CN110045619A - 基于自学习技术的窗帘智能控制方法及智能控制系统 - Google Patents
基于自学习技术的窗帘智能控制方法及智能控制系统 Download PDFInfo
- Publication number
- CN110045619A CN110045619A CN201910177073.0A CN201910177073A CN110045619A CN 110045619 A CN110045619 A CN 110045619A CN 201910177073 A CN201910177073 A CN 201910177073A CN 110045619 A CN110045619 A CN 110045619A
- Authority
- CN
- China
- Prior art keywords
- curtain
- information
- user
- controlling
- self study
- 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 29
- 238000005516 engineering process Methods 0.000 title claims abstract description 28
- 230000007613 environmental effect Effects 0.000 claims abstract description 32
- 230000002123 temporal effect Effects 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 12
- 230000033228 biological regulation Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011897 real-time detection 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)
- Selective Calling Equipment (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及智能家居领域，特别是一种基于自学习技术的窗帘智能控制方法及智能控制系统，基于自学习技术的窗帘智能控制方法包括如下步骤：a.自学习步骤：a1.控制终端实时采集并识别用户身份信息；a2.采集环境信息和时间信息；a3.根据环境信息和时间信息建立并储存控制模型；b.窗帘智能控制步骤：b1.采集相关信息；b2.当匹配到对应的用户身份信息时，调取对应的控制模型；b3.输出控制装置转化为控制信号，再传输至窗帘执行装置完成对窗帘的控制。所述智能控制系统通过自学习技术的方法建立控制模型，当再次识别用户身份信息后，自动匹配控制模型，快速完成窗帘开度控制，极大的提高了用户使用的便捷性及舒适性，增强了用户的体验感。
Description
技术领域
本发明涉及智能家居领域，特别是一种基于自学习技术的窗帘智能控制方法及智能控制系统。
背景技术
随着科学技术的高速发展，智能家居的应用前景已被越来越多的人们所发现。全世界许许多多的企业致力于这方面的技术探索，在传统功能性家用电器和传统非电器家用装置的基础上，不断技术革新，探索寻求一条方便用户实施远程掌握家庭现状，并符合用户生活习惯地智能化操作相关家电，提供用户超便利的家居生活。
窗帘具有遮光、降噪、隔热等功能，现有窗帘的开合大都采用简单的机械装置手动实现，这样的操作模式非常不方便，而且不能根据用户身份和外界环境不同有效调节室内环境，如何使得窗帘控制系统智能化精确控制，让用户更加舒适，是我们现在所需要解决的问题。
发明内容
针对上述缺陷，本发明的目的在于提出基于自学习技术的窗帘智能控制方法及智能控制系统。
为达此目的，本发明采用以下技术方案：
基于自学习技术的窗帘智能控制方法，其包括如下步骤：
a.自学习步骤：a1.控制终端实时采集并识别用户身份信息；a2.采集环境信息和时间信息；a3.根据环境信息和时间信息，为不同用户身份信息的用户建立控制模型，并储存至神经网络控制模型中；
b.窗帘智能控制步骤：b1.控制终端采集并识别用户身份信息，环境检测装置检测识别环境信息，时间检测装置采集时间信息；b2.当识别并匹配到对应的用户身份信息时，神经元网络模型接收用户身份信息、环境信息和时间信息，并识别匹配调取神经网络模型中该用户身份信息对应的控制模型；b3.输出控制装置接收控制模型，并将控制模型转化为控制信号传输至窗帘执行装置完成对窗帘控制操作。
更优的，所述步骤b3包括如下内容：当控制终端检测到用户有对窗帘开度进行调整，则所述窗帘执行装置配合用户完成对应操作并停止，神经网络控制模型依据步骤a1-a3完成新的自学习步骤，并更新或建立新的控制模型储存至神经网络控制模型中。
更优的，所述步骤b2包括如下内容：当识别并未匹配用户身份信息时，该用户为新用户，神经元网络模型根据环境信息和时间信息，并识别匹配调取神经网络模型中任意一个用户身份所信息对应的控制模型。
更优的，所述步骤b2还包括如下内容：当控制终端检测到新用户有对窗帘开度进行调整，则所述窗帘执行装置配合用户完成对应操作并停止，神经网络控制模型依据步骤a1-a3完成新的自学习步骤，为新用户建立新的控制模型储存至神经网络控制模型中，并为控制模型匹配对应的用户身份信息；当新用户未对窗帘开度进行调整，则将对应调取的控制模型更新为通用神经网络模型，当再次识别到新用户时，优先调用所述通用神经网络模型。
更优的，所述控制终端为：窗帘执行装置、智能手机、平板电脑、智能穿戴设备和家居生活所涉及的全部电器；且神经网络控制模型与控制终端Android、iOS、Windows Phone各系统下的App兼容。
更优的，所述用户身份信息包括：用户名称和用户优先等级。
更优的，所述环境信息包括：天气信息和光照信息。
更优的，时间信息包括：用户对窗帘进行控制的时间节点、窗帘不同开度保持时间、窗帘开度调节时的移动时间和自然时间。
应用如上所述的基于自学习技术的窗帘智能控制方法的智能控制系统，其包括依次联接实现通讯的输入检测系统、自学习智能控制系统和窗帘系统；输入检测系统包括：控制终端和环境检测装置和时间检测器；所述环境检测装置包括天气采集模块和光照检测器；所述控制终端，用于采集用户身份信息和用户对窗帘的开度调整的操作信息；天气采集模块，用于采集天气信息；光照检测器，用于采集光照信息；时间检测器，用于采集时间信息；自学习智能控制系统包括：识别模块、匹配处理模块和储存模块；识别模块，用于接收并识别用户身份信息、天气信息、光照信息和时间信息；匹配识别模块，用于匹配用户身份、调取控制模型、更新控制模型和建立控制模型；储存模块，用于储存控制模型；窗帘系统包括：输出控制装置、窗帘执行装置和窗帘本体；所述窗帘执行装置包括：驱动电机和滑动机构；所述窗帘本体在所述驱动电机的驱动下随着滑动机构移动；输出控制装置接收控制模型，并将控制模型转化为控制信号输出至窗帘执行装置。
更优的，所述气象采集模块具体为互联网采集模块，其可嵌入至所述控制终端内，用于输入或者联网采集天气信息；所述控制终端采用Zigbee通讯协议与所述自学习智能控制系统联接。
本发明提出一种基于自学习技术的窗帘智能控制方法，及应用其的智能控制系统；所述智能控制系统可通过自学习技术的方法，记录用户身份、环境信息和时间信息建立控制模型，当再次识别对应用户身份信息后，会根据当前的环境信息和时间信息，自动匹配控制模型，快速完成对窗帘开度个性化控制，极大的提高了用户使用的便捷性及舒适性，增强了用户的体验感。
附图说明
图1是本发明的一个实施例中基于自学习技术的窗帘智能控制方法的流程示意图；
图2是本发明的一个实施例中所述神经网络控制模型的框架构成示意图；
图3是本发明的一个实施例中所述智能控制系统的框架构成示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1和2所示，基于自学习技术的窗帘智能控制方法，其包括如下步骤：
a.自学习步骤：
a1.控制终端实时采集并识别用户身份信息；
a2.采集环境信息和时间信息；
a3.根据环境信息和时间信息，为不同用户身份信息的用户建立控制模型，并储存至神经网络控制模型中；
b.窗帘智能控制步骤：
b1.控制终端采集并识别用户身份信息，环境检测装置检测识别环境信息，时间检测装置采集时间信息；
b2.当识别并匹配到对应的用户身份信息时，神经元网络模型接收用户身份信息、环境信息和时间信息，并识别匹配调取神经网络模型中该用户身份信息对应的控制模型；
b3.输出控制装置接收控制模型，并将控制模型转化为控制信号传输至窗帘执行装置完成对窗帘控制操作。
所述步骤b3包括如下内容：当控制终端检测到用户有对窗帘开度进行调整，则所述窗帘执行装置配合用户完成对应操作并停止，神经网络控制模型依据步骤a1-a3完成新的自学习步骤，并更新或建立新的控制模型储存至神经网络控制模型中。虽然有些用户已经通过自学习建立并储存了控制模型，再次识别该用户时可以直接调取对应的控制模型来快速完成窗帘的开度控制；但是也有少数情况下，相同的用户在相同的环境下相同时间点，为了进一步提高舒适性会对窗帘开度进行调整操作，此述步骤更好的考虑到了这一可能情况的发生，进一步根据用户的实际操作进行深度学习，建立更多的控制模型，进一步提高了用户的使用舒适性。
所述步骤b2包括如下内容：当识别并未匹配用户身份信息时，该用户为新用户，神经元网络模型根据环境信息和时间信息，并识别匹配调取神经网络模型中任意一个用户身份所信息对应的控制模型。此外所述步骤b2还包括如下内容：当控制终端检测到新用户有对窗帘开度进行调整，则所述窗帘执行装置配合用户完成对应操作并停止，神经网络控制模型依据步骤a1-a3完成新的自学习步骤，为新用户建立新的控制模型储存至神经网络控制模型中，并为控制模型匹配对应的用户身份信息；当新用户未对窗帘开度进行调整，则将对应调取的控制模型更新为通用神经网络模型，当再次识别到新用户时，优先调用所述通用神经网络模型。此述步骤考虑到了新用户实际使用情况，新用户即使没有进行在先自学习步骤，没有在先建立控制模型，因为神经网络控制模型无法根据新的户身份信息匹配调取合适的控制模型来控制窗帘开度；因此在此述步骤中神经元网络模型在接收到环境信息和时间信息后，发现没有匹配到用户信息会根据环境信息和时间信息随机调取任何用户的控制模型来调整窗帘的开度；而且更优的是，在应用其他用户的控制模型时，如果新用户根据自身使用需要调整了窗帘开度，自学习智能控制系统就会立即为新用户的此次操作信息完成自学习步骤并为其建立控制模型，从而为后续该新用户的使用控制提供更好的数据储备；假如新用户没有对随机调取的控制模型进行自主操作的话，此次调取的控制模型就被系统认定为通用神经网络模型，下次再有新用户进入后，再环境信息和时间信息匹配的前提下会优先选择该通用神经网络模型；这样可以避免随机调取的控制模型给新用户带来的使用舒适的不确定性。
所述控制终端为：窗帘执行装置、智能手机、平板电脑、智能穿戴设备和家居生活所涉及的全部电器；且神经网络控制模型与控制终端Android、iOS、Windows Phone各系统下的App兼容。用户可以采用很多方式，再更多地方来控制窗帘的开度，让窗帘的开度调节控制更加及时，用户舒适性更高。
所述用户身份信息包括：用户名称和用户优先等级。当神经网络控制模型中有多个用户存在时，控制终端会将多个用户信息进行全面采集并识别出用户名称和用户优先等级，再根据用户名称、环境信息和时间信息找到对应控制模型，最后再根据用户优先等级优先调取最高等级的用户所对应的控制模型对窗帘开度进行控制，例如当室内有多个用户同时还包含了老人或婴儿时，此时老人行动不便可以利用智能手机对窗帘进行操作，婴儿还没有主动行为能力因此需要和指定的成年人身份信息匹配，或者时直接识别婴儿的声音进行控制均可；在该场景中需要在神经网络控制模型中预先对老人或婴儿与其他用户的身份进行优先等级划分，便于神经网络控制模型同时采集到不同用户身份信息后可以根据优先等级的高低，只调取最高优先级的用户；因为控制检测终端是实时检测用户的控制操作的，当重新检测到的用户身份信息中，之前的最高优先等级离开或未进行操作时，此时又会更新调出该场景下最高优先等级的用户所对应的控制模型。
所述环境信息包括：天气信息和光照信息。窗户进入室内影响用户舒适度的主要因素就是天气和光照，因此结合天气信息和光照信息来控制窗帘开度调节可以更全面提高用户使用舒适度，例如在晴天，光照检测器检测到光照强度和方向后，会考虑到窗帘开度不同对室内用户的使用影响，因此会根据之前用户主动控制操作过程中的自学习控制模型进行匹配，调取合适程度更高的控制模型对窗帘进行控制，常见的就是根据太阳移动窗帘也同步移动，使得室内的光照强度均衡，从而提高用户的使用舒适度；当然在实际的使用中，窗帘的开度控制方式选择，即控制模型的调取需要综合温度、湿度、风向、光照强度、光照方向等多种因素，才能得出最能提高用户舒适度的窗帘开度调节方式。
时间信息包括：用户对窗帘进行控制的时间节点、窗帘不同开度保持时间、窗帘开度调节时的移动时间和自然时间。用户对窗帘进行控制的时间节点可以反映用户调整窗帘的时间节点；窗帘不同开度保持时间和窗帘开度调节时的移动时间可以反映用户调整窗帘开度的频率及与外界光线的变化的关系；自然时间可以更加规律的反映出用户一个长时间段的使用习惯；所列举的时间信息均会对用户舒适度造成明显的影响，因此需要全面考虑这几个方面的时间信息，才能保证在窗帘开度控制整个过程中保证用户的使用舒适度。
如图3所示，应用如上所述的基于自学习技术的窗帘智能控制方法的智能控制系统，其包括依次联接实现通讯的输入检测系统、自学习智能控制系统和窗帘系统输入检测系统包括：控制终端和环境检测装置和时间检测器；所述环境检测装置包括天气采集模块和光照检测器；所述控制终端，用于采集用户身份信息和用户对窗帘的开度调整的操作信息；天气采集模块，用于采集天气信息；光照检测器，用于采集光照信息；时间检测器，用于采集时间信息；自学习智能控制系统包括：识别模块、匹配处理模块和储存模块；识别模块，用于接收并识别用户身份信息、天气信息、光照信息和时间信息；匹配识别模块，用于匹配用户身份、调取控制模型、更新控制模型和建立控制模型；储存模块，用于储存控制模型；窗帘系统包括：输出控制装置、窗帘执行装置和窗帘本体；所述窗帘执行装置包括：驱动电机和滑动机构；所述窗帘本体在所述驱动电机的驱动下随着滑动机构移动；输出控制装置接收控制模型，并将控制模型转化为控制信号输出至窗帘执行装置。
所述气象采集模块具体为互联网采集模块，其可嵌入至所述控制终端内，用于输入或者联网采集天气信息；所述控制终端采用Zigbee通讯协议与所述自学习智能控制系统联接。气象采集模块可以更加实时准确采集和更新气象信息，提高智能控制系统对窗帘开度的控制精度，提高用户的使用舒适度。ZigBee通讯协议是一种低速短距离传输的无线网上协议，具有低速、低耗电、低成本、支持大量网上节点、支持多种网上拓扑、低复杂度、快速、可靠、安全；能使得用户操作更加简单方便，控制能耗能低。
本发明提出一种基于自学习技术的窗帘智能控制方法，及应用其的智能控制系统；所述智能控制系统可通过自学习技术的方法，记录用户身份、环境信息和时间信息建立控制模型，当再次识别对应用户身份信息后，会根据当前的环境信息和时间信息，自动匹配控制模型，快速完成对窗帘开度个性化控制，极大的提高了用户使用的便捷性及舒适性，增强了用户的体验感。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。
Claims (10)
1.基于自学习技术的窗帘智能控制方法，其特征在于，包括如下步骤：
a.自学习步骤：
a1.控制终端实时采集并识别用户身份信息；
a2.采集环境信息和时间信息；
a3.根据环境信息和时间信息，为不同用户身份信息的用户建立控制模型，并储存至神经网络控制模型中；
b.窗帘智能控制步骤：
b1.控制终端采集并识别用户身份信息，环境检测装置检测识别环境信息，时间检测器采集时间信息；
b2.当识别并匹配到对应的用户身份信息时，神经元网络模型接收用户身份信息、环境信息和时间信息，并识别匹配调取神经网络模型中该用户身份信息对应的控制模型；
b3.输出控制装置接收控制模型，并将控制模型转化为控制信号传输至窗帘执行装置完成对窗帘控制操作。
2.根据权利要求1所述的基于自学习技术的窗帘智能控制方法，其特征在于，所述步骤b3包括如下内容：当控制终端检测到用户有对窗帘开度进行调整，则所述窗帘执行装置配合用户完成对应操作并停止，神经网络控制模型依据步骤a1-a3完成新的自学习步骤，并更新或建立新的控制模型储存至神经网络控制模型中。
3.根据权利要求1所述的基于自学习技术的窗帘智能控制方法，其特征在于，所述步骤b2包括如下内容：当识别并未匹配到用户身份信息时，该用户为新用户，神经元网络模型根据环境信息和时间信息，并识别匹配调取神经网络模型中任意一个用户身份所信息对应的控制模型。
4.根据权利要求3所述的基于自学习技术的窗帘智能控制方法，其特征在于，所述步骤b2还包括如下内容：当控制终端检测到新用户有对窗帘开度进行调整，则所述窗帘执行装置配合用户完成对应操作并停止，神经网络控制模型依据步骤a1-a3完成新的自学习步骤，为新用户建立新的控制模型储存至神经网络控制模型中，并为控制模型匹配对应的用户身份信息；当新用户未对窗帘开度进行调整，则将对应调取的控制模型更新为通用神经网络模型，当再次识别到新用户时，优先调用所述通用神经网络模型。
5.根据权利要求1所述的基于自学习技术的窗帘智能控制方法，其特征在于，所述控制终端为：窗帘执行装置、智能手机、平板电脑、智能穿戴设备和家居生活所涉及的全部电器；且神经网络控制模型与控制终端Android、iOS、Windows Phone各系统下的App兼容。
6.根据权利要求1所述的基于自学习技术的窗帘智能控制方法，其特征在于，所述用户身份信息包括：用户名称和用户优先等级。
7.根据权利要求1所述的基于自学习技术的窗帘智能控制方法，其特征在于，所述环境信息包括：天气信息和光照信息。
8.根据权利要求1所述的基于自学习技术的窗帘智能控制方法，其特征在于，时间信息包括：用户对窗帘进行控制的时间节点、窗帘不同开度保持时间、窗帘开度调节时的移动时间和自然时间。
9.应用如权利要求1-8中任意一项所述的基于自学习技术的窗帘智能控制方法的智能控制系统，其特征在于，其包括依次联接实现通讯的输入检测系统、自学习智能控制系统和窗帘系统；
输入检测系统包括：控制终端和环境检测装置和时间检测器；所述环境检测装置包括天气采集模块和光照检测器；所述控制终端，用于采集用户身份信息和用户对窗帘的开度调整的操作信息；天气采集模块，用于采集天气信息；光照检测器，用于采集光照信息；时间检测器，用于采集时间信息；
自学习智能控制系统包括：识别模块、匹配处理模块和储存模块；识别模块，用于接收并识别用户身份信息、天气信息、光照信息和时间信息；匹配识别模块，用于匹配用户身份、调取控制模型、更新控制模型和建立控制模型；储存模块，用于储存控制模型；
窗帘系统包括：输出控制装置、窗帘执行装置和窗帘本体；所述窗帘执行装置包括：驱动电机和滑动机构；所述窗帘本体在所述驱动电机的驱动下随着滑动机构移动；输出控制装置接收控制模型，并将控制模型转化为控制信号输出至窗帘执行装置。
10.根据权利要求9所述的智能控制系统，其特征在于，所述气象采集模块具体为互联网采集模块，其可嵌入至所述控制终端内，用于输入或者联网采集天气信息；所述控制终端采用Zigbee通讯协议与所述自学习智能控制系统联接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910177073.0A CN110045619A (zh) | 2019-03-08 | 2019-03-08 | 基于自学习技术的窗帘智能控制方法及智能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910177073.0A CN110045619A (zh) | 2019-03-08 | 2019-03-08 | 基于自学习技术的窗帘智能控制方法及智能控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110045619A true CN110045619A (zh) | 2019-07-23 |
Family
ID=67274598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910177073.0A Pending CN110045619A (zh) | 2019-03-08 | 2019-03-08 | 基于自学习技术的窗帘智能控制方法及智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110045619A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112255934A (zh) * | 2020-10-15 | 2021-01-22 | 四川长虹电器股份有限公司 | 基于雷达生理参数识别的窗帘自动开关系统 |
| CN114167908A (zh) * | 2022-02-10 | 2022-03-11 | 常州匠心独具智能家居股份有限公司 | 智能沙发的自动控制方法及其控制系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080050902A (ko) * | 2006-12-04 | 2008-06-10 | 삼성전자주식회사 | 사용자 모델을 이용한 음악 추천 방법 및 시스템, 및조건부 사용자 모델 업데이트 방법 |
| CN103774973A (zh) * | 2014-01-13 | 2014-05-07 | 山东大学 | 一种百叶窗帘智能控制系统及控制方法 |
| CN106016590A (zh) * | 2016-05-20 | 2016-10-12 | 北京汇路鑫科技有限公司 | 一种智能控制系统和智能控制方法 |
| CN106294738A (zh) * | 2016-08-10 | 2017-01-04 | 武汉诚迈科技有限公司 | 一种智能家居场景配置方法 |
| CN106604508A (zh) * | 2017-02-23 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 基于自学习的灯光环境控制方法和控制系统 |
| CN108153158A (zh) * | 2017-12-19 | 2018-06-12 | 美的集团股份有限公司 | 家居场景的切换方法、装置、存储介质及服务器 |
| CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
| CN108419453A (zh) * | 2017-10-27 | 2018-08-17 | 深圳和而泰智能控制股份有限公司 | 一种照明灯控制方法及其装置、照明灯 |
| CN108537228A (zh) * | 2018-03-26 | 2018-09-14 | 校宝在线（杭州）科技股份有限公司 | 一种基于书写特征的英语水平评测方法 |
| CN108894718A (zh) * | 2018-05-22 | 2018-11-27 | 中车青岛四方机车车辆股份有限公司 | 遮光物的控制方法、装置、存储介质及电子装置 |
-
2019
- 2019-03-08 CN CN201910177073.0A patent/CN110045619A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080050902A (ko) * | 2006-12-04 | 2008-06-10 | 삼성전자주식회사 | 사용자 모델을 이용한 음악 추천 방법 및 시스템, 및조건부 사용자 모델 업데이트 방법 |
| CN103774973A (zh) * | 2014-01-13 | 2014-05-07 | 山东大学 | 一种百叶窗帘智能控制系统及控制方法 |
| CN106016590A (zh) * | 2016-05-20 | 2016-10-12 | 北京汇路鑫科技有限公司 | 一种智能控制系统和智能控制方法 |
| CN106294738A (zh) * | 2016-08-10 | 2017-01-04 | 武汉诚迈科技有限公司 | 一种智能家居场景配置方法 |
| CN106604508A (zh) * | 2017-02-23 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 基于自学习的灯光环境控制方法和控制系统 |
| CN108419453A (zh) * | 2017-10-27 | 2018-08-17 | 深圳和而泰智能控制股份有限公司 | 一种照明灯控制方法及其装置、照明灯 |
| CN108153158A (zh) * | 2017-12-19 | 2018-06-12 | 美的集团股份有限公司 | 家居场景的切换方法、装置、存储介质及服务器 |
| CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
| CN108537228A (zh) * | 2018-03-26 | 2018-09-14 | 校宝在线（杭州）科技股份有限公司 | 一种基于书写特征的英语水平评测方法 |
| CN108894718A (zh) * | 2018-05-22 | 2018-11-27 | 中车青岛四方机车车辆股份有限公司 | 遮光物的控制方法、装置、存储介质及电子装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112255934A (zh) * | 2020-10-15 | 2021-01-22 | 四川长虹电器股份有限公司 | 基于雷达生理参数识别的窗帘自动开关系统 |
| CN114167908A (zh) * | 2022-02-10 | 2022-03-11 | 常州匠心独具智能家居股份有限公司 | 智能沙发的自动控制方法及其控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mtshali et al. | A smart home appliance control system for physically disabled people | |
| CN104482656B (zh) | 智能调节热水器温度的方法、装置及热水器 | |
| CN108093030B (zh) | 一种基于云服务器的人工智能模型部署方法 | |
| CN106054650A (zh) | 一种新型智能家居系统及多手势控制方法 | |
| CN104102181B (zh) | 智能家居控制方法、装置及系统 | |
| CN107818782B (zh) | 一种实现家用电器智能控制的方法及系统 | |
| CN107479408A (zh) | 一种智能设备控制器及控制方法 | |
| CN105242600A (zh) | 个性化智能坐便器控制系统及其控制方法和智能坐便器 | |
| CN108432186A (zh) | 用于控制设备的方法和装置 | |
| CN107290970A (zh) | 一种基于智能音响的智能家居控制系统 | |
| CN103023733A (zh) | 一种智能家居的交互方法及系统 | |
| CN206117700U (zh) | 用于家庭语音控制中心的智能路由器 | |
| CN105516338B (zh) | 一种用于穿戴的智能硬件联网方法、网关及系统 | |
| CN110045619A (zh) | 基于自学习技术的窗帘智能控制方法及智能控制系统 | |
| CN204759188U (zh) | 一种智能家居睡眠系统 | |
| CN106909078A (zh) | 家庭网关和智能家居系统、家用电器的控制方法 | |
| CN109327944A (zh) | 智能照明控制方法及系统 | |
| CN108989162A (zh) | 一种家用智能机器人管家系统 | |
| CN107580103A (zh) | 照明装置的控制方法及装置 | |
| CN110313791A (zh) | 一种智能窗帘控制方法及装置 | |
| CN112782988A (zh) | 一种基于物联网的智能家居窗帘的控制方法 | |
| CN109945419B (zh) | 一种空调自动控制系统 | |
| CN105698396B (zh) | 热水机及其控制方法和装置和移动通讯终端 | |
| CN109976184A (zh) | 一种基于无线传感器网络的智能家居系统 | |
| CN111381505A (zh) | 智能家居控制系统及其控制方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |