CN116205297A - 一种智能自适应控制方法、装置、设备及存储介质 - Google Patents
一种智能自适应控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116205297A CN116205297A CN202310315690.9A CN202310315690A CN116205297A CN 116205297 A CN116205297 A CN 116205297A CN 202310315690 A CN202310315690 A CN 202310315690A CN 116205297 A CN116205297 A CN 116205297A
- Authority
- CN
- China
- Prior art keywords
- target
- equipment
- preset
- executed
- sensors
- 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 46
- 238000012216 screening Methods 0.000 claims abstract description 27
- 230000003044 adaptive effect Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design 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
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Selective Calling Equipment (AREA)
Abstract
本申请公开了一种智能自适应控制、装置、设备及存储介质,涉及机器学习领域,包括:基于目标智能设备的设备信息对已集成的若干个传感器进行筛选,得到若干个目标传感器;基于预设轻量级模型以及从若干个目标传感器获取的待推理数据完成推理操作,并根据推理结果确定与目标智能设备对应的待执行控制指令;获取目标智能设备根据待执行控制指令执行控制操作后的设备状态信息,并基于设备状态信息对预设轻量级模型进行迭代,得到更新后的预设轻量级模型。本申请基于预设轻量级模型及目标传感器确定控制指令,然后基于设备执行指令后返回的设备状态信息进行模型迭代,以得到更新后的预设轻量级模型并开展新一轮的指令确定,提高了用户体验感。
Description
技术领域
本发明涉及机器学习领域,特别涉及一种智能自适应控制方法、装置、设备及存储介质。
背景技术
现有的智能控制系统及方法基本基于用户根据自己的喜好在平台端或者移动app端进行提前的设置。例如,将空调调整为一个特定的开关阈值。但是,用户的喜好是根据时间和季节的变化而变化的,现有的智能设备及系统并不能根据时间的变化或者用户喜好的变化而变化。只能是用户设定一个固有的阈值或者激活条件作为控制的条件,当用户喜好发生变化时只能由用户自己去变更设置,这样一来,使得用户体验感较差。
发明内容
有鉴于此,本发明的目的在于提供一种智能自适应控制方法、装置、设备及存储介质,能够有效实现设备的智能自适应控制,提高用户体验感。其具体方案如下:
第一方面,本申请提供了一种智能自适应控制方法,应用于预设微控制器,包括:
基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;
基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;
获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
可选的,所述基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器,包括:
通过预设人机交互接口获取与目标智能设备所对应的设备信息;
基于所述设备信息以及与已集成的若干个传感器对应的类型信息和型号信息执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。
可选的,所述根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令之后,还包括:
通过预设无线通信模块将所述待执行控制指令发送至相应的网关或者平台端,以便所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备。
可选的,所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备,包括:
所述网关或所述平台端基于消息队列遥测传输协议的订阅发布功能将所述待执行控制指令发送至所述目标智能设备。
可选的,所述智能自适应控制方法,还包括:
在得到更新后的所述预设轻量级模型之后,重新跳转至所述基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据进行相应的推理操作,并根据得到的推理结果确定相应的待执行控制指令的步骤,以进行新一轮的数据推测。
可选的,所述基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型,包括:
当存储于自身数据缓冲区的所述待推理数据的数据量大于预设阈值时,基于所述设备状态信息以及所述待推理数据对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
第二方面,本申请提供了一种智能自适应控制装置,应用于预设微控制器,包括:
传感器筛选模块,用于基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;
指令确定模块,用于基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;
模型迭代模块,用于获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
可选的,所述传感器筛选模块,包括:
设备信息获取单元,用于通过预设人机交互接口获取与目标智能设备所对应的设备信息;
目标传感器确定单元,用于基于所述设备信息以及与已集成的若干个传感器对应的类型信息和型号信息执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。
第三方面,本申请提供了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述的智能自适应控制方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,用于保存计算机程序,所述计算机程序被处理器执行时实现前述的智能自适应控制方法的步骤。
可见,本申请中,基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。本申请基于预设轻量级模型及与目标智能设备对应的若干个目标传感器确定控制指令,然后基于所述目标智能设备执行指令后返回的设备状态信息进行模型迭代,以得到更新后的所述预设轻量级模型并开展新一轮的指令确定,这样一来,通过模型迭代不断学习用户喜好,从而实现了设备的智能自适应控制,提高了用户体验感。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种智能自适应控制方法流程图;
图2为本申请提供的一种具体的智能自适应控制方法流程图;
图3为本申请提供的一种具体的智能自适应控制方法流程图;
图4为本申请提供的一种模型迭代流程示意图;
图5为本申请提供的一种智能自适应控制装置结构示意图;
图6为本申请提供的一种电子设备结构图。
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。
现有的智能控制系统及方法基本基于用户根据自己的喜好在平台端或者移动app端进行提前的设置。例如,将空调调整为一个特定的开关阈值。但是,用户的喜好是根据时间和季节的变化而变化的,现有的智能设备及系统并不能根据时间的变化或者用户喜好的变化而变化。只能是用户设定一个固有的阈值或者激活条件作为控制的条件,当用户喜好发生变化时只能由用户自己去变更设置,这样一来,使得用户体验感较差。为此,本申请提供了一种智能自适应控制方案,能够有效实现设备的智能自适应控制,提高用户体验感。
参见图1所示,本发明实施例公开了一种智能自适应控制方法,应用于预设微控制器,包括:
步骤S11、基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。
本实施例中,所述基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器,具体可以包括:通过预设人机交互接口获取与目标智能设备所对应的设备信息;基于所述设备信息以及与已集成的若干个传感器对应的类型信息和型号信息执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。其中,所述目标智能设备可以为空调,也可以为灯具。需要理解的是,参见图2所示,在获取与所示目标智能设备所对应的设备信息时,具体是用户通过APP、小程序或网页页面来扫描相应的二维码进入配置界面,然后将所述设备信息上传到所述配置界面中,以便所述微控制器获取并进行传感器的筛选,完成相应的初始化配置。所述二维码为当前与所述微控制器及其已集成的所述若干个传感器所对应的专属二维码。
可以理解的是,在一种实施例中,在对已集成的所述若干个传感器执行相应的筛选操作的过程中,具体是先基于所述设备信息以及与已集成的所述若干个传感器对应的类型信息筛选出相应类型的传感器,然后再基于所述设备信息以及与已选定的若干类的传感器对应的型号信息选择确定出若干个目标传感器。可以理解的是,所述目标传感器可以包括温度传感器、湿度传感器以及光敏传感器。并且,所述若干个目标传感器的数量越多,后续推理生成的控制指令就越准确。
步骤S12、基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令。
本实施例中,所述根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令之后,具体还可以包括:通过预设无线通信模块将所述待执行控制指令发送至相应的网关或者平台端,以便所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备。进一步的,所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备,具体可以包括:所述网关或所述平台端基于消息队列遥测传输协议的订阅发布功能将所述待执行控制指令发送至所述目标智能设备。其中,所述预设无线通信模块可以为LoRa(Long Range Radio,远距离无线电)模块,所述预设即时通信协议可以为MQTT(Message Queuing Telemetry Transport,信息队列遥测传输)。所述预设轻量级模型会嵌入到所述预设微控制器中作为数据处理和分析判断的标准,其可以为TinyML(Tiny Machine Learning,轻量级机器学习)模型,可以在小型传感器设备或低耗IT(Information Technology,互联网技术)设备上实施,而不需要进行大量的计算或存储,这样一来,可以有效保证实施效率。
具体的,参见图2与图3所示,将从所述若干个目标传感器获取的相应的待推理数据作为预设轻量级模型的模型输入数据来完成相应的数据推理操作,并基于推理结果确定当前与所述目标智能设备对应的待执行控制指令后,例如,当所述推理结果表明:针对所述目标智能设备的开关,开的概率为80%,关的概率为20%,则基于所述推理结果确定打开所述目标智能设备的指令。然后基于自身的LoRa模块将所述待执行控制指令发送至相应的网关或平台端,所述网关或所述平台端收到所述待执行控制指令后,基于MQTT的订阅发布功能将所述待执行控制指令发送至所述目标智能设备,然后所述目标智能设备收到所述待执行控制指令后自动进行相应的控制操作。
步骤S13、获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
本实施例中,具体的,在得到更新后的所述预设轻量级模型之后,重新跳转至所述基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据进行相应的推理操作,并根据得到的推理结果确定相应的待执行控制指令的步骤,以进行新一轮的数据推测。这样一来,通过不断的模型迭代进行模型的及时更新,得到越来越贴合用户喜好的所述预设轻量级模型。
需要理解的是,结合图4所示,所述基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型,具体可以包括:当存储于自身数据缓冲区的所述待推理数据的数据量大于预设阈值时,基于所述设备状态信息以及所述待推理数据对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。其中,所述若干个目标传感器的所述待推理数据会根据排序储存到所述预设微控制器的buffer(数据缓冲区)中,同时相应的所述设备状态信息与所述buffer中的所述待推理数据相对应,当所述buffer中的数据量达到所述预设阈值时,所述设备状态信息以及所述待推理数据作为输入进入决策树分类器进行模型迭代。其中,所述预设阈值可以为所述buffer的存储空间最大值。
由此可见,本申请实施例中,基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。本申请基于预设轻量级模型及与目标智能设备对应的若干个目标传感器确定控制指令,然后基于所述目标智能设备执行指令后返回的设备状态信息进行模型迭代,以得到更新后的所述预设轻量级模型并开展新一轮的指令确定,这样一来,通过模型迭代不断学习用户喜好,从而实现了设备的智能自适应控制,提高了用户体验感。
参见图5所示,本申请实施例还相应公开了一种智能自适应控制装置,应用于预设微控制器,包括:
传感器筛选模块11,用于基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;
指令确定模块12,用于基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;
模型迭代模块13,用于获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
其中,关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
由此可见,本申请中,基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。本申请基于预设轻量级模型及与目标智能设备对应的若干个目标传感器确定控制指令,然后基于所述目标智能设备执行指令后返回的设备状态信息进行模型迭代,以得到更新后的所述预设轻量级模型并开展新一轮的指令确定,这样一来,通过模型迭代不断学习用户喜好,从而实现了设备的智能自适应控制,提高了用户体验感。
在一些具体实施例中,所述传感器筛选模块11,具体可以包括:
设备信息获取单元,用于通过预设人机交互接口获取与目标智能设备所对应的设备信息;
目标传感器确定单元,用于基于所述设备信息以及与已集成的若干个传感器对应的类型信息和型号信息执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。
在一些具体实施例中,所述智能自适应控制装置,具体还可以包括:
待执行控制指令发送单元,用于通过预设无线通信模块将所述待执行控制指令发送至相应的网关或者平台端,以便所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备。
在一些具体实施例中,所述智能自适应控制装置,具体可以包括:
指令订阅发布单元,用于所述网关或所述平台端基于消息队列遥测传输协议的订阅发布功能将所述待执行控制指令发送至所述目标智能设备。
在一些具体实施例中,所述智能自适应控制装置,具体还可以包括:
步骤跳转单元,用于在得到更新后的所述预设轻量级模型之后,重新跳转至所述基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据进行相应的推理操作,并根据得到的推理结果确定相应的待执行控制指令的步骤,以进行新一轮的数据推测。
在一些具体实施例中,所述模型迭代模块13,具体可以包括:
模型迭代更新单元,用于当存储于自身数据缓冲区的所述待推理数据的数据量大于预设阈值时,基于所述设备状态信息以及所述待推理数据对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
进一步的,本申请实施例还公开了一种电子设备,图6是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图6为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的智能自适应控制方法中的相关步骤。另外,本实施例中的电子设备20具体可以为电子计算机。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源可以包括操作系统221、计算机程序222等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的智能自适应控制方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请还公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的智能自适应控制方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,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。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的技术方案进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种智能自适应控制方法,其特征在于,应用于预设微控制器,包括:
基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;
基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;
获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
2.根据权利要求1所述的智能自适应控制方法,其特征在于,所述基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器,包括:
通过预设人机交互接口获取与目标智能设备所对应的设备信息;
基于所述设备信息以及与已集成的若干个传感器对应的类型信息和型号信息执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。
3.根据权利要求1所述的智能自适应控制方法,其特征在于,所述根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令之后,还包括:
通过预设无线通信模块将所述待执行控制指令发送至相应的网关或者平台端,以便所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备。
4.根据权利要求3所述的智能自适应控制方法,其特征在于,所述网关或所述平台端基于预设即时通信协议将所述待执行控制指令发送至所述目标智能设备,包括:
所述网关或所述平台端基于消息队列遥测传输协议的订阅发布功能将所述待执行控制指令发送至所述目标智能设备。
5.根据权利要求1所述的智能自适应控制方法,其特征在于,还包括:
在得到更新后的所述预设轻量级模型之后,重新跳转至所述基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据进行相应的推理操作,并根据得到的推理结果确定相应的待执行控制指令的步骤,以进行新一轮的数据推测。
6.根据权利要求1至5任一项所述的智能自适应控制方法,其特征在于,所述基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型,包括:
当存储于自身数据缓冲区的所述待推理数据的数据量大于预设阈值时,基于所述设备状态信息以及所述待推理数据对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
7.一种智能自适应控制装置,其特征在于,应用于预设微控制器,包括:
传感器筛选模块,用于基于与目标智能设备所对应的设备信息对已集成的若干个传感器执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器;
指令确定模块,用于基于预设轻量级模型以及从所述若干个目标传感器获取的相应的待推理数据完成相应的推理操作,并根据得到的推理结果确定当前与所述目标智能设备对应的待执行控制指令;
模型迭代模块,用于获取所述目标智能设备根据接收到的所述待执行控制指令执行相应的控制操作后的设备状态信息,并基于所述设备状态信息对所述预设轻量级模型进行迭代,得到更新后的所述预设轻量级模型。
8.根据权利要求7所述的智能自适应控制装置,其特征在于,所述传感器筛选模块,包括:
设备信息获取单元,用于通过预设人机交互接口获取与目标智能设备所对应的设备信息;
目标传感器确定单元,用于基于所述设备信息以及与已集成的若干个传感器对应的类型信息和型号信息执行相应的筛选操作,得到与所述目标智能设备对应的若干个目标传感器。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至6任一项所述的智能自适应控制方法。
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的智能自适应控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310315690.9A CN116205297A (zh) | 2023-03-24 | 2023-03-24 | 一种智能自适应控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310315690.9A CN116205297A (zh) | 2023-03-24 | 2023-03-24 | 一种智能自适应控制方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116205297A true CN116205297A (zh) | 2023-06-02 |
Family
ID=86514824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310315690.9A Pending CN116205297A (zh) | 2023-03-24 | 2023-03-24 | 一种智能自适应控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205297A (zh) |
-
2023
- 2023-03-24 CN CN202310315690.9A patent/CN116205297A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abd-Elmagid et al. | A reinforcement learning framework for optimizing age of information in RF-powered communication systems | |
CN111091200B (zh) | 训练模型的更新方法、系统、智能设备、服务器及存储介质 | |
Hatami et al. | On-demand AoI minimization in resource-constrained cache-enabled IoT networks with energy harvesting sensors | |
EP2665020A2 (en) | Incremental reasoning under data source availability constraints | |
CN109753034B (zh) | 一种控制方法、装置、电子设备及存储介质 | |
US11881993B2 (en) | Method and deep reinforcement neural network (DRNN) management system for an intelligent plug-and-play point-to-multipoint internet of things (IoT) platform | |
EP4376386A1 (en) | Electronic device and operation method for deploying application | |
CN114819134A (zh) | 更新机器学习模型的方法、设备和计算机程序产品 | |
CN109558148A (zh) | 路由器的插件安装方法、装置、设备及存储介质 | |
CN110428836A (zh) | 物联网设备控制方法、信息转发设备和物联网服务器 | |
CN116205297A (zh) | 一种智能自适应控制方法、装置、设备及存储介质 | |
Luthfi et al. | Optimization of data communication on air control device based on Internet of Things with application of http and mqtt protocols | |
Vastardis et al. | A user behaviour-driven smart-home gateway for energy management | |
CN116996546A (zh) | 物联网设备的控制方法、装置、设备及存储介质 | |
CN116956028A (zh) | 用户画像更新方法、装置、设备及存储介质 | |
JP7080009B2 (ja) | サーバ装置、制御システム、コンピュータプログラム及び通信方法 | |
CN110086835B (zh) | 应用程序管控方法、终端、服务器及系统 | |
CN112667334B (zh) | 设备控制信息的配置方法、装置、电子设备及存储介质 | |
Hatami et al. | On the age-optimality of relax-then-truncate approach under partial battery knowledge in energy harvesting IoT networks | |
CN114114933B (zh) | 物联网设备的控制方法、装置、设备及存储介质 | |
CN111466126A (zh) | 与受限设备的通信 | |
CN111380188A (zh) | 智能空调控制方法、装置及系统 | |
CN114963292B (zh) | 一种采暖系统控制方法、装置、设备及存储介质 | |
CN117824063B (zh) | 一种基于智能手表的空调远程调控方法、系统及介质 | |
CN110971461B (zh) | 一种基于物联网的传感器节点配置方法及系统 |
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 |