CN114135185A - 一种智能窗户的控制方法及系统 - Google Patents
一种智能窗户的控制方法及系统 Download PDFInfo
- Publication number
- CN114135185A CN114135185A CN202010947690.7A CN202010947690A CN114135185A CN 114135185 A CN114135185 A CN 114135185A CN 202010947690 A CN202010947690 A CN 202010947690A CN 114135185 A CN114135185 A CN 114135185A
- Authority
- CN
- China
- Prior art keywords
- result
- comfort
- priority
- data
- user habit
- 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 32
- 230000009471 action Effects 0.000 claims abstract description 4
- 239000004984 smart glass Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004378 air conditioning Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 8
- 238000000746 purification Methods 0.000 claims description 7
- 238000009423 ventilation Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 5
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000003915 air pollution Methods 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 abstract description 9
- 230000007613 environmental effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
- E05F15/00—Power-operated mechanisms for wings
- E05F15/70—Power-operated mechanisms for wings with automatic actuation
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
- E05F15/00—Power-operated mechanisms for wings
- E05F15/70—Power-operated mechanisms for wings with automatic actuation
- E05F15/71—Power-operated mechanisms for wings with automatic actuation responsive to temperature changes, rain, wind or noise
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES E05D AND E05F, RELATING TO CONSTRUCTION ELEMENTS, ELECTRIC CONTROL, POWER SUPPLY, POWER SIGNAL OR TRANSMISSION, USER INTERFACES, MOUNTING OR COUPLING, DETAILS, ACCESSORIES, AUXILIARY OPERATIONS NOT OTHERWISE PROVIDED FOR, APPLICATION THEREOF
- E05Y2900/00—Application of doors, windows, wings or fittings thereof
- E05Y2900/10—Application of doors, windows, wings or fittings thereof for buildings or parts thereof
- E05Y2900/13—Type of wing
- E05Y2900/148—Windows
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种智能窗户的控制方法及系统。控制方法包括：实时采集当前的室内外环境数据；判断是否有极端天气情况；根据用户习惯模型得到结果B，根据舒适性预测模型得到结果C；对结果B和结果C进行综合判断；根据综合判断结果执行窗户控制动作。本申请对室外恶劣条件优先执行判断；再对用户习惯和舒适性相关数据(室内外常规环境数据)分别进行结果预测，能够综合考量安全、舒适、用户习惯等各种因素；本申请将各种数据根据它们的不同作用采用不同的处理方式进行处理，能够高效发挥各种数据的作用，使得算法运算速度得到提升，运算结果更加准确，最终提升了用户的体验度。
Description
技术领域
本发明涉及智能家居的控制领域(G05B13/04)，特别是智能窗户的控制方法及系统。
背景技术
智能窗户控制系统是全屋智能家居系统的子系统之一。所谓智能窗户，是指智能家居中的程控窗户，能够感受外界环境，根据自身存储的智能化控制方案自动控制窗户的开关状态，实现窗户的智能化。
智能化控制方案影响着用户对全套智能家居系统的体验度，体验度包括三个层面：安全、舒适、符合用户习惯。安全层面，主要影响因素为室外环境和极端天气状况；舒适层面，除了室外环境和天气状况影响因素外、还包括室内环境、室内设备使用状态等；用户使用习惯层面，包括，比如晨起开窗、午睡关窗、下班关窗等。
现有技术中的智能化控制方案包括：采集各种与窗户状态有关的信息，然后利用智能算法(包括：逻辑回归算法，马尔科夫算法和机器学习算法等)计算出窗户状态，然后进行相应控制。
但是，一方面，与窗户状态有关的信息种类繁多，若尽可能多的选取信息会大大降低控制的快速性，而且各种信息的重要性并不是并驾齐驱的，因此控制准确性也会受到很大挑战，最终影响用户体验度；另一方面，若对信息进行取舍，虽然会提高运算效率，但是如何兼顾安全、舒适和符合用户习惯，则缺乏全面、细化的考量。总而言之，现有技术的用户体验度不高。
发明内容
本申请的目的在于提供一种智能窗户的控制方法，用以解决现有技术的用户体验度低的问题。同时，本申请还提供了一种智能窗户控制系统。
为实现上述目的，本发明提出了一种智能窗户的控制方法，包括以下步骤：
1)实时采集当前的室内外环境数据；
2)根据室外环境数据判断是否有极端天气情况；若有极端天气情况，则控制关窗；若无极端天气情况，则进行下面的步骤；
3)结合实时采集的数据，根据用户习惯模型得到结果B，根据舒适性预测模型得到结果C；所述用户习惯模型根据窗户状态的历史数据获得，所述舒适性预测模型根据室内外环境的历史数据训练、建模得到，所述室内外环境的历史数据不包括极端天气情况下的数据；
4)对结果B和结果C进行综合判断；
5)根据综合判断结果执行窗户控制动作。
进一步的，所述对结果B和结果C进行综合判断为加权综合判断：设综合判断结果为y，则y＝αB+βC，α+β＝1，α、β为结果B、结果C对应的权重。
进一步的，设置用户习惯为第二优先级，设置舒适性为第三优先级，则α＞β。另一种实施方式中，设置舒适性为第二优先级，设置用户习惯为第三优先级，则α＜β。
进一步的，设置两套权重α1＞β1，α2＜β2，当用户习惯为第二优先级，舒适性为第三优先级时，y＝α1B+β1C；当舒适性为第二优先级，用户习惯为第三优先级时，y＝α2B+β2C；检测到室内暖通/空调/净化设备均处于关闭状态，则将用户习惯为第二优先级，舒适性为第三优先级；检测到有室内暖通/空调/净化设备中任一设备处于开启状态，则舒适性为第二优先级，用户习惯为第三优先级。
进一步的，所述对结果B和结果C进行综合判断为：以一个结果为主，另一个作为备用。
进一步的，所述极端天气包括大风、强降水和冰雹，还包括空气污染程度超过设定阈值。
进一步的，所述用户习惯模型为一天中各个时段对应的开窗概率。
进一步的，所述舒适性预测模型为神经网络模型、深度学习模型、逻辑回归模型或贝叶斯网络模型。
同时，本申请还提供了一种智能窗户控制系统，包括处理器和存储器，存储器存储有计算机程序，计算机程序被执行时，实现上述方法。
本申请对室外恶劣条件优先执行判断；再对用户习惯和舒适性相关数据(室内外常规环境数据)分别进行结果预测，能够综合考量安全、舒适、用户习惯等各种因素；本申请将各种数据根据它们的不同作用采用不同的处理方式进行处理，能够高效发挥各种数据的作用，使得算法运算速度得到提升，运算结果更加准确，最终提升了用户的体验度。
附图说明
图1是本发明构思示意图；
图2是本发明方法流程图；
图3是本发明权重调整示意图。
具体实施方式
本申请是一种对窗户状态影响因素能全面考量、建立优先级别和权重比较的窗户智能控制方案，能兼顾室外不可控的极端环境因素、室内外常规环境舒适度影响、室内暖通/环境调节设备的实际使用状态、用户习惯各个层面的影响因素，方案的柔韧性更好，体验度更高。
如图1所示，本申请的基本思路是，对应安全性、舒适性和用户习惯分为三个优先级，其中安全性为第一优先级，舒适性/用户习惯为第二、第三优先级(可以互换)，安全性、舒适性和用户习惯分别对应的数据为：极端天气、用户习惯数据(近期内的窗户开关状态信息)、(非极端条件下的)室内外环境；根据当前的各种信息，分别确定对应的窗户开关状态结果A、B、C，然后进行根据优先级进行综合判断，得到最终窗户开关状态结果，并且执行。
控制方法实施例
下面结合图2、图3进行具体说明本申请的控制方法。
步骤1，数据建模，包括用于得到结果B的用户习惯模型，以及用于得到结果C的舒适性预测模型。
1.1，对于用户习惯模型，包括：收集各个时段的窗户状态数据(即窗户状态的历史数据)，然后进行概率统计。例如，以10分钟为一个时段，采集周期设置为30天，分别统计不同时段下的开窗/关窗概率，例如，时段8:00-8:10，30天内23天开窗，7天关窗，则开窗概率为23/30，关窗概率为7/30。开窗概率和关窗概率之和为1。
| Day1 | Day2 | Day3 | … | |
| 8:00-8:10 | 开 | 关 | 关 | … |
| 8:10-8:20 | 开 | 开 | 关 | … |
| … | … | … | … | … |
最终可以得到各个时段的开窗概率(开窗概率和关窗概率之和为1，提到开窗概率时关窗概率就不再提及)。也就是说，最终得到了一个用户习惯模型(表示各个时段对应的开窗概率)。
1.2，对于舒适性预测模型，包括：
采集一段时间内(如几个月)的室内外环境数据(即室内外环境的历史数据，包括温度、湿度、风速、光照强度等)，以及对应的窗户开关状态，形成训练样本。注意：训练样本中的室外环境数据不包括极端天气情况。极端天气情况包括例如：大风、强降水、冰雹等。
一种实施方式，可以利用神经网络算法，对训练样本进行训练，得到舒适性预测模型。
样本数据由房间、预设时期内(如1个月)、该时期每天同时段的室内数据、对应房间开关窗状态、室外数据均值构成。
比如：以预设频次(10分钟/次)采集房间内的环境数据(室内温度、湿度、光照、二氧化碳、甲醛、烟雾、PM2.5)、该时段内的窗户开关状态、由气象数据对接获取室外的环境数据(温度、风力、气压、湿度、空气质量、降水等)，并分别计算该时段内室内各类的数据均值；
根据上述预设时期采集到的数据，确定该时期内、每天同时段的室内/室外数据/对应开关窗状态，作为该时段的训练样本，分别得到多个时段对应的多个样本，进行模型训练。
以室内数据为例，时段(8:00-8:10)的训练样本如下：
关于样本采集、训练等过程，均属于现有技术，因此本申请不进行过多展开。另外，上述神经网络算法可以替换为逻辑回归及深度学习算法等类型的智能算法。
步骤2，数据采集，包括当前室内外环境数据。
进行实时性的数据采集。这些数据不仅包括与前一步骤中样本相对应的数据，还应包括极端天气情况。
数据采集的来源包括：智能家居系统中的相关传感器采集的数据，网络发布的数据等。
步骤3，安全性判断。
根据室外环境数据判断是否有极端天气情况。若有极端天气情况，控制关窗，控制方法结束。若无极端天气情况，则进行下面的步骤。
其中，对于极端天气的判断，例如：室外风力是否大于4级(预设的风力等级阈值)则判断为大风天气。
步骤4，结合实时采集的数据，根据用户习惯模型得到结果B，根据舒适性预测模型得到结果C。
根据当前所处的时段，确定结果B(设B为开窗概率)。例如当前时段为8:00-8:10，则B＝23/30。
根据当前的室内外环境数据，
例如当前同时段(8:00-8:10)，ID为565的设备采集的室内数据为：
当前同时段(8:00-8:10)，室外数据为：
| 序号 | 温度 | 风力 | 气压 | 湿度 | 空气质量指数 | 降水 |
| 1 | 31℃ | 3级 | 1000 | 74％ | 37 | 0％ |
根据以上室内数据、室外数据，通过训练好的舒适性模型确定结果C(C为开窗概率)。
步骤5，对结果B和结果C进行综合判断。
设综合判断结果为y，则y＝αB+βC，α+β＝1。α、β为结果B、结果C对应的权重。
权重的设置有如下几种方式：
1，固定权重，例如，优先级越高，权重越大。一种实施方式中，设置用户习惯为第二优先级，设置舒适性为第三优先级，则α＞β。另一种实施方式中，设置舒适性为第二优先级，设置用户习惯为第三优先级，则α＜β。
2，优先级可变，权重随之改变(但仍是优先级越高，权重越大)，如图3所示。例如：设置两套权重α1＞β1，α2＜β2，当用户习惯为第二优先级，舒适性为第三优先级时，采用第一套权重α1、β1，即y＝α1B+β1C；当舒适性为第二优先级，用户习惯为第三优先级时，采用第二套权重α2、β2，即y＝α2B+β2C。
在满足一定条件时，用户习惯为第二优先级，舒适性为第三优先级；否则，舒适性为第二优先级，用户习惯为第三优先级。上述条件为：检测到室内无暖通/空调/净化设备未开启。即：检测到室内暖通/空调/净化设备均处于关闭状态，则将用户习惯为第二优先级；检测到有室内暖通/空调/净化设备中任一设备处于开启状态，则舒适性为第二优先级。
当然，这种实施方式下，步骤2中还应当同时采集室内暖通/空调/净化设备的开启情况。
不论是固定权重还是可变权重，权重的具体值需要预设：例如，在符合相应条件的样本数据中进行训练，最终找到合适的权重大小。
步骤6，执行窗户控制动作。
设置开窗上限阈值为0.6，开窗下限阈值为0.4(该上限、下限阈值阈值可以根据需要进行设置)。若计算结果y大于0.6，即开窗概率大于60％，则控制开窗(若当前窗户状态为打开状态，则不动作)。若y小于0.4，即开窗概率小于40％，则控制关窗(若当前窗户状态为关闭状态，则不动作)。
以上实施例，通过优先级设置，对室外恶劣条件优先执行判断；再对用户习惯和舒适性相关数据(室内外常规环境数据)分别进行结果预测，最后根据室内特殊设备开启状态，进行权重分析，动态调整两者的预测结果优先级。在判断存在预设特殊设备开启时，舒适性优先；对无特殊设备开启的，用户习惯优先，比如无特殊设备开启时，室内温湿度、甲醛、PM2.5等室内环境参数可能已处于相对舒适的范围，或者仅通过用户较为适应的开窗习惯即可将室内环境的自然微调到用户比较习惯的状态，此种情况以用户习惯优先，既节能、又能兼顾用户特殊时段开关窗或自然微调室内环境等偏好习惯；存在特殊设备开启时，室内环境可能确需设备进行快速或大幅调节，此时以舒适性为先，有利于实现特殊设备的最大调节效率、快速调优室内环境，比如当前虽是用户惯常开窗的时段，但有特殊设备如空调开启、应以舒适性为先，执行关窗反而对用户实际体验更舒适、更智能；综上，本发明能够综合考量安全、舒适、用户习惯等各种因素，将各种数据根据它们的不同作用采用不同的处理方式进行处理，高效发挥各种数据的作用，使得算法运算速度得到提升，运算结果更加准确，最终提升了用户的体验度。
另外，作为其他实施方式，安全性判断步骤中，还可以加入其他因素，例如：若室外空气污染指数较高，则也视为极端天气。又如：室外高温，则也视为极端天气。
再者，对结果B和结果C进行综合判断，除了进行加权综合判断，还可以是以一个结果为主，另一个作为备用，例如：直接基于结果B做出判断，仅在结果B模棱两可(等于0.5左右)时，则基于结果C进行判断。又如：直接基于结果C做出判断，仅在结果C模棱两可(等于0.5左右)时，则基于结果B进行判断。
此外，为进一步提升用户体验，对用户习惯模型和舒适性预测模型，定期训练、更新，比如可以区分季节的用户习惯数据和室内外环境数据，分别训练。再进一步，也可以考虑在换季前，采用某地区、上一年对应时期的数据进行训练。
智能窗户控制系统实施例
智能窗户控制系统，包括窗户，数据采集设备(包括各种传感器和/或网络设备)和控制设备，控制设备能够获取数据采集设备的信息，并且对窗户实施控制。控制设备包括处理器和存储器，存储器中存储计算机程序，该计算机程序在执行时，实现上述控制方法实施例所描述的方法。处理器既可以是计算机，也可以是微处理器，如ARM等，还可以是可编程芯片，如FPGA、DSP等。
从硬件层面来讲，整个智能窗户控制系统与现有技术没有区别；使得本实施例的智能窗户控制系统区别于现有智能窗户控制系统的关键在于上述计算机程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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指定的功能的步骤。
最后应当说明的是：以上实施方式仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施方式对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种智能窗户的控制方法，其特征在于，包括以下步骤：
1)实时采集当前的室内外环境数据；
2)根据室外环境数据判断是否有极端天气情况；若有极端天气情况，则控制关窗；若无极端天气情况，则进行下面的步骤；
3)结合实时采集的数据，根据用户习惯模型得到结果B，根据舒适性预测模型得到结果C；所述用户习惯模型根据窗户状态的历史数据获得，所述舒适性预测模型根据室内外环境的历史数据训练、建模得到，所述室内外环境的历史数据不包括极端天气情况下的数据；
4)对结果B和结果C进行综合判断；
5)根据综合判断结果执行窗户控制动作。
2.根据权利要求1所述的一种智能窗户的控制方法，其特征在于，所述对结果B和结果C进行综合判断为加权综合判断：设综合判断结果为y，则y＝αB+βC，α+β＝1，α、β为结果B、结果C对应的权重。
3.根据权利要求2所述的一种智能窗户的控制方法，其特征在于，设置用户习惯为第二优先级，设置舒适性为第三优先级，则α＞β；另一种实施方式中，设置舒适性为第二优先级，设置用户习惯为第三优先级，则α＜β。
4.根据权利要求2所述的一种智能窗户的控制方法，其特征在于，设置两套权重α1＞β1，α2＜β2，当用户习惯为第二优先级，舒适性为第三优先级时，y＝α1B+β1C；当舒适性为第二优先级，用户习惯为第三优先级时，y＝α2B+β2C；检测到室内暖通/空调/净化设备均处于关闭状态，则将用户习惯为第二优先级，舒适性为第三优先级；检测到有室内暖通/空调/净化设备中任一设备处于开启状态，则舒适性为第二优先级，用户习惯为第三优先级。
5.根据权利要求1所述的一种智能窗户的控制方法，其特征在于，所述对结果B和结果C进行综合判断为：以一个结果为主，另一个作为备用。
6.根据权利要求1-5任一项所述的一种智能窗户的控制方法，其特征在于，所述极端天气包括大风、强降水和冰雹，还包括空气污染程度超过设定阈值。
7.根据权利要求1-5任一项所述的一种智能窗户的控制方法，其特征在于，所述用户习惯模型为一天中各个时段对应的开窗概率。
8.根据权利要求1-5任一项所述的一种智能窗户的控制方法，其特征在于，所述舒适性预测模型为神经网络模型、深度学习模型或逻辑回归模型。
9.一种智能窗户控制系统，其特征在于，包括处理器和存储器，存储器存储有计算机程序，计算机程序被执行时，实现权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010947690.7A CN114135185A (zh) | 2020-09-10 | 2020-09-10 | 一种智能窗户的控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010947690.7A CN114135185A (zh) | 2020-09-10 | 2020-09-10 | 一种智能窗户的控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114135185A true CN114135185A (zh) | 2022-03-04 |
Family
ID=80438820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010947690.7A Pending CN114135185A (zh) | 2020-09-10 | 2020-09-10 | 一种智能窗户的控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114135185A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114675539A (zh) * | 2022-03-29 | 2022-06-28 | 江苏希尔登家居有限公司 | 一种自主学习的门窗智能控制系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105625859A (zh) * | 2014-10-31 | 2016-06-01 | 大陆汽车电子(长春)有限公司 | 自适应调节车窗位置的方法及车窗控制器 |
| CN106223771A (zh) * | 2016-08-26 | 2016-12-14 | 宁波博报门窗有限公司 | 一种智能窗及其控制方法 |
| CN206785199U (zh) * | 2017-09-19 | 2017-12-22 | 侯熙楠 | 一种智能窗户及其控制系统 |
| CN108166888A (zh) * | 2017-12-25 | 2018-06-15 | 衢州华睿工业设计有限公司 | 窗户智能控制方法和系统 |
| CN109236104A (zh) * | 2018-09-17 | 2019-01-18 | 钟祥博谦信息科技有限公司 | 智能门窗的控制方法、装置 |
| CN110017079A (zh) * | 2018-09-20 | 2019-07-16 | 东北林业大学 | 一种智能关窗装置 |
-
2020
- 2020-09-10 CN CN202010947690.7A patent/CN114135185A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105625859A (zh) * | 2014-10-31 | 2016-06-01 | 大陆汽车电子(长春)有限公司 | 自适应调节车窗位置的方法及车窗控制器 |
| CN106223771A (zh) * | 2016-08-26 | 2016-12-14 | 宁波博报门窗有限公司 | 一种智能窗及其控制方法 |
| CN206785199U (zh) * | 2017-09-19 | 2017-12-22 | 侯熙楠 | 一种智能窗户及其控制系统 |
| CN108166888A (zh) * | 2017-12-25 | 2018-06-15 | 衢州华睿工业设计有限公司 | 窗户智能控制方法和系统 |
| CN109236104A (zh) * | 2018-09-17 | 2019-01-18 | 钟祥博谦信息科技有限公司 | 智能门窗的控制方法、装置 |
| CN110017079A (zh) * | 2018-09-20 | 2019-07-16 | 东北林业大学 | 一种智能关窗装置 |
Non-Patent Citations (1)
| Title |
|---|
| 罗锡文: "农业工程理论探索与实践", 中国农业出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114675539A (zh) * | 2022-03-29 | 2022-06-28 | 江苏希尔登家居有限公司 | 一种自主学习的门窗智能控制系统 |
| CN114675539B (zh) * | 2022-03-29 | 2024-01-23 | 江苏希尔登家居有限公司 | 一种自主学习的门窗智能控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110836509A (zh) | 一种家居设备控制方法、装置、控制设备及可读存储介质 | |
| Alcala et al. | A genetic rule weighting and selection process for fuzzy control of heating, ventilating and air conditioning systems | |
| Alcalá et al. | Fuzzy control of HVAC systems optimized by genetic algorithms | |
| CN107506865B (zh) | 一种基于lssvm优化的负荷预测方法及系统 | |
| CN105318499A (zh) | 用户行为自学习空调系统及其控制方法 | |
| CN109357352B (zh) | 基于决策树分类算法的空调智能温控系统及方法 | |
| CN112527037B (zh) | 一种具有环境因子预测功能的温室环境调控方法和系统 | |
| CN111580382A (zh) | 基于人工智能的单元级供热调节方法及系统 | |
| WO2021169271A1 (zh) | 雷雨天气预测模型的训练方法及雷雨天气预测方法 | |
| CN110425698A (zh) | 一种用户偏好自学习的空调控制方法和装置 | |
| CN113685962B (zh) | 一种基于相关性分析的机房温度高效控制方法及其系统 | |
| CN109358515A (zh) | 一种家居设备控制方法、装置、控制设备及可读存储介质 | |
| CN114135185A (zh) | 一种智能窗户的控制方法及系统 | |
| CN106682764A (zh) | 一种基于并行预测策略的公共楼宇日前空调负荷预测方法 | |
| CN111609539A (zh) | 一种用于办公室湿度调节的自适应控制系统及其方法 | |
| CN112308209A (zh) | 基于深度学习的个性化空调智能学习方法 | |
| CN111414996B (zh) | 一种智能家居控制方法、系统、存储介质和计算机设备 | |
| CN112558524A (zh) | 电器系统控制方法、装置、电子设备和存储介质 | |
| CN117450635B (zh) | 一种基于大数据分析的新风系统控制方法 | |
| CN114353872A (zh) | 一种机房温度的预测方法及装置 | |
| CN114139717A (zh) | 基于多元时序分析预测模型的烘丝入口含水率控制方法 | |
| CN116109011B (zh) | 一种智慧园区的能耗管理方法及终端 | |
| CN115907366B (zh) | 一种基于火烈鸟算法的农产品生长环境最优调控方法及设备 | |
| CN108826595A (zh) | 一种空气净化器的控制方法及系统 | |
| CN108419439A (zh) | 家用设备学习方法、及服务器 |
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 |