CN105719392A - 基于神经网络的可预测自学习的智能售货机 - Google Patents

基于神经网络的可预测自学习的智能售货机 Download PDF

Info

Publication number
CN105719392A
CN105719392A CN201610028642.1A CN201610028642A CN105719392A CN 105719392 A CN105719392 A CN 105719392A CN 201610028642 A CN201610028642 A CN 201610028642A CN 105719392 A CN105719392 A CN 105719392A
Authority
CN
China
Prior art keywords
vending machine
chip microcomputer
machine body
arm single
single chip
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610028642.1A
Other languages
English (en)
Inventor
吴昊天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201610028642.1A priority Critical patent/CN105719392A/zh
Publication of CN105719392A publication Critical patent/CN105719392A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F9/00—Details other than those peculiar to special kinds or types of apparatus
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F9/00—Details other than those peculiar to special kinds or types of apparatus
    • G07F9/10—Casings or parts thereof, e.g. with means for heating or cooling
    • G07F9/105—Heating or cooling means, for temperature and humidity control, for the conditioning of articles and their storage

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)

Abstract

本发明公开了一种基于神经网络的可预测自学习的智能售货机，包括售货机本体，在售货机本体上设有ARM单片机、温度传感器及湿度传感器。温度传感器及湿度传感器分别用于检测环境温度和湿度，并将检测数据输入ARM单片机，售货机本体上的按键与ARM单片机相连，ARM单片机根据上一时间周期的各时段售货机被按键的次数，通过神经网络中的BP算法预测下一时间周期的各时段售货机被使用的概率，并结合实时检测的温湿度数据，通过单片机内的模糊控制器控制售货机本体中制冷或保温电机的工作状态，以此达到每天只需要开启一段时间就可以很好的满足用户需求，从而达到节能环保的目的。

Description

基于神经网络的可预测自学习的智能售货机
技术领域
本发明涉及一种售货机，尤其涉及一种基于神经网络的可预测自学习的智能售货机。
背景技术
当下，食品、饮料以及综合自动售货机在世界的普及率很高，这些售货机需要让食品或者饮料制冷或者温热到合适的温度便于人们食用。现有的技术，是采用售货机24小时工作，确保温度一直保持着人们满意的程度。
但事实上即便它总是24四小时运行，但人们购买的时间段却是相对有限的，且人们去使用售货机的时间也是有规律可寻的。全天运行的空调电机是不节能、不智能的，甚至很多情况下都没有人去购买依然还要一直保持运行状态，浪费了很多能量。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于神经网络的可预测自学习的智能售货机，该售货机可依据先前的使用记录结合实时天气因素来预测下时段其被使用的概率，可极大地实现节能环保。
本发明的基于神经网络的可预测自学习的智能售货机，包括售货机本体，在售货机本体上设有ARM单片机、温度传感器及湿度传感器，所述的温度传感器及湿度传感器分别用于检测环境温度和湿度，并将检测数据输入ARM单片机，所述的售货机本体上的按键与ARM单片机相连，ARM单片机根据上一时间周期各时段售货机被按键的次数预测下一时间周期各时段售货机被使用的概率，并结合实时检测的温湿度数据，通过单片机内的模糊控制器控制售货机本体中制冷或保温电机的工作状态。
所述的售货机本体的按键被按下时，按键信号输入ARM单片机，ARM单片机将此时其内部的RTC时钟模块的时间放入单片机内的寄存器中，从而实现统计各时间段售货机被使用的情况。
该售货机的预测功能通过BP算法实现。
本发明的售货机是基于神经网络中的BP算法根据人们先前的使用记录来精确预测人们接下来一段时间使用售货机的时间，并利用预测结果经过单片机内的模糊控制器，加上考虑除了先前数据以外的一些影响人们前来使用售货机的因素(比如说天气，温度等)，并最终计算得到结果，决定在某一时段是否应该开启制冷或保温电机，使产品达到顾客的要求温度。以此达到每天只需要开启一段时间就可以很好的满足用户需求，从而达到节能环保的目的。
附图说明
图1是本发明的控制原理图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本发明的基于神经网络的可预测自学习的智能售货机，包括售货机本体，在售货机本体上设有ARM单片机、温度传感器及湿度传感器，所述的温度传感器及湿度传感器分别用于检测环境温度和湿度，并将检测数据输入ARM单片机的模糊控制器中，用于模糊计算，比如：太热会增加人们买冰饮的概率，太冷则减少该概率，下雨会减少人们出来买东西的概率。如图1所示。
所述的售货机本体上的按键与ARM单片机相连，ARM单片机根据上一时间周期各时段售货机被按键的次数预测下一时间周期各时段售货机被使用的概率，并结合实时检测的温湿度数据，通过单片机内的模糊控制器控制售货机本体中制冷或保温电机的工作状态。
比如：可根据不同地点和产品，确定制冷或者加热一个产品需要t分钟，并根据t的大小将一天分成合适的时间段。一般实际上，t是小于30的，所以我们将一天分成48份，并每份30分钟，写成一个数组A[0-47]，依次对于各个时间段进行样本采集(包括温度、湿度)，只要这个时间段内有一个人使用了售货机，按键就给单片机芯片一个信号，按键连接I/O口通过GPIO功能输入ARMLPC2210，当内核收到下降沿输入信号(可设为中断)，将RTC功能中的此时的时间读出，并根据时间的数值，选择出合适的寄存器，把该时间段的使用次数累加1，以此来记录每个时间段人们使用售货机的次数。此时，根据寄存器的内容，得到了前段时间人们使用售货机的状况，使用这些数据通过BP算法，自学习预测下一周期的售货机使用情况，得到了下周每个时间段人们来使用售货机的可能性。
一般来说，人们的作息是按照一周来周期工作生活的。所以为了确保精确，可以采用14天作为样本，来预测下面7天的使用情况，并每7天预测一次，更新之前的样本。
当得到预测后，再将每个时间段的预测次数，结合实时的温湿度情况，输入到模糊控制器中，可以得到每个时间段是否有人会来，是否需要提前开制冷或者保温电机的结果。
利用模糊控制，输入数据分别是：预测下次人们来的可能性，湿度，温度。先选择隶属函数，把输入的数据模糊化，比如说选择：Sigmoid函数作为隶属函数，再根据实际情况选择参数，比如说选择温度小于10度为“低”等；再给上述三个输入数据赋予不同的权值，比如说：0.5,0.2,0.6(表明预测数据和温度是我们考虑的主要因素)，控制器根据输入情况，结合预先设定控制规则，使得单片机控制制冷或保温电机的启动，如：当出现温度“低”的情况以及下雨天的情况，选择不开制冷电机。经过估算，以学校中的售货机为例，人们使用售货机的时间较为规律，大多集中于工作日的中午和下午课间，其他时间几乎没有人使用，如果采用本发明的售货机，可以节约学校处售货机的近百分之70的能量。

Claims (3)

1.基于神经网络的可预测自学习的智能售货机，其特征在于，包括售货机本体，在售货机本体上设有ARM单片机、温度传感器及湿度传感器，所述的温度传感器及湿度传感器分别用于检测环境温度和湿度，并将检测数据输入ARM单片机，所述的售货机本体上的按键与ARM单片机相连，ARM单片机根据上一时间周期的各时段售货机被按键的次数来预测下一时间周期各时段售货机被使用的概率，并结合实时检测的温湿度数据，通过单片机内的模糊控制器控制售货机本体中制冷或保温电机的工作状态。
2.根据权利要求1所述的基于神经网络的可预测自学习的智能售货机，其特征在于，所述的售货机本体的按键被按下时，按键信号输入ARM单片机，ARM单片机将此时其内部的RTC时钟模块的时间放入单片机内的寄存器中，从而实现统计各时间段售货机被使用的情况。
3.根据权利要求1所述的基于神经网络的可预测自学习的智能售货机，其特征在于，该售货机的预测功能通过BP算法实现。
CN201610028642.1A 2016-01-15 2016-01-15 基于神经网络的可预测自学习的智能售货机 Pending CN105719392A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610028642.1A CN105719392A (zh) 2016-01-15 2016-01-15 基于神经网络的可预测自学习的智能售货机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610028642.1A CN105719392A (zh) 2016-01-15 2016-01-15 基于神经网络的可预测自学习的智能售货机

Publications (1)

Publication Number Publication Date
CN105719392A true CN105719392A (zh) 2016-06-29

Family

ID=56147320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610028642.1A Pending CN105719392A (zh) 2016-01-15 2016-01-15 基于神经网络的可预测自学习的智能售货机

Country Status (1)

Country Link
CN (1) CN105719392A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408761A (zh) * 2016-08-26 2017-02-15 湖南金码智能设备制造有限公司 一种提升自动售货机制冷单元效率的方法
CN106981139A (zh) * 2017-03-07 2017-07-25 黑龙江大学 智能社区快递柜及该种快递柜的参数获取方法
CN108347371A (zh) * 2017-01-23 2018-07-31 谷歌有限责任公司 自动生成和传送用户的状态和/或状态的预测持续时间
CN108647671A (zh) * 2018-06-28 2018-10-12 武汉市哈哈便利科技有限公司 一种光学标识视觉识别方法及基于该方法的无人售货柜
DE202017106761U1 (de) * 2017-11-08 2019-02-11 Retaidea UG (haftungsbeschränkt) Vorrichtung zum Anbieten von Waren und/oder Dienstleistungen
CN109558991A (zh) * 2018-12-17 2019-04-02 广州甘来信息科技有限公司 基于自贩机的货道量推荐方法、装置、设备及存储介质
CN109785509A (zh) * 2018-12-27 2019-05-21 广东联业智能科技有限公司 一种自动售卖机的远程控制方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124014A (ja) * 1994-10-26 1996-05-17 Fuji Electric Co Ltd 自動販売機の制御方法及び制御装置
CN1177788A (zh) * 1996-07-13 1998-04-01 光州电子株式会社 自动售货机的节能装置和方法
CN101276496A (zh) * 2008-04-30 2008-10-01 兰景楠 快餐自动销售机
CN104110765A (zh) * 2013-05-29 2014-10-22 广东美的制冷设备有限公司 一种空调预控制方法及空调

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124014A (ja) * 1994-10-26 1996-05-17 Fuji Electric Co Ltd 自動販売機の制御方法及び制御装置
CN1177788A (zh) * 1996-07-13 1998-04-01 光州电子株式会社 自动售货机的节能装置和方法
CN101276496A (zh) * 2008-04-30 2008-10-01 兰景楠 快餐自动销售机
CN104110765A (zh) * 2013-05-29 2014-10-22 广东美的制冷设备有限公司 一种空调预控制方法及空调

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408761A (zh) * 2016-08-26 2017-02-15 湖南金码智能设备制造有限公司 一种提升自动售货机制冷单元效率的方法
CN108347371A (zh) * 2017-01-23 2018-07-31 谷歌有限责任公司 自动生成和传送用户的状态和/或状态的预测持续时间
US11416764B2 (en) 2017-01-23 2022-08-16 Google Llc Automatic generation and transmission of a status of a user and/or predicted duration of the status
CN106981139A (zh) * 2017-03-07 2017-07-25 黑龙江大学 智能社区快递柜及该种快递柜的参数获取方法
CN106981139B (zh) * 2017-03-07 2019-04-19 黑龙江大学 智能社区快递柜及该种快递柜的参数获取方法
DE202017106761U1 (de) * 2017-11-08 2019-02-11 Retaidea UG (haftungsbeschränkt) Vorrichtung zum Anbieten von Waren und/oder Dienstleistungen
DE102018107147A1 (de) * 2017-11-08 2019-05-09 Retaidea UG (haftungsbeschränkt) Vorrichtung zum Anbieten von Waren und/oder Dienstleistungen und Betriebsverfahren hierfür
CN108647671A (zh) * 2018-06-28 2018-10-12 武汉市哈哈便利科技有限公司 一种光学标识视觉识别方法及基于该方法的无人售货柜
CN108647671B (zh) * 2018-06-28 2023-12-22 武汉市哈哈便利科技有限公司 一种光学标识视觉识别方法及基于该方法的无人售货柜
CN109558991A (zh) * 2018-12-17 2019-04-02 广州甘来信息科技有限公司 基于自贩机的货道量推荐方法、装置、设备及存储介质
CN109785509A (zh) * 2018-12-27 2019-05-21 广东联业智能科技有限公司 一种自动售卖机的远程控制方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN105719392A (zh) 基于神经网络的可预测自学习的智能售货机
US11874637B2 (en) Remote device control and energy monitoring by analyzing and applying rules
US11348444B2 (en) Interpreting presence signals using historical data
CN104823119B (zh) 用于环境控制系统的辐射供热控制和方法
CN106440217A (zh) 空调器的节能控制方法及装置、空调器
CN102193498B (zh) 基于应用统计方法和嵌入式计算的智能电子闹钟设定方法
CN106288641A (zh) 一种基于红外的冰箱降噪方法
CN109114742A (zh) 控制方法、装置、空调器、遥控终端、服务器及存储介质
CN106225415B (zh) 基于互联网的冰箱高耗能分析与提醒系统及方法
US11941712B2 (en) Energy scoring
GB2605660A (en) Methods and systems for predictively preparing water provision system
CN206129662U (zh) 一种风扇控制器
CN109960296A (zh) 一种用于自适应环境变化温度预测的方法
CN110107994A (zh) 一种室内设定温度的确定方法、装置、存储介质及空调
WO2022168045A1 (en) Methods and systems for predictively preparing water provision system
CN203940686U (zh) 一种冰箱制冷故障的云端检测系统
Scott et al. Home heating using gps-based arrival prediction
CN202066212U (zh) 带有智能背光控制的热泵热水器控制器
AU2022216534A1 (en) Methods and systems for modifying heated water usage
US20240044521A1 (en) Methods and systems for predictively preparing water provision system
CN112944429B (zh) 一种热泵机组及其控制方法
CN112378160B (zh) 一种冰箱化霜参数的优化系统及方法
AU2022216915B2 (en) Methods and systems for predictive heated water provision
CN115978736B (zh) 一种地铁站空调系统自适应预测风水联动控制方法
WO2022168031A1 (en) Methods and systems for modifying heated water usage

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160629

WD01 Invention patent application deemed withdrawn after publication