CN115407677A - 一种基于大数据的信息储存系统及方法 - Google Patents

一种基于大数据的信息储存系统及方法 Download PDF

Info

Publication number
CN115407677A
CN115407677A CN202211165321.8A CN202211165321A CN115407677A CN 115407677 A CN115407677 A CN 115407677A CN 202211165321 A CN202211165321 A CN 202211165321A CN 115407677 A CN115407677 A CN 115407677A
Authority
CN
China
Prior art keywords
control terminal
intelligent furniture
furniture control
information data
equipment
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.)
Granted
Application number
CN202211165321.8A
Other languages
English (en)
Other versions
CN115407677B (zh
Inventor
董鸿肖
刘唐红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Deyuan Fanghui Technology Development Co ltd
Original Assignee
Harbin Shenqian Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Shenqian Technology Co ltd filed Critical Harbin Shenqian Technology Co ltd
Priority to CN202211165321.8A priority Critical patent/CN115407677B/zh
Publication of CN115407677A publication Critical patent/CN115407677A/zh
Application granted granted Critical
Publication of CN115407677B publication Critical patent/CN115407677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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], 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]

Abstract

本发明公开了一种基于大数据的信息储存系统及方法，属于数据存储技术领域。通过获取历史数据中智能家具控制终端的运行信息数据，确定智能家具控制终端的稳定性指数，从而判断是否将智能家具控制终端的运行信息数据进行优化处理后再存储；对智能家具控制终端的稳定性分类；如果稳定性分为第一类，则直接将智能家具控制终端的运行信息数据进行存储；如果稳定性分为第二类，进一步再对需要优化处理后的智能家具控制终端的运行信息数据进行存储；从而在智能家具控制终端的运行信息数据存储过程中，能够避免存储资源的浪费，提高存储效率和存储信息数据的准确性。

Description

一种基于大数据的信息储存系统及方法
技术领域
本发明涉及数据存储技术领域，具体为一种基于大数据的信息储存系统及方法。
背景技术
智能家具，是在现代时尚家具的基础上，将组合智能、电子智能、机械智能、物联智能巧妙的融入家具产品当中，使家居生活更加便捷和舒适，是未来家居的发展潮流和趋势。追求运行稳定对智能家具至关重要，对智能家具的运行信息数据进行存储有利于分析、判断和研究智能家具的稳定性。
在现实中，智能家具运行过程中会产生大量的运行信息数据，将这些运行信息数据进行存储时需要消耗大量的存储资源，同时也会影响存储效率和存储信息数据的准确性。
发明内容
本发明的目的在于提供一种基于大数据的信息储存系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于大数据的信息储存方法，该方法包括以下步骤：
步骤S100：获取智能家具控制终端的运行信息数据，所述运行信息数据包括电压波动信息数据和网络流量波动信息数据；
步骤S200：根据所述电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数；根据所述稳定性指数将智能家具控制终端的稳定性分为第一类和第二类；
步骤S300：如果智能家具控制终端的稳定性分为第一类，则直接将智能家具控制终端的运行信息数据上传至中央服务器进行存储；如果智能家具控制终端的稳定性分为第二类，则获取智能家具控制终端控制的设备工作状态信息；根据所述设备工作状态信息，获取智能家具控制终端的响应指数；
步骤S400：设置响应指数阈值，如果智能家具控制终端的响应指数大于响应指数阈值，则对智能家具控制终端控制的设备工作参数进行优化处理，将优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储；如果智能家具控制终端的响应指数小于响应指数阈值，则直接将智能家具控制终端的运行信息数据上传至中央服务器进行存储。
进一步的，获取智能家具控制终端的运行信息数据的具体实施过程包括：
获取历史数据中智能家具控制终端的电压波动信息数据和网络流量波动信息数据，所述电压波动信息数据和所述网络流量波动信息数据分别包含电压波动和网络流量波动的时间序列，将电压波动的时间集记为D，将网络流量波动的时间集记为W。
进一步的，根据所述电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数；根据所述稳定性指数将智能家具控制终端的稳定性分为第一类和第二类的具体实施过程包括：
步骤S201：获取历史数据中智能家具控制终端的电压波动和网络流量波动时间集的关联关系，并且将所述关联关系生成关联关系集，具体计算公式如下：
G＝D∩W
其中，G表示智能家具控制终端的电压波动和网络流量波动同时发生的关联关系集；
步骤S202：获取历史数据中智能家具控制终端的电压波动和网络流量波动时间的影响集，并且将电压波动的影响集记为
Figure BDA00038617944700000211
且
Figure BDA0003861794470000022
将网络流量波动的影响集记为
Figure BDA0003861794470000023
且
Figure BDA0003861794470000024
Figure BDA0003861794470000025
步骤S203：根据所述关联关系集、所述电压波动的影响集和所述网络流量波动的影响集，确定智能家具控制终端的稳定性指数的具体计算公式如下：
Figure BDA0003861794470000026
其中，S表示智能家具控制终端的稳定性指数，Number(G)、Number(D)、Number(W)、
Figure BDA0003861794470000027
和
Figure BDA0003861794470000028
分别表示关联关系集G、电压波动的时间集D、网络流量波动的时间集W、电压波动的影响集
Figure BDA0003861794470000029
和网络流量波动的影响集
Figure BDA00038617944700000210
内的数量；
根据上述方法，智能家具控制终端在做出控制和响应时，会产生电压和网络流量的同时波动；电压和网络流量的同时波动表示智能家具控制终端正在做出控制和响应，而如果电压和网络流量没有同时波动表示智能家具控制终端可能受到异常因素的干扰，例如设备运行时产生的温度、对于语音控制的设备会受到杂音干扰进行异常响应，以及电子元器件的连接异常，这些异常因素同样会导致智能家具控制终端的电压和网络流量的产生波动；通过获取历史数据中智能家具控制终端的电压波动和网络流量波动时间集的关联关系，得到智能家具控制终端在做出正常控制和响应的关联关系集和异常情况发生时的电压波动和网络流量波动时间的影响集，进而确定智能家具控制终端的稳定性指数；稳定性指数越大表示智能家具控制终端的运行状况越好；
步骤S204：设置智能家具控制终端的稳定性指数阈值，如果智能家具控制终端的稳定性指数大于稳定性指数阈值，则将智能家具控制终端的稳定性分为第一类；如果智能家具控制终端的稳定性指数小于稳定性指数阈值，则将智能家具控制终端的稳定性分为第二类；
根据上述方法，进一步考虑到在实际中智能家具控制终端是与智能家具控制终端控制的设备进行点对点直接控制和响应的，对智能家具控制终端的运行信息数据进行优化处理实际上是对智能家具控制终端控制的设备运行参数进行优化处理；设置智能家具控制终端的稳定性指数阈值，从而判断是否将智能家具控制终端的运行信息数据进行优化处理后再存储；如果智能家具控制终端的稳定性分为第一类，说明智能家具控制终端是与智能家具控制终端控制的设备之间连接稳定，则直接将智能家具控制终端的运行信息数据进行存储；如果智能家具控制终端的稳定性分为第二类，则需要对智能家具控制终端控制的设备运行参数进行优化处理，对优化处理后的智能家具控制终端的运行信息数据进行存储，提高了存储效率。
进一步的，如果智能家具控制终端的稳定性分为第二类，则获取智能家具控制终端控制的设备工作状态信息；根据所述设备工作状态信息，获取智能家具控制终端的响应指数的具体实施过程包括：
步骤S301：获取智能控制终端控制的设备，记为Ki，其中Ki∈{K1，K2，…，KI}，I表示智能家具控制终端控制的设备的编号，i∈{1，2，…，I}；获取智能控制终端控制的第i个设备的工作状态信息，所述工作状态信息包括设备响应时长和设备响应次数，将所述设备响应时长记为ti，将所述设备响应次数记为hi；
步骤S302：根据所述设备工作状态信息，获取智能家具控制终端的响应指数的具体计算公式如下：
Figure BDA0003861794470000031
其中，P表示智能家具控制终端的响应指数，
Figure BDA0003861794470000032
根据上述方法，设备工作状态能够通过设备响应时长和设备响应次数直观反应出来；根据设备工作状态信息，得到智能家具控制终端的响应指数；设备响应时长越长，设备响应次数越多，表示智能家具控制终端的响应越异常，则需要对智能家具控制终端控制的设备工作参数进行优化处理，将优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储。
进一步的，将优化处理后智能家具控制终端的运行信息数据上传至中央服务器进行存储的具体实施过程包括：
步骤S501：获取智能家具控制终端控制的设备中第j次需要优化的设备数量，记为aj；获取第j次优化处理后的智能控制终端控制的设备的工作状态信息，将第j次优化处理后的设备响应时长记为tj，将第j次优化处理后的设备响应次数记为hj；
步骤S502：判断第j次优化处理后的智能家具控制终端的运行信息数据是否上传至中央服务器进行存储，具体判断公式如下：
Figure BDA0003861794470000041
其中，j-1表示第j次的前一次，aj-1表示第j-1次需要优化的设备数量，tj-1表示第j-1次优化处理后的设备响应时长，hj-1表示第j-1次优化处理后的设备响应次；
将满足判断公式的第j次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储；
根据上述方法，进一步考虑到在优化过程中会产生过多的运行信息数据，通过加入判断公式，从而筛选出有价值的运行信息数据进行存储，提高了存储信息的准确性，避免了存储资源浪费；当第j次优化处理后的智能家具控制终端的稳定性为第一类时，则直接将智能家具控制终端的运行信息数据进行存储；当第j次优化处理后的智能家具控制终端的稳定性为第二类时，如果智能家具控制终端的响应指数小于响应指数阈值，则直接将智能家具控制终端的运行信息数据进行存储，如果智能家具控制终端的响应指数大于响应指数阈值，则需要继续对智能家具控制终端控制的设备工作参数进行优化处理，将优化处理后的智能家具控制终端的运行信息数据进行存储；公式
Figure BDA0003861794470000042
表示每一次优化处理后正常设备的系数值，公式
Figure BDA0003861794470000043
表示每一次优化处理后正常设备的响应速度，比值越小表示响应速度越快，综合系数值越小且响应速度越快表示优化效果越好，智能家具控制终端才更稳定。
一种基于大数据的信息储存系统，该系统包括：信息采集模块、稳定性分类模块、中央服务器存储模块和优化处理模块；
所述信息采集模块，用于获取智能家具控制终端的运行信息数据，所述运行信息数据包括电压波动信息数据和网络流量波动信息数据，所述电压波动信息数据和所述网络流量波动信息数据分别包含电压波动和网络流量波动的时间序列，将电压波动的时间集记为D，将网络流量波动的时间集记为W；用于获取智能控制终端控制的设备，记为Ki，其中Ki∈{K1，K2，…，KI}，I表示智能家具控制终端控制的设备的编号，i∈{1，2，…，I}；用于获取智能控制终端控制的第i个设备的工作状态信息，所述工作状态信息包括设备响应时长和设备响应次数，将所述设备响应时长记为ti，将所述设备响应次数记为hi；用于获取智能家具控制终端控制的设备中第j次需要优化的设备数量，记为aj；用于获取第j次优化处理后的智能控制终端控制的设备的工作状态信息，将第j次优化处理后的设备响应时长记为tj，将第j次优化处理后的设备响应次数记为hj；
所述稳定性分类模块，用于确定智能家具控制终端的稳定性指数；用于将智能家具控制终端的稳定性分为第一类和第二类；
所述中央服务器存储模块，用于存储智能家具控制终端的运行信息数据；
所述优化处理模块，用于对智能家具控制终端控制的设备工作参数进行优化处理。
进一步的，所述稳定性分类模块还包括关联关系集计算单元、影响集计算单元、稳定性指数计算单元和分类单元；
所述关联关系集计算单元，用于获取智能家具控制终端的电压波动和网络流量波动同时发生的关联关系集G＝D∩W；
所述影响集计算单元，用于获取历史数据中智能家具控制终端的电压波动和网络流量波动时间的影响集，并且将电压波动的影响集记为
Figure BDA0003861794470000051
且
Figure BDA0003861794470000052
将网络流量波动的影响集记为
Figure BDA0003861794470000053
且
Figure BDA0003861794470000054
所述稳定性指数计算单元，用于获取智能家具控制终端的稳定性指数
Figure BDA0003861794470000055
Figure BDA0003861794470000056
其中，Number(G)、Number(D)、Number(W)、
Figure BDA0003861794470000057
和
Figure BDA0003861794470000058
分别表示关联关系集G、电压波动的时间集D、网络流量波动的时间集W、电压波动的影响集
Figure BDA0003861794470000059
和网络流量波动的影响集
Figure BDA00038617944700000510
内的数量；
所述分类单元，用于设置智能家具控制终端的稳定性指数阈值，如果智能家具控制终端的稳定性指数大于稳定性指数阈值，则将智能家具控制终端的稳定性分为第一类；如果智能家具控制终端的稳定性指数小于稳定性指数阈值，则将智能家具控制终端的稳定性分为第二类。
进一步的，所述优化处理模块还包括响应指数计算单元和优化结果比较单元；
所述响应指数计算单元，用于获取智能家具控制终端的响应指数
Figure BDA0003861794470000061
其中，
Figure BDA0003861794470000062
所述优化结果比较单元，用于判断第j次优化处理后的智能家具控制终端的运行信息数据是否上传至中央服务器进行存储，具体判断公式为
Figure BDA0003861794470000063
其中，j-1表示第j次的前一次，aj-1表示第j-1次需要优化的设备数量，tj-1表示第j-1次优化处理后的设备响应时长，hj-1表示第j-1次优化处理后的设备响应次；用于将满足判断公式的第j次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器存储模块。
与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于大数据的信息储存系统及方法中，通过获取历史数据中智能家具控制终端的运行信息数据，其中运行信息数据包括电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数，从而判断是否将智能家具控制终端的运行信息数据进行优化处理后再存储；进一步考虑到在实际中智能家具控制终端是与智能家具控制终端控制的设备进行点对点直接控制和响应的，对智能家具控制终端的运行信息数据进行优化处理实际上是对智能家具控制终端控制的设备运行参数进行优化处理；如果智能家具控制终端的稳定性分为第一类，说明智能家具控制终端是与智能家具控制终端控制的设备之间连接稳定，则直接将智能家具控制终端的运行信息数据进行存储；如果智能家具控制终端的稳定性分为第二类，则需要对智能家具控制终端控制的设备运行参数进行优化处理，对优化处理后的智能家具控制终端的运行信息数据进行存储；进一步考虑到在优化过程中会产生过多的运行信息数据，通过加入判断公式，从而筛选出有价值的运行信息数据进行存储；从而在智能家具控制终端的运行信息数据存储过程中，能够避免存储资源的浪费，提高存储效率和存储信息数据的准确性。
附图说明
附图用来提供对本发明的进一步理解，并且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，并且不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的信息储存系统的结构示意图；
图2是本发明一种基于大数据的信息储存方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：
请参阅图1，在本实施例一中：提供一种基于大数据的信息储存系统，本系统包括：信息采集模块、稳定性分类模块、中央服务器存储模块和优化处理模块；
信息采集模块，用于获取智能家具控制终端的运行信息数据，其中运行信息数据包括电压波动信息数据和网络流量波动信息数据，电压波动信息数据和网络流量波动信息数据分别包含电压波动和网络流量波动的时间序列，将电压波动的时间集记为D，将网络流量波动的时间集记为W；用于获取智能控制终端控制的设备，记为Ki，其中Ki∈{K1，K2，…，KI}，I表示智能家具控制终端控制的设备的编号，i∈{1，2，…，I}；用于获取智能控制终端控制的第i个设备的工作状态信息，其中工作状态信息包括设备响应时长和设备响应次数，将设备响应时长记为ti，将设备响应次数记为hi；用于获取智能家具控制终端控制的设备中第j次需要优化的设备数量，记为aj；用于获取第j次优化处理后的智能控制终端控制的设备的工作状态信息，将第j次优化处理后的设备响应时长记为tj，将第j次优化处理后的设备响应次数记为hj；
稳定性分类模块，用于确定智能家具控制终端的稳定性指数；用于将智能家具控制终端的稳定性分为第一类和第二类；
中央服务器存储模块，用于存储智能家具控制终端的运行信息数据；
优化处理模块，用于对智能家具控制终端控制的设备工作参数进行优化处理。
其中，稳定性分类模块还包括关联关系集计算单元、影响集计算单元、稳定性指数计算单元和分类单元；
关联关系集计算单元，用于获取智能家具控制终端的电压波动和网络流量波动同时发生的关联关系集G＝D∩W；
影响集计算单元，用于获取历史数据中智能家具控制终端的电压波动和网络流量波动时间的影响集，并且将电压波动的影响集记为
Figure BDA0003861794470000081
且
Figure BDA0003861794470000082
将网络流量波动的影响集记为
Figure BDA0003861794470000083
且
Figure BDA0003861794470000084
稳定性指数计算单元，用于获取智能家具控制终端的稳定性指数
Figure BDA0003861794470000085
Figure BDA0003861794470000086
其中，Number(G)、Number(D)、Number(W)、
Figure BDA0003861794470000087
和
Figure BDA0003861794470000088
分别表示关联关系集G、电压波动的时间集D、网络流量波动的时间集W、电压波动的影响集
Figure BDA0003861794470000089
和网络流量波动的影响集
Figure BDA00038617944700000810
内的数量；
分类单元，用于设置智能家具控制终端的稳定性指数阈值，如果智能家具控制终端的稳定性指数大于稳定性指数阈值，则将智能家具控制终端的稳定性分为第一类；如果智能家具控制终端的稳定性指数小于稳定性指数阈值，则将智能家具控制终端的稳定性分为第二类。
其中，优化处理模块还包括响应指数计算单元和优化结果比较单元；
响应指数计算单元，用于获取智能家具控制终端的响应指数
Figure BDA00038617944700000811
其中，
Figure BDA00038617944700000812
Figure BDA00038617944700000813
优化结果比较单元，用于判断第j次优化处理后的智能家具控制终端的运行信息数据是否上传至中央服务器进行存储，具体判断公式为
Figure BDA00038617944700000814
其中，j-1表示第j次的前一次，aj-1表示第j-1次需要优化的设备数量，tj-1表示第j-1次优化处理后的设备响应时长，hj-1表示第j-1次优化处理后的设备响应次；用于将满足判断公式的第j次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器存储模块。
请参阅图2，在本实施例二中：提供一种基于大数据的信息储存方法，本方法包括以下步骤：
步骤S100：获取智能家具控制终端的运行信息数据，其中运行信息数据包括电压波动信息数据和网络流量波动信息数据；
步骤S200：根据电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数；根据稳定性指数将智能家具控制终端的稳定性分为第一类和第二类；
步骤S300：如果智能家具控制终端的稳定性分为第一类，则直接将智能家具控制终端的运行信息数据上传至中央服务器进行存储；如果智能家具控制终端的稳定性分为第二类，则获取智能家具控制终端控制的设备工作状态信息；根据设备工作状态信息，获取智能家具控制终端的响应指数；
步骤S400：设置响应指数阈值，如果智能家具控制终端的响应指数大于响应指数阈值，则对智能家具控制终端控制的设备工作参数进行优化处理，将优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储；如果智能家具控制终端的响应指数小于响应指数阈值，则直接将智能家具控制终端的运行信息数据上传至中央服务器进行存储。
其中，获取智能家具控制终端的运行信息数据的具体实施过程包括：
获取历史数据中智能家具控制终端的电压波动信息数据和网络流量波动信息数据，其中电压波动信息数据和网络流量波动信息数据分别包含电压波动和网络流量波动的时间序列，将电压波动的时间集记为D，将网络流量波动的时间集记为W。
其中，根据电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数；根据稳定性指数将智能家具控制终端的稳定性分为第一类和第二类的具体实施过程包括：
步骤S201：获取历史数据中智能家具控制终端的电压波动和网络流量波动时间集的关联关系，并且将关联关系生成关联关系集，具体计算公式如下：
G＝D∩W
其中，G表示智能家具控制终端的电压波动和网络流量波动同时发生的关联关系集；
步骤S202：获取历史数据中智能家具控制终端的电压波动和网络流量波动时间的影响集，并且将电压波动的影响集记为
Figure BDA0003861794470000091
且
Figure BDA0003861794470000092
将网络流量波动的影响集记为
Figure BDA0003861794470000093
且
Figure BDA0003861794470000094
G；
步骤S203：根据关联关系集、电压波动的影响集和网络流量波动的影响集，确定智能家具控制终端的稳定性指数的具体计算公式如下：
Figure BDA0003861794470000095
其中，S表示智能家具控制终端的稳定性指数，Number(G)、Number(D)、Number(W)、
Figure BDA0003861794470000096
和
Figure BDA0003861794470000097
分别表示关联关系集G、电压波动的时间集D、网络流量波动的时间集W、电压波动的影响集
Figure BDA0003861794470000101
和网络流量波动的影响集
Figure BDA0003861794470000102
内的数量；
步骤S204：设置智能家具控制终端的稳定性指数阈值，如果智能家具控制终端的稳定性指数大于稳定性指数阈值，则将智能家具控制终端的稳定性分为第一类；如果智能家具控制终端的稳定性指数小于稳定性指数阈值，则将智能家具控制终端的稳定性分为第二类；
在上述方法中，例如分别获取电压波动的时间集和网络流量波动的时间集，得到电压波动的时间集内的数量为10，网络流量波动的时间集内的数量为8；获取电压波动和网络流量波动同时发生的关联关系集，得到关联关系集内的数量为5；获取电压波动和网络流量波动时间的影响集，得到电压波动的影响集内的数量为5，网络流量波动的影响集内的数量为3；根据公式得到稳定性指数
Figure BDA0003861794470000103
设置稳定性指数阈值为0.6，则将该稳定性指数分为第二类；
例如分别获取电压波动的时间集和网络流量波动的时间集，得到电压波动的时间集内的数量为10，网络流量波动的时间集内的数量为8；获取电压波动和网络流量波动同时发生的关联关系集，得到关联关系集内的数量为2；获取电压波动和网络流量波动时间的影响集，得到电压波动的影响集内的数量为8，网络流量波动的影响集内的数量为6；根据公式得到稳定性指数
Figure BDA0003861794470000104
设置稳定性指数阈值为0.6，则将该稳定性指数分为第二类；
例如分别获取电压波动的时间集和网络流量波动的时间集，得到电压波动的时间集内的数量为10，网络流量波动的时间集内的数量为8；获取电压波动和网络流量波动同时发生的关联关系集，得到关联关系集内的数量为8；获取电压波动和网络流量波动时间的影响集，得到电压波动的影响集内的数量为2，网络流量波动的影响集内的数量为0；根据公式得到稳定性指数
Figure BDA0003861794470000105
设置稳定性指数阈值为0.6，则将该稳定性指数分为第一类。
其中，如果智能家具控制终端的稳定性分为第二类，则获取智能家具控制终端控制的设备工作状态信息；根据设备工作状态信息，获取智能家具控制终端的响应指数的具体实施过程包括：
步骤S301：获取智能控制终端控制的设备，记为Ki，其中Ki∈{K1，K2，…，KI}，I表示智能家具控制终端控制的设备的编号，i∈{1，2，…，I}；获取智能控制终端控制的第i个设备的工作状态信息，其中工作状态信息包括设备响应时长和设备响应次数，将设备响应时长记为ti，将设备响应次数记为hi；
步骤S302：根据设备工作状态信息，获取智能家具控制终端的响应指数的具体计算公式如下：
Figure BDA0003861794470000111
其中，P表示智能家具控制终端的响应指数，
Figure BDA0003861794470000112
其中，将优化处理后智能家具控制终端的运行信息数据上传至中央服务器进行存储的具体实施过程包括：
步骤S501：获取智能家具控制终端控制的设备中第j次需要优化的设备数量，记为aj；获取第j次优化处理后的智能控制终端控制的设备的工作状态信息，将第j次优化处理后的设备响应时长记为tj，将第j次优化处理后的设备响应次数记为hj；
步骤S502：判断第j次优化处理后的智能家具控制终端的运行信息数据是否上传至中央服务器进行存储，具体判断公式如下：
Figure BDA0003861794470000113
其中，j-1表示第j次的前一次，aj-1表示第j-1次需要优化的设备数量，tj-1表示第j-1次优化处理后的设备响应时长，hj-1表示第j-1次优化处理后的设备响应次；
将满足判断公式的第j次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储；
在上述方法中，获取智能家具控制终端控制的设备数量为6，获取第5次需要优化的设备数量为2，第5次优化处理后的设备响应时长为2，第5次优化处理后的设备响应次数为2；获取第4次需要优化的设备数量为4，第4次优化处理后的设备响应时长为4，第4次优化处理后的设备响应次数为3；根据公式计算
Figure BDA0003861794470000114
则将第5次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储。
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。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。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的信息储存方法，其特征在于，该方法包括以下步骤：
步骤S100：获取智能家具控制终端的运行信息数据，所述运行信息数据包括电压波动信息数据和网络流量波动信息数据；
步骤S200：根据所述电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数；根据所述稳定性指数将智能家具控制终端的稳定性分为第一类和第二类；
步骤S300：如果智能家具控制终端的稳定性分为第一类，则直接将智能家具控制终端的运行信息数据上传至中央服务器进行存储；如果智能家具控制终端的稳定性分为第二类，则获取智能家具控制终端控制的设备工作状态信息；根据所述设备工作状态信息，获取智能家具控制终端的响应指数；
步骤S400：设置响应指数阈值，如果智能家具控制终端的响应指数大于响应指数阈值，则对智能家具控制终端控制的设备工作参数进行优化处理，将优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储；如果智能家具控制终端的响应指数小于响应指数阈值，则直接将智能家具控制终端的运行信息数据上传至中央服务器进行存储。
2.根据权利要求1所述的一种基于大数据的信息储存方法，其特征在于，获取智能家具控制终端的运行信息数据的具体实施过程包括：
获取历史数据中智能家具控制终端的电压波动信息数据和网络流量波动信息数据，所述电压波动信息数据和所述网络流量波动信息数据分别包含电压波动和网络流量波动的时间序列，将电压波动的时间集记为D，将网络流量波动的时间集记为W。
3.根据权利要求2所述的一种基于大数据的信息储存方法，其特征在于，根据所述电压波动信息数据和网络流量波动信息数据，确定智能家具控制终端的稳定性指数；根据所述稳定性指数将智能家具控制终端的稳定性分为第一类和第二类的具体实施过程包括：
步骤S201：获取历史数据中智能家具控制终端的电压波动和网络流量波动时间集的关联关系，并且将所述关联关系生成关联关系集，具体计算公式如下：
G＝D∩W
其中，G表示智能家具控制终端的电压波动和网络流量波动同时发生的关联关系集；
步骤S202：获取历史数据中智能家具控制终端的电压波动和网络流量波动时间的影响集，并且将电压波动的影响集记为
Figure FDA0003861794460000021
且
Figure FDA0003861794460000022
将网络流量波动的影响集记为
Figure FDA0003861794460000023
且
Figure FDA0003861794460000024
步骤S203：根据所述关联关系集、所述电压波动的影响集和所述网络流量波动的影响集，确定智能家具控制终端的稳定性指数的具体计算公式如下：
Figure FDA0003861794460000025
其中，S表示智能家具控制终端的稳定性指数，Number(G)、Number(D)、Number(W)、
Figure FDA0003861794460000026
和
Figure FDA0003861794460000027
分别表示关联关系集G、电压波动的时间集D、网络流量波动的时间集W、电压波动的影响集
Figure FDA0003861794460000028
和网络流量波动的影响集
Figure FDA0003861794460000029
内的数量；
步骤S204：设置智能家具控制终端的稳定性指数阈值，如果智能家具控制终端的稳定性指数大于稳定性指数阈值，则将智能家具控制终端的稳定性分为第一类；如果智能家具控制终端的稳定性指数小于稳定性指数阈值，则将智能家具控制终端的稳定性分为第二类。
4.根据权利要求3所述的一种基于大数据的信息储存方法，其特征在于，如果智能家具控制终端的稳定性分为第二类，则获取智能家具控制终端控制的设备工作状态信息；根据所述设备工作状态信息，获取智能家具控制终端的响应指数的具体实施过程包括：
步骤S301：获取智能控制终端控制的设备，记为Ki，其中Ki∈{K1，K2，…，KI}，I表示智能家具控制终端控制的设备的编号，i∈{1，2，…，I}；获取智能控制终端控制的第i个设备的工作状态信息，所述工作状态信息包括设备响应时长和设备响应次数，将所述设备响应时长记为ti，将所述设备响应次数记为hi；
步骤S302：根据所述设备工作状态信息，获取智能家具控制终端的响应指数的具体计算公式如下：
Figure FDA00038617944600000210
其中，P表示智能家具控制终端的响应指数，
Figure FDA0003861794460000031
5.根据权利要求4所述的一种基于大数据的信息储存方法，其特征在于，将优化处理后智能家具控制终端的运行信息数据上传至中央服务器进行存储的具体实施过程包括：
步骤S501：获取智能家具控制终端控制的设备中第j次需要优化的设备数量，记为aj；获取第j次优化处理后的智能控制终端控制的设备的工作状态信息，将第j次优化处理后的设备响应时长记为tj，将第j次优化处理后的设备响应次数记为hj；
步骤S502：判断第j次优化处理后的智能家具控制终端的运行信息数据是否上传至中央服务器进行存储，具体判断公式如下：
Figure FDA0003861794460000032
其中，j-1表示第j次的前一次，aj-1表示第j-1次需要优化的设备数量，tj-1表示第j-1次优化处理后的设备响应时长，hj-1表示第j-1次优化处理后的设备响应次；
将满足判断公式的第j次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器进行存储。
6.一种执行如权利要求1-5中任一项的一种基于大数据的信息储存方法的一种基于大数据的信息储存系统，其特征在于，所述系统包括：信息采集模块、稳定性分类模块、中央服务器存储模块和优化处理模块；
所述信息采集模块，用于获取智能家具控制终端的运行信息数据，所述运行信息数据包括电压波动信息数据和网络流量波动信息数据，所述电压波动信息数据和所述网络流量波动信息数据分别包含电压波动和网络流量波动的时间序列，将电压波动的时间集记为D，将网络流量波动的时间集记为W；用于获取智能控制终端控制的设备，记为Ki，其中Ki∈{K1，K2，…，KI}，I表示智能家具控制终端控制的设备的编号，i∈{1，2，…，I}；用于获取智能控制终端控制的第i个设备的工作状态信息，所述工作状态信息包括设备响应时长和设备响应次数，将所述设备响应时长记为ti，将所述设备响应次数记为hi；用于获取智能家具控制终端控制的设备中第j次需要优化的设备数量，记为aj；用于获取第j次优化处理后的智能控制终端控制的设备的工作状态信息，将第j次优化处理后的设备响应时长记为tj，将第j次优化处理后的设备响应次数记为hj；
所述稳定性分类模块，用于确定智能家具控制终端的稳定性指数；用于将智能家具控制终端的稳定性分为第一类和第二类；
所述中央服务器存储模块，用于存储智能家具控制终端的运行信息数据；
所述优化处理模块，用于对智能家具控制终端控制的设备工作参数进行优化处理。
7.根据权利要求6所述的一种基于大数据的信息储存系统，其特征在于：所述稳定性分类模块还包括关联关系集计算单元、影响集计算单元、稳定性指数计算单元和分类单元；
所述关联关系集计算单元，用于获取智能家具控制终端的电压波动和网络流量波动同时发生的关联关系集G＝D∩W；
所述影响集计算单元，用于获取历史数据中智能家具控制终端的电压波动和网络流量波动时间的影响集，并且将电压波动的影响集记为
Figure FDA0003861794460000041
且
Figure FDA0003861794460000042
将网络流量波动的影响集记为
Figure FDA0003861794460000043
且
Figure FDA0003861794460000044
所述稳定性指数计算单元，用于获取智能家具控制终端的稳定性指数
Figure FDA0003861794460000045
Figure FDA0003861794460000046
其中，Number(G)、Number(D)、Number(W)、
Figure FDA0003861794460000047
和
Figure FDA0003861794460000048
分别表示关联关系集G、电压波动的时间集D、网络流量波动的时间集W、电压波动的影响集
Figure FDA0003861794460000049
和网络流量波动的影响集
Figure FDA00038617944600000410
内的数量；
所述分类单元，用于设置智能家具控制终端的稳定性指数阈值，如果智能家具控制终端的稳定性指数大于稳定性指数阈值，则将智能家具控制终端的稳定性分为第一类；如果智能家具控制终端的稳定性指数小于稳定性指数阈值，则将智能家具控制终端的稳定性分为第二类。
8.根据权利要求6所述的一种基于大数据的信息储存系统，其特征在于：所述优化处理模块还包括响应指数计算单元和优化结果比较单元；
所述响应指数计算单元，用于获取智能家具控制终端的响应指数
Figure FDA00038617944600000411
其中，
Figure FDA00038617944600000412
所述优化结果比较单元，用于判断第j次优化处理后的智能家具控制终端的运行信息数据是否上传至中央服务器进行存储，具体判断公式为
Figure FDA00038617944600000413
其中，j-1表示第j次的前一次，aj-1表示第j-1次需要优化的设备数量，tj-1表示第j-1次优化处理后的设备响应时长，hj-1表示第j-1次优化处理后的设备响应次；用于将满足判断公式的第j次优化处理后的智能家具控制终端的运行信息数据上传至中央服务器存储模块。
CN202211165321.8A 2022-09-23 2022-09-23 一种基于大数据的信息储存系统及方法 Active CN115407677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211165321.8A CN115407677B (zh) 2022-09-23 2022-09-23 一种基于大数据的信息储存系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211165321.8A CN115407677B (zh) 2022-09-23 2022-09-23 一种基于大数据的信息储存系统及方法

Publications (2)

Publication Number Publication Date
CN115407677A true CN115407677A (zh) 2022-11-29
CN115407677B CN115407677B (zh) 2023-06-02

Family

ID=84164904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211165321.8A Active CN115407677B (zh) 2022-09-23 2022-09-23 一种基于大数据的信息储存系统及方法

Country Status (1)

Country Link
CN (1) CN115407677B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150123772A1 (en) * 2011-10-18 2015-05-07 Dewertokin Gmbh Electromotive furniture drive and method for controlling an electromotive furniture drive
WO2015085724A1 (zh) * 2013-12-12 2015-06-18 中兴通讯股份有限公司 智能家居控制方法、控制系统和远程服务器
CN106707778A (zh) * 2016-12-06 2017-05-24 长沙理工大学 一种基于模型预测控制的家庭综合能源智能优化管理系统
CN110009889A (zh) * 2019-04-09 2019-07-12 湘潭大学 面向智能楼宇全直流微网的全息感知用电信息非冗余高效传输技术
JP2019146686A (ja) * 2018-02-26 2019-09-05 任天堂株式会社 情報処理システム、情報処理方法、情報処理装置、および情報処理プログラム
CN112286116A (zh) * 2020-11-09 2021-01-29 扬州工业职业技术学院 一种基于大数据的智能家居管理系统
US20210132795A1 (en) * 2019-11-05 2021-05-06 Refliko, Inc. Smart mirror and table top devices with sensor fusion of camera vision, acoustic, and multi-point capacitive touch control
CN114462761A (zh) * 2021-12-17 2022-05-10 华电电力科学研究院有限公司 基于物联网的分布式能源智能管控系统
CN114756722A (zh) * 2022-04-25 2022-07-15 珠海市鸿瑞信息技术股份有限公司 一种多元数据集中管理控制系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150123772A1 (en) * 2011-10-18 2015-05-07 Dewertokin Gmbh Electromotive furniture drive and method for controlling an electromotive furniture drive
WO2015085724A1 (zh) * 2013-12-12 2015-06-18 中兴通讯股份有限公司 智能家居控制方法、控制系统和远程服务器
CN106707778A (zh) * 2016-12-06 2017-05-24 长沙理工大学 一种基于模型预测控制的家庭综合能源智能优化管理系统
JP2019146686A (ja) * 2018-02-26 2019-09-05 任天堂株式会社 情報処理システム、情報処理方法、情報処理装置、および情報処理プログラム
CN110009889A (zh) * 2019-04-09 2019-07-12 湘潭大学 面向智能楼宇全直流微网的全息感知用电信息非冗余高效传输技术
US20210132795A1 (en) * 2019-11-05 2021-05-06 Refliko, Inc. Smart mirror and table top devices with sensor fusion of camera vision, acoustic, and multi-point capacitive touch control
CN112286116A (zh) * 2020-11-09 2021-01-29 扬州工业职业技术学院 一种基于大数据的智能家居管理系统
CN114462761A (zh) * 2021-12-17 2022-05-10 华电电力科学研究院有限公司 基于物联网的分布式能源智能管控系统
CN114756722A (zh) * 2022-04-25 2022-07-15 珠海市鸿瑞信息技术股份有限公司 一种多元数据集中管理控制系统及方法

Also Published As

Publication number Publication date
CN115407677B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
WO2020191282A2 (en) System and method for multi-task lifelong learning on personal device with improved user experience
CN112115306A (zh) 用于执行高维传感器数据中的异常事件的自动根本原因分析的方法和系统
AlQerm et al. DeepEdge: A new QoE-based resource allocation framework using deep reinforcement learning for future heterogeneous edge-IoT applications
CN114610559A (zh) 设备运行环境评估方法、判决模型训练方法、电子设备
CN113868953A (zh) 工业系统中多机组运行优化方法、装置、系统及存储介质
CN115407677A (zh) 一种基于大数据的信息储存系统及方法
CN115358430B (zh) 一种基于大数据的运维信息管理系统及方法
CN114756722B (zh) 一种多元数据集中管理控制系统及方法
CN110995384A (zh) 一种基于机器学习的广播总控故障趋势预判方法
CN115460124A (zh) 跨机房传输链路优化的方法、装置、设备和存储介质
CN113741402A (zh) 一种设备控制方法、装置、计算机设备和存储介质
CN112306406A (zh) 智能存储自动分级的方法、装置、存储介质及电子设备
CN112364999A (zh) 冷水机调节模型的训练方法、装置及电子设备
CN116644240B (zh) 一种基于数据处理的图书专业书籍智能推荐方法
CN117575745B (zh) 基于ai大数据的课程教学资源个性推荐方法
CN117458544B (zh) 一种基于多类型储能资源动态聚合的优化协同调控方法
CN117094478B (zh) 能量调度管理方法、装置、设备及存储介质
CN117193509A (zh) 一种数据中心的节能控制管理方法及系统
KR102195958B1 (ko) 인공지능 학습데이터 생성을 위한 다중할당 방식의 크라우드소싱 기반 프로젝트에서의 신뢰도에 기초한 작업자별 최대 작업 제한 건수 적용 방법
CN116761207B (zh) 一种基于通信行为的用户画像构建方法与系统
CN115390653A (zh) 一种省电管理方法和系统
CN117975977A (zh) 一种用于功放的智能压缩方法及系统
CN117577983A (zh) 一种智能电池温度监测方法
CN117933827A (zh) 计算机终端工控信息数据处理方法、电子设备及存储介质
CN117646976A (zh) 一种大规模机器协同下的温度下发的方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230331

Address after: Room 580, 5th Floor, Building 9, Yard 9, Linhe South Street, Renhe Town, Shunyi District, Beijing, 101320

Applicant after: Beijing Deyuan Fanghui Technology Development Co.,Ltd.

Address before: Room 402-135, Floor 4, West District, No. 258, Nantong Street, Nangang District, Harbin, Heilongjiang 150050

Applicant before: Harbin Shenqian Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant