CN116300449A - 一种基于持续学习的智能家居控制方法及系统 - Google Patents
一种基于持续学习的智能家居控制方法及系统 Download PDFInfo
- Publication number
- CN116300449A CN116300449A CN202310230849.7A CN202310230849A CN116300449A CN 116300449 A CN116300449 A CN 116300449A CN 202310230849 A CN202310230849 A CN 202310230849A CN 116300449 A CN116300449 A CN 116300449A
- Authority
- CN
- China
- Prior art keywords
- user
- preset
- scene
- state
- intelligent
- 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 33
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
本申请涉及智能家居控制领域,具体公开了一种基于持续学习的智能家居控制方法及系统,所述方法包括:对每个场景下的智能设备,通过预设的方式生成优先级序列;当获取到用户的场景需求指令时,根据优先级序列选取出待开启的智能设备和待定状态的智能设备;控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈;当接收到用户的反馈指令后,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。通过通过对场景模式下的智能设备辅以优先级序列来实现控制,并根据用户实际使用情况来进行优先级序列的更新调整,以更好地满足用户实际需求。
Description
技术领域
本申请涉及智能家居控制领域,尤其涉及一种基于持续学习的智能家居控制方法及系统。
背景技术
随着智能家居的不断发展,为了给用户带来更好的体验,各种控制方式也应运而生,除了常规的语音控制、手势控制、手机APP控制之外,还有场景模式控制,也就是由家中设备之间的联动所组成的一个场景,根据用户的行为模式,形式一组多个设备的响应,例如,当用户回到家时,则会自动实行亮灯、背景音乐响起、空调开启、热水器开始工作等一系列操作。
这种场景模式的控制可以由用户根据自身需求进行设备的添加,只需一个简单的控制指令,便会有多个设备进行响应,给用户带来更轻松更舒适的体验感。但这种控制方式会存在的一个问题就是针对每一个场景可能用户的需求并不是一成不变的,可能每天都会不同的变化,当这种变化未能及时与对应场景模式中的设备形成关联时,则会达不到用户的需求,并且还会造成一定程度的能源浪费。
发明内容
本申请的目的是提供一种基于持续学习的智能家居控制方法及系统,通过对场景模式下的智能设备辅以优先级序列来实现控制,并根据用户实际使用情况来进行优先级序列的更新调整,以更好地满足用户实际需求。
第一方面,本申请提供一种基于持续学习的智能家居控制方法,采用如下的技术方案:
对每个场景下的智能设备,通过预设的方式生成优先级序列,所述优先级序列包括智能设备名称以及对应优先级分数;
当获取到用户的场景需求指令时,将当前场景下优先级分数大于预设第一阈值的智能设备记为待开启状态,将当前场景下优先级分数处于预设第一阈值与预设第二阈值之间的智能设备记为待定状态;
控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈;
当接收到用户的反馈指令后,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。
通过上述技术方案,可以通过设定场景模型下智能设备的初始优先级来进行相应的控制,不再是一次性对所有的添加设备都进行开启,而是会结合优先级序列以及用户的实际反馈来进行设备的控制,并不断学习更新以更好地迎合用户的实际需求。
可选的,所述智能设备信息包括设备用途,所述对每个场景下的智能设备信息,通过预设的方式生成优先级序列,包括:
基于设备用途,通过预设的系统划分规则进行排序和评分,以获取各个场景下的初始优先级序列;
对各个场景下的所有智能设备,通过预设的设备联动关联模型生成相应权重值;
根据生成的权重值对初始优先级序列进行赋值,以获取优先级序列。
可选的,所述当获取到用户的场景需求指令时,还包括:
获取当前智能家居系统中环境监测信息,所述环境监测信息包括天气、阳光强度、室内外温度以及空气湿度;
基于环境监测信息,根据预设的条件参考指标,对当前场景下的所有智能设备进行重新评估,以对优先级序列进行更新。
可选的,所述控制待开启状态的智能设备进行开启,包括:
获取当前场景下的所有智能设备的工作状态;
判断处于待开启状态的智能设备的工作状态是否处于关闭状态;
若是,则控制待开启状态的智能设备进行开启。
可选的,所述对待定状态的智能设备生成问讯信息指令,并等待用户反馈之后,还包括:
若在预设时间内没能收到用户的反馈指令,则将待定状态的智能设备记为待关闭状态;
判断处于待关闭状态的智能设备的工作状态是否处于开启状态;
若是,则控制待关闭状态的智能设备进行关闭。
可选的,所述更新当前场景下的优先级序列,包括:
根据用户的反馈信息,记录下当前场景下所有智能设备的开关状态以及当前时间,并将其存入预设数据库中;
对预设数据库中的数据,通过数据统计分析更新当前场景下的优先级序列。
可选的,所述对预设数据库中的数据,通过数据统计分析以更新当前场景下的优先级序列,包括:
根据预设数据库已存的数据,统计当前场景下各设备设备的开关频次;
根据开关频次,通过预设的计算方法,对当前优先级分数进行调整,以更新优先级序列。
可选的,所述通过预设的计算方法,对当前优先级分数进行调整,以更新优先级序列之后,还包括:
判断当前场景下的存储数据是否达到预设阈值,若是,则对预设数据库中的数据,按预设周期进行多维度数据统计,以获取不同周期下的统计结果;
根据不同周期下的统计结果,以周期维度对当前的优先级序列给予不同程度的权重加持。
第二方面,本申请提供一种基于持续学习的智能家居控制系统,包括:
初始化模块(101),用于对每个场景下的智能设备,通过预设的方式生成优先级序列,所述优先级序列包括智能设备编号以及对应优先级分数;
数据响应处理模块(102),用于当获取到用户的场景需求指令时,将当前场景下优先级分数大于预设第一阈值的智能设备记为待开启状态,将当前场景下优先级分数处于预设第一阈值与预设第二阈值之间的智能设备记为待定状态;
然后控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈;
数据更新模块(103)当接收的用户的反馈指令时,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。
第三方面,本申请提供一种计算机可读存储介质,存储有能够被处理器加载并执行上述一种基于持续学习的智能家居控制方法的计算机程序。
综上所述,本申请通过对各个场景模式下添加的智能设备赋予优先级序列,结合优先级序列以及与用户的交互来进行设备的控制,并根据用户对场景模式下各个智能设备的实际使用情况,不断学习更新优先级序列,以更好地拟合用户的实际需求,并且随着对用户的历史使用数据通过大数据分析,会更加有效地对用户的实际使用需求进行预测,从而减少用户的参与度,此外,相比对所有添加的设备都直接进行开启而言,除了会更加贴合用户的实际需求外,还会一定程度上减少能源的损耗。
附图说明
图1是本申请实施例所提供的一种基于持续学习的智能家居控制方法的流程图;
图2是本申请实施例所提供的通过预设的方式生成优先级序列的流程图;
图3是本申请实施例所提供的更新当前场景下的优先级序列的流程图;
图4是本申请实施例所提供的通过数据统计分析以更新当前场景下的优先级序列的流程图;
图5是本申请实施例所提供的一种基于持续学习的智能家居控制系统的示意图。
具体实施方式
以下结合附图1-附图5,对本申请作进一步详细说明。
本申请提供一种基于持续学习的智能家居控制方法,参见图1,包括以下步骤:
S100、对每个场景下的智能设备,通过预设的方式生成优先级序列。
其中,场景表示的是与用户行为关联的名称,现有的智能家居系统有一种场景模式控制方法,用户可自定义场景,然后添加相应的智能设备,当系统接收到用户的场景需求指令时,则会对所有添加的设备进行开启。例如,用户早上起床,用户以语音形式发出“起床”指令,或者系统通过图像识别、睡眠监测、定时闹铃等形式捕获用户起床行为,则会自动进行开启窗帘、播放背景音乐、饮水机加热启动等操作,又如,用户下班回到家打开家门后,系统根据“下班回家指令”自动进行开灯、播放背景音乐、热水器开始备水、空调开始控温等一系列操作。
智能设备表示的是整个智能家居系统所配置的智能终端设备,与智能家居系统的中控系统进行控制连接。智能设备信息包括智能设备名称、智能设备用途。
通过用户预先设定各个场景模式以及添加的设备,可以获取到各个场景模式下的智能设备信息以及与用户行为对应的场景名称。
通过这种场景模式控制方式,用户只需一个简单指令即可实现多个智能设备的响应,确实给用户带来一定程度的便捷和不一样的体验感,但由于每日的需求并不是固定不变的,如上述的例子,今日用户下班回家想要开启背景音乐,但明日不想要背景音乐,想第一时间打开电视;用户昨日泡了澡,今日可能只想泡个脚等。
由于用户的实际需求是在不断改变的,但用户不一定能够每天都去对自己定义的场景模式进行调整,所以当用户的实际需求没能第一时间与场景模式下的添加设备进行关联时,同样的需求指令,呈现出的效果可能并不是用户期望的,还需用户自己对相应的设备进行额外控制,这样一来不仅失去场景模式下设备联动开启的优势,还会造成一定程度的能源浪费。
虽然用户的需求会发生一定的变化,但这种变化还是会围绕着用户的生活习惯来进行,可能一次两次的数据难以反映出来,但当用户的使用数据逐渐增多时,用户的生活习惯便可能会从大量的数据统计中所体现出来。
因此,在本申请实施例中,对场景模式下的智能设备增加了一个控制元素,记为优先级序列,也就是对用户生活习惯所设定的预估指标,通过持续地学习,从大量的数据积累中不断去更新调整优先级序列使其更加贴合用户的真实需求。其中,优先级序列包括智能设备编号以及对应优先级分数。
初始阶段,会通过预设的方式生成优先级序列。
具体地,对每个场景下的智能设备信息,通过预设的方式生成优先级序列,参见图2,具体包括如下步骤:
S110、基于设备用途,通过预设的系统划分规则进行排序和评分,以获取各个场景下的初始优先级序列。
S120、对各个场景下的所有智能设备,通过预设的设备联动关联模型生成相应权重值。
S130、根据生成的权重值对初始优先级序列进行赋值,以获取优先级序列。
其中,预设的系统划分规则表示的是对整个智能家居系统所具备的智能设备进行了划分并设置了相应的优先层级,按优先层级从高到低排序为:照明系统、环境系统、安防系统、家电系统、窗帘系统、影音系统。
预设的设备联动关联模型表示的是根据各设备之间的联动效应构建的关联信息表,参见表1。所谓的联动效应表示的是两者设备产生的效果或者用途是否可以形成关联,例如,音影设备与照明灯,在观看电视时,可将灯光调至到最适宜状态。
表1:
表1中只显示了局部的信息,从表1中可以看出对于所有的智能设备都能获取到与其它智能设备的关联信息,数字1表示有关联,数字0表示没有关联,同一类型的设备默认为是有关联的。因为通常情况下,当某一场景下添加的设备中某一类型的设备出现不止一个时,也认为一定程度上反映了用户设定的场景下对该类型设备的需求程度。
虽然初始阶段生成的优先级序列只是作为一个过渡,会随着用户实际使用数据的累计不断更新迭代,但对初始优先级序列的设定还是会进行相应地考量,以便能更快地拟合接近用户的真实需求。就如深度学习中对网络进行训练一般,在有预训练模型的条件下对比使用初始赋值拟合的速度更快一些。
在本申请实施例中,首先会根据场景下各个添加的智能设备的用途通过预设的系统划分规则进行排序和初始评分,例如某一场景,对应的用户行为是“晚上下班回家”,所添加的智能设备为:(照明设备1、照明设备2、音像设备、空调、热水器、加湿器),当某一类型智能设备存在不止一个时会添加数字编号进行区分。
根据各智能设备用途确认所属的划分系统,然后进行粗排序按优先级从高到低为:(照明设备1、照明设备2、空调、加湿器、热水器、音像设备),其中空调、加湿器用途均与环境有关,故归为环境系统。
值得说明的是这里的划分规则只是一个粗排序,没有客观的依据,可根据实际使用需求来进行选择实施,例如可对用户添加设备的程序增加第一选项卡、第二选项卡之类,然后根据用户添加的顺序来进行初始排序。
获取初始排序之后,会对每一个智能设备都赋予一个初始分数,然后根据排序结果对初始分数进行加持,以生成初始优先级分数。
记初始分数为δ,对排序结果生成一个上限值ω以及衰减系数γ,按上述的排序结果,记第i个设备的优先级分数为Si,则Si表示为:
Si=δ+ω*γi-1
其中i∈[1,n],n表示的是当前场景下添加设备的个数。例如,取初始分数为0.5,上限值为0.25,衰减系数为0.8,按上述的排序结果,通过计算可以依次得到优先级分数为:(0.75、0.70、0.66、0.63、0.60、0.58)。即上述例子最后得到的初始优先级序列为:{照明设备1(0.75)、照明设备2(0.70)、空调(0.66)、加湿器(0.63)、热水器(0.60)、音像设备(0.58)}。
接着会通过预设的设备关联模型来对初始优先级分数进行相应的赋权。设定权重系数为θ,对于初始优先级序列中的每个设备,根据与其存在关联的其它设备的优先级分数来进行相应的权重加持。记与第i个设备关联的其它设备的优先级分数为Sj,{j∈[1,n],j≠i}。则第i个设备经过赋权后的优先级分数Si为:
例如,初始优先级序列第一位的照明设备1,其初始优先级分数为Si=0.75,与之关联的设备分别为:照明设备2(0.70)、音像设备(0.58),设定权重系数θ为0.25,则通过计算可得出照明设备1经过设备关联模型加权后的优先级分数为0.91。
依次对每个设备通过预设的设备关联模型进行赋权计算,可获得优先级序列为:{照明设备1(0.91)、照明设备2(0.82)、音像设备(0.69)、空调(0.66)、加湿器(0.63)、热水器(0.60)}。
S200、当获取到用户的场景需求指令时,将当前场景下优先级分数大于预设第一阈值的智能设备记为待开启状态,将当前场景下优先级分数处于预设第一阈值与预设第二阈值之间的智能设备记为待定状态。
其中,场景需求指令表示的用户发送语音指令,或者由系统检测到的用户行为,与设定的场景进行匹配的指令信息。
在本申请实施例中,当获取到用户的场景需求指令时,会根据需求所属场景添加设备的优先级序列来进行控制。
通过设定阈值来对优先级进行有选择性的控制处理,当有设备对应的优先级分数大于预设第一阈值时,则会认为该设备需要开启的可能性较高,则会将该设备记为待开启状态,以准备控制其启动并进行工作。
若设备对应的优先级分数小于预设第二阈值时,则会认为该设备不需要开启的可能性较高,则将该设备暂时不纳入考虑范围,也就是默认为应该处于关闭状态。
而对于优先级分数处于预设第一阈值与预设第二阈值之间的智能设备,则对该是否需要进行启动工作持保留状态,即将该设备记为待定状态。
例如,设定第一阈值为0.75、第二阈值为0.25,按上述例子中的“用户下班回家”场景,通过优先级分数进行判断,处于待开启状态的设备为:照明设备1和照明设备2,余下的设备都会待定状态。
由于部分智能设备的工作会受到环境因素的影响,例如空调的开启会依赖于当前的室内外温度、加湿器受空气湿度影响较大等。但用户并不一定能实时关注环境监测情况,并根据相应的环境信息去调整设定场景的添加设备信息。
因此,在本申请实施例中,在根据优先级序列进行相应的控制时,还会将当前智能家居系统中的环境监测子系统的数据纳入参考,可以更好地迎合用户的实际需求。
具体地,当获取到用户的场景需求指令时,还包括如下步骤:
S210、获取当前智能家居系统中环境监测信息。
S220、基于环境监测信息,根据预设的条件参考指标,对当前场景下的所有智能设备进行重新评估,以对优先级序列进行更新。
其中,环境监测信息包括天气、阳光强度、室内外温度以及空气湿度等。预设的条件参考指标表示的是先设定的最佳适宜温度、湿度、室内照明度参考指标。
通过设定的条件参考指标,结合实际的环境监测信息,可对相关的智能设备进行优先级的重新评估,例如,若当前的室内温度与最佳适宜温度差异较大时,则将温度调节设备,即空调的优先级分数拔高到上限值;若当前室内空间照明度以达到标准值,则便不需要开启照明灯等,即将相应的照明设备优先级降为下限值。在本申请实施例中,对于优先级的分数设定的区间为[0,1],即上限值为1,下限值为0。这种由环境因素影响的优先级分数只是临时的,也就是不管是提高到上限值还是降低到下限值都只是临时的,仍会保留原先的优先级分数。
S300、控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈。
在本申请实施例中,对于待开启状态的智能设备,会进行控制开启,对于待定状态的设备,会通过询问用户的形式来进行控制,即对待定状态的智能设备生成问讯信息指令,然后等待用户反馈,当接收到用户的反馈指令后,再决定待定状态的智能设备是否需求进行开启。
由于考虑到可能存在某些设备本就处于正在工作的状态,所以在对设备进行控制开启时,会有一个相应的判断。
具体地,控制待开启状态的智能设备进行开启,包括如下步骤:
S310、获取当前场景下的所有智能设备的工作状态。
S320、判断处于待开启状态的智能设备的工作状态是否处于关闭状态。
S330、若是,则控制待开启状态的智能设备进行开启。
在控制待开启状态的智能设备进行开启时,首先会根据当前场景下添加的所有智能设备的工作状态,来进行相应的判断,即判断待开启状态的智能设备的工作状态是否处于关闭状态,若是处于关闭状态,则才会进行控制开启。若本就处于开启的工作状态,则便不需要再施加控制开启指令。
S400、当接收到用户的反馈指令后,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。
在本申请实施例中,对于处于待定状态的智能设备会通过询问用户的形式来进行控制,即对待定状态的智能设备生成问讯信息指令,如上述示例中,空调处于待定状态,则会根据空调是否开启生成问讯信息指令,如“请问是否需要开启空调?”,然后以语音播报的形式进行提示,或者将问讯信息发送到主控屏或者用户的手机终端等。
同样地,由于是根据优先级序列依次进行判断操作,若有多个处于待定状态的设备,则会逐一来进行操作确认,即对第一个待定状态设备生成问讯信息指令后,会先等待用户的反馈,当用户反馈之后,会接着对下一个待定状态设备生成问讯信息指令,再次等待用户反馈,依次进行操作。
但考虑用户不一定能在第一时间给予反馈,所以会设定一个时间阈值,若在预设时间之内,没有接受到用户的反馈指令,则会直接当作不开启进行处理。
具体地,对待定状态的智能设备生成问讯信息指令,并等待用户反馈之后,还包括如下步骤:
S410、若在预设时间内没能收到用户的反馈指令,则将待定状态的智能设备记为待关闭状态。
S420、判断处于待关闭状态的智能设备的工作状态是否处于开启状态。
S430、若是,则控制待关闭状态的智能设备进行关闭。
在本申请实施例中,对待定状态的智能设备生成问讯信息指令后,会等待用户的反馈,但若在预设时间内未能接收到用户的反馈指令,则会将该待定状态设备记为待关闭状态。
同样地,考虑到设备原本可能处于正在工作状态,所以还是会有一个相应的判断,若处于待关闭状态的智能设备的工作状态是处于开启状态时,则会该智能设备进行关闭。
在初始阶段,由于生成的优先级序列可能难以作为衡量用户实际需求的参考指标,所以会通过记录用户的实际使用数据来持续学习,不断更新调整优先级序列。因此,每次接收到用户的反馈指令并实行相应设备的控制之后,都会对优先级序列进行更新调整。
具体地,更新当前场景下的优先级序列,参见图3,具体包括如下步骤:
S510、根据用户的反馈信息,记录下当前场景下所有智能设备的开关状态以及当前时间,并将其存入预设数据库中。
S520、对预设数据库中的数据,通过数据统计分析更新当前场景下的优先级序列。
在本申请实施例中,对于每一个响应的场景,通过设定的优先级序列来进行相应的控制,并结合用户的真实反馈之后,会确定当前场景下各设备的使用情况以及当前时间,这里的时间包括具体的时间点和当天的日期,因为考虑到有的场景通常情况下在一天之内只会出现一次,如“早上上班出门”、“晚上下班回家”,也有的场景在一天之内可能会出现不止一次,如“休闲娱乐”、“用餐”,在场景模式控制下,若未能按时间点进行区分设定时,虽属于同一场景,但可能在不同时间点也会有相应的需求差异。
根据用户的反馈信息,记录下当前场景下所有智能设备的开关状态以及当前时间后,会按所属场景以时间顺序,将所有智能设备的开关状态存入预设数据库中,如表2所示。然后便可根据数据库中已存的数据来更新对应场景下的所有添加设备的优先级序列。
表2:
具体地,对预设数据库中的数据,通过数据统计分析以更新当前场景下的优先级序列,参见图4,包括如下步骤:
S521、根据预设数据库已存的数据,统计当前场景下各设备设备的开关频次。
S522、根据开关频次,通过预设的计算方法,对当前优先级分数进行调整,以更新优先级序列。
在本申请实施例中,根据当前场景下各设备的历史使用数据,可进行数据统计,对于某一设备,可设定一个比率阈值若统计开启次数占总次数的比率大于设定的比率阈值,则会认为该设备优先级分数需要进行相应的提高,反之,若统计开启次数占总次数的比率小于设定的阈值,则会认为该设备优先级分数需要进行相应的降低,设定一个摆动系数μ,用于控制优先级分数提高或降低的幅度。
例如,某一设备当前的优先级分数为Si,若通过历史数据统计,得到开启次数占总次数的比率为α,若大于设定的比率阈值,则更新后的优先级分数Si为:
若小于设定的比率阈值,则更新后的优先级分数Si为:
由于考虑到用户的实际使用需要可能与星期、月度、季度等有所关联,例如用户通常在周二、周四会去参加健身活动,所以回家会需求备好热水洗澡等;又如,受季节影响,环境数据也会有所变化,相应地关联的设备的使用需求也会有所改变。
因此,在本申请实施例中,若数据库中的数据量达到一定程度时,对数据库中的历史使用数据进行统计时,还会按照设定的周期来进行多维度的统计计算,例如,分别按照一个星期为小周期,按一个月度为大周期来进行数据统计,然后再根据统计结果对总的统计数据生成的优先级分数进行相应的辅正,以增加整个持续学习模型算法面对用户周期性需求的鲁棒性。
具体地,通过预设的计算方法,对当前优先级分数进行调整,以更新优先级序列之后,还包括如下步骤:
S610、判断当前场景下的存储数据是否达到预设阈值。
S620、若是,则对预设数据库中的数据,按预设周期进行多维度数据统计,以获取不同周期下的统计结果。
S630、根据不同周期下的统计结果,以周期维度对当前的优先级序列给予不同程度的权重加持。
其中,多维度的数据统计表示的是进行周期划分,例如,以一个星期为最小单元、以一个月度为小周期、一个季度为大周期。可以分别统计一个月内各个星期的变化数据、一个季度内各个月的变化数据、一个星期的某一天在一个月甚至一个季度内的横向数据统计等。
因为要对存储的数据进行周期性统计,所以需要存储的数据量到达一定程度,所以会设定一个阈值,例如以达到一个小周期的数据量作为阈值。
通过对预设数据库中的数据,按设定周期进行多维度数据统计,可以获取不同周期下的统计结果,例如用户在一个月的数据统计下,每周一的统计结果显示该场景下设备的实际使用情况,变化幅度很小,因此可以将周一作为一项周期项参考指标,下次在周一进行同样场景模式的控制,可以将该周期性参考指标用来对优先级序列进行相应的调整,这样也能更好地迎合用户的真实需求。
本申请实施例还提供了一种基于持续学习的智能家居控制系统,参见图5,该系统包括:初始化模块101、数据响应处理模块102、数据更新模块103。
其中,初始化模块101,用于根据每个场景下的智能设备信息,通过预设的方式生成优先级序列。
数据响应处理模块102,用于当获取到用户的场景需求指令时,将当前场景下优先级分数大于预设第一阈值的智能设备记为待开启状态,将当前场景下优先级分数处于预设第一阈值与预设第二阈值之间的智能设备记为待定状态;然后控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈。
数据更新模块103,当接收的用户的反馈指令时,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。
在本申请实施例中,初始化模块101具体用于根据每个场景下的智能设备信息,通过预设的方式获取优先级分数,以生成优先级序列。
数据响应处理模块102,具体用于当获取到用户的场景需求指令时,根据初始化模块101生成的初始优先级序列,来对所属场景下添加的设备进行划分控制,根据优先级分数将设备划分为待开启状态和待定状态。并对于待定状态的设备,生成问讯信息指令,以等待用户反馈。
数据更新模块103,具体用于当接收的用户的反馈指令时,根据用户的反馈指令控制对应设备开关,并将当前场景下各设备的实际使用情况记录下来,然后结合历史记录数据更新当前场景下的优先级序列。
本申请实施例还提供一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种基于持续学习的智能家居控制方法的计算机程序。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种基于持续学习的智能家居控制方法,应用在智能家居系统的场景模式控制系统中,其特征在于,包括:
对每个场景下的智能设备,通过预设的方式生成优先级序列,所述优先级序列包括智能设备名称以及对应优先级分数;
当获取到用户的场景需求指令时,将当前场景下优先级分数大于预设第一阈值的智能设备记为待开启状态,将当前场景下优先级分数处于预设第一阈值与预设第二阈值之间的智能设备记为待定状态;
控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈;
当接收到用户的反馈指令后,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。
2.根据权利要求1所述的一种基于持续学习的智能家居控制方法,其特征在于,所述智能设备信息包括设备用途,所述对每个场景下的智能设备信息,通过预设的方式生成优先级序列,包括:
基于设备用途,通过预设的系统划分规则进行排序和评分,以获取各个场景下的初始优先级序列;
对各个场景下的所有智能设备,通过预设的设备联动关联模型生成相应权重值;
根据生成的权重值对初始优先级序列进行赋值,以获取优先级序列。
3.根据权利要求1所述的一种基于持续学习的智能家居控制方法,其特征在于,所述当获取到用户的场景需求指令时,还包括:
获取当前智能家居系统中环境监测信息,所述环境监测信息包括天气、阳光强度、室内外温度以及空气湿度;
基于环境监测信息,根据预设的条件参考指标,对当前场景下的所有智能设备进行重新评估,以对优先级序列进行更新。
4.根据权利要求1所述的一种基于持续学习的智能家居控制方法,其特征在于,所述控制待开启状态的智能设备进行开启,包括:
获取当前场景下的所有智能设备的工作状态;
判断处于待开启状态的智能设备的工作状态是否处于关闭状态;
若是,则控制待开启状态的智能设备进行开启。
5.根据权利要求4所述的一种基于持续学习的智能家居控制方法,其特征在于,所述对待定状态的智能设备生成问讯信息指令,并等待用户反馈之后,还包括:
若在预设时间内没能收到用户的反馈指令,则将待定状态的智能设备记为待关闭状态;
判断处于待关闭状态的智能设备的工作状态是否处于开启状态;
若是,则控制待关闭状态的智能设备进行关闭。
6.根据权利要求1所述的一种基于持续学习的智能家居控制方法,其特征在于,所述更新当前场景下的优先级序列,包括:
根据用户的反馈信息,记录下当前场景下所有智能设备的开关状态以及当前时间,并将其存入预设数据库中;
对预设数据库中的数据,通过数据统计分析更新当前场景下的优先级序列。
7.根据权利要求6所述的一种基于持续学习的智能家居控制方法,其特征在于,所述对预设数据库中的数据,通过数据统计分析以更新当前场景下的优先级序列,包括:
根据预设数据库已存的数据,统计当前场景下各设备设备的开关频次;
根据开关频次,通过预设的计算方法,对当前优先级分数进行调整,以更新优先级序列。
8.根据权利要求7所述的一种基于持续学习的智能家居控制方法,其特征在于,所述通过预设的计算方法,对当前优先级分数进行调整,以更新优先级序列之后,还包括:
判断当前场景下的存储数据是否达到预设阈值,
若是,则对预设数据库中的数据,按预设周期进行多维度数据统计,以获取不同周期下的统计结果;
根据不同周期下的统计结果,以周期维度对当前的优先级序列给予不同程度的权重加持。
9.一种基于持续学习的智能家居控制系统,其特征在于,包括:
初始化模块(101),用于对每个场景下的智能设备,通过预设的方式生成优先级序列,所述优先级序列包括智能设备编号以及对应优先级分数;
数据响应处理模块(102),用于当获取到用户的场景需求指令时,将当前场景下优先级分数大于预设第一阈值的智能设备记为待开启状态,将当前场景下优先级分数处于预设第一阈值与预设第二阈值之间的智能设备记为待定状态;
然后控制待开启状态的智能设备进行开启,对待定状态的智能设备生成问讯信息指令,并等待用户反馈;
数据更新模块(103)当接收的用户的反馈指令时,根据用户的反馈指令控制对应设备开关,并更新当前场景下的优先级序列。
10.一种计算机可读存储介质,存储有能够被处理器加载并执行如权利要求1至8任一项所述的一种基于持续学习的智能家居控制方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310230849.7A CN116300449A (zh) | 2023-03-11 | 2023-03-11 | 一种基于持续学习的智能家居控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310230849.7A CN116300449A (zh) | 2023-03-11 | 2023-03-11 | 一种基于持续学习的智能家居控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116300449A true CN116300449A (zh) | 2023-06-23 |
Family
ID=86777426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310230849.7A Pending CN116300449A (zh) | 2023-03-11 | 2023-03-11 | 一种基于持续学习的智能家居控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116300449A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142659A (zh) * | 2013-11-12 | 2014-11-12 | 珠海优特电力科技股份有限公司 | 一种智能家居场景切换方法及系统 |
CN105099840A (zh) * | 2015-07-31 | 2015-11-25 | 小米科技有限责任公司 | 智能家居场景的设置方法及装置 |
WO2015188885A1 (en) * | 2014-06-13 | 2015-12-17 | Nec Europe Ltd. | Method and system for determining a recommendation for content |
CN111669304A (zh) * | 2020-05-19 | 2020-09-15 | 广东科徕尼智能科技有限公司 | 基于边缘网关的智能家居场景控制方法、设备及存储介质 |
CN111913394A (zh) * | 2020-06-08 | 2020-11-10 | 深圳市欧瑞博科技股份有限公司 | 智能家居控制面板及其显示方法、电子设备以及存储介质 |
CN113296420A (zh) * | 2021-04-30 | 2021-08-24 | 广州力控智电信息科技有限公司 | 场景自动调节方法、系统、装置及存储介质 |
CN113545009A (zh) * | 2019-05-16 | 2021-10-22 | 深圳市欢太科技有限公司 | 场景操作方法、装置、电子设备及计算机可读介质 |
CN113625583A (zh) * | 2021-08-25 | 2021-11-09 | 施勒智能科技(上海)股份有限公司 | 一种设备控制方法、系统及可读存储介质 |
CN115202228A (zh) * | 2022-07-12 | 2022-10-18 | 珠海格力电器股份有限公司 | 智能家电设备的控制方法、装置、遥控器及存储介质 |
WO2023000945A1 (zh) * | 2021-07-21 | 2023-01-26 | 青岛海信智慧生活科技股份有限公司 | 一种设备联动方案推荐方法、设备及介质 |
-
2023
- 2023-03-11 CN CN202310230849.7A patent/CN116300449A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142659A (zh) * | 2013-11-12 | 2014-11-12 | 珠海优特电力科技股份有限公司 | 一种智能家居场景切换方法及系统 |
WO2015188885A1 (en) * | 2014-06-13 | 2015-12-17 | Nec Europe Ltd. | Method and system for determining a recommendation for content |
CN105099840A (zh) * | 2015-07-31 | 2015-11-25 | 小米科技有限责任公司 | 智能家居场景的设置方法及装置 |
CN113545009A (zh) * | 2019-05-16 | 2021-10-22 | 深圳市欢太科技有限公司 | 场景操作方法、装置、电子设备及计算机可读介质 |
CN111669304A (zh) * | 2020-05-19 | 2020-09-15 | 广东科徕尼智能科技有限公司 | 基于边缘网关的智能家居场景控制方法、设备及存储介质 |
CN111913394A (zh) * | 2020-06-08 | 2020-11-10 | 深圳市欧瑞博科技股份有限公司 | 智能家居控制面板及其显示方法、电子设备以及存储介质 |
CN113296420A (zh) * | 2021-04-30 | 2021-08-24 | 广州力控智电信息科技有限公司 | 场景自动调节方法、系统、装置及存储介质 |
WO2023000945A1 (zh) * | 2021-07-21 | 2023-01-26 | 青岛海信智慧生活科技股份有限公司 | 一种设备联动方案推荐方法、设备及介质 |
CN113625583A (zh) * | 2021-08-25 | 2021-11-09 | 施勒智能科技(上海)股份有限公司 | 一种设备控制方法、系统及可读存储介质 |
CN115202228A (zh) * | 2022-07-12 | 2022-10-18 | 珠海格力电器股份有限公司 | 智能家电设备的控制方法、装置、遥控器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10794609B2 (en) | Methods and systems for personalized heating, ventilation, and air conditioning | |
CN104823119B (zh) | 用于环境控制系统的辐射供热控制和方法 | |
US7627098B2 (en) | Intelligent management apparatus and method of digital home network system | |
US20200218213A1 (en) | Domain management and configuration settings | |
CN113531818B (zh) | 用于空调的运行模式推送方法及装置、空调 | |
CN109597313A (zh) | 场景切换方法及装置 | |
US20170052514A1 (en) | Method and computer software program for a smart home system | |
CN110131843A (zh) | 基于大数据的空调的智能调控方法及系统 | |
CN106444471A (zh) | 智能控制器 | |
CN111913394A (zh) | 智能家居控制面板及其显示方法、电子设备以及存储介质 | |
US10237390B2 (en) | Intelligent notification device and intelligent notification method | |
KR20220023226A (ko) | 제어 장치, 공기 조화 장치 및 제어 방법 | |
CN111431776A (zh) | 信息配置方法、装置及系统 | |
CN113495487A (zh) | 一种调节目标设备运行参数的终端和方法 | |
CN107883520B (zh) | 基于空调设备的提醒方法及装置、终端 | |
CN116300449A (zh) | 一种基于持续学习的智能家居控制方法及系统 | |
CN114120996A (zh) | 语音交互方法及装置 | |
CN108459575B (zh) | 智慧家庭管理系统 | |
CN112015099A (zh) | 智能开关的权限调节方法、装置、智能开关以及存储介质 | |
CN111338227A (zh) | 基于强化学习的电子电器控制方法及控制设备、存储介质 | |
CN110793147A (zh) | 空调控制方法及装置 | |
CN114484804B (zh) | 空调器控制方法、空调器、电子设备及存储介质 | |
CN114898750A (zh) | 基于协同响应的智能家电控制方法、装置及系统、设备 | |
CN116805019A (zh) | 推荐和部署智能家居配置方案的方法、电子设备和服务器 | |
CN112270927A (zh) | 一种基于环境调节设备的智能交互方法及智能交互设备 |
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 |