CN113759758B - 一种基于物联网的智能控制系统 - Google Patents

Abstract

本发明提供一种基于物联网的智能控制系统，包括：物联网模块：用于通过预设的控制终端，采集预设连接区间内的物联设备的连接信息，对所述连接信息进行权限验证，确定连接结果；其中，所述连接结果包括连接成功结果和连接失败结果；采集模块：用于当所述连接结果为连接成功结果，追溯并采集物联设备的设备数据和权限允许的用户数据；评估模块：用于通过所述设备数据和用户数据，对物联设备进行评估，生成评估结果，并将评估结果反馈至优化模块；优化模块：用于接收评估结果，并基于预设的自适应系统，生成对应的优化规则，并将所述优化规则拟合至控制模块；控制模块：用于控制物联网模块、采集模块、评估模块和优化模块。

Description

一种基于物联网的智能控制系统

技术领域

目前本发明涉及物联网、智能控制技术领域，特别涉及一种基于物联网的智能控制系统。

背景技术

目前，随着物联网的发展，越来越多的智能物品可以通过联网或者蓝牙等通讯方式进行智能控制，但控制系统往往鲁棒性不强，容易崩溃，并在同时控制连接多物品时，不仅无法进行同进程控制多样智能设备，容易造成断连、需要重复连接，而且反应时间长，容易卡死崩坏，无法自行进行检测和测控，无法自行进行优化，自适应能力偏弱。

发明内容

本发明提供一种基于物联网的智能控制系统，以解决上述背景技术出现的问题。

本发明提供一种基于物联网的智能控制系统，包括：

物联网模块：用于通过预设的控制终端，采集预设连接区间内的物联设备的连接信息，对所述连接信息进行权限验证，确定连接结果；其中，

所述连接结果包括连接成功结果和连接失败结果；

采集模块：用于当所述连接结果为连接成功结果，追溯并采集物联设备的设备数据和权限允许的用户数据；

评估模块：用于通过所述设备数据和用户数据，对物联设备进行评估，生成评估结果，并将评估结果反馈至优化模块；

优化模块：用于接收评估结果，并基于预设的自适应系统，生成对应的优化规则，并将所述优化规则拟合至控制模块；

控制模块：用于控制物联网模块、采集模块、评估模块和优化模块。

作为本技术方案的一种实施例，所述物联网模块，包括：

请求单元：用于通过预设连接区间内的物联设备，向控制终端发送请求响应，确定响应结果；其中，

所述连接区间至少包括信号频段连接区间，位置连接区间及时间连接区间的一种或多种；

所述响应结果包括响应成功结果和响应失败结果；

响应成功结果单元：用于当所述响应结果为响应成功结果时，基于预设的控制终端，接收所述响应成功结果，并根据所述响应成功结果，对物联设备的连接信息进行采集和权限验证，确定连接结果。

响应失败结果单元：用于当所述响应结果为响应失败结果时，采集响应失败物联设备的设备信息，并将所述响应失败物联设备的设备信息传输至控制终端进行统计和记录。

作为本技术方案的一种实施例，所述设备信息至少包括物联设备的设备种类、设备连接地点和设备连接时间。

作为本技术方案的一种实施例，所述采集模块，包括：

权限口令单元：用于通过所述连接成功结果，确定对应的连接指令，并根据所述连接指令，生成对应的权限口令；其中，

所述权限口令包括用户权限口令和设备权限口令；

用户单元：用于通过所述用户权限口令，获取权限允许的用户数据；

物联设备单元：用于通过所述设备权限口令，获取物联设备的设备数据。

作为本技术方案的一种实施例，所述评估模块，包括：

第一对象行为数据单元：用于获取用户数据，并将所述用户数据传输至预设的大数据中心进行行为特征提取，生成第一对象行为数据；

第二对象行为数据单元：用于获取设备数据，并将所述设备数据传输至预设的大数据中心进行行为特征提取，生成第二对象行为数据；

轨迹计算单元：用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹；

评估单元：用于基于预设评估规则，对第一对象轨迹和第二对象轨迹进行评估，并生成评估结果；

反馈单元：用于将所述评估结果反馈至优化模块。

作为本技术方案的一种实施例，所述评估单元，包括：

轨迹重复率子单元：用于基于预设的大数据中心，对第一对象轨迹和第二对象轨迹的重复度进行计算，确定轨迹重复率；

智能排序子单元：用于针对所述轨迹重复率，对所述物联设备进行智能排序，生成排序结果；

筛选子单元：用于对所述排序结果进行划分，筛选预设的优选阈值范围内的物联设备，确定筛选设备；其中，

所述优选阈值范围内用于对预设连接时限范围内的有过连接记录的物联设备进行筛选；

隐藏子单元：用于将预设的优选阈值范围外的物联设备的信息进行折叠并隐藏；

评价子单元：用于基于预设体验评价规则，采集用户对筛选设备的历史体验评价，确定评价结果。

作为本技术方案的一种实施例，所述轨迹计算单元用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹，包括以下步骤：

步骤A1：基于预设的人工神经网络系统，对第一对象行为数据的行为轨迹进行采集，并构建第一行为模型；

步骤A2：对第二对象行为数据的特征进行分析和训练，确定训练数据；

步骤A3：将所述训练数据输入第一行为模型，计算第一对象行为数据和第二对象行为数据的关联度；

步骤A4：通过所述关联度，对预设关联度阈值内的第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹。

作为本技术方案的一种实施例，所述步骤A3，还包括：

步骤A301：将所述训练数据输入第一行为模型，构建第二行为模型；

X′(k+1)＝P(S(X))X(k)+Q(S)δ(X)

其中，X′代表第二行为模型，X代表第一行为模型，δ(X)代表第一行为模型中的行为数据的离散度，k代表行为的采样时间，X(k)代表采样时间为k的第一行为模型，X′(k+1)代表采样时间为k+1的第二行为模型，S代表训练数据，S(X)代表第一行为模型的训练数据，P(S(X))X(k)代表关于第一行为模型训练数据的优化函数，Q(S)代表关于训练数据的凝聚度，

步骤A302：通过所述第二行为模型，采集用户和物联设备之间的关联数据；其中，

所述关联数据包括用户对物联设备的兴趣度、物联设备的连接成本和物联设备的连接率；

其中，W代表用户对物联设备的兴趣度，a代表用户，b代表物联设备，a_i代表第i个用户，i＝1,2…m，m代表用户的总个数，b_j代表物联设备的编号，j＝1,2…n，n代表物联设备编号的总个数，L(a_i,b_j)代表第i个用户对物联设备编号b_j的匹配率，P(a_i,b_j)代表第i个用户对物联设备编号b_j的连接率，T代表物联设备和用户连接总成本，μ代表连接风险率，M代表连接次数，G代表连接次数为M的连接成本；

为步骤A303：通过所述关联数据，计算并统计所述用户和物联设备的关联度。

作为本技术方案的一种实施例，所述优化模块，包括：

排序结果单元：用于获取物联设备的评估结果，对所述评估结果进行智能排序，生成排序结果；

自适应单元：用于基于预设的自适应系统，获取并分析所述排序结果，生成对应的自适应机制；

优化规则单元：用于通过自适应机制，抽取优化规则，并将所述优化规则反馈至控制模块。

作为本技术方案的一种实施例，所述控制模块，包括：

仿真模拟单元：用于接收所述优化规则，提取优化数据，并将所述优化数据传输至于预设仿真设备进行模拟推演，并确定仿真结果，并判断仿真结果的优化率；

更新单元：用于当所述优化率大于等于预设的优化率阈值时，将优化规则输入控制单元；

控制单元：用于接收优化规则并进行更新，同时将小于预设的优化率阈值的优化规则进行淘汰。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：

图1为本发明实施例中一种基于物联网的智能控制系统的系统模块流程图；

图2为本发明实施例中一种基于物联网的智能控制系统的系统模块流程图；

图3为本发明实施例中一种基于物联网的智能控制系统的系统模块流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。

需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，“多个”的含义是两个或两个以上，除非另有明确具体的限定。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

实施例1：

根据图1所示，本发明实施例提供了一种基于物联网的智能控制系统，其特征在于，包括：

物联网模块：用于通过预设的控制终端，采集预设连接区间内的物联设备的连接信息，对所述连接信息进行权限验证，确定连接结果；其中，

所述连接结果包括连接成功结果和连接失败结果；

采集模块：用于当所述连接结果为连接成功结果，追溯并采集物联设备的设备数据和权限允许的用户数据；

评估模块：用于通过所述设备数据和用户数据，对物联设备进行评估，生成评估结果，并将评估结果反馈至优化模块；

优化模块：用于接收评估结果，并基于预设的自适应系统，生成对应的优化规则，并将所述优化规则拟合至控制模块；

控制模块：用于控制物联网模块、采集模块、评估模块和优化模块。

上述技术方案的工作原理为：

本发明实施例提供了一种基于物联网的智能控制系统，包括物联网模块、采集模块、评估模块、优化模块和控制模块，物联网模块用于通过预设的控制终端，如客户的手持控制端、小区内的控制终端或者公司内的控制服务器等控制设备，采集预设连接区间内的物联设备的连接信息，连接区间可以基于用户需求，对连接的信号频段、时空三维区间中对物联设备的连接进行限制，对连接信息进行权限验证，确定连接结果，通过一定范围的权限设置，并当权限验证通过，才可以进行连接，既为控制终端搭建初始防火墙，同时保障用户数据不被滥用读取，对物联设备进行保密保护，连接结果包括连接成功结果和连接失败结果；采集模块用于通过连接成功结果，追溯物联设备的设备数据，当权限读取成功，读取物联设备的设备信息并在权限范围内进行设备数据读取，为设备的评估提供原始数据，基于预设的人工神经网络系统，训练预设的用户数据和设备数据，确定训练学习数据，优化模块用于接收评估结果，并基于预设的自适应系统，生成对应的优化规则，并将所述优化规则拟合至控制模块，对控制系统进行自适应的优化，增强系统的鲁棒性和灵活性，控制模块用于控制物联网模块、采集模块、评估模块和优化模块，提供了一种灵活、高效的控制方式。

实施例2：

本技术方案提供了一种实施例，所述物联网模块，包括：

请求单元：用于通过预设连接区间内的物联设备，向控制终端发送请求响应，确定响应结果；其中，

所述连接区间至少包括信号频段连接区间，位置连接区间及时间连接区间的一种或多种；

所述响应结果包括响应成功结果和响应失败结果；

响应成功结果单元：用于当所述响应结果为响应成功结果时，基于预设的控制终端，接收所述响应成功结果，并根据所述响应成功结果，对物联设备的连接信息进行采集和权限验证，确定连接结果。

响应失败结果单元：用于当所述响应结果为响应失败结果时，采集响应失败物联设备的设备信息，并将所述响应失败物联设备的设备信息传输至控制终端进行统计和记录；其中，

所述设备信息至少包括物联设备的设备种类、设备连接地点和设备连接时间。

上述技术方案的工作原理和有益效果在于：

本技术方案的物联网模块包括请求单元、响应成功结果单元、响应失败结果单元；请求单元用于通过预设连接区间内的物联设备，向控制终端发送请求响应，确定响应结果，在连接前，物联设备和控制终端之间会发送连接请求，对方可以拒绝，或者在网络不顺畅时，物联设备和控制终端之间没有连接上，会保留响应失败的信息，其中，连接区间至少包括信号频段连接区间，位置连接区间及时间连接区间的一种或多种，可以通过用户的需求，自行进行设置，响应结果包括响应成功结果和响应失败结果；响应成功结果单元用于当所述响应结果为响应成功结果时，进行连接，通过控制终端，接收响应成功结果，并根据响应成功结果，对物联设备的连接信息进行采集和权限验证，确定连接结果，通过权限验证，不仅提高了物联设备的安全性和保密性，并且通过权限范围，保证用户及设备数据不被滥用；响应失败结果单元用于当响应结果为响应失败结果时，采集响应失败物联设备的设备信息，通过智能化的连接，减少了用户的时间成本，便捷了智能化生活，通过控制终端控制设备的灵活性，提高用户的生活质量，增加了用户对设备使用的满意度。

实施例3：

本技术方案提供了一种实施例，所述设备信息至少包括物联设备的设备种类、设备连接地点和设备连接时间。

上述技术方案的工作原理和有益效果在于：

本技术方案的设备信息至少包括物联设备的设备种类、设备连接地点和设备连接时间，将响应失败物联设备的设备信息传输至控制终端进行统计和记录，从而便于工作人员或者用户因为设备损坏或者连接失效后续追溯、查找连接信息。

实施例4：

本技术方案提供了一种实施例，所述采集模块，包括：

权限口令单元：用于通过所述连接成功结果，确定对应的连接指令，并根据所述连接指令，生成对应的权限口令；其中，

所述权限口令包括用户权限口令和设备权限口令；

用户单元：用于通过所述用户权限口令，获取权限允许的用户数据；

物联设备单元：用于通过所述设备权限口令，获取物联设备的设备数据。

上述技术方案的工作原理和有益效果在于：

本技术方案的采集模块，包括权限口令单元、用户单元、物联设备单元和人工神经网络系统单元，权限口令单元用于通过连接成功结果，读取权限数据，并根据权限数据，生成权限口令，从而对用户权限和设备权限进行保护，其中，权限口令包括用户权限口令和设备权限口令；用户单元用于通过用户权限口令，获取用户数据，提高数据传输的保密性，并将用户数据传输至预设的大数据中心进行行为特征提取，对用户在物联设备上进行的操作进行挖掘，生成第一对象行为数据；物联设备单元用于通过设备权限口令，获取物联设备的历史连接数据，并将历史连接数据传输至预设的大数据中心进行行为特征提取，对用户在物联设备上的留下的信息进行挖掘，生成第二对象行为数据；人工神经网络系统单元用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行拟合并训练，生成行为学习数据，对两种数据进行训练，为查询两个对象的行为轨迹提供原始数据。

实施例5：

根据图2所示，本技术方案提供了一种实施例，所述评估模块，包括：

第一对象行为数据单元：用于获取用户数据，并将所述用户数据传输至预设的大数据中心进行行为特征提取，生成第一对象行为数据；

第二对象行为数据单元：用于获取设备数据，并将所述设备数据传输至预设的大数据中心进行行为特征提取，生成第二对象行为数据；

轨迹计算单元：用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹；

评估单元：用于基于预设评估规则，对第一对象轨迹和第二对象轨迹进行评估，并生成评估结果；

反馈单元：用于将所述评估结果反馈至优化模块。

上述技术方案的工作原理和有益效果在于：

本技术方案的评估模块包括第一对象行为数据单元、第二对象行为数据单元、轨迹计算单元、评估单元和反馈单元：第一对象行为数据单元用于获取用户数据，并将用户数据传输至预设的大数据中心进行行为特征提取，生成第一对象行为数据，对用户的行为数据进行挖掘，第二对象行为数据单元用于获取设备数据，并将设备数据传输至预设的大数据中心进行行为特征提取，生成第二对象行为数据，对设备的行为数据进行挖掘，轨迹计算单元用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹，为两者之间的轨迹联系提供原始材料，增强用户的体验感，评估单元用于基于预设评估规则，对第一对象轨迹和第二对象轨迹进行评估，并生成评估结果，反馈单元用于将评估结果反馈至优化模块，以便于为了提高系统的灵敏度、健壮性和用户的满意度，进行自适应的优化。

实施例6：

根据图3所示，本技术方案提供了一种实施例，所述评估单元，包括：

轨迹重复率子单元：用于基于预设的大数据中心，对第一对象轨迹和第二对象轨迹的重复度进行计算，确定轨迹重复率；

智能排序子单元：用于针对所述轨迹重复率，对所述物联设备进行智能排序，生成排序结果；

筛选子单元：用于对所述排序结果进行划分，筛选预设的优选阈值范围内的物联设备，确定筛选设备；其中，

所述优选阈值范围内用于对预设连接时限范围内的有过连接记录的物联设备进行筛选；

隐藏子单元：用于将预设的优选阈值范围外的物联设备的信息进行折叠并隐藏；

评价子单元：用于基于预设的体验评价规则，采集用户对筛选设备的历史体验评价，确定评价结果。

上述技术方案的工作原理和有益效果在于：

本技术方案的评估单元包括轨迹重复率子单元、智能排序子单元、筛选子单元、隐藏子单元和评价子单元：轨迹重复率子单元用于基于预设的大数据中心，对第一对象轨迹和第二对象轨迹的重复度进行计算，确定轨迹重复率，为计算两者的联系度提供原始数据；智能排序子单元用于针对轨迹重复率，对物联设备进行智能排序，生成排序结果，如三年未连接的台灯可能已经被替换，又或者某些设备只在及上述时间使用，如果每次都进行计算，浪费时间成本；筛选子单元用于对排序结果进行划分，筛选预设的优选阈值范围内的物联设备，确定筛选设备，通过筛选提高了计算速度，加快了运行效率，优选阈值范围内用于对预设连接时限范围内的有过连接记录的物联设备进行筛选，对频繁使用的物联设备，如社区处路边的路灯、小区内的暖气设备，又或者是家庭中的智能洗衣机或者智能窗帘，隐藏子单元用于将预设的优选阈值范围外的物联设备的信息进行折叠并隐藏，减少了占用的空白面积，提高用户的使用感，评价子单元：用于基于预设评估规则，采集用户对筛选设备的历史体验评价，确定评价结果，从而通过评价数据，可以供计算机直观的统计并记录用户数据，以便于加深用户生活的便捷和满意度。

实施例7：

本技术方案提供了一种实施例，所述轨迹计算单元用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹，包括以下步骤：

步骤A1：基于预设的人工神经网络系统，对第一对象行为数据的行为轨迹进行采集，并构建第一行为模型；

步骤A2：对第二对象行为数据的特征进行分析和训练，确定训练数据；

步骤A3：将所述训练数据输入第一行为模型，计算第一对象行为数据和第二对象行为数据的关联度；

步骤A4：通过所述关联度，对预设关联度阈值内的第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹。

上述技术方案的工作原理和有益效果在于：

本技术方案的轨迹计算单元用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹，基于预设的人工神经网络系统，对第一对象行为数据的行为轨迹进行采集，并构建第一行为模型；对第二对象行为数据的特征进行分析和训练，确定训练数据；将训练数据输入第一行为模型，计算第一对象行为数据和第二对象行为数据的关联度；通过关联度，对预设关联度阈值内的第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹，基于神经网络，对行为数据进行特征提取，次那个人方便大数据的统计和管理。

实施例8：

本技术方案提供了一种实施例，所述步骤A3，还包括：

步骤A301：将所述训练数据输入第一行为模型，构建第二行为模型；

X′(k+1)＝P(S(X))X(k)+Q(S)δ(X)

其中，X′代表第二行为模型，X代表第一行为模型，δ(X)代表第一行为模型中的行为数据的离散度，k代表行为的采样时间，X(k)代表采样时间为k的第一行为模型，X′(k+1)代表采样时间为k+1的第二行为模型，S代表训练数据，S(X)代表第一行为模型的训练数据，P(S(X))X(k)代表关于第一行为模型训练数据的优化函数，Q(S)代表关于训练数据的凝聚度，

步骤A302：通过所述第二行为模型，采集用户和物联设备之间的关联数据；其中，

所述关联数据包括用户对物联设备的兴趣度、物联设备的连接成本和物联设备的连接率；

其中，W代表用户对物联设备的兴趣度，a代表用户，b代表物联设备，a_i代表第i个用户，i＝1,2…m，m代表用户的总个数，b_j代表物联设备的编号，j＝1,2…n，n代表物联设备编号的总个数，L(a_i,b_j)代表第i个用户对物联设备编号b_j的匹配率，P(a_i,b_j)代表第i个用户对物联设备编号b_j的连接率，T代表物联设备和用户连接总成本，μ代表连接风险率，M代表连接次数，G代表连接次数为M的连接成本；

为步骤A303：通过所述关联数据，计算并统计所述用户和物联设备的关联度。

上述技术方案的工作原理和有益效果在于：

本技术方案将训练数据输入第一行为模型，构建第二行为模型，基于第二对象行为提炼出的训练数据，从而进行关联，通过第二行为模型X′，采集用户和物联设备之间的关联数据；其中，关联数据包括用户对物联设备的兴趣度W、物联设备的连接成本R和物联设备的连接率P，更好的对用户的满意度进行分析和挖掘，通过关联数据，计算并统计用户和物联设备的关联度，从而对物联的优化提供精准的原始数据，对用户的意向有更精准的预测。

实施例9：

本技术方案提供了一种实施例，所述优化模块，包括：

排序结果单元：用于获取物联设备的评估结果，对所述评估结果进行智能排序，生成排序结果；

自适应单元：用于基于预设的自适应系统，获取并分析所述排序结果，生成对应的自适应机制；

优化规则单元：用于通过自适应机制，抽取优化规则，并将所述优化规则反馈至控制模块。

上述技术方案的工作原理和有益效果在于：

本技术方案的优化模块，包括排序结果单元、自适应单元和优化规则单元，排序结果单元用于获取物联设备的评估结果，对评估结果进行智能排序，生成排序结果；自适应单元用于基于预设的自适应系统，获取并分析排序结果，生成对应的自适应机制；优化规则单元用于通过自适应机制，抽取优化规则，并将优化规则反馈至控制模块，提高优化的自适应能力，加强优化规则的鲁棒性。

实施例10：

本技术方案提供了一种实施例，所述控制模块，包括：

仿真模拟单元：用于接收所述优化规则，提取优化数据，并将所述优化数据传输至于预设仿真设备进行模拟推演，并确定仿真结果，并判断仿真结果的优化率；

更新单元：用于当所述优化率大于等于预设的优化率阈值时，将优化规则输入控制单元；

控制单元：用于接收优化规则并进行更新，同时将小于预设的优化率阈值的优化规则进行淘汰。

上述技术方案的工作原理和有益效果在于：

本技术方案的控制模块，包括仿真模拟单元、更新单元和控制单元，仿真模拟单元用于接收优化规则，提取优化数据，并将优化数据传输至于预设仿真设备进行模拟推演，并确定仿真结果，并判断仿真结果的优化率，提供更精准的优化数据，减少优化失败或者成本过高的风险；更新单元用于当优化率大于等于预设的优化率阈值时，将优化规则输入控制单元；控制单元用于接收优化规则并进行更新，同时将小于预设的优化率阈值的优化规则进行淘汰，减少不必要的优化成本，进行精准优化，提高用户使用感受，增强控制效率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于物联网的智能控制系统，其特征在于，包括：

物联网模块：用于通过预设的控制终端，采集预设连接区间内的物联设备的连接信息，对所述连接信息进行权限验证，确定连接结果；其中，

所述连接结果包括连接成功结果和连接失败结果；

采集模块：用于当所述连接结果为连接成功结果，追溯并采集物联设备的设备数据和权限允许的用户数据；

评估模块：用于通过所述设备数据和用户数据，对物联设备进行评估，生成评估结果，并将评估结果反馈至优化模块；

优化模块：用于接收评估结果，并基于预设的自适应系统，生成对应的优化规则，并将所述优化规则拟合至控制模块；

控制模块：用于控制物联网模块、采集模块、评估模块和优化模块；所述评估模块，包括：

第一对象行为数据单元：用于获取用户数据，并将所述用户数据传输至预设的大数据中心进行行为特征提取，生成第一对象行为数据；

第二对象行为数据单元：用于获取设备数据，并将所述设备数据传输至预设的大数据中心进行行为特征提取，生成第二对象行为数据；

轨迹计算单元：用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹；

评估单元：用于基于预设评估规则，对第一对象轨迹和第二对象轨迹进行评估，并生成评估结果；

反馈单元：用于将所述评估结果反馈至优化模块；

所述评估单元，包括：

轨迹重复率子单元：用于基于预设的大数据中心，对第一对象轨迹和第二对象轨迹的重复度进行计算，确定轨迹重复率；

智能排序子单元：用于针对所述轨迹重复率，对所述物联设备进行智能排序，生成排序结果；

筛选子单元：用于对所述排序结果进行划分，筛选预设的优选阈值范围内的物联设备，确定筛选设备；其中，

所述优选阈值范围内用于对预设连接时限范围内的有过连接记录的物联设备进行筛选；

隐藏子单元：用于将预设的优选阈值范围外的物联设备的信息进行折叠并隐藏；

评价子单元：用于基于预设体验评价规则，采集用户对筛选设备的历史体验评价，确定评价结果。

2.如权利要求1所述的一种基于物联网的智能控制系统，其特征在于，所述物联网模块，包括：

请求单元：用于通过预设连接区间内的物联设备，向控制终端发送请求响应，确定响应结果；其中，

所述连接区间至少包括信号频段连接区间，位置连接区间及时间连接区间的一种或多种；

所述响应结果包括响应成功结果和响应失败结果；

响应成功结果单元：用于当所述响应结果为响应成功结果时，基于预设的控制终端，接收所述响应成功结果，并根据所述响应成功结果，对物联设备的连接信息进行采集和权限验证，确定连接结果；

响应失败结果单元：用于当所述响应结果为响应失败结果时，采集响应失败物联设备的设备信息，并将所述响应失败物联设备的设备信息传输至控制终端进行统计和记录。

3.如权利要求2所述的一种基于物联网的智能控制系统，其特征在于，所述设备信息至少包括物联设备的设备种类、设备连接地点和设备连接时间。

4.如权利要求1所述的一种基于物联网的智能控制系统，其特征在于，所述采集模块，包括：

权限口令单元：用于通过所述连接成功结果，确定对应的连接指令，并根据所述连接指令，生成对应的权限口令；其中，

所述权限口令包括用户权限口令和设备权限口令；

用户单元：用于通过所述用户权限口令，获取权限允许的用户数据；

物联设备单元：用于通过所述设备权限口令，获取物联设备的设备数据。

5.如权利要求1所述的一种基于物联网的智能控制系统，其特征在于，所述轨迹计算单元用于基于预设的人工神经网络系统，对第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹，包括以下步骤：

步骤A1：基于预设的人工神经网络系统，对第一对象行为数据的行为轨迹进行采集，并构建第一行为模型；

步骤A2：对第二对象行为数据的特征进行分析和训练，确定训练数据；

步骤A3：将所述训练数据输入第一行为模型，计算第一对象行为数据和第二对象行为数据的关联度；

步骤A4：通过所述关联度，对预设关联度阈值内的第一对象行为数据和第二对象行为数据进行行为轨迹采集，确定第一对象轨迹和第二对象轨迹。

6.如权利要求5所述的一种基于物联网的智能控制系统，其特征在于，所述步骤A3，还包括：

步骤A301：将所述训练数据输入第一行为模型，构建第二行为模型；

X′(k+1)＝P(S(X))X(k)+Q(S)δ(X)

其中，X′代表第二行为模型，X代表第一行为模型，δ(X)代表第一行为模型中的行为数据的离散度，k代表行为的采样时间，X(k)代表采样时间为k的第一行为模型，X′(k+1)代表采样时间为k+1的第二行为模型，S代表训练数据，S(X)代表第一行为模型的训练数据，P(S(X))X(k)代表关于第一行为模型训练数据的优化函数，Q(S)代表关于训练数据的凝聚度，

步骤A302：通过所述第二行为模型，采集用户和物联设备之间的关联数据；其中，

所述关联数据包括用户对物联设备的兴趣度、物联设备的连接成本和物联设备的连接率；

其中，W代表用户对物联设备的兴趣度，a代表用户，b代表物联设备，a_i代表第i个用户，i＝1，2...m，m代表用户的总个数，b_j代表物联设备的编号，j＝1，2...n，n代表物联设备编号的总个数，L(a_i，b_j)代表第i个用户对物联设备编号b_j的匹配率，P(a_i，b_j)代表第i个用户对物联设备编号b_j的连接率，T代表物联设备和用户连接总成本，μ代表连接风险率，M代表连接次数，G代表连接次数为M的连接成本；

步骤A303：通过所述关联数据，计算并统计所述用户和物联设备的关联度。

7.如权利要求1所述的一种基于物联网的智能控制系统，其特征在于，所述优化模块，包括：

排序结果单元：用于获取物联设备的评估结果，对所述评估结果进行智能排序，生成排序结果；

自适应单元：用于基于预设的自适应系统，获取并分析所述排序结果，生成对应的自适应机制；

优化规则单元：用于通过自适应机制，抽取优化规则，并将所述优化规则反馈至控制模块。

8.如权利要求1所述的一种基于物联网的智能控制系统，其特征在于，所述控制模块，包括：

仿真模拟单元：用于接收所述优化规则，提取优化数据，并将所述优化数据传输至于预设仿真设备进行模拟推演，并确定仿真结果，并判断仿真结果的优化率；

更新单元：用于当所述优化率大于等于预设的优化率阈值时，将优化规则输入控制单元；

控制单元：用于接收优化规则并进行更新，同时将小于预设的优化率阈值的优化规则进行淘汰。

Images