CN106549833B - 一种智能家居设备的控制方法和装置 - Google Patents
一种智能家居设备的控制方法和装置 Download PDFInfo
- Publication number
- CN106549833B CN106549833B CN201510602968.6A CN201510602968A CN106549833B CN 106549833 B CN106549833 B CN 106549833B CN 201510602968 A CN201510602968 A CN 201510602968A CN 106549833 B CN106549833 B CN 106549833B
- Authority
- CN
- China
- Prior art keywords
- intelligent household
- household equipment
- smart home
- state
- time point
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提供了一种智能家居设备的控制方法和装置，其中方法包括：根据预先采集的用户对智能家居设备的使用行为数据，对智能家居设备的运行状态进行预测；依据预测结果对智能家居设备的运行状态进行控制。不再依赖用户通过移动终端APP对智能家居设备进行控制，减少了用户操作，且高度符合用户习惯，提高了智能化程度。
Description
【技术领域】
本发明涉及计算机应用技术领域，特别涉及一种智能家居设备的控制方法和装置。
【背景技术】
随着科技的发展，越来越多的智能家居设备进入了人们的生活之中，这些智能家居设备通过内置其中的通讯模块和云端连接，将自身传感器采集到的环境数据和智能家居设备的运行状态发送到云端控制中心。用户可以通过手机APP(应用)和云端相连，通过云端向智能家居设备发送控制指令，从而达到手机远程控制的功能。另外，用户可以通过手机APP设置智能家居设备定时启动，云端控制中心会在特定的时刻向智能家居设备发送开机的指令。
然而，现有对智能家居设备的控制主要还是依靠用户操作，云端对智能家居设备的控制仅仅限于一些简单的规则，例如根据用户设定的开机时间，在监控到用户设定的开机时间到达时，则自动向空气净化器发送开机指令，实现依旧比较固定且单一，智能化程度较低。
【发明内容】
有鉴于此，本发明提供了一种智能家居设备的控制方法和装置，以便于减少用户操作，提高智能化程度。
具体技术方案如下：
本发明一种智能家居设备的控制方法，该方法包括：
根据预先采集的用户对智能家居设备的使用行为数据，对所述智能家居设备的运行状态进行预测；
依据预测结果对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
根据本发明一优选实施方式，对所述智能家居设备的运行状态进行预测包括：
采用滑动平均的方式对所述智能家居设备的运行状态进行预测。
根据本发明一优选实施方式，对所述智能家居设备的运行状态进行预测包括：
利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态；或者，
利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态。
根据本发明一优选实施方式，利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态包括：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α为滑动因子。
根据本发明一优选实施方式，利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态包括：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α1和α2为滑动因子。
根据本发明一优选实施方式，每天被划分为多个单位时段，每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
根据本发明一优选实施方式，所述基于预测结果对所述智能家居设备的运行状态进行控制包括：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
根据本发明一优选实施方式，该方法还包括：
收集用户对所述控制的反馈数据，利用所述反馈数据对后续时间点的预测进行修正。
根据本发明一优选实施方式，利用所述反馈数据对后续时间点的预测进行修正包括：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
本发明还提供了一种智能家居设备的控制装置，该装置包括：
状态预测单元，用于根据预先收集的用户对智能家居设备的使用行为数据，对所述智能家居设备的运行状态进行预测；
设备控制单元，用于基于所述状态预测单元的预测结果对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
根据本发明一优选实施方式，所述状态预测单元，具体用于采用滑动平均的方式对所述智能家居设备的运行状态进行预测。
根据本发明一优选实施方式，所述状态预测单元，具体用于利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态；或者，
利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态。
根据本发明一优选实施方式，所述状态预测单元在利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态时，具体执行：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α为滑动因子。
根据本发明一优选实施方式，所述状态预测单元利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态时，具体执行：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α1和α2为滑动因子。
根据本发明一优选实施方式，每天被划分为多个单位时段，所述状态预测单元每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，具体执行：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
根据本发明一优选实施方式，该装置还包括：
修正反馈单元，用于收集用户对所述控制的反馈数据，利用所述反馈数据对后续时间点的预测进行修正。
根据本发明一优选实施方式，所述修正反馈单元在利用所述反馈数据对后续时间点的预测进行修正时，具体执行：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
本发明还提供了一种智能家居设备的控制方法，该方法包括：
根据预先采集的用户对智能家居设备的使用行为数据，对所述智能家居设备的运行状态进行预测；
依据预测结果对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
根据本发明一优选实施方式，对所述智能家居设备的运行状态进行预测包括：
采用滑动平均的方式对所述智能家居设备的运行状态进行预测。
根据本发明一优选实施方式，对所述智能家居设备的运行状态进行预测包括：
利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态；或者，
利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态。
根据本发明一优选实施方式，利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态包括：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α为滑动因子。
根据本发明一优选实施方式，利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态包括：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α1和α2为滑动因子。
根据本发明一优选实施方式，每天被划分为多个单位时段，每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
根据本发明一优选实施方式，所述基于预测结果对所述智能家居设备的运行状态进行控制包括：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
根据本发明一优选实施方式，该方法还包括：
收集用户对所述控制的反馈数据，利用所述反馈数据对后续时间点的预测进行修正。
根据本发明一优选实施方式，利用所述反馈数据对后续时间点的预测进行修正包括：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
本发明还提供了一种智能家居设备的控制装置，该装置包括：
状态预测单元，用于根据预先收集的用户对智能家居设备的使用行为数据，对所述智能家居设备的运行状态进行预测；
设备控制单元，用于基于所述状态预测单元的预测结果对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
根据本发明一优选实施方式，所述状态预测单元，具体用于采用滑动平均的方式对所述智能家居设备的运行状态进行预测。
根据本发明一优选实施方式，所述状态预测单元，具体用于利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态；或者，
利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态。
根据本发明一优选实施方式，所述状态预测单元在利用所述使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态时，具体执行：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α为滑动因子。
根据本发明一优选实施方式，所述状态预测单元利用所述使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态时，具体执行：
将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，α1和α2为滑动因子。
根据本发明一优选实施方式，每天被划分为多个单位时段，所述状态预测单元每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，具体执行：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
根据本发明一优选实施方式，该装置还包括：
修正反馈单元，用于收集用户对所述控制的反馈数据，利用所述反馈数据对后续时间点的预测进行修正。
根据本发明一优选实施方式，所述修正反馈单元在利用所述反馈数据对后续时间点的预测进行修正时，具体执行：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
根据本发明一优选实施方式，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
由以上技术方案可以看出，本发明通过建立反映用户对智能家居设备使用习惯的模型，对智能家居设备的运行状态进行预测，基于预测结果对智能家居设备的运行状态进行控制。不再依赖用户通过移动终端APP对智能家居设备进行控制，减少了用户操作，且高度符合用户习惯，提高了智能化程度。
【附图说明】
图1为智能家居控制系统的组成示意图；
图2为本发明实施例提供的一种方法流程图；
图3为本发明实施例提供的另一种方法流程图；
图4为本发明实施例提供的一种控制装置的结构图；
图5为本发明实施例提供的另一种控制装置的结构图；
图6为本发明实施例提供的云端控制中心实现智能家居设备控制的架构图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
本发明实施例涉及的智能家居设备是指安装了通信模块的家居设备，可以连接家庭网络，并进一步与云端控制中心相连接，可以从云端接收控制指令。用户也可以通过手机APP对智能家居设备进行远程控制，其结构可以如图1中所示。智能家居设备可以包括但不限于：智能空气净化器、智能冰箱、智能电视、智能空调、智能除湿机、智能厨电设备、智能门窗、智能闹钟，等等。
本发明的核心思想在于，充分利用云端的大数据和大计算能力的优势，对云端收集到的用户行为数据进行分析，其中用户行为数据主要包括对智能家居设备的控制操作，得到用户对智能家居设备的使用习惯，依据用户的使用习惯对智能家居设备进行控制。另外，还可以进一步结合环境状况、当前智能家居设备的运行状态、其他相关智能家居设备的运行状态以及用户当前的生理状况等中的至少一种，对智能家居设备进行控制。
图2为本发明实施例提供的一种方法流程图，如图2中所示，该方法可以包括以下步骤：
在201中，根据预先采集的用户对智能家居设备的使用行为数据，对智能家居设备的运行状态进行预测。
在本发明实施例中，可以预先对用户对智能家居设备的使用行为数据进行采集，其中使用行为数据可以包括但不限于：用户对智能家居设备开/关机的时间点信息，所使用智能家居设备的运行参数，等等。
这里对用户行为的收集可以包括用户对智能家居设备侧的操作数据，例如通过智能家居设备的控制面板或遥控器对智能家居设备进行的操作数据，也可以包括用户通过APP侧对智能家居设备的操作数据。
在本发明中，对智能家居设备的运行状态进行预测可以采用滑动平均的方式。具体地，可以将每天划分为多个单位时段，每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
作为其中一种实现方式，可以利用使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测所述智能家居设备在第n+1天时间点ti的运行状态。
具体地，可以将智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示该智能家居设备在前n-1天时间点ti时对应的该运行状态的概率，S(n,ti)表示该智能家居设备在第n天时间点ti时对应的该运行状态的概率，α为滑动因子，可以取0到1之间的值，通常采用经验值，也可以根据预测状况进行调整。
更进一步地，考虑到用户在一个星期中工作日和周末的使用习惯是存在较大差异的，因此作为另外一种实现方式，可以利用使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测智能家居设备在第n+1天时间点ti的运行状态。
具体地，可以将智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示该智能家居设备在第n+1天的上周同一天时间点ti时对应的该运行状态的概率，SU’_(n-14,ti)表示该智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的该运行状态的概率，SU_(n-1,ti)表示该智能家居设备在前n-1天时间点ti时对应的该运行状态的概率，S(n,ti)表示该智能家居设备在第n天时间点ti时对应的该运行状态的概率，α1和α2为滑动因子，可以取0到1之间的值，通常采用经验值，也可以根据预测状况进行调整。α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)体现的是用户在每周同一天同一时间点的概率考察，α2*S(n,ti)+(1-α2)*SU_(n-1,ti)体现的是所有天同一时间点的累计考察。
在202中，依据预测结果对智能家居设备的运行状态进行控制。
本步骤中，可以对智能家居设备的各运行状态的概率设置阈值，如果针对某运行状态预测出的概率值大于或等于预设的概率阈值，则向该智能家居设备发送设置为上述某运行状态的控制指令。例如当预测的当前时间点智能家居设备的开机概率超过预设的开机阈值时，对该智能家居设备发送开机指令，以控制该智能家居设备开机。
更进一步地，用户可以对上述控制进行反馈，对于云端控制中心而言，可以收集用户对上述控制的反馈数据，利用反馈数据对后续时间点的预测进行修正。具体地，如果用户反馈控制指令正确，则维持上述滑动因子的取值不变；如果用户反馈控制指令错误，则增大上述滑动因子的取值，即增大数据随时间衰减的粒度，更多的使用最新数据进行预测。在增大α的取值时可以采用预设的步长。本步骤实际上采用了一种增强学习的方式，依据用户反馈对后续预测进行修正，产生尽量大的累积效应，从而使后续预测逐渐接近用户的使用习惯。
除了基于预测结果对智能家居设备的运行状态进行控制之外，还可以进一步结合以下控制方式中的一种或任意组合：
1)进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对智能家居设备的运行状态进行控制。
2)进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
3)进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
4)进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
5)进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
上述控制方式将在后续实施例中进行详细描述。
在本发明实施例中，可以将对智能终端的整个控制方式分成两个阶段，离线的数据挖掘阶段以及在线的控制执行阶段。下面结合图3所示实施例以及具体实例进行描述。图3为本发明实施例提供的另一种方法流程图，如图3中所示，该方法主要包括以下步骤：
在301中，利用收集的用户行为数据，建立反映用户对智能家居设备使用习惯的模型。
本步骤属于离线的数据挖掘阶段，可以预先针对用户收集其行为数据，诸如：对某智能家居设备开/关机的时间点、所使用智能家居设备的运行参数等。例如，用户在周一晚上8点打开智能空气净化器，使用空气净化器的第二功率档位且同时打开空气净化器的加湿功能。这里对用户行为的收集可以包括用户对智能家居设备侧的操作数据，例如通过智能家居设备的控制面板或遥控器对智能家居设备进行的操作数据，也可以包括用户通过APP侧对智能家居设备的操作数据。
利用收集的用户行为数据，可以对概率预测模型进行训练，得到反映用户对智能家居设备使用习惯的模型。利用该模型实际上是利用用户对智能家居设备的使用习惯，对用户未来某时间点对智能家居设备的使用习惯进行预测。在本发明实施例中，可以采用滑动平均的思想进行模型训练，即训练滑动平均模型。
以某一个智能家居设备的开机概率预测为例，可以将一天划分为N个单位时间，每个单位时间点用ti标记，该智能家居设备在第n+1天的时间点ti的预测开机概率S(n+1,ti)可以采用如下公式：
S(n+1,ti)＝SU_(n,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)
其中，SU_(n,ti)表示该智能家居设备在前n天时间点ti时对应的开机概率，SU_(n-1,ti)表示该智能家居设备在前n-1天时间点ti时对应的开机概率，这两者是一个累积概率；S(n,ti)表示该智能家居设备在第n天时间点ti时对应的开机概率；α为滑动因子，可以取0到1之间的值，通常采用经验值，也可以根据预测状况进行调整。
更进一步地，考虑到用户在一个星期中工作日和周末的使用习惯是存在较大差异的，因此在建立的模型中应该体现出该差异。那么该智能家居设备在第n+1天的时间点ti的预测开机概率S(n+1,ti)可以采用如下公式：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)为该智能家居设备在第n-7天(即上周同一天)时间点ti时对应的开机概率，SU’_(n-14,ti)为该智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的开机概率，α1和α2为滑动因子，可以取0到1之间的值，通常采用经验值，也可以根据预测状况进行调整。α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)体现的是用户在每周同一天同一时间点的概率考察，α2*S(n,ti)+(1-α2)*SU_(n-1,ti)体现的是所有天同一时间点的累计考察。
302中，利用建立的模型对智能家居设备的运行状态进行预测。
步骤302以及步骤303属于在线的控制执行阶段。本步骤以开机状态的预测为例，每隔一个单位时间点均执行一次预测，在预测时，当前时间点作为第n+1天的第ti时间点，采用上述的公式(1)和公式(2)进行预测。
假设当前时间点为周二20:00，那么采用公式(2)进行预测，S(n-7,ti)为该智能家居设备在上周二20:00的开机概率，SU’_(n-14,ti)为从上上周二开始之前所有周二20:00的开机概率，S(n,ti)为本周一20:00的开机概率，SU_(n-1,ti)为前天(周日)之前每天20：00的开机概率。
基于同样原理，还可以对关机概率、采用各档位功率的概率、各参数取值的概率、是否打开辅助功能等其他的运行状态概率进行建模，并基于模型进行预测。
在303中，基于预测结果对智能家居设备的运行状态进行控制。
本步骤中，可以对智能家居设备的各运行状态的概率设置阈值，例如当预测的当前时间点智能家居设备的开机概率超过预设的开机阈值时，对该智能家居设备发送开机指令，以控制该智能家居设备开机。
由于可以对智能家居设备的多种运行状态进行预测，因此本步骤实际上是结合多种运行状态的预测结果对智能家居设备进行的控制，例如在控制智能加湿器开机的同时，由于预测出当前时间点智能加湿器的第二功率档位的概率超过预设的概率阈值，且打开加湿功能的概率超过预设的概率阈值，因此同时向该智能加湿器发送采用第二功率档位的指令以及打开加湿功能的指令。
在304中，收集用户对本次控制的反馈数据，利用反馈数据对建立的模型进行修正。
对智能家居设备进行的控制，用户可以进行反馈，例如对于在本周二20:00发送给智能空气净化器的开机指令，用户反馈“Yes”以指示本次开机指令正确，或者在没有任何反馈时，默认本次开机指令正确；用户反馈“No”以指示该开机指令错误。如果用户反馈控制指令正确，则维持概率预测模型中α的取值不变；如果用户反馈控制指令错误，则可以增大概率预测模型中α的取值，即增大数据随时间衰减的粒度，更多的使用最新数据进行预测。在增大α的取值时可以采用预设的步长。本步骤实际上采用了一种增强学习的方式，依据用户反馈对模型进行修正，产生尽量大的累积效应，从而使模型逐渐接近用户的使用习惯。
另外，还可以进一步根据用户的反馈来调整对智能家居设备的控制，接续上例，由于用户反馈了“No”以指示该开机指令错误，那么云端控制中心取消对该智能空气净化器的开机指令，例如可以进一步向该智能空气净化器发送关机指令。
除了图3所示实施例中描述的控制方式之外，还可以进一步结合以下控制方式中的至少一种：
1)云端控制中心可以实时获取当前时间点的环境状况数据，例如温度状况数据、空气质量状况数据、湿度状况数据等，依据环境与设备的联动控制策略对智能家居设备进行控制。
例如，云端控制中心在本周二20:00获取当前的空气质量状况数据，如果PM2.5值高于第一PM2.5阈值，则向智能空气净化器发送开机指令；如果低于第二PM2.5阈值，则向智能空气净化器发送关机指令。其中第一PM2.5阈值可以大于或等于第二PM2.5阈值，这两个阈值可以是预先设置的值，也可以是通过采集用户历史开启或关闭智能空气净化器时的PM2.5值，并进行分析后得到的。例如在每次用户打开智能空气净化器时，采集PM2.5值，对这些PM2.5值进行分析，去除其中的一些异常值，可以得到用户在各PM2.5值时打开智能空气净化器的概率，依据该概率值来设置第一PM2.5阈值。同理，在每次用户关闭智能空气净化器时，采集PM2.5值，对这些PM2.5值进行分析，可以得到用户在各PM2.5值时关闭智能空气净化器的概率，依据该概率值来设置第二PM2.5阈值。
环境状态数据可以通过设置于用户端的传感器获取，也可以通过环境数据接口从诸如气象局数据库等中获取。
2)云端控制中心可以实时获取智能家居设备的运行状态，依据运行状态的控制策略，对该智能家居设备进行控制。
例如，实时获取智能空气净化器的滤芯使用寿命，当滤芯使用寿命耗完时，向智能空气净化器发送关闭指令，还可以进一步发送报警指令以提醒用户进行滤芯更换。
再例如，云端控制中心实时获取智能家居设备的运行数据，一旦存在运行数据异常，则向智能空气净化器发送重启指令。如果重启后智能家居设备的运行数据仍旧异常，则可以向智能空气净化器发送关闭指令，并可以进一步发送报警指令以提醒用户该智能家居设备运行异常。
3)依据其他相关智能家居设备的运行状态，依据设备联动控制策略对智能家居设备进行控制。
这里的相关智能家居设备指的是同一用户的且存在关联关系的智能家居设备，例如同一用户处于同一房间的智能空调设备和智能门窗是相关的，可以依据预设的设备联动控制策略对智能家居设备进行控制。例如，如果向智能空调设备发送开机指令，则可以实时获取智能门窗是否处于关闭状态，如果否，则可以向智能门窗发送关闭指令，从而关闭智能门窗。如果向智能空调设备发送了关机指令，则可以打开智能门窗进行换气通风。
再例如，当智能闹钟响起时，可以实时获取智能门窗是否是打开状态，如果否，则向智能门窗发送开启指令，智能门窗自动打开窗帘并打开窗户。
4)实时获取用户当前的生理状况或位置信息，依据智能家居设备对应的人与设备的联动控制策略对智能家居设备进行控制。
例如，云端控制中心可以获取用户运动手环采集的数据，根据用户的出汗状况来控制空调出风量的大小或温度高低。
再例如，云端控制中心获取用户运动手环采集的数据，根据用户在睡眠状态下的体温来控制是否开启或关闭空调。
再例如，当通过用户手机确定用户位置不在家中，则可以自动关闭部分智能家居设备，例如关闭智能空调、空气加湿器、智能电视等，从而避免用户因出门忘记关闭智能家居设备而造成的资源浪费。
需要说明的是，上述的控制方式可以相互结合，综合多种因素对智能家居设备进行控制。上述第1)种方式是环境与设备联动的方式，第3)种方式是多设备间联动的方式，第4)种方式是人与设备间联动的方式，多方位多维度地对智能家居设备进行控制。
除了上述方式之外，还可以对用户属性信息进行收集和存储，例如用户房间的大小、人口状况等等，依据这些用户属性信息对智能家居设备进行控制，例如对于较小房间内的智能空调可以控制其采用较低的功率档位，对于对应人口较少的智能热水器，可以控制其采用较低的温度进行加热。
另外，也可以依据用户设置的定时策略，对智能家居设备进行控制，例如当用户设置智能厨电设备在下午16:00开启，那么就按照用户设置的定时策略，在下午16:00向智能厨电设备发送开机指令。
在综合多种控制方式时，可以依据各种控制方式的优先级来统一做出决策。例如，依据用户指令的控制作为最高优先级，依据用户设置的定时策略的控制优先级次之、基于用户使用习惯的控制优先级再次之，等等。也可以依据各控制方式的权重来统一做出决策，例如将各控制方式的控制结果及其权重进行加权求和后，利用得到的结果进行控制。
以上是对本发明所提供的控制方法进行的详细描述，下面对本发明提供的控制装置进行详细描述。
图4为本发明实施例提供的一种控制装置的结构图，该装置与图2所示方法实施例对应，用于执行图2所示方法流程。如图4中所示，该控制装置可以包括：状态预测单元11和设备控制单元12，还可以包括：修正反馈单元13。
状态预测单元11负责根据预先收集的用户对智能家居设备的使用行为数据，对智能家居设备的运行状态进行预测。其中使用行为数据可以包括：对智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
具体地，状态预测单元11可以采用滑动平均的方式对智能家居设备的运行状态进行预测。假设每天被划分为多个单位时段，状态预测单元11可以每隔一个单位时段对智能家居设备在对应的时间点ti的运行状态进行预测。
作为一种实现方式，状态预测单元11可以利用使用行为数据中，智能家居设备在前n天的时间点ti的运行状态，预测智能家居设备在第n+1天时间点ti的运行状态。具体可以将智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示智能家居设备在前n-1天时间点ti时对应的某运行状态的概率，S(n,ti)表示智能家居设备在第n天时间点ti时对应的某运行状态的概率，α为滑动因子。
考虑到一周中平时与周末用户的使用习惯存在较大差异，作为另一种实现方式，状态预测单元11可以利用使用行为数据中，智能家居设备在第n+1天之前每周同一天的时间点ti的运行状态以及在前n天的时间点ti的运行状态，预测智能家居设备在第n+1天时间点ti的运行状态。
具体可以将智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示智能家居设备在第n+1天的上周同一天时间点ti时对应的某运行状态的概率，SU’_(n-14,ti)表示智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的某运行状态的概率，SU_(n-1,ti)表示智能家居设备在前n-1天时间点ti时对应的某运行状态的概率，S(n,ti)表示智能家居设备在第n天时间点ti时对应的某运行状态的概率，α1和α2为滑动因子。
设备控制单元12负责基于状态预测单元11的预测结果对智能家居设备的运行状态进行控制。具体地，如果S(n+1,ti)大于或等于预设的概率阈值，则向智能家居设备发送设置为某运行状态的控制指令。
修正反馈单元13负责收集用户对控制的反馈数据，利用反馈数据对后续时间点的预测进行修正。如果用户反馈控制指令正确，则维持α的取值不变；如果用户反馈控制指令错误，则增大α的取值，即增大数据随时间衰减的粒度，更多的使用最新数据进行预测。在增大α的取值时可以采用预设的步长。本步骤实际上采用了一种增强学习的方式，依据用户反馈对后续预测进行修正，产生尽量大的累积效应，从而使后续预测逐渐接近用户的使用习惯。
更进一步地，设备控制单元12在基于预测结果对智能家居设备的运行状态进行控制时，还用于进一步结合以下控制方式中的至少一种：
1)进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对智能家居设备的运行状态进行控制。
2)进一步获取智能家居设备的在线运行状态，依据预设的运行状态控制策略对智能家居设备的运行状态进行控制。
3)进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对智能家居设备的运行状态进行控制。
4)进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对智能家居设备的运行状态进行控制。
5)进一步利用用户属性信息，对智能家居设备的运行状态进行控制。
图5为本发明实施例提供的另一种控制装置的结构图，该控制装置与图3所示实施例对应，用于执行图3所示方法流程。该控制装置可以设置于云端控制中心，如图3中所示，该装置可以包括：模型训练单元01、状态预测单元02和设备控制单元03，还可以进一步包括修正反馈单元04。
模型训练单元01负责利用收集的用户对智能家居设备的使用行为数据，对概率预测模型进行训练后，得到反映用户对智能家居设备使用习惯的模型。其中上述的使用行为数据可以包括但不限于：对智能家居设备开/关机的时间点信息，或者所使用智能家居设备的运行参数。
在本发明实施例中，可以采用滑动平均的思想进行模型训练，即训练滑动平均模型。
状态预测单元02负责利用上述已经建立的模型，对智能家居设备的运行状态进行预测。
具体地，状态预测单元02在对智能家居设备的运行状态进行预测时，可以将智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，
其中SU_(n-1,ti)表示智能家居设备在前n-1天时间点ti时对应的某运行状态的概率，S(n,ti)表示智能家居设备在第n天时间点ti时对应的某运行状态的概率，α为滑动因子。
或者，将智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中，S(n-7,ti)表示智能家居设备在第n+1天的上周同一天时间点ti时对应的某运行状态的概率，SU’_(n-14,ti)表示智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的某运行状态的概率，SU_(n-1,ti)表示智能家居设备在前n-1天时间点ti时对应的某运行状态的概率，S(n,ti)表示智能家居设备在第n天时间点ti时对应的某运行状态的概率，α1和α2为滑动因子。
后一种方式能够考虑到用户在一个星期中工作日和周末的使用习惯是存在较大差异的情况，同时考虑了用户在每周同一天同一时间点的行为，也考虑了用户在所有天同一时间点的累计行为。
设备控制单元03，用于基于状态预测单元02的预测结果对智能家居设备的运行状态进行控制。
具体地，如果S(n+1,ti)大于或等于预设的概率阈值，则设备控制单元03向智能家居设备发送设置为某运行状态的控制指令。
修正反馈单元04负责收集用户对控制的反馈数据，利用反馈数据对模型进行修正。具体地，用户反馈控制指令正确，则维持概率预测模型中α的取值不变；如果用户反馈控制指令错误，则增大概率预测模型中α的取值。在增大α的取值时可以采用预设的步长。
更进一步地，设备控制单元03在基于预测结果对智能家居设备的运行状态进行控制时，可以进一步结合以下控制方式中的至少一种：
获取环境状况数据，例如温度状况数据、空气质量状况数据、湿度状况数据等，依据预设的环境与设备的联动控制策略对智能家居设备的运行状态进行控制。
获取智能家居设备的运行状态，依据预设的运行状态控制策略对智能家居设备的运行状态进行控制。
获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对智能家居设备的运行状态进行控制。其中相关智能家居设备指的是同一用户的且存在关联关系的智能家居设备。
获取用户当前的生理状况或位置信息，例如用户的出汗状况、是否处于睡眠状态、是否在家中等，依据预设的人与设备的联动控制策略对智能家居设备的运行状态进行控制。
利用用户属性信息，例如用户房间的大小、人口状况等等，对智能家居设备的运行状态进行控制。
设备控制单元04在结合多种控制方式对智能家居设备的运行状态进行控制时，依据各控制方式的优先级或者依据各控制方式的权重值对智能家居设备的运行状态进行控制。
消息中间件是一种收发消息的系统，可以实现高可靠性的消息发送和接收。其利用高效可靠的消息传递机制进行平台无关的数据交流，并基于数据通信来进行分布式系统的集成。通过提供消息传递和消息排队模型，它可以在分布式环境下扩展进程间的通信。采用消息中间件机制的系统中，不同的对象之间通过传递消息来激活对方的事件，完成相应的操作。发送者将消息发送给消息服务器，消息服务器将消息存放在若干队列中，在合适的时候再将消息转发给接收者。消息中间件能在不同平台之间通信，它常被用来屏蔽掉各种平台及协议之间的特性，实现应用程序之间的协同。
图6为本发明实施例提供的云端控制中心实现智能家居设备控制的架构图。智能家居设备和手机APP可以通过物联平台与云端控制中心进行交互。智能家居设备上报设备状态信息和用户反馈数据，云端控制中心还可以环境数据采集。云端控制中维护的数据包括智能设备状态信息、用户行为数据(可以包括用户对智能设备的使用行为数据、生理状况数据和位置数据)、用户属性数据、环境状况数据等。在云端控制中心中，离线的对用户使用习惯进行挖掘从而建立反映用户使用习惯的模型，还可以对环境与设备的联动控制策略进行挖掘，以便在环境状况触发的控制执行时采用。在线的控制执行可以由用户模式触发，即基于建立的反映用户对智能家居设备的使用习惯进行预测，基于预测结果进行控制。还可以由环境状况、设备状态、定时模式等触发。触发后，经由物联平台向智能家居设备发送对应的控制指令，对智能家居设备进行状态控制。
通过本发明实施例提供的方法和装置能够实现一套高度符合用户使用习惯的智能家居系统，例如：在用户下班之前，基于用户使用习惯进行智能家居设备的预测后，提前打开智能空调。在智能空调开启时，检测所在房间的智能门窗的状态，如果时打开状态，则联动控制智能门窗进行关闭。并能够获取用户运动手环采集的用户的出汗状态，从而控制智能空调的温度。根据环境湿度信息，如果湿度较低，则打开智能加湿器对房间进行加湿。如果用户有下班先洗澡的习惯，则经过预测后，提前打开热水器进行加热。这样，当用户到家后，就能够直接享受智能家居设备的运行结果，无需用户通过手机APP逐一对智能家居设备进行设置。
由以上描述可以看出，本发明提供的方法和装置可以具备以下优点：
通过在云端进行大数据的分析和计算，可以学习到用户对智能家居设备的使用习惯，使得云端控制中心像一个“大脑”，不断地获取和分析数据，自己思考，在减少用户操作的基础上，根据用户使用习惯为用户量身打造控制方案，使用户感觉更加舒服。
2)还可以进一步获取环境状况、当前智能家居设备的运行状态、其他相关智能家居设备的运行状态以及用户当前的胜利状况等中的至少一种，综合这些数据，在云端实现一套更加智能的家居控制方案。
3)给予用户反馈进行增强学习，修正已有模型，使得对智能家居设备的控制逐渐符合用户需求，学习地越久就越准确，用户体验越好。
4)在云端可以设置最节能、合理的策略，例如当发现用户不在家，则可以自动关闭部分智能家居设备，从而达到节能减排的效果。
5)由于本发明提供的方式不再依赖于用户对智能家电设备的控制，因此即便用户手机等设备不可用时，也能够从云端获取到控制指令，实现对智能家电设备的自动控制。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (40)
1.一种智能家居设备的控制方法，其特征在于，该方法包括：
根据预先采集的用户对智能家居设备的使用行为数据，对所述智能家居设备的运行状态进行预测；
依据预测结果对所述智能家居设备的运行状态进行控制；
其中，对所述智能家居设备的运行状态进行预测时，将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，或者，
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，α、α1和α2为滑动因子。
2.根据权利要求1所述的方法，其特征在于，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
3.根据权利要求1所述的方法，其特征在于，每天被划分为多个单位时段，每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
4.根据权利要求1所述的方法，其特征在于，所述依据预测结果对所述智能家居设备的运行状态进行控制包括：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
5.根据权利要求1所述的方法，其特征在于，该方法还包括：
收集用户对所述控制的反馈数据，利用所述反馈数据对后续时间点的预测进行修正。
6.根据权利要求5所述的方法，其特征在于，利用所述反馈数据对后续时间点的预测进行修正包括：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
7.根据权利要求5所述的方法，其特征在于，利用所述反馈数据对后续时间点的预测进行修正包括：
如果用户反馈控制指令正确，则维持所述α1和α2的取值不变；
如果用户反馈控制指令错误，则增大所述α1和α2的取值。
8.根据权利要求1至7任一权项所述的方法，其特征在于，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
9.根据权利要求1至7任一权项所述的方法，其特征在于，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
10.根据权利要求1至7任一权项所述的方法，其特征在于，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
11.根据权利要求1至7任一权项所述的方法，其特征在于，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
12.根据权利要求1至7任一权项所述的方法，其特征在于，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
13.一种智能家居设备的控制装置，其特征在于，该装置包括：
状态预测单元，用于根据预先收集的用户对智能家居设备的使用行为数据，对所述智能家居设备的运行状态进行预测；
设备控制单元，用于基于所述状态预测单元的预测结果对所述智能家居设备的运行状态进行控制；
其中所述状态预测单元，对所述智能家居设备的运行状态进行预测时，将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，或者，
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，α、α1和α2为滑动因子。
14.根据权利要求13所述的装置，其特征在于，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
15.根据权利要求13所述的装置，其特征在于，每天被划分为多个单位时段，所述状态预测单元每隔一个单位时段对所述智能家居设备在对应的时间点ti的运行状态进行预测。
16.根据权利要求13所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，具体执行：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
17.根据权利要求13所述的装置，其特征在于，该装置还包括：
修正反馈单元，用于收集用户对所述控制的反馈数据，利用所述反馈数据对后续时间点的预测进行修正。
18.根据权利要求17所述的装置，其特征在于，所述修正反馈单元在利用所述反馈数据对后续时间点的预测进行修正时，具体执行：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
19.根据权利要求17所述的装置，其特征在于，所述修正反馈单元在利用所述反馈数据对后续时间点的预测进行修正时，具体执行：
如果用户反馈控制指令正确，则维持所述α1和α2的取值不变；
如果用户反馈控制指令错误，则增大所述α1和α2的取值。
20.根据权利要求13至19任一权项所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
21.根据权利要求13至19任一权项所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取所述智能家居设备的在线运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制。
22.根据权利要求13至19任一权项所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制。
23.根据权利要求13至19任一权项所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制。
24.根据权利要求13至19任一权项所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，还用于进一步利用用户属性信息，对所述智能家居设备的运行状态进行控制。
25.一种智能家居设备的控制方法，其特征在于，该方法包括：
利用反映用户对智能家居设备使用习惯的模型，对所述智能家居设备的运行状态进行预测；其中所述模型是利用收集的用户对所述智能家居设备的使用行为数据，对滑动平均模型进行训练后得到的；
基于预测结果对所述智能家居设备的运行状态进行控制；
其中对所述智能家居设备的运行状态进行预测时，将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，或者，
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，α、α1和α2为滑动因子。
26.根据权利要求25所述的方法，其特征在于，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
27.根据权利要求25所述的方法，其特征在于，所述基于预测结果对所述智能家居设备的运行状态进行控制包括：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
28.根据权利要求25所述的方法，其特征在于，该方法还包括：
收集用户对所述控制的反馈数据，利用所述反馈数据对所述模型进行修正。
29.根据权利要求28所述的方法，其特征在于，利用所述反馈数据对所述模型进行修正包括：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
30.根据权利要求28所述的方法，其特征在于，利用所述反馈数据对所述模型进行修正包括：
如果用户反馈控制指令正确，则维持所述α1和α2的取值不变；
如果用户反馈控制指令错误，则增大所述α1和α2的取值。
31.根据权利要求25至30任一权项所述的方法，其特征在于，在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步结合以下控制方式中的至少一种：
获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制；
获取所述智能家居设备的运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制；
获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制；
获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制；
利用用户属性信息，对所述智能家居设备的运行状态进行控制。
32.根据权利要求31所述的方法，其特征在于，在结合多种控制方式对所述智能家居设备的运行状态进行控制时，依据各控制方式的优先级或者依据各控制方式的权重值对所述智能家居设备的运行状态进行控制。
33.一种智能家居设备的控制装置，其特征在于，该装置包括：
模型训练单元，用于利用收集的用户对智能家居设备的使用行为数据，对滑动平均模型进行训练后，得到反映用户对所述智能家居设备使用习惯的模型；
状态预测单元，用于利用所述模型，对所述智能家居设备的运行状态进行预测，
设备控制单元，用于基于所述状态预测单元的预测结果对所述智能家居设备的运行状态进行控制；
其中所述状态预测单元，在对所述智能家居设备的运行状态进行预测时，将所述智能家居设备在第n+1天的时间点ti的某运行状态的预测概率S(n+1,ti)确定为：
S(n+1,ti)＝α*S(n,ti)+(1-α)*SU_(n-1,ti)，或者，
S(n+1,ti)＝
α1*S(n-7,ti)+(1-α1)*SU’_(n-14,ti)+α2*S(n,ti)+(1-α2)*SU_(n-1,ti)
其中SU_(n-1,ti)表示所述智能家居设备在前n-1天时间点ti时对应的所述某运行状态的概率，S(n,ti)表示所述智能家居设备在第n天时间点ti时对应的所述某运行状态的概率，S(n-7,ti)表示所述智能家居设备在第n+1天的上周同一天时间点ti时对应的所述某运行状态的概率，SU’_(n-14,ti)表示所述智能家居设备从第n-14天开始之前每周同一天时间点ti时对应的所述某运行状态的概率，α、α1和α2为滑动因子。
34.根据权利要求33所述的装置，其特征在于，所述使用行为数据包括：对所述智能家居设备开/关机的时间点信息，和/或，所使用智能家居设备的运行参数。
35.根据权利要求33所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，具体执行：
如果S(n+1,ti)大于或等于预设的概率阈值，则向所述智能家居设备发送设置为所述某运行状态的控制指令。
36.根据权利要求33所述的装置，其特征在于，该装置还包括：
修正反馈单元，用于收集用户对所述控制的反馈数据，利用所述反馈数据对所述模型进行修正。
37.根据权利要求36所述的装置，其特征在于，所述修正反馈单元在利用所述反馈数据对所述模型进行修正时，具体执行：
如果用户反馈控制指令正确，则维持所述α的取值不变；
如果用户反馈控制指令错误，则增大所述α的取值。
38.根据权利要求36所述的装置，其特征在于，所述修正反馈单元在利用所述反馈数据对所述模型进行修正时，具体执行：
如果用户反馈控制指令正确，则维持所述α1和α2的取值不变；
如果用户反馈控制指令错误，则增大所述α1和α2的取值。
39.根据权利要求33至38任一权项所述的装置，其特征在于，所述设备控制单元在基于预测结果对所述智能家居设备的运行状态进行控制时，进一步结合以下控制方式中的至少一种：
获取环境状况数据，依据预设的环境与设备的联动控制策略对所述智能家居设备的运行状态进行控制；
获取所述智能家居设备的运行状态，依据预设的运行状态控制策略对所述智能家居设备的运行状态进行控制；
获取其他相关智能家居设备的运行状态，依据预设的设备联动控制策略对所述智能家居设备的运行状态进行控制；
获取用户当前的生理状况或位置信息，依据预设的人与设备的联动控制策略对所述智能家居设备的运行状态进行控制；
利用用户属性信息，对所述智能家居设备的运行状态进行控制。
40.根据权利要求39所述的装置，其特征在于，所述设备控制单元在结合多种控制方式对所述智能家居设备的运行状态进行控制时，依据各控制方式的优先级或者依据各控制方式的权重值对所述智能家居设备的运行状态进行控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510602968.6A CN106549833B (zh) | 2015-09-21 | 2015-09-21 | 一种智能家居设备的控制方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510602968.6A CN106549833B (zh) | 2015-09-21 | 2015-09-21 | 一种智能家居设备的控制方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106549833A CN106549833A (zh) | 2017-03-29 |
| CN106549833B true CN106549833B (zh) | 2020-01-21 |
Family
ID=58364190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510602968.6A Active CN106549833B (zh) | 2015-09-21 | 2015-09-21 | 一种智能家居设备的控制方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106549833B (zh) |
Families Citing this family (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6909961B2 (ja) | 2017-04-21 | 2021-07-28 | パナソニックＩｐマネジメント株式会社 | 表示方法、プログラム、及び、表示システム |
| DE102017110070A1 (de) * | 2017-05-10 | 2018-11-15 | Vorwerk & Co. Interholding Gmbh | Getränkeautomat und Verfahren zum Betrieb eines Getränkeautomaten in Abhängigkeit einer Nutzungswahrscheinlichkeit |
| CN108873708A (zh) * | 2017-05-12 | 2018-11-23 | 美的智慧家居科技有限公司 | 控制门窗的方法、装置、系统及可读存储介质 |
| CN109219204B (zh) * | 2017-06-29 | 2020-07-24 | 青岛恒金源电子科技有限公司 | 一种智能家居灯光自适应处理方法 |
| CN109219203B (zh) * | 2017-06-29 | 2020-10-13 | 青岛恒金源电子科技有限公司 | 一种灯光设备调节方法 |
| CN107635326B (zh) * | 2017-06-29 | 2020-10-13 | 青岛恒金源电子科技有限公司 | 一种家居智能灯光控制方法及其系统 |
| CN109219205B (zh) * | 2017-06-29 | 2020-10-13 | 北京环尔康科技开发有限公司 | 一种灯光自动控制系统 |
| CN107387843A (zh) * | 2017-07-04 | 2017-11-24 | 常州机电职业技术学院 | 一种节水装置及其节水方法 |
| CN107463106B (zh) * | 2017-09-20 | 2020-11-27 | 王锐 | 一种智能家居系统 |
| TW201926212A (zh) * | 2017-11-29 | 2019-07-01 | 財團法人資訊工業策進會 | 設備推薦系統及方法 |
| CN108173722B (zh) * | 2017-12-26 | 2020-12-25 | 深圳市杰思谷科技有限公司 | 一种智能家居设备自动运行方法 |
| CN108459509B (zh) * | 2018-01-31 | 2021-08-03 | 霍尼韦尔环境自控产品（天津）有限公司 | 智能设备的控制方法以及智能设备的控制系统 |
| CN110376925A (zh) * | 2018-04-13 | 2019-10-25 | 珠海格力电器股份有限公司 | 一种控制家用电器执行控制指令的方法及装置 |
| CN110543102B (zh) * | 2018-05-29 | 2020-12-04 | 珠海格力电器股份有限公司 | 一种控制智能家居设备的方法、装置及计算机存储介质 |
| CN108800427A (zh) * | 2018-06-28 | 2018-11-13 | 广州市建筑科学研究院有限公司 | 一种室内空气自动调节控制方法及系统 |
| CN110687802A (zh) * | 2018-07-06 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种智能家电控制方法及智能家电控制装置 |
| CN109087419A (zh) * | 2018-07-25 | 2018-12-25 | 珠海格力电器股份有限公司 | 监测频率的设置方法和装置 |
| CN110793167B (zh) * | 2018-08-01 | 2021-06-29 | 珠海格力电器股份有限公司 | 空调控制方法及装置 |
| CN109116743A (zh) * | 2018-08-01 | 2019-01-01 | 珠海格力电器股份有限公司 | 一种智能家电互动方法及系统 |
| CN109117565A (zh) * | 2018-08-23 | 2019-01-01 | 海尔优家智能科技（北京）有限公司 | 对净水机滤芯进行管控的方法、装置及云端服务器 |
| CN110865544B (zh) * | 2018-08-27 | 2023-04-14 | 格力电器（武汉）有限公司 | 智能家居系统连接关系的预测方法和装置 |
| CN109163423A (zh) * | 2018-08-31 | 2019-01-08 | 上海与德科技有限公司 | 智能新风系统的控制方法、控制器和可读存储介质 |
| CN108919669B (zh) * | 2018-09-11 | 2022-04-29 | 深圳和而泰数据资源与云技术有限公司 | 一种智能家居动态决策方法、装置和服务终端 |
| CN109212988B (zh) * | 2018-09-21 | 2021-07-06 | 中国联合网络通信集团有限公司 | 智能家居控制方法及系统 |
| CN109461231B (zh) * | 2018-10-15 | 2021-07-23 | 珠海格力电器股份有限公司 | 一种门锁控制方法、装置、控制设备及可读存储介质 |
| CN111457559A (zh) * | 2019-01-21 | 2020-07-28 | 珠海格力电器股份有限公司 | 一种湿度控制方法、装置、存储介质及空调 |
| CN109870919A (zh) * | 2019-03-08 | 2019-06-11 | 佛山市云米电器科技有限公司 | 一种智能家居控制方法及系统 |
| CN111756603B (zh) * | 2019-03-26 | 2023-05-26 | 北京京东尚科信息技术有限公司 | 智能家居系统的控制方法、装置、电子设备和可读介质 |
| CN111743474A (zh) * | 2019-03-29 | 2020-10-09 | 江苏美的清洁电器股份有限公司 | 清洁设备及其控制方法、装置、电子设备和存储介质 |
| CN111831032B (zh) * | 2019-04-18 | 2023-07-14 | 青岛经济技术开发区海尔热水器有限公司 | 一种浴室电器的智能控制方法 |
| CN110367897A (zh) * | 2019-07-25 | 2019-10-25 | 宁波方太厨具有限公司 | 智能设备的自动暖碟的控制方法、系统、设备和存储介质 |
| CN112617669A (zh) * | 2019-09-23 | 2021-04-09 | 美智纵横科技有限责任公司 | 一种信息处理方法、装置、设备和存储介质 |
| JPWO2021075493A1 (zh) * | 2019-10-18 | 2021-04-22 | ||
| CN111007731A (zh) * | 2019-11-11 | 2020-04-14 | 珠海格力电器股份有限公司 | 用户操作预测方法、装置、电子设备及可读存储介质 |
| CN111077786B (zh) * | 2019-12-10 | 2023-12-19 | 上海雷盎云智能技术有限公司 | 基于大数据分析的智能家居设备控制方法和装置 |
| CN111207560B (zh) * | 2019-12-27 | 2022-06-24 | 青岛海尔电冰箱有限公司 | 基于机器学习的冰箱行为控制方法、装置和冰箱 |
| CN111550961B (zh) * | 2020-04-26 | 2021-11-26 | 青岛海尔电冰箱有限公司 | 冰箱间室温度的预测方法与智能冰箱 |
| CN111623486B (zh) * | 2020-05-22 | 2022-01-28 | 海尔优家智能科技（北京）有限公司 | 开机时间的确定方法和装置、存储介质及电子装置 |
| CN111813073B (zh) * | 2020-06-11 | 2023-11-07 | 珠海格力电器股份有限公司 | 节点预警方法和装置 |
| CN112052279A (zh) * | 2020-09-02 | 2020-12-08 | 苏州律点信息科技有限公司 | 一种基于大数据的数据挖掘方法及系统 |
| CN112130458A (zh) * | 2020-09-14 | 2020-12-25 | 青岛海尔科技有限公司 | 目标设备的控制方法及装置、存储介质、电子装置 |
| CN112363473A (zh) * | 2020-11-09 | 2021-02-12 | 珠海格力电器股份有限公司 | 用户行为的预测方法、控制设备的方法、装置及电子设备 |
| CN112327664A (zh) * | 2020-11-30 | 2021-02-05 | 深圳市艾特智能科技有限公司 | 智能家居设备控制方法、装置、存储介质及计算机设备 |
| CN113393839B (zh) * | 2021-08-16 | 2021-11-12 | 成都极米科技股份有限公司 | 智能终端控制方法、存储介质及智能终端 |
| CN113777948A (zh) * | 2021-10-19 | 2021-12-10 | 珠海格力电器股份有限公司 | 家电设备的控制方法及装置、非易失性存储介质 |
| CN114237059A (zh) * | 2021-11-24 | 2022-03-25 | 深圳市龙慧网络技术有限公司 | 自动控制智能家居设备的方法、装置、系统和存储介质 |
| CN114815645A (zh) * | 2022-04-19 | 2022-07-29 | 青岛海尔科技有限公司 | 物联网设备的控制方法和装置、存储介质和电子装置 |
| CN115933427A (zh) * | 2023-02-28 | 2023-04-07 | 协同安全科技(深圳)有限公司 | 家庭安全联动处置方法、装置、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5903454A (en) * | 1991-12-23 | 1999-05-11 | Hoffberg; Linda Irene | Human-factored interface corporating adaptive pattern recognition based controller apparatus |
| CN101266302B (zh) * | 2007-03-15 | 2011-06-29 | 中国科学院国家天文台 | 一种计算机太阳活动预报系统 |
| GB2519488A (en) * | 2012-08-31 | 2015-04-22 | Opera Solutions Llc | System and method for predicting customer attrition using dynamic user interaction data |
| CN104133427A (zh) * | 2013-05-03 | 2014-11-05 | 于庆广 | 智能家居控制方法及其系统 |
| CN104166396B (zh) * | 2014-08-27 | 2016-09-28 | 深圳创维－Rgb电子有限公司 | 一种智能家居控制方法及系统 |
-
2015
- 2015-09-21 CN CN201510602968.6A patent/CN106549833B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106549833A (zh) | 2017-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106549833B (zh) | 一种智能家居设备的控制方法和装置 | |
| JP6807556B2 (ja) | 空調制御方法、空調制御装置及び空調制御プログラム | |
| Dong et al. | Sensor-based occupancy behavioral pattern recognition for energy and comfort management in intelligent buildings | |
| CN109140706B (zh) | 一种空调智能控制方法 | |
| WO2016137552A1 (en) | Automatically learning and controlling connected devices | |
| CN105318499A (zh) | 用户行为自学习空调系统及其控制方法 | |
| CN108052010B (zh) | 智能电器自调节的方法、装置、计算机设备及存储介质 | |
| WO2022267671A1 (zh) | 用于空调的运行模式推送方法及装置、空调 | |
| CN107703764B (zh) | 设备控制方法和装置 | |
| CN110296514B (zh) | 空调的智能化控制方法、装置及空调 | |
| CN114838488A (zh) | 用于智能家电联动控制的方法及装置、空调、存储介质 | |
| US11499733B2 (en) | Air conditioning system operation mode switching method, air conditioning system operation mode switching device, and air conditioning system operation mode switching control program | |
| CN106500265A (zh) | 控制系统、睡眠控制装置、空调器及其睡眠控制方法 | |
| CN112815610A (zh) | 家用电器中离子发生器的控制方法、装置和家用电器 | |
| CN114608165A (zh) | 用于控制空调的方法及装置、空调、存储介质 | |
| CN110686372A (zh) | 一种空调器控制方法、控制装置和空调器 | |
| CN114857745A (zh) | 用于控制空调器驱蚊的方法、装置、空调器和存储介质 | |
| JP2020101358A (ja) | 空気調和機及び空気調和システム | |
| CN117289620B (zh) | 一种智能家居的场景切换控制方法及系统 | |
| CN112859950B (zh) | 温控设备控制方法、系统、控制设备及可读存储介质 | |
| CN112503731B (zh) | 控制空调设备的方法及装置、空调设备 | |
| CN115801840B (zh) | 一种大数据检测系统 | |
| CN115200155B (zh) | 空调的控制方法、装置、空调及存储介质 | |
| CN113432252B (zh) | 空调器的控制方法、装置、云服务器、空调器和存储介质 | |
| CN115435473A (zh) | 用于控制新风空调的方法、装置及新风空调、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1235175 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |