轮询各个传感器、感测安装时的机械导线插入、警告头部单元关于电流与设置点温度状况的关系且因此致动开关，且执行其它功能，诸如寻找安装时所插入的导线上的适当信号。

然后，提供了用于上述智能恒温器的上述自动控制时间表学习方法的实 施方式。图40A-图40D示出了用于实现初始学习的步骤。图41A-图41M示出了恒温器时间表的概念图的进程。对于初始积极学习周期期间的示例性一天监控周期，随着根据图40A-图40D的选定步骤执行处理而发生恒温器时间表的概念图的进程。对于一个实施方式，图40A-图40D的步骤是由具有或不具有互联网连接性的恒温器3302的头部单元微处理器而实行。在其它实施方式中，图40A-图40D的步骤中的一个或多个可由云服务器（恒温器3302具有到其的网络连接性）而实行。虽然图41A-图41M中存在的实例是用于加热时间表案例，但是所描述的方法同样可适用于冷却时间表学习且可容易扩展到包括加热设置点、冷却设置点和/或范围设置点的混合的HVAC时间表。虽然图40A-图41M的实例存在于建立每周时间表（表示用于HVAC时间表建立和执行的一个特别适当时间基础）的特定背景下，但是在其它实施方式中，还可以建立双周HVAC时间表、半周HVAC时间表、每月HVAC时间表、双月HVAC时间表、季度HVAC时间表和其它类型的时间表。虽然已就典型的住宅安装呈现和/或讨论了图40A-图41M的实例，但是这是为了清楚解释的目的。所述方法可适用于各种其它类型的围圈（enclosure），诸如零售商店、商务办公室、工业环境等。在以下讨论中，一般将特定用户动作或设置点输入的时间表达为所述动作或输入的当天和当天时刻两者，同时短语“当天时刻”一般用来表达当天的特定时刻。

初始学习程序表示“积极学习”途径，其中目标是基于极短暂周期自动观察和跟踪用户行为来为一个或多个用户快速建立至少大体上适当的HVAC时间表。一旦建立初始学习程序，恒温器3302然后切换到稳定状态学习，其涉及感知和调整一个或多个用户的长期重复行为。在大部分情况下，通常在用户友好的设置访谈之后，在步骤4002中响应于住宅或其它受控环境中的恒温器3302的新安装和启动开始初始学习程序。也可由其它事件（诸如智能恒温器3302的出厂重设或可能希望恒温器3302重复积极学习阶段的用户的明确请求）调用初始学习。

在步骤4004中，访问默认开始时间表。对于一个实施方式，开始时间表只是每天上午8点生效且包括单一设置点温度的单一设置点。这个单一设置点温度是由在接近设置访谈结束时或当调用初始学习时（其中用户被询问是否开始学习加热时间表或冷却时间表）提供的用户响应而支配。当用户选取 加热时，将初始单一设置点温度设置成68°F或某个其它适当的加热设置点温度，且当用户选取冷却时，将初始单一设置点温度设置成80°F或某个其它适当的冷却设置点温度。在其它实施方式中，默认开始时间表可能是在初始设置访谈时由用户直接或间接选择的多个预定模板时间表之一。图41A示出了具有标记为“a”至“g”的加热设置点的默认开始时间表的实例。

在步骤4006中，开始新的监控周期。已发现一天监控周期的选择在智能恒温器的控制时间表获取的情况下提供了良好的结果。然而，也可使用其它监控周期，包括多天时间段、当天子时间段、其它合适的周期，且替代地其它监控周期可能是可变的、随机的或连续的。例如，当连续执行时，任何用户设置点变化或时间表设置点输入可用作结合当前时间表处理所述信息以产生时间表的下一个版本、迭代或改善的触发器。对于其中恒温器3302是具有可再充电电池的窃电恒温器的一个实施方式，已发现一天的周期在时间表修正的新鲜度与维持头部单元微处理器上的适度的计算负载以保持电池电力的需要之间提供合适的平衡。

在步骤4008中，在一天当中，智能恒温器3302接收并存储即时控制和时间表变化输入两者。图41B示出了典型的一天的初始学习（在当前描述的实例中发生在星期二）做出的多个即时控制和时间表变化用户设置点输入的表示。在以下讨论和附图（包括图41A-图41M）中，前面的上标“N”识别时间表变化或非实时（“NRT”）设置点输入，且前面的上标“R”识别即时控制或实时（“RT”）设置点输入。带圆圈的数字表示预先存在的时间表设置点。对于每个NRT设置点，也提供了识别所述NRT设置点的输入时间的后面的下标。RT设置点不需要任何这样的下标，因为所述设置点在时间表上的水平位置指示其生效时间和其输入时间两者。因此，在图41B中示出的实例中，在上午7:30，用户做出具有温度值76°F的RT设置点输入“i”，在上午7:40，用户做出具有温度值72°F的另一RT设置点输入“j”，在上午9:30，用户做出具有温度值72°F的另一RT设置点输入“l”，在上午11:30，用户做出具有温度值76°F的另一RT设置点输入“m”，等等。在星期二上午10时，用户通过时间表接口创建在星期二中午12:00生效的NRT设置点输入“n”，且创建在星期二下午9:00生效的NRT设置点输入“w”。随后，在星期二下午4:00，用户创建在星期一下午9:15生效的NRT设置点输入“h”，且创建在星 期二上午9:15生效的NRT设置点输入“k”。最后，在星期二下午8时，用户创建在星期二下午6:00生效的NRT设置点输入“s”。

现在参考步骤4010，在24小时监控周期内，智能恒温器根据任何一种当前版本控制时间表生效和用户做出的任何一种RT设置点输入和已做出的可因果地应用的任何一种NRT设置点输入来控制HVAC系统。维持RT设置点输入对当前设置点温度的影响直到遇到下一个预先存在设置点为止、直到遇到可因果地应用的NRT设置点为止或直到做出后续RT设置点输入为止。因此，参考图41A-图41B，在星期二早上，下午6:45，恒温器的当前操作设置点由于预先存在设置点“b”而变成73°F，然后在上午7:30，当前操作设置点由于RT设置点输入“i”而变成76°F，然后在上午7:45，当前操作设置点由于RT设置点输入“j”而变成72°F，然后在上午8:15，当前操作设置点由于预先存在设置点输入“c”而变成65°F，然后在上午9:30，当前操作设置点由于RT设置点输入“l”而变成72°F，然后在上午11:30，当前操作设置点由于RT设置点输入“m”而变成76°F，然后在中午12:00，当前操作设置点由于NRT设置点输入“n”而变成71°F，然后在下午12:15，当前操作设置点由于RT设置点输入“o”而变成78°F，等等。在上午9:15，当前设置点由于NRT设置点“k”而不发生任何变化，因为NRT设置点“k”仍不存在。相比之下，NRT设置点输入“n”可因果地应用，因为其是由用户在所述一天的上午10时输入且在其指定生效时间中午12:00生效。

根据一个选用替代性实施方案，可实行步骤4010使得RT设置点输入只生效最长持续2小时或其它相对短暂的时间间隔作为操作设置点温度，使得操作设置点温度恢复到将由当前时间表上的预先存在设置点或任何可因果地应用的NRT设置点输入指定的任何一种温度。这个选用替代性实施方案被设计来支持用户在初始学习周期期间做出更多RT设置点输入使得可更快地实现学习程序。作为额外选用替代，在步骤4004中给初始时间表指派相对较低能量的设置点作为（例如）冬天的相对较低温度设置点（诸如62°F），这一般产生较低能量控制时间表。作为又一替代，在前面几天期间，取代在2小时之后恢复到预先存在设置点的是，操作设置点反而恢复到时间表中的最低能量预先存在设置点。

现在参考步骤4012，当监控周期结束时，相互且相对当前时间表处理存 储的RT和NRT设置点以生成时间表的修改版本、迭代或改善（图40B中示出了用于其的特定步骤）。例如可在学习日的下午11:50或接近或大约午夜的某个时间实行这样的处理。当在步骤4014中确定初始学习仍没有完成时，在步骤4006-4010中时间表的修改版本用于另一天的初始学习、在步骤4012中又再次修改且程序继续进行直到初始学习完成为止。当初始学习完成时，在步骤4016中开始稳定状态学习，下文参考图32A-图33讨论。

对于一些实施方式，在步骤4014中，关于初始控制时间表学习是否完成的决定是基于经过的时间和是否有足够量的用户行为要记录和处理。对于一个实施方式，只有当经过两天的初始学习且存在其中用户已输入RT或NRT设置点的10个单独的一小时间隔才将初始学习视为完成。任何各种不同准则可用来确定是否存在足够的用户交互来推断初始学习。

图40B示出了一般对应于图40A的步骤4012的处理所存储的RT和NRT的步骤。在步骤4030中，如图41C中示出，将具有相邻生效时间的设置点输入分组成群集。在一个实施方式中，每个成员的生效时间与至少一个其它成员的生效时间分离小于30分钟的两个或多个设置点输入的任何集合构成单一群集。

在步骤4032中，处理设置点输入的每个群集以生成就生效时间和温度值表示整个群集的单一新设置点。这个程序涉及简化时间表，同时涉及通过用户的设置点输入行为最佳地捕获用户的真实意图。虽然可使用包括群集成员的温度值和生效时间的平均化的各种不同途径，但是用于实行步骤4032的、图40C中更详细描述的一种方法考虑每个设置点输入的NRT与RT状态关系、每个设置点输入的生效时间和每个设置点输入的输入时间。

现在参考图40C（对应于图40B的步骤4032），在步骤4060中确定群集中是否存在具有迟于群集中的最早生效时间的输入时间的任何NRT设置点输入。当情况如此时，然后在步骤4064中由具有最迟输入的NRT设置点输入的生效时间和温度值两者的单一代表性设置点替换群集。这种途径尊重用户耗费时间以在所述时间内具体输入所希望的设置点温度的希望。在步骤4060中，当不存在这样的NRT设置点输入时，在步骤4062中由具有最早生效群集成员的生效时间和等于具有最迟输入时间的群集成员的设置点温度的设置点温度两者的单一代表性设置点替换群集。这种途径尊重用户的希望（如以 即时控制输入和现有设置点表达）。

再次参考图40B，在步骤4034中，基于从中指派设置点的温度值的设置点输入的类型用“RT”或“NRT”标记在步骤4032中确定的新代表性设置点。因此，根据图40C的逻辑，如果对于群集来说NRT设置点具有最迟发生的输入时间，那么将会将新设置点标记为“NRT”。如果RT设置点具有最迟发生的输入时间，那么将会将新设置点标记为“RT”。在步骤4036-4038中，随着新设置点在步骤4040中到达处理的下一个阶段，只实行没有用其它设置点输入来群集的任何单数设置点输入。

参考图41C-图41D可知，对于只具有RT设置点输入的“ij”群集，指派单一代表性设置点“ij”使其具有RT设置点输入“i”的较早生效时间同时具有较迟输入的RT设置点输入“j”的温度值（表示图40C的步骤4062的应用），且在步骤4034中给所述新设置点“ij”指派“RT”标记。还可知，对于“kl”群集（具有输入时间迟于所述群集中的最早生效时间的NRT设置点“k”），指派单一代表性设置点“kl”使其具有NRT设置点输入“k”的生效时间和温度值两者（表示图40C的步骤4064的应用），且在步骤4034中给所述新设置点“kl”指派“NRT”标记。对于“mno”群集（具有NRT设置点“n”但是其输入时间早于所述群集中的最早生效时间），指派单一代表性设置点“mno”使其具有RT设置点输入“m”的最早生效时间同时具有最迟输入的设置点输入“o”的温度值（再次表示图40C的步骤4062的应用），且在步骤4034中给所述新设置点“mno”指派“RT”标记。图41D中示出的剩余结果（其中的所有也被认为是这个阶段的新设置点）也遵循图40B-图40C的方法。

再次参考图40B，紧接着在步骤4034和4038之后实行步骤4040且将步骤4040应用于成组的新设置点（图41D中示出）。在步骤4040中，具有比任何其它新设置点迟31分钟到60分钟的生效时间的任何新设置点在时间上移动以具有比其它新设置点迟60分钟的新生效时间。这在图41E中是相对新的设置点“q”而加以示出，设置点“q”的生效时间移动到下午5:00使得其与新设置点“p”的生效时间（下午4:00）相距60分钟。在一个实施方式中，在步骤4040开始时基于时间表的瞬间片段只对这个程序执行一次。换句话来说，这些新设置点分离不存在任何迭代级联效应。因此，虽然步骤4040产生 一般分离至少一个小时的新设置点生效时间的时间分布，但是仍可以保留生效时间分离小于一个小时的一些新设置点。已发现这些微小的差异是可以容忍的，且通常优于由级联操作所引起的有害效应以实现绝对一个小时分离。此外，在处理预先存在时间表设置点之后，随后以算法成功地完成这些一个小时分离。替代性实施方式中可以使用其它分离时间间隔。

参考图40B的步骤4042（符合与初始学习相关联的积极目的），现在已在当前学习日建立的新设置点然后在所述新设置点被标记为“RT”设置点时在可以希望具有类似设置点的一个星期的其它几天上进行复制。优选地，不复制被标记为“NRT”的新设置点，因为创建底层NRT设置点输入的用户可能已经创建类似所希望的NRT设置点输入。对于已发现充分适用于创建每周时间表的一些实施方式，应用复制规则的预定集合。这些复制规则取决于在一个星期的哪一天首次开始初始学习程序。最佳化复制规则以考虑大量期望用户的实际时间表（对于所述时间表来说周末的结构通常不同于工作日），同时促进积极初始时间表建立。对于一个实施方式，可应用表格1中陈述的复制规则。

表格1

图41F示出了将图41E的标记为RT的新设置点从星期二监控周期复制到相邻几天（星期一和星期三）的显示部分上的影响。因此，例如，具有下午11:00的生效时间的标记为RT的新设置点“x”被复制作为在星期一和所有其它工作日上的新设置点“x2”，且具有上午7:30的生效时间的标记为RT的新设置点“ij”被复制作为在星期三和所有其它工作日上的新设置点“ij2”。根据表格1的规则，也在所有其它工作日上复制包括“mno”、“p”、“q”和“u”的所有其它标记为RT的新设置点。不复制标记为NRT的新设置点“kl”或“rst”。不复制NRT用户设置点输入“h”（由希望其在星期一生效的用户在星期二输入）。

现在参考图40B的步骤4044，将新设置点和所复制的新设置点覆盖到预先存在设置点的当前时间表上（如图41G中示出），这示出了带圆圈的预先存在设置点和不带圆圈的新设置点。在许多后续步骤中，同样地对待标记为RT和标记为NRT的新设置点，且当情况如此时，描述这些步骤并未使用“RT”和“NRT”标记。在步骤4046中，根据被设计来最佳地或近似最佳地捕获模式信息和偏好信息同时也简化整体时间表复杂度的预定筛选规则来实行新设置点和预先存在设置点的相互筛选和/或时移。虽然可使用各种不同途径，但是图40D中更详细地描述了用于实行步骤4046的目标的一种方法。最后，在步骤4048中，步骤4046的结果变成由另一初始学习日进一步修改或用作稳定状态学习程序中的开始时间表的当前时间表的最新版本。

参考陈述用于实行图40C的步骤4046的处理的一种方法的图40D，在步骤4080中识别生效时间比第一预先存在设置点迟一个小时以下且比第二预先存在设置点早一个小时以下的第一类型的任何新设置点。在图41G中以点线包围第一类型的这样的新设置点的实例。即使图41G中针对解释目的只示出了整个为时一周的时间表的一部分，仍在所述时间表中实行图40D的步骤。在步骤4081中，当第一类型的任何新设置点具有比紧随其后的预先存在设置 点早一个小时以下的生效时间时且当其具有与前面的预先存在设置点相距不超过1°F的温度值时，删除所述第一类型的任何设置点。为了步骤4081和其中对两个设置点的温度值之间的接近度或类似度进行评价的其它步骤的目的，相对设置点各自的温度值的取整版本实行设置点值的比较，即使可以将设置点的温度值维持到0.2°F或0.1°C的精确度以用于其它操作目的，所述取整仍是最接近的1°F或最接近的0.5°C。当使用取整时，例如，当将77.6°F和79.4°F的两个设置点温度各自首次取整到最接近的°F时，所述设置点温度被视为相隔1°F，且因此相隔不大于1°F。同样地，当将20.8°C和21.7°C的两个设置点温度各自首次取整到最接近的0.5°C时，所述设置点温度被视为相隔0.5°C，且因此相隔不大于0.5°C。当应用于图41G处的示例性案例时，在步骤4081中新设置点“ij”落在规则的范围内且因此如图41H中示出般删除新设置点“ij”。

在步骤4081中删除第一类型的任何新设置点之后，在步骤4082中识别生效时间在紧随其后的预先存在设置点的30分钟内的第一类型的任何新设置点。当识别这样的第一类型设置点时，其在时间上向后移动比前面的预先存在设置点迟一个小时，且删除紧随其后的预先存在设置点。当应用于图41G处的示例性案例时，在步骤4082中新设置点“ij2”落在规则的范围内，且因此新设置点“ij2”在时间上向后移动到与较早预先存在设置点“f”相距一个小时，删除后续预先存在设置点“g”，如图41H中示出。随后，在步骤4084中识别生效时间在前面的预先存在设置点的30分钟内的第一类型的任何新设置点。当识别这样的第一类型设置点时，设置点在时间上向前移动比紧随其后的预先存在设置点早一个小时，且删除前面的预先存在设置点。在步骤4086中，对于第一类型中不在步骤4082或4084的范围的每个剩余新设置点，将前面的预先存在设置点的设置点温度改变成新设置点的温度且删除所述新设置点。

在步骤4087中，识别并删除在紧随其后的预先存在设置点的一个小时内且温度值与前面的预先存在设置点相差不大于1°F的任何标记为RT的新设置点。在步骤4088中，对于每个新设置点，删除在所述新设置点的一个小时内的任何预先存在设置点。因此，例如，图41I示出了与新设置点“x2”相距小于一个小时的预先存在设置点“a”，且因此在图41J中删除预先存在设 置点“a”。同样，预先存在设置点“d”与新设置点“q”相距小于一个小时且因此在图41J中删除预先存在设置点“d”。

在步骤4090中，从时间表中的最早生效设置点时间开始且在时间上向后移动到最迟生效设置点时间，当设置点具有与前面的设置点的温度值相差不超过1°F或0.5°C的温度值时删除所述设置点。如上文讨论，在许多实施方式中，由于自动时间表学习，没有删除或调整固定设置点。例如，图41K示出了各自与前面的设置点相距不超过1°F的设置点“mno”和“x”且因此在图41L中删除设置点“mno”和“x”。最后，在步骤4092中，当存在生效时间相隔一个小时以下的任何剩余多对（新或预先存在）设置点时，删除每对中较迟生效的设置点。然后如图41M中指示般将幸存设置点建立作为当前时间表的成员，所有所述成员被标记为“预先存在设置点”以用于图40A的初始学习程序的后续迭代，或当所述程序完成时用于下文描述的稳定状态学习的后续应用。当然，在替代性实施方式中可以改变用于调用上文讨论的群集、解析、筛选和转移操作的各个时间间隔。

图42A-图42B示出了用于稳定状态学习的步骤。上文针对初始学习程序描述的许多相同概念和教学可应用于稳定状态学习，包括实时用户设置点输入和非实时用户设置点输入的跟踪、群集、解析、复制、覆盖和最终筛选和转移。

初始学习与稳定状态学习之间产生某些差异：对于稳定状态学习程序，关注设置点输入中的历史模式的删除、复制已删除设置点模式所跨的目标日期的选择性的增加和其它差异。参考图42A，稳定状态学习程序开始于步骤4202中，所述步骤4202可对应于初始学习程序的完成（图40A，步骤4016）且视情况可对应于在用户请求暂停学习之后恢复稳定状态学习。在步骤4204中，访问当前时间表的合适版本。当在初始学习（通常是新智能恒温器安装的情况）之后立即调用稳定状态学习时，控制时间表一般是完成初始学习时的当前时间表。

然而，在某些实施方式中，可以在步骤4204中访问先前建立的时间表。先前由智能恒温器3302在前一年的类似周期内建立的多个不同时间表可存储在恒温器3302中或替代地可存储在具有到恒温器3302的网络连接的云服务器中。例如，可以存在前面1月份建立的“1月份”时间表且其然后在1 月31日存储到存储器中。当在后一年1月1日实行步骤4204时，可访问先前存储的“1月份”时间表。

在某些实施方式中，智能恒温器3302可以建立并存储可适用于任何各个时间段的时间表且然后在步骤4204中访问所述时间表以用作下一个当前时间表。类似存储和再调用方法可应用于下文进一步讨论的历史RT/NRT设置点输入数据库。

在步骤4206中，开始新的一天的稳定状态学习。在步骤4208中，在所述一天中，智能恒温器接收并跟踪实时和非实时用户设置点输入两者。在步骤4210中，在所述一天中，智能恒温器均根据时间表的当前版本、由用户做出的任何一种RT设置点输入和已做出的可因果地应用的任何一种NRT设置点输入来控制HVAC系统。

根据一个选用替代性实施方案，可实行步骤4210使得任何RT设置点输入只在最大4小时内有效，此后操作设置点温度恢复到由当前时间表中的预先存在设置点指定的任何一种温度和/或由任何可因果地应用的NRT设置点输入指定的任何一种温度。作为另一替代，取代在4小时之后恢复到任何预先存在设置点的是，操作设置点反而恢复到相对较低能量值，诸如时间表中的最低预先存在设置点。可根据用户可设置的操作模式启动这个低能量基本操作。

当稳定状态学习日结束时（诸如午夜或大约午夜），实行处理步骤4212-4216。在步骤4212中，访问可以往后延长至少两个星期的RT和NRT用户设置点输入的历史数据库。在步骤4214中，结合RT/NRT设置点输入的历史数据库和当前时间表中的预先存在设置点处理所述一天跟踪的RT/NRT设置点输入以使用下文关于图42B进一步描述的步骤生成当前时间表的修改版本。在步骤4216中，然后将所述一天跟踪的RT/NRT设置点输入添加到历史数据库中以供所述方法的下一次迭代的后续使用。显然，在步骤4218中，诸如对于季节变化、月份变化或另一这样的变化，确定是否应将当前时间表替换成更适当和/或优选的某个时间表。当确定时间表变化适当时，在步骤4204中在下一次迭代之前访问合适的时间表。否则，在步骤4206中使用最近计算的时间表开始下一次迭代。在某些实施方式中，基于直接用户指令、来自在相关联的云服务器上运行的自动程序的远程指令、来自公共事业公司 的远程指令、自动地基于当前日期和/或当前/预测天气趋势或基于上述准则中的一个或多个的组合或其它准则来实行步骤4218。

参考对应于图42A的步骤4214的图42B，按次序实行类似于图40B的步骤4030-4040的步骤以群集、解析、标记和调整所述一天跟踪的RT/NRT设置点输入和历史RT/NRT设置点输入。在步骤4232中，将步骤4232的结果中出现的所有标记为RT的设置点识别为模式候选设置点。在步骤4234中，比较当前一天的模式候选设置点与历史模式候选设置点以检测类似生效时间和类似设置点温度的模式，诸如每日或每周模式。在步骤4236中，对于步骤4234中检测的包括当前一天的模式候选设置点的任何这样的模式，在时间表中可能希望应用这种模式的所有其它几天上复制当前一天的模式候选设置点。作为实例，表格2示出了模式匹配规则和相关联的设置点复制规则的一个特定有用集合。

表格2

对于一个实施方式，在实行步骤4236时，给所复制的设置点指派与要检测模式的特定当前一天的模式候选设置点相同的当天生效时刻和相同的温度值。在其它实施方式中，可给所复制的设置点指派匹配时所涉及的历史模式候选设置点的当天生效时刻和/或历史模式候选设置点的温度值。在其它实施方式中，可给所复制的设置点指派所匹配的当前和历史模式候选设置点的平均当天生效时刻和/或所匹配的当前和历史模式候选设置点的平均温度值。

在步骤4238中，将新设置点的所得复制时间表覆盖到预先存在设置点的当前时间表上。再者，在步骤4238中，将由步骤4230引起的任何标记为NRT的设置点覆盖到预先存在设置点的当前时间表上。在步骤4240中，然后使用类似于上文针对图40B的步骤4046讨论的方法在生效时间中相互筛选和/或转移所覆盖的新设置点和预先存在设置点。然后在步骤4242中建立所述结果作为当前时间表的最新版本。

虽然已就特定实例描述了本发明，但是不旨在将本发明限于这些实例。本领域一般技术人员将明白本发明的精神内的修改。例如，如上文讨论，自动控制时间表学习可以用于各种不同类型的智能控制器以学习可以跨越从毫秒到几年的时间段的一个或多个时间表。智能控制器逻辑可以包括逻辑电路实施方式、固件和基于计算机指令的常式和程序实施方式，其中全部可以取决于各种不同实施方式和设计参数（包括编程语言、模块组织、硬件平台、数据结构、控制结构和许多其它这样的设计和实施方式参数）的选定值而改变。如上文讨论。积极学习之后的稳定状态学习模式可以包括多个不同阶段，其中智能控制器一般关于后续阶段的时间表修改而变得愈来愈保守。自动控制时间表学习可以在个别智能控制器内实行、可以按分布式方式在多个控制器之间实行、可以按分布式方式在一个或多个智能控制器和远程计算设施之间实行，且可以主要在与智能控制器互连的远程计算设施中实行。

应明白，提供所公开实例的先前描述是为了使本领域任何一般技术人员能够做出或使用本公开。本领域一般技术人员将容易明白这些实例的各种修改，且在不违背本公开的精神或范围的情况下本文定义的广义原理可以应用于其它实例。因此，本公开不旨在被限于本文示出的实例，但是符合与本文公开的原理和新颖特征一致的最广泛范围。

Claims (6)

1.一种智能控制器，其包括：

第一模块，所述第一模块用于在监控周期期间通过控制接口接收一个或多个即时控制输入并将接收的所述即时控制输入记录在存储器中；

第二模块，所述第二模块用于在所述监控周期期间通过时间表接口接收一个或多个时间表变化并将接收的所述时间表变化记录在所述存储器中；

第三模块，所述第三模块用于在所述监控周期之后基于记录的所述即时控制输入、记录的所述时间表变化和存储于所述存储器中的控制时间表生成更新的监控周期时间表；

第四模块，所述第四模块用于用所述更新的监控周期时间表代替所述控制时间表中对应于所述监控周期的部分；以及

第五模块，所述第五模块用于将所述更新的监控周期时间表传播到所述控制时间表内的额外时间段；

其中在所述监控周期之后基于所记录的所述即时控制输入、记录的所述时间表变化和所述控制时间表通过以下项来生成所述更新的监控周期时间表：

组合所记录的所述即时控制输入、记录的所述时间表变化和所述控制时间表的设置点以产生临时时间表；

将所述临时时间表的所述即时控制输入、所述时间表变化和所述设置点群集到一个或多个群集中；

解析所述临时时间表内的所述一个或多个群集；和

从所述临时时间表的已解析群集生成所述更新的监控周期时间表。

2.根据权利要求l所述的智能控制器，其中组合所记录的所述即时控制输入、记录的所述时间表变化和所述控制时间表的设置点以产生所述临时时间表还包括：

将即时控制输入表示为所述控制时间表中对应于所述监控周期的部分内的一个或多个参数的时间相关值；

将记录的控制时间表变化表示为所述控制时间表中对应于所述监控周期的所述部分内的一个或多个参数的、此外与输入时间相关联的时间相关值；和

将所述临时时间表的被表示的所述即时控制输入、回顾性控制时间表变化和所述设置点考虑为事件。

3.根据权利要求2所述的智能控制器，其中将所述临时时间表内的所述即时控制输入、所述时间表变化和所述设置点群集到一个或多个群集中还包括：

将各自在独立群集的另一事件的第一阈值时间间隔内的每组事件收集在一起作为所述独立群集；和

将没有在另一事件的所述第一阈值时间间隔内的每个事件收集作为独立群集。

4.根据权利要求3所述的智能控制器，其中解析所述临时时间表内的所述一个或多个群集还包括用以下项之一取代事件的每个群集：

没有事件，当所述群集中没有辨认出任何控制变化趋势时；

一个事件，当所述群集中辨认出单一事件控制变化趋势时；或

两个事件，当所述群集中辨认出两个事件控制变化趋势时。

5.根据权利要求l所述的智能控制器，其中通过以下项将所述更新的监控周期时间表传播到所述控制时间表内的额外时间段：

根据一个或多个规则选择所述控制时间表内与所述更新的监控周期时间表的时间段有关的一个或多个额外时间段；且

对于选定时间段中的每个，

将对应于临时监控周期时间表的即时控制输入的设置点拷贝到所述控制时间表中对应于所述选定时间段的部分上，且

解析所述控制时间表中对应于所述选定时间段的所述部分。

6.根据权利要求5所述的智能控制器，其中解析所述控制时间表中对应于所述选定时间段的所述部分还包括：

将造成以下项之一的一个或多个规则应用于每个拷贝的设置点：

删除所述拷贝的设置点，

删除现有设置点，

在时间上移动所述拷贝的设置点或另一设置点，或

不改变所述拷贝的设置点。