CN108415262A - 智能网关对家电设备的控制方法 - Google Patents
智能网关对家电设备的控制方法 Download PDFInfo
- Publication number
- CN108415262A CN108415262A CN201810178427.9A CN201810178427A CN108415262A CN 108415262 A CN108415262 A CN 108415262A CN 201810178427 A CN201810178427 A CN 201810178427A CN 108415262 A CN108415262 A CN 108415262A
- Authority
- CN
- China
- Prior art keywords
- intelligent gateway
- model
- household appliance
- cloud server
- sensor
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 34
- 238000004378 air conditioning Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种智能网关对家电设备的控制方法,涉及智能网关领域,该智能网关对家电设备的控制方法解决智能家居系统中智能网关对家电控制过程中存在的用户习惯匹配,即根据用户行为习惯智能的选择家电控制方式,做到为用户定制的家电管家。以及现有技术在此过程中可能出现的过度拟合,遗漏和推理不正确的问题。通过将各个传感器独立开来,使家电开关真正找到影响自己状态的真正因素,并且将控制方式提取出来,以朴素贝叶斯分类器模型的形式存储在智能网关中。当获得新的环境参数值时,可以用存储在智能网关中的朴素贝叶斯分类器模型对新的环境参数值进行推理,给出合适的家电控制命令。
Description
技术领域
本发明涉及智能网关领域,特别涉及一种智能网关对家电设备的控制方法。
背景技术
目前有很多智能网关的发明。这些发明大都只是将网关作为一个中央控制单元,只具有接收传感器数据,接收用户的命令,将命令发送给家电设备等功能。但是这些功能都不能称之为智能。也有些网关可以实现对用户习惯的捕捉,将对家电的控制与用户习惯匹配,但是实现的方式过于简单,仅仅将用户习惯记录下来,遇到新的情况就无法处理。例如专利号CN201710004744公布的一种智能家居系统,包括家电控制系统,环境传感器,中央处理器,语音识别模块,视频监控模块。仅可以实现视频监控,语音控制等功能。专利号CN201610753550公布的智能网关控制方法和装置及智能网关,使用语音模块参与家电控制。采用语音采集模块收集语音,网络连接模块上传命令信息,由网络解析语音命令,再将语音命令传回网络连接模块,命令执行模块执行最终的命令。该发明使用语音简化了网关的操作,但没有实现智能网关对用户习惯的捕捉。
这些家电控制方法带来两个问题:预设参数值和学习机制。第一,预设参数值。此例家电控制需要预设参数值,这就带来了两个问题。首先,预设参数值带来了很多工作量,这使得设计家电控制方法的难度提升。然后,预设参数值需要人工指定,但是人工很难预先考虑到所有情况,这就造成了有些情况被遗漏,造成控制上的缺失。第二,学习机制。此例的学习机制是将重复一定次数的用户控制行为记录下来,存储到学习参数表中。这造成了三个问题。首先,可能造成对用户行为习惯的过度拟合。具体来说,用户打开空调的行为仅仅因为温度过高(温度传感器的读数较高),但如果每次打开空调都伴随着湿度较大(湿度传感器读数较高),智能网关可能就会将温度,湿度都较大作为空调打开的条件。其次,可能会造成用户习惯学习的遗漏。例如,用户因为温度过高打开空调,湿度有时很大,有时很小,温度很高,湿度很大时没有达到预设的频率,温度很高,湿度很小时同样没有达到预设的频率,用户打开空调这种行为没有被记录下来,造成浪费。最后,此例的学习机制可能造成推理的不准确。当用户在温度较高,湿度较大时打开空调这一行为被记录下来后,当温度较高,湿度较小,智能网关不会向空调发送控制命令。
发明内容
本发明所要解决的技术问题是提供一种智能网关对家电设备的控制方法,解决智能家居系统中智能网关对家电控制过程中存在的用户习惯匹配,即根据用户行为习惯智能的选择家电控制方式,做到为用户定制的家电管家。以及现有技术在此过程中可能出现的过度拟合,遗漏和推理不正确的问题。通过将各个传感器独立开来,使家电开关真正找到影响自己状态的真正因素,并且将控制方式提取出来,以朴素贝叶斯分类器模型的形式存储在智能网关中。当获得新的环境参数值时,可以用存储在智能网关中的朴素贝叶斯分类器模型对新的环境参数值进行推理,给出合适的家电控制命令。
为实现上述目的,本发明提供以下的技术方案:
该智能网关对家电设备的控制方法包括温度传感器,湿度传感器,空调设备,空气加湿设备,冰箱设备,用户在实施前,首先要对设备进行注册,注册包括两部分:传感器设备注册和家电设备注册。
该智能网关对家电设备的控制方法执行步骤如下:
(1)首先添加温度传感器,空调设备,空气加湿设备,当添加完成后智能网关会生成两个朴素贝叶斯分类器模型,分别对应空调设备的朴素贝叶斯分类器模型和空气加湿设备的朴素贝叶斯分类器模型,在每个分类器模型中,上面的节点对应家电设备,空调设备的朴素贝叶斯分类器模型对应上面的节点是空调设备,空气加湿设备的朴素贝叶斯分类器模型对应上面的节点是空气加湿设备,每个模型下面的节点对应着传感器,此时只加入了一个传感器,所以每个模型下方只有一个节点,温度传感器节点;
(2)添加传感器设备;
(3)添加家电设备;
(4)进行通过用户行为更新模型,确定节点之间的依赖程度;
(5)使用模型进行推理。
添加传感器设备的具体步骤是:
步骤S101:用户通过智能网关向云端服务器提出申请增加一个传感器测量单元,并将传感器测量单元的名称上传给云端服务器;
步骤S102:云端服务器接收到智能网关提交的申请后,提取出存储在云端服务器存储单元的朴素贝叶斯分类器模型,将该传感器测量单元加入到各个模型中,将加入新传感器的模型存入到云端存储器的存储单元中;
步骤S103:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S104:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
添加家电设备的具体步骤是:
步骤S201:用户通过智能网关向云端服务器提出申请增加一个家电设备,并将家电设备的名称上传给云端服务器;
步骤S202:云端服务器接收到智能网关提交的申请后,初始化一个新的朴素贝叶斯分类器模型,模型的根节点是该家电设备节点,将新模型存入到云端存储器的存储单元中;
步骤S203:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S204:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
进行通过用户行为更新模型的具体步骤为:
步骤S301:传感器测量单元和家电设备产生用户行为数据,并将用户行为数据发送给智能网关;
步骤S302:智能网关接收传感器测量模块和家电设备发送的用户行为数据,并将接收到的数据转发给云端服务器;
步骤S303:云端服务器接收智能网关发送的用户行为数据,将数据存储到云端服务器的存储单元,根据存储单元中历史存储的用户行为数据和新接受的用户行为数据,训练朴素贝叶斯分类器模型,进行贝叶斯分类器参数学习,将训练好的模型存储到云端服务器的存储单元;
步骤S304:云端服务器将训练好的朴素贝叶斯分类器模型发送给智能网关;
步骤S305:智能网关接收云端服务器发送的朴素贝叶斯分类器模型,将模型存储到智能网关存储模块中。
使用模型进行推理的具体步骤为:
步骤S401:智能网关每隔一定周期接收传感器测量单元传输的数据,对接受的数据进行推理,判断是否需要对家电设备进行控制;
步骤S402:判断结果为需要控制,则对家电设备发送控制命令,等待下一个周期的传感器数据;
步骤S403:判断结果为不需要控制,则等待下一个周期的传感器数据。
采用以上技术方案的有益效果是:该智能网关对家电设备的控制方法使用朴素贝叶斯分类器模型作为智能家居中智能网关对家电设备的控制模型,相比较传统的预设参数表,该方法具有以下优势:朴素贝叶斯分类器可以依据互信息判断传感器参数是否与家电的控制命令有关。当朴素贝叶斯分类器判断参数与控制命令有关时,朴素贝叶斯分类器保留两者之间的依赖关系,进一步确定两者之间的依赖程度。当朴素贝叶斯分类器判断参数与控制命令无关时,朴素贝叶斯分类器取消两者之间的依赖关系,后续训练和推理不再考虑此传感器参数。通过这种消除过拟合的技术,朴素贝叶斯分类器可以解决上文中提到的对用户习惯的过度拟合问题,对用户习惯的学习遗漏问题,以及对新的传感器参数推理出现错误的问题。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的描述。
图1是本发明的智能家居系统结构示意图;
图2是本发明的决策器,朴素贝叶斯分类器的示意图;
图3是本发明的添加传感器测量单元更新模型的流程图;
图4是本发明的通过添加家电设备更新模型的流程图;
图5是本发明的通过用户行为数据更新模型的流程图;
图6是本发明的使用模型进行推理的流程图。
具体实施方式
下面结合附图详细说明本发明智能网关对家电设备的控制方法的优选实施方式。
图1至图6出示该智能网关对家电设备的控制方法的具体实施方式:
如图1所示,该智能网关对家电设备的控制方法包括温度传感器,湿度传感器,空调设备,空气加湿设备,冰箱设备,用户在实施前,首先要对设备进行注册,注册包括两部分:传感器设备注册和家电设备注册。
该智能网关对家电设备的控制方法执行步骤如下:
(1)首先添加温度传感器,空调设备,空气加湿设备,当添加完成后智能网关会生成两个朴素贝叶斯分类器模型。如图2所示,分别对应空调设备的朴素贝叶斯分类器模型和空气加湿设备的朴素贝叶斯分类器模型,在每个分类器模型中,上面的节点对应家电设备,空调设备的朴素贝叶斯分类器模型对应上面的节点是空调设备,空气加湿设备的朴素贝叶斯分类器模型对应上面的节点是空气加湿设备,每个模型下面的节点对应着传感器,此时只加入了一个传感器,所以每个模型下方只有一个节点,温度传感器节点;
(2)添加传感器设备;
(3)添加家电设备;
(4)进行通过用户行为更新模型,确定节点之间的依赖程度;
(5)使用模型进行推理。
添加传感器设备的具体步骤是:
步骤S101:用户通过智能网关向云端服务器提出申请增加一个传感器测量单元,并将传感器测量单元的名称上传给云端服务器;
步骤S102:云端服务器接收到智能网关提交的申请后,提取出存储在云端服务器存储单元的朴素贝叶斯分类器模型,将该传感器测量单元加入到各个模型中,将加入新传感器的模型存入到云端存储器的存储单元中;
步骤S103:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S104:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
具体如图3所示。本实施实例首先加入湿度传感器设备。空调设备朴素贝叶斯分类器模型在下方加入一个节点,湿度传感器节点。然后云端服务器检查所有朴素贝叶斯分类器,发现空气加湿设备朴素贝叶斯分类器模型没有加入湿度传感器,所以在空气加湿设备朴素贝叶斯分类器模型下方加入湿度传感器节点。此时所有朴素贝叶斯分类器模型都加入了湿度传感器。
添加家电设备的具体步骤是:
步骤S201:用户通过智能网关向云端服务器提出申请增加一个家电设备,并将家电设备的名称上传给云端服务器;
步骤S202:云端服务器接收到智能网关提交的申请后,初始化一个新的朴素贝叶斯分类器模型,模型的根节点是该家电设备节点,将新模型存入到云端存储器的存储单元中;
步骤S203:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S204:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
如图4所示,本实施实例加入冰箱设备。直接生成一个新的朴素贝叶斯分类器模型,模型上方的节点是冰箱设备节点,下方的传感器节点包括所有的已注册的传感器。
进行通过用户行为更新模型的具体步骤为:
步骤S301:传感器测量单元和家电设备产生用户行为数据,并将用户行为数据发送给智能网关;
步骤S302:智能网关接收传感器测量模块和家电设备发送的用户行为数据,并将接收到的数据转发给云端服务器;
步骤S303:云端服务器接收智能网关发送的用户行为数据,将数据存储到云端服务器的存储单元,根据存储单元中历史存储的用户行为数据和新接受的用户行为数据,训练朴素贝叶斯分类器模型,进行贝叶斯分类器参数学习,将训练好的模型存储到云端服务器的存储单元;
步骤S304:云端服务器将训练好的朴素贝叶斯分类器模型发送给智能网关;
步骤S305:智能网关接收云端服务器发送的朴素贝叶斯分类器模型,将模型存储到智能网关存储模块中。
如图5所示,当传感器测量模块和家电模块收集到用户行为数据时,如传感器收集到用户在28-30℃,相对湿度30-40%打开了空调,28-30℃,相对湿度40-50%打开了空调和28-30℃,相对湿度30-40%打开了空调。打开空调对应的温度是28-30℃的概率为100%,湿度是30-40%的概率是66%,湿度是40-50%的概率是33%。因为湿度相对打开空调没有足够大的互信息,所以取消两者的依赖关系。空调的开关仅仅由温度影响。每当有新的用户行为数据接收时,都会重新计算上述概率,因此模型是随着用户行为数据不断更新的。
使用模型进行推理的具体步骤为:
步骤S401:智能网关每隔一定周期接收传感器测量单元传输的数据,对接受的数据进行推理,判断是否需要对家电设备进行控制;
步骤S402:判断结果为需要控制,则对家电设备发送控制命令,等待下一个周期的传感器数据;
步骤S403:判断结果为不需要控制,则等待下一个周期的传感器数据。
如图6所示,当有一组新的传感器读数接收时,就会进行模型推理步骤。如当温度传感器检测到温度时,就会启动推理步骤。当判断温度达到28-30℃时,向空调设备发送打开命令,智能的控制空调开闭。
以上的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (5)
1.一种智能网关对家电设备的控制方法,其特征在于:所述智能网关对家电设备的控制方法包括温度传感器,湿度传感器,空调设备,空气加湿设备,冰箱设备,用户在实施前,首先要对设备进行注册,注册包括两部分:传感器设备注册和家电设备注册,该智能网关对家电设备的控制方法执行步骤如下:
(1)首先添加温度传感器,空调设备,空气加湿设备,当添加完成后智能网关会生成两个朴素贝叶斯分类器模型,分别对应空调设备的朴素贝叶斯分类器模型和空气加湿设备的朴素贝叶斯分类器模型,在每个分类器模型中,上面的节点对应家电设备,空调设备的朴素贝叶斯分类器模型对应上面的节点是空调设备,空气加湿设备的朴素贝叶斯分类器模型对应上面的节点是空气加湿设备,每个模型下面的节点对应着传感器,此时只加入了一个传感器,所以每个模型下方只有一个节点,温度传感器节点;
(2)添加传感器设备;
(3)添加家电设备;
(4)进行通过用户行为更新模型,确定节点之间的依赖程度;
(5)使用模型进行推理。
2.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤2中添加传感器设备的具体步骤是:
步骤S101:用户通过智能网关向云端服务器提出申请增加一个传感器测量单元,并将传感器测量单元的名称上传给云端服务器;
步骤S102:云端服务器接收到智能网关提交的申请后,提取出存储在云端服务器存储单元的朴素贝叶斯分类器模型,将该传感器测量单元加入到各个模型中,将加入新传感器的模型存入到云端存储器的存储单元中;
步骤S103:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S104:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
3.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤3中添加家电设备的具体步骤是:
步骤S201:用户通过智能网关向云端服务器提出申请增加一个家电设备,并将家电设备的名称上传给云端服务器;
步骤S202:云端服务器接收到智能网关提交的申请后,初始化一个新的朴素贝叶斯分类器模型,模型的根节点是该家电设备节点,将新模型存入到云端存储器的存储单元中;
步骤S203:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S204:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
4.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤4中进行通过用户行为更新模型的具体步骤为:
步骤S301:传感器测量单元和家电设备产生用户行为数据,并将用户行为数据发送给智能网关;
步骤S302:智能网关接收传感器测量模块和家电设备发送的用户行为数据,并将接收到的数据转发给云端服务器;
步骤S303:云端服务器接收智能网关发送的用户行为数据,将数据存储到云端服务器的存储单元,根据存储单元中历史存储的用户行为数据和新接受的用户行为数据,训练朴素贝叶斯分类器模型,进行贝叶斯分类器参数学习,将训练好的模型存储到云端服务器的存储单元;
步骤S304:云端服务器将训练好的朴素贝叶斯分类器模型发送给智能网关;
步骤S305:智能网关接收云端服务器发送的朴素贝叶斯分类器模型,将模型存储到智能网关存储模块中。
5.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤5中的使用模型进行推理的具体步骤为:
步骤S401:智能网关每隔一定周期接收传感器测量单元传输的数据,对接受的数据进行推理,判断是否需要对家电设备进行控制;
步骤S402:判断结果为需要控制,则对家电设备发送控制命令,等待下一个周期的传感器数据;
步骤S403:判断结果为不需要控制,则等待下一个周期的传感器数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810178427.9A CN108415262A (zh) | 2018-03-06 | 2018-03-06 | 智能网关对家电设备的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810178427.9A CN108415262A (zh) | 2018-03-06 | 2018-03-06 | 智能网关对家电设备的控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108415262A true CN108415262A (zh) | 2018-08-17 |
Family
ID=63130028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810178427.9A Pending CN108415262A (zh) | 2018-03-06 | 2018-03-06 | 智能网关对家电设备的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108415262A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766792A (zh) * | 2020-06-29 | 2020-10-13 | 四川长虹电器股份有限公司 | 一种基于边缘计算网关的智能家居控制系统及方法 |
CN114415603A (zh) * | 2021-12-08 | 2022-04-29 | 哈尔滨工业大学(威海) | 面向智慧养老的分布式数据调度监测系统、方法、终端 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945029A (zh) * | 2012-10-31 | 2013-02-27 | 鸿富锦精密工业(深圳)有限公司 | 智能网关、智能家居系统及家电设备的智能控制方法 |
CN105357085A (zh) * | 2014-08-20 | 2016-02-24 | 中兴通讯股份有限公司 | 一种智能家居实现系统及方法、家居网关 |
CN105607508A (zh) * | 2016-03-24 | 2016-05-25 | 重庆邮电大学 | 基于用户行为分析的智能家居设备控制方法及系统 |
CN105629947A (zh) * | 2015-11-30 | 2016-06-01 | 东莞酷派软件技术有限公司 | 家居设备监测方法、家居设备监测装置和终端 |
CN105652677A (zh) * | 2016-02-24 | 2016-06-08 | 深圳众乐智府科技有限公司 | 一种基于用户行为分析的智能家居控制方法、装置和系统 |
US20160212491A1 (en) * | 2015-01-15 | 2016-07-21 | Echostar Technologies L.L.C. | Home screen intelligent viewing |
CN106462124A (zh) * | 2016-07-07 | 2017-02-22 | 深圳狗尾草智能科技有限公司 | 一种基于意图识别控制家电的方法、系统及机器人 |
CN106597868A (zh) * | 2016-12-30 | 2017-04-26 | 中科同德(北京)生态科技有限公司 | 一种智能家居控制系统 |
CN106662932A (zh) * | 2016-07-07 | 2017-05-10 | 深圳狗尾草智能科技有限公司 | 一种基于意图识别控制家电的方法、系统及机器人 |
-
2018
- 2018-03-06 CN CN201810178427.9A patent/CN108415262A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945029A (zh) * | 2012-10-31 | 2013-02-27 | 鸿富锦精密工业(深圳)有限公司 | 智能网关、智能家居系统及家电设备的智能控制方法 |
CN105357085A (zh) * | 2014-08-20 | 2016-02-24 | 中兴通讯股份有限公司 | 一种智能家居实现系统及方法、家居网关 |
US20160212491A1 (en) * | 2015-01-15 | 2016-07-21 | Echostar Technologies L.L.C. | Home screen intelligent viewing |
CN105629947A (zh) * | 2015-11-30 | 2016-06-01 | 东莞酷派软件技术有限公司 | 家居设备监测方法、家居设备监测装置和终端 |
CN105652677A (zh) * | 2016-02-24 | 2016-06-08 | 深圳众乐智府科技有限公司 | 一种基于用户行为分析的智能家居控制方法、装置和系统 |
CN105607508A (zh) * | 2016-03-24 | 2016-05-25 | 重庆邮电大学 | 基于用户行为分析的智能家居设备控制方法及系统 |
CN106462124A (zh) * | 2016-07-07 | 2017-02-22 | 深圳狗尾草智能科技有限公司 | 一种基于意图识别控制家电的方法、系统及机器人 |
CN106662932A (zh) * | 2016-07-07 | 2017-05-10 | 深圳狗尾草智能科技有限公司 | 一种基于意图识别控制家电的方法、系统及机器人 |
CN106597868A (zh) * | 2016-12-30 | 2017-04-26 | 中科同德(北京)生态科技有限公司 | 一种智能家居控制系统 |
Non-Patent Citations (1)
Title |
---|
仝钰: "基于条件随机场的智能家居行为识别研究", 《中国博士学位论文全文数据库(电子期刊) 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766792A (zh) * | 2020-06-29 | 2020-10-13 | 四川长虹电器股份有限公司 | 一种基于边缘计算网关的智能家居控制系统及方法 |
CN114415603A (zh) * | 2021-12-08 | 2022-04-29 | 哈尔滨工业大学(威海) | 面向智慧养老的分布式数据调度监测系统、方法、终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107479393A (zh) | 一种基于大数据的智能家居系统 | |
CN108153158A (zh) | 家居场景的切换方法、装置、存储介质及服务器 | |
CN107102563A (zh) | 一种基于云计算的智能家电节能控制系统 | |
CN109471370B (zh) | 一种基于排气扇操作数据的行为预测及控制方法、系统 | |
CN107422645A (zh) | 一种基于自学习的智能家居节电系统及方法 | |
CN107622767A (zh) | 家电系统的语音控制方法与家电控制系统 | |
CN109288384B (zh) | 一种用于蒸汽发生器的水量预测方法及烹饪装置 | |
CN108415262A (zh) | 智能网关对家电设备的控制方法 | |
CN112286150B (zh) | 一种智能家居设备管理方法、装置、系统及存储介质 | |
CN108549251A (zh) | 一种智能家居的自学习用户习惯控制系统及其控制方法 | |
CN106909078A (zh) | 家庭网关和智能家居系统、家用电器的控制方法 | |
CN109445292A (zh) | 自动化执行结果收集方法、装置、系统及存储介质 | |
CN109932918A (zh) | 一种智能家居控制系统 | |
CN110769032A (zh) | 一种电网设备故障快速检测与维护的系统及方法 | |
CN102043395A (zh) | 一种一体化家电系统中控制电器静音的控制装置及方法 | |
CN110324216A (zh) | 自动化配置方法、装置、系统、服务器及存储介质 | |
CN105527847A (zh) | 电器控制系统及方法 | |
CN109802860A (zh) | 智能设备的配置方法及装置 | |
Xiao | Machine learning in smart home energy monitoring system | |
WO2024001196A1 (zh) | 家电设备的控制方法、装置、存储介质及电子装置 | |
CN116466594A (zh) | 一种基于5g物联网的智能家居控制系统 | |
CN115587904A (zh) | 智慧燃气终端管理方法、物联网系统、装置以及介质 | |
CN109976168B (zh) | 一种去中心化的智能家居控制方法及系统 | |
CN114167738A (zh) | 一种设备联动控制方法、装置、设备及存储介质 | |
CN106094554A (zh) | 智能家居监测系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180817 |