CN110515790A - 终端温度预测及优化系统和方法 - Google Patents

Abstract

本发明提供一种终端温度预测及优化系统，包括温度测量模块、特征数据获取模块、人工智能模块；所述温度测量模块用于获取终端的温度数据；所述特征数据获取模块用于获取终端的特征数据；所述人工智能模块用于对所述温度数据、所述特征数据以及对应的获取时间之间的关系进行分析，生成所述温度数据与所述特征数据关于获取时间的关系曲线数据；所述人工智能模块还用于根据所述关系曲线数据对所述终端运行预设程序时进行自动预测、并给出管理建议；所述人工智能模块还用于根据所述关系曲线数据、结合用户的选择以及个人操作偏好对所述终端运行预设程序时进行自动优化。本发明通过设置这些模块可实现终端温度的自动预测和自动优化。

Description

终端温度预测及优化系统和方法

技术领域

本发明涉及电子技术领域，特别是涉及一种终端温度预测及优化系统和方 法。

背景技术

目前，随着智能终端的广泛普及，越来越多的移动终端进入我们的生活。 但是在终端的使用过程中难免会因为内存不足、软件过大、分辨率需求过高等 现象而出现发热、运行速度降低的问题，从而影响用户的体验，并且还会对智 能终端的硬软件造成一定的伤害，进而导致智能终端的使用寿命降低。虽然现 有技术中有在智能终端运行、实现温度数据的分析和测量的程序，但是，由于 数据的检测、分析、处理等过程均在终端上进行，所以仍然存在占用运行内存 并加重智能终端负担进而温度上升加快、运行速度降低的可能。同时，对于测 量的数据的存储需要消耗终端的内存，如果用一次就不用的话就会造成资源的浪费和步骤的繁复，也不能实现相同数据的重复利用和共享。

发明内容

基于此，有必要针对上述问题，提供一种终端温度预测及优化系统和方法。

一种终端温度预测及优化系统，包括温度测量模块、特征数据获取模块、 人工智能模块，所述人工智能模块分别与所述温度测量模块、特征数据获取模 块连接；

所述温度测量模块用于获取所述终端的温度数据以及对应的获取时间；

所述温度数据包括中央处理器温度、电路板温度及射频放大器温度；

所述特征数据获取模块用于获取所述终端的特征数据以及对应的获取时 间；

所述特征数据包括所述终端的类型和所述终端正在运行的程序类型；

所述人工智能模块用于对所述温度数据、所述特征数据以及对应的获取时 间之间的关系进行分析，生成所述温度数据与所述特征数据关于获取时间的关 系曲线数据；

所述人工智能模块还用于根据所述关系曲线数据对所述终端运行预设程序 时进行自动预测、并给出管理建议；

所述人工智能模块还用于记忆用户对所述管理建议的选择、并根据所述用 户的选择分析用户的个人操作偏好；

所述人工智能模块还用于依据所述关系曲线数据、用户的选择以及个人操 作偏好对所述终端运行预设程序时进行自动优化。

在其中一个实施例中，所述终端温度预测及优化系统还包括：基于大数据 的服务器，所述基于大数据的服务器与所述人工智能模块采用无线通信方式连 接，所述基于大数据的服务器用于接收并分析所述人工智能模块中的所述温度 数据和所述特征数据，输出分析结果和管理建议；

所述基于大数据的服务器还用于接收所述人工智能模块记忆的用户的选择 和个人操作偏好；

所述基于大数据的服务器还用于结合用户的选择和个人操作偏好对所述分 析结果和管理建议进行分类存储。

在其中一个实施例中，所述终端温度预测及优化系统还包括：运行状态检 测模块，所述运行状态检测模块分别与所述温度测量模块、所述特征数据获取 模块连接，所述运行状态检测模块用于检测终端的运行状态，并将所述终端的 运行状态发送给所述温度测量模块和所述特征数据获取模块，所述温度测量模 块根据所述运行状态判断是否进行所述温度数据的获取，所述特征数据获取模 块根据所述运行状态判断是否进行所述特征数据的获取。

在其中一个实施例中，所述温度测量模块包括：

中央处理器温度测量单元，用于测量中央处理器的温度；

电路板温度测量单元，用于测量电路板的温度；

射频放大器温度测量单元，用于测量射频放大器电路的温度。

在其中一个实施例中，所述人工智能模块包括数据分析单元、预测单元以 及优化单元；

所述数据分析单元分别与所述温度测量模块、所述特征数据获取模块连接， 用于对所述温度数据、所述特征数据以及对应的获取时间进行分析，并生成所 述温度数据与所述特征数据关于获取时间的关系曲线数据；

所述预测单元与所述数据分析单元连接，用于依据所述关系曲线数据对所 述终端运行预设程序时进行自动预测、并给出管理建议；

所述数据分析单元还用于记忆用户对所述管理建议的选择、并根据所述用 户的选择分析用户的个人操作偏好；

所述优化单元与所述数据分析单元连接，用于依据所述关系曲线数据、用 户的选择以及个人操作偏好对所述终端运行预设程序时进行自动优化。

在其中一个实施例中，所述人工智能模块还包括：

显示单元，所述显示单元与所述数据分析单元连接，用于显示终端模拟图， 所述终端模拟图中的各个部位根据所述关系曲线数据作相应的颜色变化，以直 观的表示温度上升的范围和程度。

还提供一种终端温度预测及优化方法，所述方法包括：

获取终端的温度数据、特征数据以及对应的获取时间；

对所述温度数据、所述特征数据以及对应的获取时间之间的关系进行分析， 并生成所述温度数据与所述特征数据关于获取时间的关系曲线数据；

根据所述关系曲线数据对所述终端运行预设程序时进行自动预测、并给出 管理建议；

根据用户对所述管理建议的选择分析用户的个人操作偏好；

依据所述关系曲线数据、同时结合用户的选择以及个人操作偏好对所述终 端运行预设程序时进行自动优化。

在其中一个实施例中，所述获取终端的温度数据、特征数据以及对应的获 取时间的步骤之前，还包括：

检测当前终端的运行状态；

若检测到当前终端处于运行状态，则执行所述获取终端的温度数据、特征 数据以及对应的获取时间的步骤。

在其中一个实施例中，还包括：

将对所述温度数据、所述特征数据的分析结果以及用户的选择和个人操作 偏好录入基于大数据的服务器并进行分类存储；

从所述基于大数据的服务器中获取存储的数据信息、并根据所述数据信息 对预设类型的终端运行预设程序时做出自动预测和自动优化。

在其中一个实施例中，所述做出自动预测和自动优化的步骤，包括：

获取终端运行状态下的温度数据、特征数据以及对应的获取时间；

参照所述关系曲线数据、用户的选择以及个人操作偏好在终端运行预设程 序且温度到达预设的第一阈值前发出提示，到达预设的第二阈值时强制关闭非 当前运行的其他程序并发出提示，到达第三阈值时强制关闭当前运行的所有程 序并进行降温处理。

上述终端温度预测及优化系统和方法，通过温度测量模块对温度数据的测 量以及特征数据获取模块对终端特征数据的获取，人工智能模块对温度数据、 特征数据以及对应的获取时间的分析，并生成温度数据与特征数据关于获取时 间的关系曲线数据，并利用关系曲线数据在后续终端运行预设程序的时候进行 自动预测和管理建议，同时根据用户对管理建议的选择、个人操作偏好以及关 系曲线数据在后续终端运行预设程序的时候进行自动优化，可以实现终端温度 的自动预测和自动优化的目的，同时在对终端使用过程中分别设置不同温度阈 值来进行监测并采取相应的措施，可以最大程度的保证用户的体验和终端的寿 命之间的平衡，从而既可以保证了用户的体验感，又可以使终端的使用寿命相应的延长，并且将数据采集、分析和处理分开进行可减轻终端的负担。进一步 地，通过在获取终端的温度数据和特征数据之前先进行运行状态的检测，可以 避免温度测量模块和特征数据获取模块在终端没运行时继续消耗终端的资源， 可以起到相应的保护作用。更进一步地，通过增加基于大数据的服务器，可进 一步减轻终端的负担，并且后续可以为其他使用相同类型终端或运行相同类型 程序时提供参考意见，并可减少终端的内存占有率，从而降低终端软硬件的加 速损耗，提高使用寿命，进一步地，由于采用大数据来进行分析，可以让数据 的分析结果更加准确，同时，可以实现多机型、多用户的温度数据互联互通， 以及实现相同终端、相似用户之间温度数据的共享，增加用户的便宜性。并且， 服务器录入的数据越多越好，这样更会增加预测的准确性，同时采取更加准确 的管理措施来保护终端并且保证用户的体验感。

附图说明

图1为一实施例中的终端温度预测及优化系统的结构示意图；

图2为图1中温度测量模块的组成结构示意图；

图3为图1中人工智能模块的组成结构示意图；

图4为再一实施例中的终端温度预测及优化系统的结构示意图；

图5为又一实施例中的终端温度预测及优化系统的结构示意图；

图6为另一实施例中的终端温度预测及优化系统的结构示意图；

图7为一实施例中的终端温度预测及优化方法流程示意图；

图8为一实施例中的步骤S700的具体步骤流程示意图；

图9为一实施例中的中央处理器温度数据与终端类型、正在运行的程序关 于获取时间的关系曲线数据图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。 附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来 实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是 使对本发明的公开内容理解的更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术 领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术 语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。

人工智能作为新兴的技术受到越来越多的关注，其具有可以像人一样进行 学习、思维、执行的功能。通过人工智能对数据进行分析处理，并进行分类， 然后通过较长时间的数据积累、更新以及学习或者直接调取云端存取的数据来 为用户提供更加舒适的体验感。

请参照图1，为一实施例中的终端温度预测及优化系统的结构示意图，可以 理解，终端可以为智能手机、平板电脑或PC。该终端温度预测及优化系统可以 包括：温度测量模块100，特征数据获取模块200，人工智能模块300。其中， 人工智能模块300分别与温度测量模块100、特征数据获取模块200连接。温度 测量模块100用于获取终端的温度数据以及对应的获取时间。特征数据获取模 块200用于获取终端的特征数据以及对应的获取时间。人工智能模块300用于 对温度数据、特征数据以及对应的获取时间的关系进行分析，生成温度数据与 特征数据关于获取时间的关系曲线数据；人工智能模块300还用于根据关系曲线数据在终端运行预设程序时进行自动预测、并给出管理建议；人工智能模块 300还用于记忆用户对管理建议的选择、并根据用户的选择分析用户的个人操作 偏好；人工智能模块300还用于依据关系曲线数据、用户的选择以及个人操作 偏好在终端运行预设程序时进行自动优化。其中，温度数据可以包括中央处理 器温度、电路板温度以及射频放大器温度；特征数据可以包括终端类型和终端 正在运行的程序类型。对应的获取时间为获取温度数据和特征数据所需的时间， 例如，对于获取中央处理器的温度为40摄氏度所花费的时间，获取终端正在运 行的哪些程序所需的时间。其中，预设程序可以是与温度数据、特征数据获取 时运行的程序相同或者部分相同的程序。这里的管理建议可以包括关掉不用的 程序、清理缓存、停止当前操作以及强制关闭所有运行的程序中的一种以上， 通常可以通过信息提醒的方式将这些建议显示在用户的终端上。人工智能模块 300还可以对用户每一次对管理建议所做的选择以及所进行的一些操作进行记 忆并存储，然后根据用户的选择以及操作来分析用户的个人操作偏好。例如， 用户的终端正在运行王者荣耀，同时后台还运行着QQ音乐、腾讯新闻、爱奇 艺视频等程序，这时人工智能模块300给出关闭QQ音乐、腾讯新闻、爱奇艺 视频等管理建议，然后用户看到建议之后就关闭了腾讯新闻和爱奇艺视频，并 且手动进行了清理缓存处理。这时可以分析得到用户的个人操作偏好就是运行 QQ音乐，关闭其他的程序，以及清理缓存。那么，在后面又检测到用户运行相 同的程序或者有与记录中部分相同的程序时，可以参照用户的选择和个人操作 偏好以及关系曲线数据自动地为用户进行优化处理，这时就可以不用提醒用户， 直接进行优化处理。

具体地，温度测量模块100测量的温度数据可以包括中央处理器温度、电 路板温度以及射频放大器温度，可以理解，为了保证温度数据的准确性，对每 次测量的结果都取平方平均数，并且，对每次温度数据的测量时间间隔相等且 可以自行由用户或者先行设定。例如，对于中央处理器温度来说，设T₁为第一 次测量的温度数据，T₂为第二次测量的温度数据，T₃为第三次测量的温度数据， 时间间隔设为t，则这三次温度数据的平方平均数的计算公式可以为： 则T就可以算作第一个测量的可用的中央处理器温度数据， 同理，电路板温度数据和射频放大器温度数据可以参照这种获取以及计算方式。具体地，可以参照图2，为一个实施例中的温度测量模块的组成结构图，温度测 量模块100可以包括：中央处理器温度测量单元110，电路板温度测量单元120， 射频放大器温度测量单元130。中央处理器温度测量单元110可以用来测量中央 处理器温度，以智能手机中的iphone为例，其内部设置有专门的中央处理器温 度测量电路，电路板温度测量电路以及射频放大器温度测量电路来检测温度， 一般的智能手机也会带有温度测量电路，所以不需要另外增设，其中，比较常 用的测温元件就是热电偶，在测量的时候，应当尽可能的多测量一些值，然后 取平方平均数。

在一个实施例中，特征数据获取模块200获取的特征数据可以包括终端类 型和终端正在运行的程序类型，可以理解，特征数据获取模块200获取的终端 类型可以包括终端的型号、CPU、运行内存、主频、终端的使用年限等信息， 这些数据可以通过获取终端中的关于本机那一项的内容得到。而获取的正在运 行程序类型可以包括程序的基本信息，大小等信息。对于不变的数据可以只获 取一次，例如终端的型号、运行内存等数据。

请参照图3，为一个实施例中的人工智能模块的组成结构图，人工智能模块 300可以包括：数据分析单元310，预测单元320，优化单元330，显示单元340。 数据分析单元310分别与温度测量模块100、特征数据获取模块200连接；预测 单元320与数据分析单元310连接；优化单元340与数据分析单元310连接； 显示单元340与数据分析单元310连接。数据分析单元310用于对温度数据、 特征数据以及对应的获取时间进行分析，并生成温度数据与特征数据关于获取 时间的关系曲线数据。举例来说，前面已经获取了中央处理器的温度数据、终 端的类型以及正在运行的程序类型，可以参照图9，为一实施例中的中央处理器 温度数据与终端类型、正在运行的程序关于获取时间的关系曲线数据图。图中 所显示的为使用安卓系统的华为某手机使用一年时分别运行QQ音乐、王者荣 耀以及同时运行QQ音乐和王者荣耀时利用测量的数据获取关系曲线数据，然 后将关系曲线数据用光滑的曲线连接得到如图9所示，可以看到，在10分钟的 时候，单独运行QQ音乐和王者荣耀比同时运行两种程序时的温度上升得慢， 因为王者荣耀所要求的运行内存、分辨率均比QQ音乐的大，所以温度上升得 快，而同时运行程序时的温度上升又更快，所以可以将这一图形作为参考来为后续的预测提供模型。预测单元320则用于依据关系曲线数据对终端运行预设 程序时进行自动预测、并给出管理建议，在后面又检测到用户运行相同的程序 或者有与记录中部分相同的程序时，就可以进行自动预测，这里的预测可以根 据如图9所示的关系曲线数据来进行，例如，当用户正在运行王者荣耀、QQ音 乐时，可以参照该关系曲线数据，在温度到达某一温度前一段时间提前给用户 预测出来，让用户可以提前获知终端的温度变化情况，这里的管理建议可以包 括关掉不用的程序、清理缓存、停止当前操作以及强制关闭所有运行的程序中 的一种以上，通常可以通过信息提醒的方式将这些建议显示在用户的终端上。 数据分析单元310还用于记忆用户对管理建议的选择、并根据用户的选择分析 用户的个人操作偏好，例如，用户的终端正在运行王者荣耀，同时后台还运行 着QQ音乐、腾讯新闻、爱奇艺视频等程序，这时人工智能模块300给出关闭 QQ音乐、腾讯新闻、爱奇艺视频等管理建议，然后用户看到建议之后就关闭了 腾讯新闻和爱奇艺视频，并且手动进行了清理缓存处理。这时可以分析得到用 户的个人操作偏好就是运行QQ音乐，关闭其他的程序，以及清理缓存。优化 单元330用于依据关系曲线数据、用户的选择以及个人操作偏好对终端运行预设程序时进行自动优化。例如，根据前面数据分析单元310分析的数据，在后 面又检测到用户运行相同的程序或者有与记录中部分相同的程序时，可以参照 用户的选择和个人操作偏好以及关系曲线数据自动地为用户进行优化处理，这 时就可以不用提醒用户，直接进行优化处理。显示单元340用于显示终端模拟 图，其中，终端模拟图中的各个部位根据关系曲线数据作相应的颜色变化，以 直观的表示温度上升的范围和程度，示例性地，以橙色、红色、紫色来对应温 度在三个不同阈值之间的颜色，然后将处于温度阈值的部位按照设置的颜色来 标识，以清楚、直观地表示终端的发热部位，其中，终端模拟图可以在用户需 要查看的时候进行调用，也可以在预警的时候主动的通过屏幕直观的呈现在用 户的面前，以使用户可以更加清楚终端的温度上升情况。

上述实施例，通过温度测量模块对温度数据的测量以及特征数据获取模块 对终端特征数据的获取，通过人工智能模块对温度数据、特征数据以及对应的 获取时间的分析，并生成温度数据与特征数据关于获取时间的关系曲线数据， 并利用关系曲线数据在后续终端运行预设程序的时候进行自动预测和管理建 议，同时根据用户对管理建议的选择、个人操作偏好以及关系曲线数据在后续 终端运行预设程序的时候进行自动优化，可以实现终端温度的自动预测和自动 优化的目的，同时在对终端使用过程中分别设置不同温度阈值来进行监测并采 取相应的措施，可以最大程度的保证用户的体验和终端的寿命之间的平衡，从 而既保证了用户的体验感，又可以使终端的使用寿命相应的延长，并且可减轻终端的负担。

请继续参照图4，为另一个实施例中的终端温度预测及优化系统结构图，一 种终端温度预测及优化系统，可以包括：温度测量模块100，特征数据获取模块 200，人工智能模块300，运行状态检测模块400。其中，温度测量模块100与 人工智能模块300连接，特征数据获取模块200与人工智能模块300连接，运 行状态检测模块400与人工智能模块300连接。

在一个实施例中，对于温度测量模块100，特征数据获取模块200，人工智 能模块300的描述可以参照前面实施例中的描述，在此不再进一步赘述。

在一个实施例中，运行状态检测模块400用于检测终端的运行状态，并将 所述终端的运行状态发送给温度测量模块100和特征数据获取模块200，温度测 量模块100和特征数据获取模块200可以根据终端的运行状态来判断是否进行 温度数据、特征数据的获取。

上述实施例，通过温度测量模块对温度数据的测量以及特征数据获取模块 对终端特征数据的获取，通过人工智能模块对温度数据、特征数据以及对应的 获取时间的分析，并生成温度数据与特征数据关于获取时间的关系曲线数据， 并利用关系曲线数据在后续终端运行预设程序的时候进行自动预测和管理建 议，同时根据用户对管理建议的选择、个人操作偏好以及关系曲线数据在后续 终端运行预设程序的时候进行自动优化，可以实现终端温度的自动预测和自动 优化的目的，同时在对终端使用过程中分别设置不同温度阈值来进行监测并采 取相应的措施，可以最大程度的保证用户的体验和终端的寿命之间的平衡，从 而既可以保证了用户的体验感，又可以使终端的使用寿命相应的延长，并且可减轻终端的负担。进一步地，通过在获取终端的温度数据和特征数据之前先进 行运行状态的检测，可以避免温度测量模块和特征数据获取模块在终端没运行 时继续消耗终端的资源，可以起到相应的保护作用。

请继续参照图5，为又一实施例中的终端温度预测及优化系统结构图，一种 终端温度预测及优化系统，可以包括：温度测量模块100，特征数据获取模块 200，人工智能模块300，基于大数据的服务器500。其中，温度测量模块100 与人工智能模块300连接，特征数据获取模块200与人工智能模块300连接， 基于大数据的服务器500与人工智能模块300采用无线通信方式连接，示例性 地，无线通信方式可以包括但不限于WIFI，GPRS，蓝牙，WLAN。

在一个实施例中，对于温度测量模块100，特征数据获取模块200，人工智 能模块300的描述可以参照前面实施例中的有关描述，在此不再进一步赘述。

在一个实施例中，基于大数据的服务器500用于接收并分析人工智能模块 300中的温度数据和特征数据，输出分析结果和管理建议。具体的分析方法和管 理建议可以参照前面对于人工智能模块300中的有关描述。基于大数据的服务 器500还用于接收人工智能模块300记忆的用户的选择和个人操作偏好；基于 大数据的服务器500还用于结合用户的选择和个人操作偏好对分析结果和管理 建议进行分类存储。基于大数据的服务器500与人工智能模块300之间可以进 行数据的相互传输，交换。也即是说基于大数据的服务器500可以主动录入人 工智能模块300中的数据，也可以是人工智能模块300上传至基于大数据的服 务器500。而关于分类存储，示例性地，可以依据用户的选择和个人操作偏好以 及关系曲线数据来进行分类存储，例如，用户的个人操作偏好为不关闭QQ音 乐，清理缓存，那么就可以按照中央处理器温度，华为荣耀畅玩7S，王者荣耀， 获取时间为一组进行存储，也可以按照电路板温度，华为荣耀畅玩7S，王者荣 耀，获取时间为一组进行存储。

上述实施例，通过温度测量模块对温度数据的测量以及特征数据获取模块 对终端特征数据的获取，通过人工智能模块对温度数据、特征数据以及对应的 获取时间的分析，并生成温度数据与特征数据关于获取时间的关系曲线数据， 并利用关系曲线数据在后续终端运行预设程序的时候进行自动预测和管理建 议，同时根据用户对管理建议的选择、个人操作偏好以及关系曲线数据在后续 终端运行预设程序的时候进行自动优化，可以实现终端温度的自动预测和自动 优化的目的，同时在对终端使用过程中分别设置不同温度阈值来进行监测并采 取相应的措施，可以最大程度的保证用户的体验和终端的寿命之间的平衡，从 而既可以保证了用户的体验感，又可以使终端的使用寿命相应的延长，并且可减轻终端的负担。进一步地，通过增加基于大数据的服务器，可进一步减轻终 端的负担，并且后续可以为其他使用相同类型终端或运行相同类型程序时提供 参考意见，并可减少终端的内存占有率，从而降低终端软硬件的加速损耗，提 高使用寿命，进一步地，由于采用大数据来进行分析，可以让数据的分析结果 更加准确，同时，可以实现多机型、多用户的温度数据互联互通，以及实现相 同终端、相似用户之间温度数据的共享，增加用户的便宜性。并且，服务器录 入的数据越多越好，这样更会增加预测的准确性，同时采取更加准确的管理措 施来保护终端并且保证用户的体验感。

请继续参照图6，为另一实施例中的终端温度预测及优化系统结构图，一种 终端温度预测及优化系统，可以包括：温度测量模块100，特征数据获取模块 200，人工智能模块300，运行状态检测模块400，基于大数据的服务器500。其 中，温度测量模块100与人工智能模块300连接，特征数据获取模块200与人 工智能模块300连接，运行状态检测模块400与人工智能模块300连接，基于 大数据的服务器500与人工智能模块300采用无线通信方式连接，示例性地， 无线通信方式可以包括但不限于WIFI，GPRS，蓝牙，WLAN。为了保证数据的传输过程中尽可能的完整和快速，所以在实际选取的时候，通常选用WIFI或 WLAN作为无线通信方式。

在一个实施例中，对于温度测量模块100，特征数据获取模块200，人工智 能模块300，运行状态检测模块400，基于大数据的服务器500的连接关系，数 据的存储分类关系以及数据的获取方式可以参照前面实施例中的有关描述，在 此不再进一步赘述。

上述实施例，通过温度测量模块对温度数据的测量以及特征数据获取模块 对终端特征数据的获取，通过人工智能模块对温度数据、特征数据以及对应的 获取时间的分析，并生成温度数据与特征数据关于获取时间的关系曲线数据， 并利用关系曲线数据在后续终端运行预设程序的时候进行自动预测和管理建 议，同时根据用户对管理建议的选择、个人操作偏好以及关系曲线数据在后续 终端运行预设程序的时候进行自动优化，可以实现终端温度的自动预测和自动 优化的目的，同时在对终端使用过程中分别设置不同温度阈值来进行监测并采 取相应的措施，可以最大程度的保证用户的体验和终端的寿命之间的平衡，从 而既可以保证了用户的体验感，又可以使终端的使用寿命相应的延长，并且可减轻终端的负担。进一步地，通过在获取终端的温度数据和特征数据之前先进 行运行状态的检测，可以避免温度测量模块和特征数据获取模块在终端没运行 时继续消耗终端的资源，可以起到相应的保护作用。更进一步地，通过增加基 于大数据的服务器，可进一步减轻终端的负担，并且后续可以为其他使用相同 类型终端或运行相同类型程序时提供参考意见，并可减少终端的内存占有率， 从而降低终端软硬件的加速损耗，提高使用寿命，进一步地，由于采用大数据 来进行分析，可以让数据的分析结果更加准确，同时，可以实现多机型、多用 户的温度数据互联互通，以及实现相同终端、相似用户之间温度数据的共享， 增加用户的便宜性。并且，服务器录入的数据越多越好，这样更会增加预测的 准确性，同时采取更加准确的管理措施来保护终端并且保证用户的体验感。

请继续参照图7，为一实施例中的终端温度预测及优化方法流程图，一种终 端温度预测及优化方法，可以包括步骤S100～S500。

步骤S100：获取终端的温度数据、特征数据以及对应的获取时间。

具体地，在一个实施例中，获取终端的温度数据、特征数据以及对应的获 取时间。其中，温度数据可以包括中央处理器温度、电路板温度及射频放大器 温度，特征数据可以包括终端类型和终端正在运行的程序类型。其中，获取的 终端类型可以包括终端的型号、CPU、运行内存、主频、终端的使用年限等信 息；而获取的正在运行程序类型可以包括程序的基本信息，大小等信息。对应 的获取时间为获取温度数据和特征数据所需的时间，例如，对于获取中央处理 器的温度为40摄氏度所花费的时间，获取终端正在运行的哪些程序所需的时间。

在步骤S100之前，还可以包括步骤：

步骤S110：检测当前终端的运行状态。

通常来讲，判断终端的运行状态，可以设置相应传感器来进行，例如按键 传感器，触摸传感器等，如果检测到有按键或触摸动作，那么就说明终端启动。

步骤S120：若检测到当前终端处于正在运行程序的状态，则执行所述获取 终端的温度数据、特征数据以及对应的获取时间的步骤。

具体地，若检测到当前终端处于运行状态，则将所述状态发送给温度测量 模块和特征数据获取模块，由温度测量模块和特征数据获取模块获取温度数据、 特征数据以及对应的获取时间。若未检测到有相应的按键或触摸操作，则说明 终端处于待机或者熄屏的状态，那么可以继续检测。

步骤S200：对所述温度数据、所述特征数据以及对应的获取时间之间的关 系进行分析，并生成所述温度数据与所述特征数据关于获取时间的关系曲线数 据。

具体地，在一个实施例中，可参照图9，为一实施例中的中央处理器温度数 据与终端类型、正在运行的程序关于获取时间的关系曲线数据图。图中所显示 的为使用安卓系统的华为某手机使用一年时分别运行QQ音乐、王者荣耀以及 同时运行QQ音乐和王者荣耀时利用测量的数据获取关系曲线数据，然后将关 系曲线数据用光滑的曲线连接得到如图9所示，可以看到，在10分钟的时候， 单独运行QQ音乐和王者荣耀比同时运行两种程序时的温度上升得慢，因为王 者荣耀所要求的运行内存、分辨率均比QQ音乐的大，所以温度上升得快，而 同时运行程序时的温度上升又更快，所以可以将这一图形作为参考来为后续的 预测提供模型。

步骤S300：根据所述关系曲线数据对所述终端运行预设程序时进行自动预 测、并给出管理建议。

具体地，在一个实施例中，根据关系曲线数据对终端运行预设程序时进行 自动预测、并给出管理建议。在后面又检测到用户运行相同的程序或者有与记 录中部分相同的程序时，就可以进行自动预测，这里的预测可以根据如图9所 示的关系曲线数据来进行，例如，当用户正在运行王者荣耀、QQ音乐时，可以 参照该关系曲线数据，在温度到达某一温度前一段时间提前给用户预测出来， 让用户可以提前获知终端的温度变化情况，这里的管理建议可以包括关掉不用 的程序、清理缓存、停止当前操作以及强制关闭所有运行的程序中的一种以上， 通常可以通过信息提醒的方式将这些建议显示在用户的终端上。

步骤S400，根据所述用户对所述管理建议的选择分析用户的个人操作偏好。

具体的，通过对用户每一次对管理建议所做的选择以及自己所进行的一些 操作进行记忆并存储，然后根据用户的选择以及自己的操作来分析用户的个人 操作偏好。例如，用户的终端正在运行王者荣耀，同时后台还运行着QQ音乐、 腾讯新闻、爱奇艺视频等程序，这时人工智能模块300给出关闭QQ音乐、腾 讯新闻、爱奇艺视频等管理建议，然后用户看到建议之后就关闭了腾讯新闻和 爱奇艺视频，并且手动进行了清理缓存处理。这时可以分析得到用户的个人操 作偏好就是运行QQ音乐，关闭其他的程序，以及清理缓存。

步骤S500，依据所述关系曲线数据、用户的选择以及个人操作偏好对所述 终端运行预设程序时进行自动优化。

具体地，依据关系曲线数据、用户的选择以及个人操作偏好对终端运行预 设程序时进行自动优化。例如，根据前面分析的数据，在后面又检测到用户运 行相同的程序或者有与记录中部分相同的程序时，可以参照用户的选择和个人 操作偏好以及关系曲线数据自动地为用户进行优化处理，这时就可以不用提醒 用户，直接进行优化处理。

上述实施例，通过对终端温度数据、特征数据的获取，然后对温度数据、 特征数据以及对应的获取时间进行分析，并生成温度数据与特征数据关于获取 时间的关系曲线数据，并利用关系曲线数据、用户选择以及个人操作偏好等在 后续终端运行相同或部分相同程序的时候做出预测、管理、自动优化，可以实 现预测温度并进行管理的目的，从而既可以保证了用户的体验感，又可以使终 端的使用寿命相应的延长，并且可减轻终端的负担。进一步地，通过在获取终 端的温度数据和特征数据之前先进行运行状态的检测，可以避免在终端没运行 时相关装置继续消耗终端的资源，可以起到相应的保护作用。

在一个实施例中，终端温度预测及优化方法还可以包括步骤S600～S700。

步骤S600：将对所述温度数据、所述特征数据的分析结果以及用户的选择 和个人操作偏好录入基于大数据的服务器并进行分类存储。

具体地，在一个实施例中，这里的录入可以是基于大数据的服务器与人工 智能模块3之间进行数据的相互传输，交换。也即是说基于大数据的服务器可 以主动录入人工智能模块中的数据，也可以是人工智能模块主动将数据上传至 基于大数据的服务器。而关于分类存储，示例性地，可以依据用户的选择和个 人操作偏好以及关系曲线数据来进行分类存储，例如，用户的个人操作偏好为 不关闭QQ音乐，清理缓存，那么就可以按照中央处理器温度，华为荣耀畅玩 7S，王者荣耀，获取时间为一组进行存储，也可以按照电路板温度，华为荣耀 畅玩7S，王者荣耀，获取时间为一组进行存储。

步骤S700，从所述基于大数据的服务器中获取存储的数据信息、并根据所 述数据信息对预设类型的终端运行预设程序时做出自动预测和自动优化。

具体地，在一个实施例中，在下次需要使用数据的时候，人工智能模块可 以直接调用基于大数据的服务器中的数据，先给用户相应的预测，然后再检测 终端的运行状态，然后根据实时获取的温度数据、特征数据参照关系曲线数据 给用户做出更实际、更准确的预测和优化。

本步骤还可以包括步骤S710～S720，请参阅图9。

步骤S710：获取终端运行状态下的温度数据、特征数据以及对应的获取时 间。

具体地，获取终端运行状态下的温度数据、特征数据以及对应的获取时间。 其中，温度数据可以包括中央处理器温度、电路板温度及射频放大器温度，特 征数据可以包括终端类型和终端正在运行的程序类型。其中，获取的终端类型 可以包括终端的型号、CPU、运行内存、主频、终端的使用年限等信息；而获 取的正在运行程序类型可以包括程序的基本信息，大小等信息。

步骤S720：参照所述关系曲线数据、用户的选择以及个人操作偏好在终端 运行预设程序且温度到达预设的第一阈值前发出提示，到达预设的第二阈值时 强制关闭非当前运行的其他程序并发出提示，到达第三阈值时强制关闭当前运 行的所有程序并进行降温处理。

具体地，参照关系曲线数据、用户的选择以及个人的操作偏好在终端运行 预设程序且温度到达预设的第一阈值前发出提示，到达预设的第二阈值时强制 关闭非当前运行的其他程序并发出提示，到达第三阈值时强制关闭当前运行的 所有程序并进行降温处理。预设程序可以是与温度数据、特征数据获取时运行 的程序相同或者部分相同的程序。示例性地，第一阈值可以为33℃～44℃，第二 阈值可以为45℃～60℃；第三阈值可以为61℃～71℃。示例性地，当检测到终端 运行王者荣耀的时候，可以参照关系曲线数据在终端温度达到33℃～44℃前发出 提示，其中，提示可以是语音、信息、间隔闪烁提示灯或者间隔闪烁屏幕等。 在终端温度达到45℃～60℃时，在发出提示的同时，将终端后台正在运行的其他程序强制关闭，但是保留正在运行的王者荣耀。在终端温度达到61℃～71℃的时 候，可以采取强制关闭当前运行的所有程序然后再进行相应的降温处理，降温 处理可以是散热、通风等方式。

上述实施例，通过对终端温度数据、特征数据的获取，然后对温度数据、 特征数据以及对应的获取时间进行分析，并生成温度数据与特征数据关于获取 时间的关系曲线数据，并利用关系曲线数据、用户选择以及个人操作偏好等在 后续终端运行相同或部分相同程序的时候做出预测、管理、自动优化，可以实 现预测温度并进行管理的目的，从而既可以保证了用户的体验感，又可以使终 端的使用寿命相应的延长，并且可减轻终端的负担。进一步地，通过在获取终 端的温度数据和特征数据之前先进行运行状态的检测，可以避免在终端没运行 时相关装置继续消耗终端的资源，可以起到相应的保护作用。更进一步地通过将数据上传至基于大数据的服务器进行存储分类的方式，可以减轻终端的存储 负担，并且不用占用终端的内存，同时，可以实现多机型、多用户的温度数据 互联互通，以及实现相同终端、相似用户之间温度数据的共享，增加用户的便 宜性。并且，服务器录入的数据越多越好，这样更会增加预测的准确性，同时 采取更加准确的管理措施来保护终端并且保证用户的体验感。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对 上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技 术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域 的普通技术人员来说，在不脱离本发明构思的前提下，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。因此，本发明专利的保护范围应以所附 权利要求为准。

Claims (10)

1.一种终端温度预测及优化系统，其特征在于，包括温度测量模块、特征数据获取模块、人工智能模块，所述人工智能模块分别与所述温度测量模块、特征数据获取模块连接；

所述温度测量模块用于获取所述终端的温度数据以及对应的获取时间；

所述温度数据包括中央处理器温度、电路板温度及射频放大器温度；

所述特征数据获取模块用于获取所述终端的特征数据以及对应的获取时间；

所述特征数据包括所述终端的类型和所述终端正在运行的程序类型；

所述人工智能模块用于对所述温度数据、所述特征数据以及对应的获取时间之间的关系进行分析，生成所述温度数据与所述特征数据关于获取时间的关系曲线数据；

所述人工智能模块还用于根据所述关系曲线数据对所述终端运行预设程序时进行自动预测、并给出管理建议；

所述人工智能模块还用于记忆用户对所述管理建议的选择、并根据所述用户的选择分析用户的个人操作偏好；

所述人工智能模块还用于依据所述关系曲线数据、用户的选择以及个人操作偏好对所述终端运行预设程序时进行自动优化。

2.根据权利要求1所述的终端温度预测及优化系统，其特征在于，还包括：基于大数据的服务器，所述基于大数据的服务器与所述人工智能模块采用无线通信方式连接，所述基于大数据的服务器用于接收并分析所述人工智能模块中的所述温度数据和所述特征数据，输出分析结果和管理建议；

所述基于大数据的服务器还用于接收所述人工智能模块记忆的用户的选择和个人操作偏好；

所述基于大数据的服务器还用于结合用户的选择和个人操作偏好对所述分析结果和管理建议进行分类存储。

3.根据权利要求1所述的终端温度预测及优化系统，其特征在于，还包括：运行状态检测模块，所述运行状态检测模块分别与所述温度测量模块、所述特征数据获取模块连接，所述运行状态检测模块用于检测终端的运行状态，并将所述终端的运行状态发送给所述温度测量模块和所述特征数据获取模块，所述温度测量模块根据所述运行状态判断是否进行所述温度数据的获取，所述特征数据获取模块根据所述运行状态判断是否进行所述特征数据的获取。

4.根据权利要求1所述的终端温度预测及优化系统，其特征在于，所述温度测量模块包括：

中央处理器温度测量单元，用于测量中央处理器的温度；

电路板温度测量单元，用于测量电路板的温度；

射频放大器温度测量单元，用于测量射频放大器电路的温度。

5.根据权利要求1所述的终端温度预测及优化系统，其特征在于，所述人工智能模块包括数据分析单元、预测单元以及优化单元；

所述数据分析单元分别与所述温度测量模块、所述特征数据获取模块连接，用于对所述温度数据、所述特征数据以及对应的获取时间进行分析，并生成所述温度数据与所述特征数据关于获取时间的关系曲线数据；

所述预测单元与所述数据分析单元连接，用于依据所述关系曲线数据对所述终端运行预设程序时进行自动预测、并给出管理建议；

所述数据分析单元还用于记忆用户对所述管理建议的选择、并根据所述用户的选择分析用户的个人操作偏好；

所述优化单元与所述数据分析单元连接，用于依据所述关系曲线数据、用户的选择以及个人操作偏好对所述终端运行预设程序时进行自动优化。

6.根据权利要求5所述的终端温度预测及优化系统，其特征在于，所述人工智能模块还包括：

显示单元，所述显示单元与所述数据分析单元连接，用于显示终端模拟图，所述终端模拟图中的各个部位根据所述关系曲线数据作相应的颜色变化，以直观的表示温度上升的范围和程度。

7.一种终端温度预测及优化方法，其特征在于，所述方法包括：

获取终端的温度数据、特征数据以及对应的获取时间；

对所述温度数据、所述特征数据以及对应的获取时间之间的关系进行分析，并生成所述温度数据与所述特征数据关于获取时间的关系曲线数据；

根据所述关系曲线数据对所述终端运行预设程序时进行自动预测、并给出管理建议；

根据用户对所述管理建议的选择分析用户的个人操作偏好；

依据所述关系曲线数据、用户的选择以及个人操作偏好对所述终端运行预设程序时进行自动优化。

8.根据权利要求7所述的终端温度预测及优化方法，其特征在于，所述获取终端的温度数据、特征数据以及对应的获取时间的步骤之前，还包括：

检测当前终端的运行状态；

若检测到当前终端处于运行状态，则执行所述获取终端的温度数据、特征数据以及对应的获取时间的步骤。

9.根据权利要求7所述的终端温度预测及优化方法，其特征在于，还包括：

将对所述温度数据、所述特征数据的分析结果以及用户的选择和个人操作偏好录入基于大数据的服务器并进行分类存储；

从所述基于大数据的服务器中获取存储的数据信息、并根据所述数据信息对预设类型的终端运行预设程序时做出自动预测和自动优化。

10.根据权利要求9所述的终端温度预测及优化方法，其特征在于，所述做出自动预测和自动优化的步骤，包括：

获取终端运行状态下的温度数据、特征数据以及对应的获取时间；

参照所述关系曲线数据、用户的选择以及个人操作偏好在终端运行预设程序且温度到达预设的第一阈值前发出提示，到达预设的第二阈值时强制关闭非当前运行的其他程序并发出提示，到达第三阈值时强制关闭当前运行的所有程序并进行降温处理。