CN116300503A - 一种多线程智能家具控制方法及系统 - Google Patents
一种多线程智能家具控制方法及系统 Download PDFInfo
- Publication number
- CN116300503A CN116300503A CN202310318148.9A CN202310318148A CN116300503A CN 116300503 A CN116300503 A CN 116300503A CN 202310318148 A CN202310318148 A CN 202310318148A CN 116300503 A CN116300503 A CN 116300503A
- Authority
- CN
- China
- Prior art keywords
- action
- furniture
- execution
- control instruction
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009471 action Effects 0.000 claims abstract description 328
- 238000012545 processing Methods 0.000 claims abstract description 89
- 238000012360 testing method Methods 0.000 claims description 86
- 238000012549 training Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009021 linear effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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] or 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]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种多线程智能家具控制方法及系统，本技术方案通过确定目标中断动作，对控制指令进行切割，分别添加到不同的消息队列，可以克服现有技术利用多线程技术对智能家具设备进行并行控制时，由于单一时间片在处理线程中来回切换的问题，通过设置结束码和初始码，对不同消息队列中的同一控制指令进行精准操控，以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间，以使操作系统频繁切换线程而引起的程序运行速度降低的技术问题，可以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间的问题，实现多线程控制智能家具，提高智能家具控制的工作效率，节省资源。
Description
技术领域
本发明涉及新一代信息技术领域，尤其涉及一种多线程智能家具控制方法及系统。
背景技术
智能设备的出现和普及，使得人们的生活更加便利和舒适。在实际应用中，终端系统对智能设备的控制指令通常是通过单线程一条条进行消息队列处理的，这种传统的处理方式效率很低，如果应用系统受到大量的指令，那有可能因为数据处理量过大，来不及处理所有的消息指令；而这些消息指令在消息队列中得不到处理，会由于智能设备处于繁忙状态而造成数据堵塞，甚至是数据丢失。
随着智能家居技术的发展，越来越多的家具加入到智能家居场景当中，这些原本单一控制的家具在智能家居场景中受到统一控制，成为了智能家具。而为了实现对所有智能家具的指令控制，单凭传统的单线程控制指令策略已无法实现智能家居场景。此时，现有技术中利用多线程技术对各自智能家具进行控制。但目前现有技术中实现多线程是采用一种并发执行机制，而并发执行机制原理：简单地说就是把一个处理器划分为若干个短的时间片，每个时间片依次轮流地执行处理各个应用程序，由于一个时间片很短，相对于一个应用程序来说，就好像是处理器在为自己单独服务一样，从而达到多个应用程序在同时进行的效果。多线程就是把操作系统中的这种并发执行机制原理运用在一个程序中，把一个程序划分为若干个子任务，多个子任务并发执行，每一个任务就是一个线程。这就是多线程程序。多线程技术不但可以提高交互式，而且能够更加高效、便捷地进行控制。
但是，在现有技术利用多线程技术进行实际应用到多种智能家居控制的过程中，多线程技术存在的缺点也比较明显。由于终端系统中存在大量的线程，操作系统需要在它们之间切换，再加上每一种智能家具在控制指令执行过程中，都会与智能家居场景进行匹配运行后续的场景动作，例如，处理线程控制灯具开启之后，灯具会根据预先设置的场景模型进行多种灯光的闪烁控制，然后再会对灯具执行下一个动作，这样情况会令到所涉及的灯具在闪烁控制之后产生一段停滞时间；导致线程在执行指令动作之后还需要等待比较长的时间再执行下一个动作，直到指令控制的智能家具在智能家居场景中的场景模式执行完毕。而由于处理线程需要在时间片上来回切换，这样会在一定程度上使程序运行速度降低，使工作效率受到一定的影响，从而对资源造成了浪费。
因此，目前市面上亟需一种多线程智能家具控制策略，以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间，以使操作系统频繁切换线程而引起的程序运行速度降低的技术问题。
发明内容
本发明提供了一种多线程智能家具控制方法及系统，可以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间的问题，实现多线程控制智能家具，提高智能家具控制的工作效率，节省资源。
为了解决上述技术问题，本发明实施例提供了一种多线程智能家具控制方法，包括：
接收由多个家具设备同时发送的控制指令；其中，所述控制指令包括家具设备所对应的身份识别码；
对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集，并根据所述家具设备所对应的身份识别码，确定家具应用场景；
根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作；
将所述目标中断动作作为输入数据，以及将所述家具应用场景作为影响因子，均输入到预设的动作中断识别模型中进行识别，输出节点处理时长；其中，所述预设的动作中断识别模型用于根据家具应用场景，以输入的目标中断动作为初始动作，判断出处理线程在时间片中执行从所述目标中断动作到所述控制指令结束的节点处理时长；
根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码；其中，所述结束码和初始码为依次顺序的唯一识别码；
控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序；同时，在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕。
作为优选方案，所述对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集的步骤，具体包括：
对所述控制指令中的结束字符进行识别，并根据识别到的结束字符对所述控制指令进行分割处理，得到多个子指令；
对每个所述子指令进行解析，得到对应的执行动作，形成执行动作集；
对所述执行动作集中的所有执行动作进行依次排序标记。
作为优选方案，所述根据所述家具设备所对应的身份识别码，确定家具应用场景的步骤，具体包括：
根据所述家具设备所对应的身份识别码，确定所述控制指令所对应执行的目标家具；
判断所述执行动作集中的每个执行动作所对应的动作类型，根据每个动作类型在所述执行动作集中出现的比例值，确定比例值最高的多个动作类型并确定对应的初始应用场景；
根据所述执行动作集中每个执行动作的排序，对所述初始应用场景进行设置对应的权重值，分别计算每个初始应用场景所对应的比例值和权重值之间的乘积，得到目标值并选择目标值最大的初始应用场景，作为家具应用场景。
作为优选方案，所述根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作的步骤，具体包括：
根据所述家具应用场景，在预设的场景动作停滞规则中选择所述家具应用场景的停滞动作和停滞时长；
选择所述停滞时长达到预设时长所对应的停滞动作，作为目标停滞动作；
根据所述执行动作集中的所有执行动作的排序，将所述目标停滞动作的上一个执行动作作为处理线程对时间片执行完毕时所在的动作节点，并将所述动作节点作为目标中断动作。
作为优选方案，所述预设的动作中断识别模型的生成过程，包括：
获取预设数量的测试场景数据；其中，所述测试场景数据包括测试应用场景的测试控制指令、测试控制指令中的测试目标中断动作、运行所述测试控制指令中由处理线程在时间片中执行从所述测试目标中断动作到所述测试控制指令结束的测试节点处理时长；
将所述测试应用场景、测试目标中断动作和测试节点处理时长进行相关联，形成训练数据；
通过神经网络算法建立初始识别模型，并将所述训练数据输入到所述初始识别模型进行训练，当训练次数达到次数阈值时，形成训练识别模型；
在预设的场景动作停滞规则中提取所有停滞动作及其对应的停滞时长，形成测试数据；
将所述测试数据输入到所述训练识别模型进行测试，当测试成功率达到预设成功阈值时，生成动作中断识别模型。
作为优选方案，所述根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码的步骤，具体包括：
根据所述目标中断动作对所述控制指令进行切割之后，在所述目标中断动作处设置结束码；
将所述控制指令从开始到所述结束码的对应运行程序添加到第一消息队列；
在所述目标中断动作的下一个动作处设置初始码；
将所述初始码到所述控制指令结束的剩余程序添加到第二消息队列中。
作为优选方案，所述控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序的步骤，具体包括：
当所述处理线程在时间片中执行所述第一消息队列的控制指令时，对运行程序中的运行代码进行实时监测，当监测到处理线程触发执行所述结束码时，控制处理线程结束运行程序，并对时间片进行关闭；
同时，对结束运行程序的时间点进行记录，实时统计结束运行程序之后的时长。
作为优选方案，所述在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕的步骤，具体包括：
当判断结束运行程序之后的时长达到所述节点处理时长时，确定所述控制指令的所有运行程序执行完毕；同时，根据所述初始码对应的唯一识别码，在所述第二消息队列中进行查找；
将在所述第二消息队列中查找到的剩余程序进行检测，对所述剩余程序中的初始码进行启动运行，直到所述控制指令运行完毕。
相应地，本发明另一实施例还提供了一种多线程智能家具控制系统，包括：指令接收模块、指令解析模块、动作节点模块、时长识别模块、指令切割模块和控制运行模块；
所述指令接收模块，用于接收由多个家具设备同时发送的控制指令；其中，所述控制指令包括家具设备所对应的身份识别码；
所述指令解析模块，用于对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集，并根据所述家具设备所对应的身份识别码，确定家具应用场景；
所述动作节点模块，用于根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作；
所述时长识别模块，用于将所述目标中断动作作为输入数据，以及将所述家具应用场景作为影响因子，均输入到预设的动作中断识别模型中进行识别，输出节点处理时长；其中，所述预设的动作中断识别模型用于根据家具应用场景，以输入的目标中断动作为初始动作，判断出处理线程在时间片中执行从所述目标中断动作到所述控制指令结束的节点处理时长；
所述指令切割模块，用于根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码；其中，所述结束码和初始码为依次顺序的唯一识别码；
所述控制运行模块，用于控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序；同时，在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕。
作为优选方案，所述指令解析模块具体用于：对所述控制指令中的结束字符进行识别，并根据识别到的结束字符对所述控制指令进行分割处理，得到多个子指令；对每个所述子指令进行解析，得到对应的执行动作，形成执行动作集；对所述执行动作集中的所有执行动作进行依次排序标记；根据所述家具设备所对应的身份识别码，确定所述控制指令所对应执行的目标家具；判断所述执行动作集中的每个执行动作所对应的动作类型，根据每个动作类型在所述执行动作集中出现的比例值，确定比例值最高的多个动作类型并确定对应的初始应用场景；根据所述执行动作集中每个执行动作的排序，对所述初始应用场景进行设置对应的权重值，分别计算每个初始应用场景所对应的比例值和权重值之间的乘积，得到目标值并选择目标值最大的初始应用场景，作为家具应用场景。
作为优选方案，所述动作节点模块具体用于：根据所述家具应用场景，在预设的场景动作停滞规则中选择所述家具应用场景的停滞动作和停滞时长；选择所述停滞时长达到预设时长所对应的停滞动作，作为目标停滞动作；根据所述执行动作集中的所有执行动作的排序，将所述目标停滞动作的上一个执行动作作为处理线程对时间片执行完毕时所在的动作节点，并将所述动作节点作为目标中断动作。
作为优选方案，所述预设的动作中断识别模型的生成过程，包括：获取预设数量的测试场景数据；其中，所述测试场景数据包括测试应用场景的测试控制指令、测试控制指令中的测试目标中断动作、运行所述测试控制指令中由处理线程在时间片中执行从所述测试目标中断动作到所述测试控制指令结束的测试节点处理时长；将所述测试应用场景、测试目标中断动作和测试节点处理时长进行相关联，形成训练数据；通过神经网络算法建立初始识别模型，并将所述训练数据输入到所述初始识别模型进行训练，当训练次数达到次数阈值时，形成训练识别模型；在预设的场景动作停滞规则中提取所有停滞动作及其对应的停滞时长，形成测试数据；将所述测试数据输入到所述训练识别模型进行测试，当测试成功率达到预设成功阈值时，生成动作中断识别模型。
作为优选方案，所述指令切割模块具体用于：根据所述目标中断动作对所述控制指令进行切割之后，在所述目标中断动作处设置结束码；将所述控制指令从开始到所述结束码的对应运行程序添加到第一消息队列；在所述目标中断动作的下一个动作处设置初始码；将所述初始码到所述控制指令结束的剩余程序添加到第二消息队列中。
作为优选方案，所述控制运行模块具体用于：当所述处理线程在时间片中执行所述第一消息队列的控制指令时，对运行程序中的运行代码进行实时监测，当监测到处理线程触发执行所述结束码时，控制处理线程结束运行程序，并对时间片进行关闭；同时，对结束运行程序的时间点进行记录，实时统计结束运行程序之后的时长；当判断结束运行程序之后的时长达到所述节点处理时长时，确定所述控制指令的所有运行程序执行完毕；同时，根据所述初始码对应的唯一识别码，在所述第二消息队列中进行查找；将在所述第二消息队列中查找到的剩余程序进行检测，对所述剩余程序中的初始码进行启动运行，直到所述控制指令运行完毕。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的多线程智能家具控制方法。
本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的多线程智能家具控制方法。
相比于现有技术，本发明实施例具有如下有益效果：
本技术方案通过确定目标中断动作，对控制指令进行切割，分别添加到不同的消息队列，可以克服现有技术利用多线程技术对智能家具设备进行并行控制时，由于单一时间片在处理线程中来回切换的问题，通过设置结束码和初始码，对不同消息队列中的同一控制指令进行精准操控，以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间，以使操作系统频繁切换线程而引起的程序运行速度降低的技术问题，可以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间的问题，实现多线程控制智能家具，提高智能家具控制的工作效率，节省资源。
附图说明
图1：为本发明实施例提供的一种多线程智能家具控制方法的步骤流程图；
图2：为本发明实施例提供的一种多线程智能家具控制系统的结构示意图；
图3：为本发明实施例提供的终端设备的一种实施例的结构示意图。
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作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。
实施例一
请参照图1，为本发明实施例提供的一种多线程智能家具控制方法的步骤流程图，包括步骤101至步骤106，各步骤具体包括：
步骤101，接收由多个家具设备同时发送的控制指令；其中，所述控制指令包括家具设备所对应的身份识别码。
具体地，在实际应用中，智能家具可以是多种的，即有多个不同类型的家具设备同时接入智能家居场景当中。此时，每个家具设备向服务器发送控制指令时，会连带自身的身份识别码同时封装到控制指令中，以使服务器接收到各个不同的家具设备发生的控制指令，对这些控制指令分解后可以得到各个控制指令所对应的家具设备。
步骤102，对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集，并根据所述家具设备所对应的身份识别码，确定家具应用场景。
具体地，本步骤需要针对接收的控制指令进行解析后再确定家具应用场景，所以本步骤涉及两个方面：第一方面是如何对控制指令进行解析；第二方面是如何确定家具应用场景。下面将详细描述。
在本实施例的第一方面中，所述步骤102对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集的步骤，具体包括：步骤10211，对所述控制指令中的结束字符进行识别，并根据识别到的结束字符对所述控制指令进行分割处理，得到多个子指令；步骤10212，对每个所述子指令进行解析，得到对应的执行动作，形成执行动作集；步骤10213，对所述执行动作集中的所有执行动作进行依次排序标记。
具体地，通过对控制指令中的结束字符进行识别，确定每个执行动作所对应的代码程序，以结束字符为节点进行分割，可以将控制指令分割成多个子指令，即多个代码程序。随后可以对分割之后的各个子指令进行解析，将对应的代码程序进行编译过来，即可得到对应的执行动作。将所有的子指令都完成编译之后，可以形成执行动作集。为了后续步骤可以对执行动作集中的各个执行动作进行处理，本步骤在形成执行动作集之后，还需要对执行动作集中的所有执行动作按顺序依次标记。
在本实施例的第二方面中，所述步骤102根据所述家具设备所对应的身份识别码，确定家具应用场景的步骤，具体包括：步骤10221，根据所述家具设备所对应的身份识别码，确定所述控制指令所对应执行的目标家具；步骤10222，判断所述执行动作集中的每个执行动作所对应的动作类型，根据每个动作类型在所述执行动作集中出现的比例值，确定比例值最高的多个动作类型并确定对应的初始应用场景；步骤10223，根据所述执行动作集中每个执行动作的排序，对所述初始应用场景进行设置对应的权重值，分别计算每个初始应用场景所对应的比例值和权重值之间的乘积，得到目标值并选择目标值最大的初始应用场景，作为家具应用场景。
具体地，我们需要先利用接收到的身份识别码来确定这个控制指令的执行对象是哪个家具设备，将其定义为目标家具。然后对执行动作集中分解出来的各个执行动作进行判定其动作类型；可以理解的是，关于动作类型的判定，可以采用预设规则进行判定，此处不作限定。接着开始统计每个动作类型在整个执行动作集中出现的总数量，计算出比例值，然后选出比例值最大的几个动作类型，根据选出的比例值最大的几个动作类型可以初步确定初始应用场景。假设：目前比例值最大的几个动作类型我们选择了“开启氛围灯”、“开启电视机”、“关闭台灯”等，那么我们可以初步确定的初始应用场景：“开启氛围灯”初步对应的是“舒适休闲场景”、“开启电视机”初步对应的是“观看影视场景”、“关闭台灯”初步对应的是“休息场景”。但具体是哪个场景，我们还不确定。此时，需要根据每个执行动作的执行先后顺序来帮助确定真正的应用场景。利用各个执行动作的顺序，可以对上一步骤选定的初始应用场景进行设置对应的权重值。假设：如果是先执行开灯后再关灯，那选择休息场景的可能性就比选择娱乐场景的可能性要高，那对应权重值则可以设置高一些。最后根据各个初始应用场景的比例值和权重值的乘积来确定家具应用场景。
步骤103，根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作。
在本实施例中，所述步骤103具体包括：步骤1031，根据所述家具应用场景，在预设的场景动作停滞规则中选择所述家具应用场景的停滞动作和停滞时长；步骤1032，选择所述停滞时长达到预设时长所对应的停滞动作，作为目标停滞动作；步骤1033，根据所述执行动作集中的所有执行动作的排序，将所述目标停滞动作的上一个执行动作作为处理线程对时间片执行完毕时所在的动作节点，并将所述动作节点作为目标中断动作。
具体地，我们需要预先设置好场景动作停滞规则，在这个规则里面设置好不同的家具应用场景所对应的停滞动作以及对应的停滞时长。当我们上一步骤确定了家具应用场景后，通过这个规则可以直接获取到对应的停滞动作和对应的停滞时长，可以理解的是，不同的场景所对应的停滞动作是不同的，而停滞动作的数量也不同，可以为多个。所以我们需要对停滞时长达到预设时长的，进行挑选出来，将对应的停滞动作作为目标停滞动作。而利用直线动作集中对所有执行动作的排序，可以确定目标停滞动作的上一个执行动作，并将其作为处理线程对时间片执行完毕时所在的动作节点，称为目标中断动作。
步骤104，将所述目标中断动作作为输入数据，以及将所述家具应用场景作为影响因子，均输入到预设的动作中断识别模型中进行识别，输出节点处理时长；其中，所述预设的动作中断识别模型用于根据家具应用场景，以输入的目标中断动作为初始动作，判断出处理线程在时间片中执行从所述目标中断动作到所述控制指令结束的节点处理时长。
具体地，由于我们需要获知从目标中断动作到控制指令结束这一阶段执行所需的节点处理时长，而不同的家具应用场景下由不同目标中断动作带来的节点处理时长也各有不同。再加上不同的家具应用场景随时技术的发展和环境的变化，导致其节点处理时长也有较大差别。因此，我们需要利用模型来对不同家具应用场景下由不同目标中断动作带来的节点处理时长进行识别。在构建动作中断识别模型中，我们利用预设的场景动作停滞规则进行测试，而场景动作停滞规则是实时更新的，所以通过构建完成后的动作中断识别模型可以对节点处理时长实现精准的确定。模型的具体构建过程可参考以下步骤。
在本实施例中，所述预设的动作中断识别模型的生成过程，包括：步骤1041，获取预设数量的测试场景数据；其中，所述测试场景数据包括测试应用场景的测试控制指令、测试控制指令中的测试目标中断动作、运行所述测试控制指令中由处理线程在时间片中执行从所述测试目标中断动作到所述测试控制指令结束的测试节点处理时长；步骤1042，将所述测试应用场景、测试目标中断动作和测试节点处理时长进行相关联，形成训练数据；步骤1043，通过神经网络算法建立初始识别模型，并将所述训练数据输入到所述初始识别模型进行训练，当训练次数达到次数阈值时，形成训练识别模型；步骤1044，在预设的场景动作停滞规则中提取所有停滞动作及其对应的停滞时长，形成测试数据；步骤1045，将所述测试数据输入到所述训练识别模型进行测试，当测试成功率达到预设成功阈值时，生成动作中断识别模型。
步骤105，根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码；其中，所述结束码和初始码为依次顺序的唯一识别码。
在本实施例中，所述步骤105具体包括：步骤1051，根据所述目标中断动作对所述控制指令进行切割之后，在所述目标中断动作处设置结束码；步骤1052，将所述控制指令从开始到所述结束码的对应运行程序添加到第一消息队列；步骤1053，在所述目标中断动作的下一个动作处设置初始码；步骤1054，将所述初始码到所述控制指令结束的剩余程序添加到第二消息队列中。
具体地，在确定目标中断动作之后，我们需要针对目标中断动作在控制指令中的位置对该控制指令进行分割。分割后的多条不同的程序，我们需要放置在不同的时间片上。所以我们将控制指令切割后，首先需要先执行的运行程序末端设置结束码，表示到该节点即结束运行程序；同时，将该控制指令从开始到结束码的对应运行程序添加到第一消息队列。然后在后执行的运行程序开始处设置初始码，表示从该节点开始运行程序；同时，将初始码到控制指令结束的剩余程序添加到第二消息队列中，即可实现处理程序在开始执行控制指令后，程序运行到第一消息队列中的结束码时，随即结束运行程序；而在后续的第二消息队列中从初始码开始执行直到程序结束，使得控制指令在不同的时间片中执行对应的执行动作，避免了处理线程等待的时长。
步骤106，控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序；同时，在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕。
具体地，本步骤涉及两个方面：第一方面是如何控制处理线程触发结束码后结束时间片的运行程序；第二方面是如何启动初始码以完成后续的运行程序。下面将详细描述。
在本实施例的第一方面中，所述步骤106控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序的步骤，具体包括：步骤10611，当所述处理线程在时间片中执行所述第一消息队列的控制指令时，对运行程序中的运行代码进行实时监测，当监测到处理线程触发执行所述结束码时，控制处理线程结束运行程序，并对时间片进行关闭；步骤10612，同时，对结束运行程序的时间点进行记录，实时统计结束运行程序之后的时长。
在本实施例的第二方面中，所述步骤106在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕的步骤，具体包括：步骤10621，当判断结束运行程序之后的时长达到所述节点处理时长时，确定所述控制指令的所有运行程序执行完毕；同时，根据所述初始码对应的唯一识别码，在所述第二消息队列中进行查找；步骤10622，将在所述第二消息队列中查找到的剩余程序进行检测，对所述剩余程序中的初始码进行启动运行，直到所述控制指令运行完毕。
具体地，通过上述步骤可以实现第一消息队列中的结束码结束运行程序，并启动第二消息队列中的初始码运行。本技术方案通过确定目标中断动作，对控制指令进行切割，分别添加到不同的消息队列，可以克服现有技术利用多线程技术对智能家具设备进行并行控制时，由于单一时间片在处理线程中来回切换的问题，通过设置结束码和初始码，对不同消息队列中的同一控制指令进行精准操控，以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间，以使操作系统频繁切换线程而引起的程序运行速度降低的技术问题，可以解决现有技术中多线程控制智能家居在执行指令动作之后还需要等待比较长的时间的问题，实现多线程控制智能家具，提高智能家具控制的工作效率，节省资源。
实施例二
请参照图2，为本发明另一实施例提供的一种多线程智能家具控制系统的结构示意图，包括：指令接收模块、指令解析模块、动作节点模块、时长识别模块、指令切割模块和控制运行模块。
所述指令接收模块，用于接收由多个家具设备同时发送的控制指令；其中，所述控制指令包括家具设备所对应的身份识别码。
所述指令解析模块，用于对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集，并根据所述家具设备所对应的身份识别码，确定家具应用场景。
在本实施例中，所述指令解析模块具体用于：对所述控制指令中的结束字符进行识别，并根据识别到的结束字符对所述控制指令进行分割处理，得到多个子指令；对每个所述子指令进行解析，得到对应的执行动作，形成执行动作集；对所述执行动作集中的所有执行动作进行依次排序标记；根据所述家具设备所对应的身份识别码，确定所述控制指令所对应执行的目标家具；判断所述执行动作集中的每个执行动作所对应的动作类型，根据每个动作类型在所述执行动作集中出现的比例值，确定比例值最高的多个动作类型并确定对应的初始应用场景；根据所述执行动作集中每个执行动作的排序，对所述初始应用场景进行设置对应的权重值，分别计算每个初始应用场景所对应的比例值和权重值之间的乘积，得到目标值并选择目标值最大的初始应用场景，作为家具应用场景。
所述动作节点模块，用于根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作。
在本实施例中，所述动作节点模块具体用于：根据所述家具应用场景，在预设的场景动作停滞规则中选择所述家具应用场景的停滞动作和停滞时长；选择所述停滞时长达到预设时长所对应的停滞动作，作为目标停滞动作；根据所述执行动作集中的所有执行动作的排序，将所述目标停滞动作的上一个执行动作作为处理线程对时间片执行完毕时所在的动作节点，并将所述动作节点作为目标中断动作。
所述时长识别模块，用于将所述目标中断动作作为输入数据，以及将所述家具应用场景作为影响因子，均输入到预设的动作中断识别模型中进行识别，输出节点处理时长；其中，所述预设的动作中断识别模型用于根据家具应用场景，以输入的目标中断动作为初始动作，判断出处理线程在时间片中执行从所述目标中断动作到所述控制指令结束的节点处理时长。
在本实施例中，所述预设的动作中断识别模型的生成过程，包括：获取预设数量的测试场景数据；其中，所述测试场景数据包括测试应用场景的测试控制指令、测试控制指令中的测试目标中断动作、运行所述测试控制指令中由处理线程在时间片中执行从所述测试目标中断动作到所述测试控制指令结束的测试节点处理时长；将所述测试应用场景、测试目标中断动作和测试节点处理时长进行相关联，形成训练数据；通过神经网络算法建立初始识别模型，并将所述训练数据输入到所述初始识别模型进行训练，当训练次数达到次数阈值时，形成训练识别模型；在预设的场景动作停滞规则中提取所有停滞动作及其对应的停滞时长，形成测试数据；将所述测试数据输入到所述训练识别模型进行测试，当测试成功率达到预设成功阈值时，生成动作中断识别模型。
所述指令切割模块，用于根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码；其中，所述结束码和初始码为依次顺序的唯一识别码。
在本实施例中，所述指令切割模块具体用于：根据所述目标中断动作对所述控制指令进行切割之后，在所述目标中断动作处设置结束码；将所述控制指令从开始到所述结束码的对应运行程序添加到第一消息队列；在所述目标中断动作的下一个动作处设置初始码；将所述初始码到所述控制指令结束的剩余程序添加到第二消息队列中。
所述控制运行模块，用于控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序；同时，在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕。
在本实施例中，所述控制运行模块具体用于：当所述处理线程在时间片中执行所述第一消息队列的控制指令时，对运行程序中的运行代码进行实时监测，当监测到处理线程触发执行所述结束码时，控制处理线程结束运行程序，并对时间片进行关闭；同时，对结束运行程序的时间点进行记录，实时统计结束运行程序之后的时长；当判断结束运行程序之后的时长达到所述节点处理时长时，确定所述控制指令的所有运行程序执行完毕；同时，根据所述初始码对应的唯一识别码，在所述第二消息队列中进行查找；将在所述第二消息队列中查找到的剩余程序进行检测，对所述剩余程序中的初始码进行启动运行，直到所述控制指令运行完毕。
实施例三
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的多线程智能家具控制方法。
实施例四
请参照图3，是本发明实施例提供的终端设备的一种实施例的结构示意图，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的多线程智能家具控制方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种多线程智能家具控制方法，其特征在于，包括：
接收由多个家具设备同时发送的控制指令；其中，所述控制指令包括家具设备所对应的身份识别码；
对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集，并根据所述家具设备所对应的身份识别码，确定家具应用场景；
根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作；
将所述目标中断动作作为输入数据，以及将所述家具应用场景作为影响因子，均输入到预设的动作中断识别模型中进行识别，输出节点处理时长；其中，所述预设的动作中断识别模型用于根据家具应用场景，以输入的目标中断动作为初始动作，判断出处理线程在时间片中执行从所述目标中断动作到所述控制指令结束的节点处理时长；
根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码；其中，所述结束码和初始码为依次顺序的唯一识别码；
控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序；同时，在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕。
2.如权利要求1所述的多线程智能家具控制方法，其特征在于，所述对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集的步骤，具体包括：
对所述控制指令中的结束字符进行识别，并根据识别到的结束字符对所述控制指令进行分割处理，得到多个子指令；
对每个所述子指令进行解析，得到对应的执行动作，形成执行动作集；
对所述执行动作集中的所有执行动作进行依次排序标记。
3.如权利要求2所述的多线程智能家具控制方法，其特征在于，所述根据所述家具设备所对应的身份识别码，确定家具应用场景的步骤，具体包括：
根据所述家具设备所对应的身份识别码，确定所述控制指令所对应执行的目标家具；
判断所述执行动作集中的每个执行动作所对应的动作类型，根据每个动作类型在所述执行动作集中出现的比例值，确定比例值最高的多个动作类型并确定对应的初始应用场景；
根据所述执行动作集中每个执行动作的排序，对所述初始应用场景进行设置对应的权重值，分别计算每个初始应用场景所对应的比例值和权重值之间的乘积，得到目标值并选择目标值最大的初始应用场景，作为家具应用场景。
4.如权利要求2所述的多线程智能家具控制方法，其特征在于，所述根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作的步骤，具体包括：
根据所述家具应用场景，在预设的场景动作停滞规则中选择所述家具应用场景的停滞动作和停滞时长；
选择所述停滞时长达到预设时长所对应的停滞动作，作为目标停滞动作；
根据所述执行动作集中的所有执行动作的排序，将所述目标停滞动作的上一个执行动作作为处理线程对时间片执行完毕时所在的动作节点，并将所述动作节点作为目标中断动作。
5.如权利要求4所述的多线程智能家具控制方法，其特征在于，所述预设的动作中断识别模型的生成过程，包括：
获取预设数量的测试场景数据；其中，所述测试场景数据包括测试应用场景的测试控制指令、测试控制指令中的测试目标中断动作、运行所述测试控制指令中由处理线程在时间片中执行从所述测试目标中断动作到所述测试控制指令结束的测试节点处理时长；
将所述测试应用场景、测试目标中断动作和测试节点处理时长进行相关联，形成训练数据；
通过神经网络算法建立初始识别模型，并将所述训练数据输入到所述初始识别模型进行训练，当训练次数达到次数阈值时，形成训练识别模型；
在预设的场景动作停滞规则中提取所有停滞动作及其对应的停滞时长，形成测试数据；
将所述测试数据输入到所述训练识别模型进行测试，当测试成功率达到预设成功阈值时，生成动作中断识别模型。
6.如权利要求1所述的多线程智能家具控制方法，其特征在于，所述根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码的步骤，具体包括：
根据所述目标中断动作对所述控制指令进行切割之后，在所述目标中断动作处设置结束码；
将所述控制指令从开始到所述结束码的对应运行程序添加到第一消息队列；
在所述目标中断动作的下一个动作处设置初始码；
将所述初始码到所述控制指令结束的剩余程序添加到第二消息队列中。
7.一种多线程智能家具控制系统，其特征在于，包括：指令接收模块、指令解析模块、动作节点模块、时长识别模块、指令切割模块和控制运行模块；
所述指令接收模块，用于接收由多个家具设备同时发送的控制指令；其中，所述控制指令包括家具设备所对应的身份识别码；
所述指令解析模块，用于对所述控制指令进行解析处理，得到所述控制指令对应的执行动作集，并根据所述家具设备所对应的身份识别码，确定家具应用场景；
所述动作节点模块，用于根据所述家具应用场景，在所述执行动作集中确定处理线程对时间片执行完毕时所在的动作节点，将所述动作节点作为目标中断动作；
所述时长识别模块，用于将所述目标中断动作作为输入数据，以及将所述家具应用场景作为影响因子，均输入到预设的动作中断识别模型中进行识别，输出节点处理时长；其中，所述预设的动作中断识别模型用于根据家具应用场景，以输入的目标中断动作为初始动作，判断出处理线程在时间片中执行从所述目标中断动作到所述控制指令结束的节点处理时长；
所述指令切割模块，用于根据所述目标中断动作对所述控制指令进行切割，分别添加到第一消息队列和第二消息队列，并在所述第一消息队列的结束处设置结束码，以及在所述第二消息队列的开始处设置初始码；其中，所述结束码和初始码为依次顺序的唯一识别码；
所述控制运行模块，用于控制处理线程在时间片中执行所述第一消息队列的控制指令时，当触发所述结束码，则结束所在时间片的运行程序；同时，在结束运行程序之后的时长达到所述节点处理时长时，在所述第二消息队列中根据所述初始码对应的唯一识别码进行查找，并启动运行所述初始码，直到所述控制指令运行完毕。
8.如权利要求7所述的多线程智能家具控制系统，其特征在于，所述指令解析模块具体用于：对所述控制指令中的结束字符进行识别，并根据识别到的结束字符对所述控制指令进行分割处理，得到多个子指令；对每个所述子指令进行解析，得到对应的执行动作，形成执行动作集；对所述执行动作集中的所有执行动作进行依次排序标记；根据所述家具设备所对应的身份识别码，确定所述控制指令所对应执行的目标家具；判断所述执行动作集中的每个执行动作所对应的动作类型，根据每个动作类型在所述执行动作集中出现的比例值，确定比例值最高的多个动作类型并确定对应的初始应用场景；根据所述执行动作集中每个执行动作的排序，对所述初始应用场景进行设置对应的权重值，分别计算每个初始应用场景所对应的比例值和权重值之间的乘积，得到目标值并选择目标值最大的初始应用场景，作为家具应用场景。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-6中任一项所述的多线程智能家具控制方法。
10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-6中任一项所述的多线程智能家具控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310318148.9A CN116300503B (zh) | 2023-03-29 | 2023-03-29 | 一种多线程智能家具控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310318148.9A CN116300503B (zh) | 2023-03-29 | 2023-03-29 | 一种多线程智能家具控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116300503A true CN116300503A (zh) | 2023-06-23 |
| CN116300503B CN116300503B (zh) | 2023-08-18 |
Family
ID=86799562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310318148.9A Active CN116300503B (zh) | 2023-03-29 | 2023-03-29 | 一种多线程智能家具控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116300503B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104011705A (zh) * | 2011-12-01 | 2014-08-27 | 新加坡国立大学 | 多形异构性多核架构 |
| CN105897522A (zh) * | 2015-12-23 | 2016-08-24 | 乐视网信息技术（北京）股份有限公司 | 智能家居设备的控制方法及装置 |
| CN107749894A (zh) * | 2017-11-09 | 2018-03-02 | 吴章义 | 一种安全、简单、智能的物联网系统 |
| CN107918547A (zh) * | 2016-10-05 | 2018-04-17 | 森蒂彼得塞米有限公司 | 在并行化处理器中的刷新 |
| CN110427003A (zh) * | 2019-07-29 | 2019-11-08 | 珠海格力智能装备有限公司 | 机器人的控制方法及装置、机器人 |
| US20200213361A1 (en) * | 2018-12-31 | 2020-07-02 | Palo Alto Networks, Inc. | Multi-layered policy management |
| CN112034726A (zh) * | 2020-09-15 | 2020-12-04 | 百度在线网络技术（北京）有限公司 | 基于场景的控制方法、装置、设备以及存储介质 |
| US11042135B1 (en) * | 2015-04-07 | 2021-06-22 | SmartHome Ventures LLC | Coordinated control of home automation devices |
| CN214174885U (zh) * | 2021-03-12 | 2021-09-10 | 张爱平 | 一种智能化可视语音中控系统 |
| CN114567519A (zh) * | 2022-02-28 | 2022-05-31 | 武汉世聪智能科技有限公司 | 一种多线程并行管理多个智能设备指令消息的方法及装置 |
| US20220307319A1 (en) * | 2021-03-27 | 2022-09-29 | Linked Labs LLC | Electromechanical device for managing cord looped window blinds, curtains, and shades |
| CN115774756A (zh) * | 2022-11-21 | 2023-03-10 | 海尔优家智能科技（北京）有限公司 | 物联网场景数据同步方法、设备及存储介质 |
-
2023
- 2023-03-29 CN CN202310318148.9A patent/CN116300503B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104011705A (zh) * | 2011-12-01 | 2014-08-27 | 新加坡国立大学 | 多形异构性多核架构 |
| US11042135B1 (en) * | 2015-04-07 | 2021-06-22 | SmartHome Ventures LLC | Coordinated control of home automation devices |
| CN105897522A (zh) * | 2015-12-23 | 2016-08-24 | 乐视网信息技术（北京）股份有限公司 | 智能家居设备的控制方法及装置 |
| CN107918547A (zh) * | 2016-10-05 | 2018-04-17 | 森蒂彼得塞米有限公司 | 在并行化处理器中的刷新 |
| CN107749894A (zh) * | 2017-11-09 | 2018-03-02 | 吴章义 | 一种安全、简单、智能的物联网系统 |
| US20200213361A1 (en) * | 2018-12-31 | 2020-07-02 | Palo Alto Networks, Inc. | Multi-layered policy management |
| CN110427003A (zh) * | 2019-07-29 | 2019-11-08 | 珠海格力智能装备有限公司 | 机器人的控制方法及装置、机器人 |
| CN112034726A (zh) * | 2020-09-15 | 2020-12-04 | 百度在线网络技术（北京）有限公司 | 基于场景的控制方法、装置、设备以及存储介质 |
| CN214174885U (zh) * | 2021-03-12 | 2021-09-10 | 张爱平 | 一种智能化可视语音中控系统 |
| US20220307319A1 (en) * | 2021-03-27 | 2022-09-29 | Linked Labs LLC | Electromechanical device for managing cord looped window blinds, curtains, and shades |
| CN114567519A (zh) * | 2022-02-28 | 2022-05-31 | 武汉世聪智能科技有限公司 | 一种多线程并行管理多个智能设备指令消息的方法及装置 |
| CN115774756A (zh) * | 2022-11-21 | 2023-03-10 | 海尔优家智能科技（北京）有限公司 | 物联网场景数据同步方法、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| TAKUTO HAMANO等: "Performance comparison of physics engines to accelerate house-collapsing simulations", 《2016 IEEE INTERNATIONAL SYMPOSIUM ON SAFETY, SECURITY, AND RESCUE ROBOTICS (SSRR)》 * |
| 屠雪真;: "分布式缓存系统客户端关键技术研究", 电脑编程技巧与维护, no. 04 * |
| 徐克奇;: "硬件中断和多线程技术在实时系统中应用", 上海应用技术学院学报(自然科学版), no. 03 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116300503B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717574B (zh) | 一种神经网络运行方法、装置及异构智能芯片 | |
| CN110096345A (zh) | 智能任务调度方法、装置、设备及存储介质 | |
| CN113032268B (zh) | 软件测试方法、装置及存储介质 | |
| US20120060146A1 (en) | Automatic Application Tuning | |
| CN116300503B (zh) | 一种多线程智能家具控制方法及系统 | |
| CN114466227B (zh) | 一种视频分析方法、装置、电子设备及存储介质 | |
| CN115794393A (zh) | 业务模型的执行方法、装置、服务器及存储介质 | |
| CN114220479B (zh) | 一种蛋白质结构预测方法、蛋白质结构预测装置及介质 | |
| CN113688602A (zh) | 一种任务处理方法以及装置 | |
| CN113568836A (zh) | 多时间序列的样本特征提取方法以应用其的软件检测方法 | |
| CN112416301A (zh) | 深度学习模型开发方法及装置、计算机可读存储介质 | |
| CN115917562A (zh) | 深度学习模型的推理方法、装置、计算机设备和存储介质 | |
| CN112699046A (zh) | 应用程序测试方法及装置、电子设备和存储介质 | |
| CN109033003B (zh) | 数据流切片比对的方法、装置和异构系统 | |
| CN110650100A (zh) | 抓取网卡数据包的方法、装置及电子设备 | |
| CN116048762A (zh) | 基于历史数据分析的计算机资源调度系统 | |
| CN113238855B (zh) | 一种路径检测方法及装置 | |
| CN112995532B (zh) | 视频处理方法及装置 | |
| CN117251260A (zh) | 一种数据处理方法及系统 | |
| CN113064677B (zh) | 应用运行方法及装置、存储介质及电子装置 | |
| US20240062545A1 (en) | Information processing device, information processing method, and recording medium | |
| CN114721791A (zh) | 任务调度方法、电子设备及计算机可读存储介质 | |
| CN113590277A (zh) | 任务状态切换方法、装置和电子系统 | |
| CN114372383A (zh) | 一种基于vr仿真场景的场景快速切换方法及系统 | |
| CN107729058B (zh) | 一种自动解析增值税发票识别结果的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |