CN106094554A - 智能家居监测系统 - Google Patents

Abstract

本发明公开了智能家居监测系统，包括监测中心、远程控制模块和控制家居设备启闭的执行模块；所述远程控制模块通过无线网络连接监测中心和执行模块，所述监测中心包括用于监测家居所处环境状况的家居环境监测仪。本发明设置监测中心、远程控制模块和控制家居设备启闭的执行模块，远程控制模块将监测中心发送的信息展现给用户，并由用户决定是否通过执行模块对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

Description

智能家居监测系统

技术领域

本发明涉及电力监测领域，具体涉及智能家居监测系统。

背景技术

相关技术中，很多老小区的小区安防管理并不完善，对于这样的家庭，防盗门和现有的视频监控系统并不能满足现状的要求，还需要可以自动监测家居环境及设备运行状态的监测系统。

发明内容

针对上述问题，本发明提供智能家居监测系统。

本发明的目的采用以下技术方案来实现：

智能家居监测系统，包括监测中心、远程控制模块和控制家居设备启闭的执行模块；所述远程控制模块通过无线网络连接监测中心和执行模块，所述监测中心包括用于监测家居所处环境状况的家居环境监测仪。

本发明的有益效果为：设置监测中心、远程控制模块和控制家居设备启闭的执行模块，远程控制模块将监测中心发送的信息展现给用户，并由用户决定是否通过执行模块对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的应用场景不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图。

图2是本发明家居设备健康状态监测仪的结构示意图。

附图标记：

监测中心1、远程控制模块2、执行模块3、家居环境监测仪4、家居设备健康状态监测仪5、家居设备控制单元31、监控摄像单元41、煤气监测单元42、烟雾监测单元43、门锁监测单元44、家居设备健康状态监测数据采集模块51、数据归一化单元52、设备部件评估单元53、设备部件健康状态判定单元54、家居设备综合评估单元55。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例中的智能家居监测系统，包括监测中心1、远程控制模块2和控制家居设备启闭的执行模块3；所述远程控制模块2通过无线网络连接监测中心1和执行模块3，所述监测中心1包括用于监测家居所处环境状况的家居环境监测仪4。

优选的，所述家居环境监测仪4包括监控摄像单元41、煤气监测单元42、烟雾监测单元43、门锁监测单元44。

本发明上述实施例设置监测中心1、远程控制模块2和控制家居设备启闭的执行模块3，远程控制模块2将监测中心1发送的信息展现给用户，并由用户决定是否通过执行模块3对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

优选的，所述执行模块3包括多个家居设备控制单元31，所述家居设备控制单元31通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制。

本优选实施例设置多个家居设备控制单元31，通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制，具有针对性，进一步提高了对家居设备的智能控制力度。

优选的，所述监测中心1还包括家居设备健康状态监测仪2，家居设备健康状态监测仪2包括家居设备健康家居设备健康状态监测数据采集模块51、数据归一化单元52、设备部件评估单元53、设备部件健康状态判定单元54和家居设备综合评估单元55；所述家居设备健康家居设备健康状态监测数据采集模块51用于采集家居设备健康状态监测数据并确定采集指标，所述采集指标包括家居设备相对应的设备部件、设备部件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元52用于对所述家居设备健康状态监测数据进行归一化处理；所述设备部件评估单元53用于评估所述设备部件的健康状态，所述设备部件健康状态判定单元54用于所述各设备部件是否处于健康状态；所述家居设备综合评估单元55用于评估各家居设备的健康状态。

本优选实施例构建了家居设备健康状态监测仪2的整体架构，完善了家居设备健康状态监测仪2的健康状态分析功能。

优选的，设设备部件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元52采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元52的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便家居设备健康状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响设备部件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，设备部件评估单元53采取的设备部件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Z_x表示设备部件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在设备部件x中的重要程度上的权重因子，m_c<m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了设备部件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到设备部件的健康状态，简化了设备部件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述设备部件健康状态判定单元54的判定原则为：若设备部件x状态异常的概率P_x大于设定的阈值P_Y,判定所述设备部件x为异常，若设备部件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述设备部件x为健康，设有n个样本的设备部件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述设备部件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\&Integral;}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\&Integral;}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}\&CenterDot;\underset{k=1}{\overset{n}{\&Sigma;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}\&CenterDot;(Z_x-Z_k)\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对设备部件的异常概率计算结果来判定设备部件的健康状态，分析精度高，且加快了设备部件的健康状态分析的速度。

优选的，设家居设备共有N个设备部件，设备部件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述家居设备综合评估单元55采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\&Sigma;}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\&Sigma;}}_{x=1}^N{W}_x=1$

式中，W_x为第x个设备部件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算家居设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取P_Y＝0.1，E＝0.9，系统的监测分析速度相对提高了10％，监测分析精度相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例中的智能家居监测系统，包括监测中心1、远程控制模块2和控制家居设备启闭的执行模块3；所述远程控制模块2通过无线网络连接监测中心1和执行模块3，所述监测中心1包括用于监测家居所处环境状况的家居环境监测仪4。

优选的，所述家居环境监测仪4包括监控摄像单元41、煤气监测单元42、烟雾监测单元43、门锁监测单元44。

本发明上述实施例设置监测中心1、远程控制模块2和控制家居设备启闭的执行模块3，远程控制模块2将监测中心1发送的信息展现给用户，并由用户决定是否通过执行模块3对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

优选的，所述执行模块3包括多个家居设备控制单元31，所述家居设备控制单元31通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制。

本优选实施例设置多个家居设备控制单元31，通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制，具有针对性，进一步提高了对家居设备的智能控制力度。

优选的，所述监测中心1还包括家居设备健康状态监测仪2，家居设备健康状态监测仪2包括家居设备健康家居设备健康状态监测数据采集模块51、数据归一化单元52、设备部件评估单元53、设备部件健康状态判定单元54和家居设备综合评估单元55；所述家居设备健康家居设备健康状态监测数据采集模块51用于采集家居设备健康状态监测数据并确定采集指标，所述采集指标包括家居设备相对应的设备部件、设备部件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元52用于对所述家居设备健康状态监测数据进行归一化处理；所述设备部件评估单元53用于评估所述设备部件的健康状态，所述设备部件健康状态判定单元54用于所述各设备部件是否处于健康状态；所述家居设备综合评估单元55用于评估各家居设备的健康状态。

本优选实施例构建了家居设备健康状态监测仪2的整体架构，完善了家居设备健康状态监测仪2的健康状态分析功能。

优选的，设设备部件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元52采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}\&CenterDot;{\mathrm{\&Phi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元52的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便家居设备健康状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响设备部件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，设备部件评估单元53采取的设备部件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\&Sigma;}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\&Sigma;}}{Q}_i=1$

其中，Z_x表示设备部件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在设备部件x中的重要程度上的权重因子，m_c<m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了设备部件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到设备部件的健康状态，简化了设备部件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述设备部件健康状态判定单元54的判定原则为：若设备部件x状态异常的概率P_x大于设定的阈值P_Y,判定所述设备部件x为异常，若设备部件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述设备部件x为健康，设有n个样本的设备部件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述设备部件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\&Integral;}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\&Integral;}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}\&CenterDot;\underset{k=1}{\overset{n}{\&Sigma;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}\&CenterDot;(Z_x-Z_k)\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对设备部件的异常概率计算结果来判定设备部件的健康状态，分析精度高，且加快了设备部件的健康状态分析的速度。

优选的，设家居设备共有N个设备部件，设备部件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述家居设备综合评估单元55采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\&Sigma;}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\&Sigma;}}_{x=1}^N{W}_x=1$

式中，W_x为第x个设备部件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算家居设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取P_Y＝0.12，E＝0.92，系统的监测分析速度相对提高了9％，监测分析精度相对提高了13％。

应用场景3

参见图1、图2，本应用场景的一个实施例中的智能家居监测系统，包括监测中心1、远程控制模块2和控制家居设备启闭的执行模块3；所述远程控制模块2通过无线网络连接监测中心1和执行模块3，所述监测中心1包括用于监测家居所处环境状况的家居环境监测仪4。

优选的，所述家居环境监测仪4包括监控摄像单元41、煤气监测单元42、烟雾监测单元43、门锁监测单元44。

本发明上述实施例设置监测中心1、远程控制模块2和控制家居设备启闭的执行模块3，远程控制模块2将监测中心1发送的信息展现给用户，并由用户决定是否通过执行模块3对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

优选的，所述执行模块3包括多个家居设备控制单元31，所述家居设备控制单元31通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制。

本优选实施例设置多个家居设备控制单元31，通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制，具有针对性，进一步提高了对家居设备的智能控制力度。

优选的，所述监测中心1还包括家居设备健康状态监测仪2，家居设备健康状态监测仪2包括家居设备健康家居设备健康状态监测数据采集模块51、数据归一化单元52、设备部件评估单元53、设备部件健康状态判定单元54和家居设备综合评估单元55；所述家居设备健康家居设备健康状态监测数据采集模块51用于采集家居设备健康状态监测数据并确定采集指标，所述采集指标包括家居设备相对应的设备部件、设备部件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元52用于对所述家居设备健康状态监测数据进行归一化处理；所述设备部件评估单元53用于评估所述设备部件的健康状态，所述设备部件健康状态判定单元54用于所述各设备部件是否处于健康状态；所述家居设备综合评估单元55用于评估各家居设备的健康状态。

本优选实施例构建了家居设备健康状态监测仪2的整体架构，完善了家居设备健康状态监测仪2的健康状态分析功能。

优选的，设设备部件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元52采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}\&CenterDot;{\mathrm{\&Phi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元52的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便家居设备健康状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响设备部件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，设备部件评估单元53采取的设备部件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\&Sigma;}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\&Sigma;}}{Q}_i=1$

其中，Z_x表示设备部件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在设备部件x中的重要程度上的权重因子，m_c<m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了设备部件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到设备部件的健康状态，简化了设备部件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述设备部件健康状态判定单元54的判定原则为：若设备部件x状态异常的概率P_x大于设定的阈值P_Y,判定所述设备部件x为异常，若设备部件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述设备部件x为健康，设有n个样本的设备部件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述设备部件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\&Integral;}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\&Integral;}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}\&CenterDot;\underset{k=1}{\overset{n}{\&Sigma;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}\&CenterDot;(Z_x-Z_k)\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对设备部件的异常概率计算结果来判定设备部件的健康状态，分析精度高，且加快了设备部件的健康状态分析的速度。

优选的，设家居设备共有N个设备部件，设备部件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述家居设备综合评估单元55采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\&Sigma;}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\&Sigma;}}_{x=1}^N{W}_x=1$

式中，W_x为第x个设备部件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算家居设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.15，E＝0.94，系统的监测分析速度相对提高了8％，监测分析精度相对提高了10％。。

应用场景4

参见图1、图2，本应用场景的一个实施例中的智能家居监测系统，包括监测中心1、远程控制模块2和控制家居设备启闭的执行模块3；所述远程控制模块2通过无线网络连接监测中心1和执行模块3，所述监测中心1包括用于监测家居所处环境状况的家居环境监测仪4。

优选的，所述家居环境监测仪4包括监控摄像单元41、煤气监测单元42、烟雾监测单元43、门锁监测单元44。

本发明上述实施例设置监测中心1、远程控制模块2和控制家居设备启闭的执行模块3，远程控制模块2将监测中心1发送的信息展现给用户，并由用户决定是否通过执行模块3对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

优选的，所述执行模块3包括多个家居设备控制单元31，所述家居设备控制单元31通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制。

本优选实施例设置多个家居设备控制单元31，通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制，具有针对性，进一步提高了对家居设备的智能控制力度。

优选的，所述监测中心1还包括家居设备健康状态监测仪2，家居设备健康状态监测仪2包括家居设备健康家居设备健康状态监测数据采集模块51、数据归一化单元52、设备部件评估单元53、设备部件健康状态判定单元54和家居设备综合评估单元55；所述家居设备健康家居设备健康状态监测数据采集模块51用于采集家居设备健康状态监测数据并确定采集指标，所述采集指标包括家居设备相对应的设备部件、设备部件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元52用于对所述家居设备健康状态监测数据进行归一化处理；所述设备部件评估单元53用于评估所述设备部件的健康状态，所述设备部件健康状态判定单元54用于所述各设备部件是否处于健康状态；所述家居设备综合评估单元55用于评估各家居设备的健康状态。

本优选实施例构建了家居设备健康状态监测仪2的整体架构，完善了家居设备健康状态监测仪2的健康状态分析功能。

优选的，设设备部件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元52采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}\&CenterDot;{\mathrm{\&Phi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元52的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便家居设备健康状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响设备部件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，设备部件评估单元53采取的设备部件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\&Sigma;}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\&Sigma;}}{Q}_i=1$

其中，Z_x表示设备部件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在设备部件x中的重要程度上的权重因子，m_c<m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了设备部件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到设备部件的健康状态，简化了设备部件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述设备部件健康状态判定单元54的判定原则为：若设备部件x状态异常的概率P_x大于设定的阈值P_Y,判定所述设备部件x为异常，若设备部件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述设备部件x为健康，设有n个样本的设备部件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述设备部件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\&Integral;}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\&Integral;}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}\&CenterDot;\underset{k=1}{\overset{n}{\&Sigma;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}\&CenterDot;(Z_x-Z_k)\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对设备部件的异常概率计算结果来判定设备部件的健康状态，分析精度高，且加快了设备部件的健康状态分析的速度。

优选的，设家居设备共有N个设备部件，设备部件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述家居设备综合评估单元55采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\&Sigma;}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\&Sigma;}}_{x=1}^N{W}_x=1$

式中，W_x为第x个设备部件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算家居设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.18，E＝0.98，系统的监测分析速度相对提高了11％，监测分析精度相对提高了9％。

应用场景5

参见图1、图2，本应用场景的一个实施例中的智能家居监测系统，包括监测中心1、远程控制模块2和控制家居设备启闭的执行模块3；所述远程控制模块2通过无线网络连接监测中心1和执行模块3，所述监测中心1包括用于监测家居所处环境状况的家居环境监测仪4。

优选的，所述家居环境监测仪4包括监控摄像单元41、煤气监测单元42、烟雾监测单元43、门锁监测单元44。

本发明上述实施例设置监测中心1、远程控制模块2和控制家居设备启闭的执行模块3，远程控制模块2将监测中心1发送的信息展现给用户，并由用户决定是否通过执行模块3对家居设备进行操作，使用方便，能提供全方位的监控，提高了监控智能化程度以及监控力度，从而解决了上述的技术问题。

优选的，所述执行模块3包括多个家居设备控制单元31，所述家居设备控制单元31通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制。

本优选实施例设置多个家居设备控制单元31，通过无线网络接收远程控制模块2发送的执行命令，根据执行命令对相应的家居设备进行控制，具有针对性，进一步提高了对家居设备的智能控制力度。

优选的，所述监测中心1还包括家居设备健康状态监测仪2，家居设备健康状态监测仪2包括家居设备健康家居设备健康状态监测数据采集模块51、数据归一化单元52、设备部件评估单元53、设备部件健康状态判定单元54和家居设备综合评估单元55；所述家居设备健康家居设备健康状态监测数据采集模块51用于采集家居设备健康状态监测数据并确定采集指标，所述采集指标包括家居设备相对应的设备部件、设备部件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元52用于对所述家居设备健康状态监测数据进行归一化处理；所述设备部件评估单元53用于评估所述设备部件的健康状态，所述设备部件健康状态判定单元54用于所述各设备部件是否处于健康状态；所述家居设备综合评估单元55用于评估各家居设备的健康状态。

本优选实施例构建了家居设备健康状态监测仪2的整体架构，完善了家居设备健康状态监测仪2的健康状态分析功能。

优选的，设设备部件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元52采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}\&CenterDot;{\mathrm{\&Phi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元52的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便家居设备健康状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响设备部件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，设备部件评估单元53采取的设备部件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_x}{\&Sigma;}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\&Sigma;}}(1-e^{-\frac{1}{2}\&CenterDot;|\frac{J_i\&CenterDot;{\mathrm{\&psi;}}_{\mathrm{\&alpha;}}-{\mathrm{\&delta;}}_{bi}}{{\mathrm{\&delta;}}_{bi}-{\mathrm{\&delta;}}_{ci}}{|}^2})Q_i,\underset{i=1}{\overset{m_c}{\&Sigma;}}{Q}_i=1$

其中，Z_x表示设备部件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在设备部件x中的重要程度上的权重因子，m_c<m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了设备部件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到设备部件的健康状态，简化了设备部件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述设备部件健康状态判定单元54的判定原则为：若设备部件x状态异常的概率P_x大于设定的阈值P_Y,判定所述设备部件x为异常，若设备部件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述设备部件x为健康，设有n个样本的设备部件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述设备部件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\&Integral;}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\&Integral;}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}\&CenterDot;\underset{k=1}{\overset{n}{\&Sigma;}}\frac{1}{\sqrt{2\mathrm{\&pi;}}}{e}^{-\frac{1}{2}\&CenterDot;(Z_x-Z_k)\&CenterDot;\frac{n^{1/5}}{1.6\mathrm{\&phi;}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对设备部件的异常概率计算结果来判定设备部件的健康状态，分析精度高，且加快了设备部件的健康状态分析的速度。

优选的，设家居设备共有N个设备部件，设备部件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述家居设备综合评估单元55采用的综合状态健康指标B的计算公式如下：

$B=1-{\mathrm{\&Sigma;}}_{x=1}^N\left(P_x{W}_x\right),{\mathrm{\&Sigma;}}_{x=1}^N{W}_x=1$

式中，W_x为第x个设备部件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算家居设备的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.2，E＝0.99，系统的监测分析速度相对提高了12％，监测分析精度相对提高了14％。

最后应当说明的是，以上应用场景仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳应用场景对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.智能家居监测系统，其特征是，包括监测中心、远程控制模块和控制家居设备启闭的执行模块；所述远程控制模块通过无线网络连接监测中心和执行模块，所述监测中心包括用于监测家居所处环境状况的家居环境监测仪。

2.根据权利要求1所述的智能家居监测系统，其特征是，所述家居环境监测仪包括监控摄像单元、煤气监测单元、烟雾监测单元以及门锁监测单元。

3.根据权利要求2所述的智能家居监测系统，其特征是，所述执行模块包括多个家居设备控制单元，所述家居设备控制单元通过无线网络接收远程控制模块发送的执行命令，根据执行命令对相应的家居设备进行控制。