CN116823521A - 基于ai算法的智能二次供水终端控制系统 - Google Patents

Abstract

本发明公开了一种基于AI算法的智能二次供水终端控制系统，该基于AI算法的智能二次供水终端控制系统包括通信模块、场景预测模块、供水控制模块、反馈计算模块、调整模块和发送模块，可以用于根据二次供水终端发送的供水工作参数和传感设备发送的传感数据来预测用水场景，再根据用水场景来确定二次供水终端的控制指令。可见，本发明能够基于目标供水区域的传感参数来预测用水场景，再根据用水场景确定出供水控制指令以满足用户需求，并可以根据用户反馈来调整控制，从而能够实现更加智能化和精准合理的二次供水终端的控制，以提高用户的供水体验。

Description

基于AI算法的智能二次供水终端控制系统

技术领域

本发明涉及供水终端控制技术领域，尤其涉及一种基于AI算法的智能二次供水终端控制系统。

背景技术

随着经济的发展和人民生活水平的提高，越来越多的居民区开始布设智能二次供水设施，以满足区域内的用水需求，这些智能二次供水设施一般设置有智能化的控制设备，可以对供水管道输送过来的水进行二次处理，来为区域提供供水。

但现有技术中，智能二次供水终端的控制系统一般都是通过工作人员以及简单的数据判断规则来对二次供水终端进行控制，这样的做法没有考虑到结合区域的传感数据来判断用户的用水场景，因此其智能化程度较低，对二次供水终端的控制也不够精准合理，可见现有技术存在缺陷，亟待解决。

发明内容

本发明所要解决的技术问题在于，提供一种基于AI算法的智能二次供水终端控制系统，能够实现更加智能化和精准合理的二次供水终端的控制，以提高用户的供水体验。

为了解决上述技术问题，本发明公开了一种基于AI算法的智能二次供水终端控制系统，所述系统包括：

通信模块，通信连接至设置在目标供水区域的二次供水终端和多个传感设备，用于接收所述二次供水终端发送的供水工作参数和所述传感设备发送的传感数据；

场景预测模块，用于根据所述传感数据和预设的预测算法模型，预测所述目标供水区域对应的用水场景；

供水控制模块，用于根据所述用水场景，以及所述供水工作参数，确定所述二次供水终端对应的供水控制指令；所述供水控制指令用于控制所述二次供水终端执行对应于所述用水场景的供水操作；

反馈计算模块，用于根据所述通信模块接收的所述传感设备发送的实时的传感数据，计算用户在所述目标供水区域的用水反馈；

调整模块，用于根据所述用水反馈，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令；

发送模块，用于将所述供水控制指令通过所述通信模块发送至所述二次供水终端。

在一个可选的实施方式中，所述供水工作参数包括供水水泵的电机工作参数、水压检测参数、水质检测参数、流量检测参数、电动阀门工作参数中的至少一种；和/或，所述供水控制指令包括水泵电机控制指令、过滤设备控制指令、电动阀门控制指令中的至少一种；和/或，所述传感数据包括传感获取位置、图像传感数据、热成像传感数据、声音数据、湿度数据、温度数据中的至少一种。

在一个可选的实施方式中，所述场景预测模块根据所述传感数据和预设的预测算法模型，预测所述目标供水区域对应的用水场景的具体方式，包括：

将所述传感数据输入至训练好的第一神经网络模型，以得到所述传感数据对应的用户行为预测概率；所述第一神经网络模型通过包括有多个训练传感数据和对应的用户行为预测可能性标注的训练数据集训练得到；

判断所述用户行为预测概率是否大于预设的概率阈值；

若是，则将所述传感数据中的图像传感数据和/或热成像传感数据输入至训练好的第二神经网络模型，以得到所述传感数据对应的基于用户行为的用户场景；所述第二神经网络模型通过包括有多个训练图像传感数据和/或训练热成像传感数据，以及对应的用户行为标注的训练数据集训练得到；

若否，则将所述传感数据输入至训练好的第三神经网络模型，以得到所述传感数据对应的基于环境情况的用户场景；所述第三神经网络模型通过包括有多个训练传感数据以及对应的环境场景标注的训练数据集训练得到。

在一个可选的实施方式中，所述基于用户行为的用户包括用户洗浴场景、用户清洗小物体场景、用户清洗环境场景、用户烹饪场景中的至少一种；和/或，所述基于环境情况的用户场景包括夏季用水场景、冬季用水场景、高温用水场景、低温用水场景、高湿度用水场景、低湿度用水场景中的至少一种。

在一个可选的实施方式中，所述供水控制模块根据所述用水场景，以及所述供水工作参数，确定所述二次供水终端对应的供水控制指令的具体方式，包括：

根据所述用水场景，以及预设的场景-参数变化对应规则，确定所述用水场景对应的需要变化的供水机构工作参数和对应的参数变化值；

根据所述供水机构工作参数和对应的参数变化值，生成所述二次供水终端对应的供水控制指令。

在一个可选的实施方式中，所述目标供水区域中包括有多个目标供水区域；所述供水控制模块在根据所述用水场景，以及预设的场景-参数变化对应规则，确定所述用水场景对应的需要变化的供水机构工作参数和对应的参数变化值之前，还执行以下步骤：

确定所述二次供水终端对应的所有所述目标供水区域的所述用户场景；

以及，所述供水控制模块根据所述供水机构工作参数和对应的参数变化值，生成所述二次供水终端对应的供水控制指令的具体方式，包括：

根据所有所述目标供水区域对应的所述供水机构工作参数和对应的参数变化值，基于权重级别算法，确定所述二次供水终端对应的终端工作参数和对应的综合参数变化值；

根据所述终端工作参数和对应的综合参数变化值，生成所述二次供水终端对应的供水控制指令。

在一个可选的实施方式中，所述供水控制模块根据所有所述目标供水区域对应的所述供水机构工作参数和对应的参数变化值，基于权重级别算法，确定所述二次供水终端对应的终端工作参数和对应的综合参数变化值的具体方式，包括：

确定出所有所述目标供水区域对应的多个供水机构工作参数和对应的参数变化值；

计算每一所述目标供水区域对应的与所述二次供水终端之间的供水距离；

计算每一所述供水机构工作参数在所有所述供水机构工作参数的出现次数；

对于每一所述供水机构工作参数，计算该供水机构工作参数对应的所有所述供水距离的距离平均值的倒数，以及计算该供水机构工作参数对应的所有所述参数变化值的变化值平均值；

计算该供水机构工作参数对应的所述倒数、所述变化值平均值和所述出现次数的乘积，得到该供水机构工作参数对应的级别参数；

根据所述级别参数从大到小，对所有所述供水机构工作参数进行排序，得到参数序列；

将所述参数序列前预设数量个供水机构工作参数和分别对应的所述变化值平均值，确定为所述二次供水终端对应的终端工作参数和对应的综合参数变化值。

在一个可选的实施方式中，所述反馈计算模块根据所述通信模块接收的所述传感设备发送的实时的传感数据，计算用户在所述目标供水区域的用水反馈的具体方式，包括：

将所述传感设备发送的实时的传感数据输入至训练好的第四神经网络模型中，以得到输出的对应的用户的用水反馈预测类型和程度预测参数；所述第四神经网络模型通过包括有多个训练传感数据和对应的用水反馈类型标注和反馈程度参数标注训练得到；所述用水反馈预测类型包括水压过高反馈、水压过低反馈、水温过高反馈、水温过低反馈、水质较差反馈中的至少一种。

在一个可选的实施方式中，所述调整模块根据所述用水反馈，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令的具体方式，包括：

根据所述用水反馈预测类型，确定对应的需要调整的供水工作参数；

根据所述程度预测参数，基于预设的程度-参数变化对应关系，确定所述需要调整的供水工作参数对应的参数需变化值；

根据所述需要调整的供水工作参数和对应的参数需变化值，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令。

在一个可选的实施方式中，所述调整模块根据所述需要调整的供水工作参数和对应的参数需变化值，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令的具体方式，包括：

确定所述传感设备发送的实时的传感数据对应的目标供水区域对应的所述供水距离；

根据预设的权重计算公式，计算与所述供水距离成正比的调整权重；

计算所述调整权重和所述参数需变化值的乘积，得到加权参数变化值；

根据所述需要调整的供水工作参数和对应的所述加权参数变化值，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令。

与现有技术相比，本发明具有以下有益效果：

本发明能够基于目标供水区域的传感参数来预测用水场景，再根据用水场景确定出供水控制指令以满足用户需求，并可以根据用户反馈来调整控制，从而能够实现更加智能化和精准合理的二次供水终端的控制，以提高用户的供水体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种基于AI算法的智能二次供水终端控制系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或端没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或模块。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

具体的，请参阅图1，图1是本发明实施例公开的一种基于AI算法的智能二次供水终端控制系统的结构示意图。如图1所示，该基于AI算法的智能二次供水终端控制系统至少包括通信模块101、场景预测模块102、供水控制模块103、反馈计算模块104、调整模块105和发送模块106。

具体的，通信模块101通信连接至设置在目标供水区域的二次供水终端和多个传感设备，用于接收二次供水终端发送的供水工作参数和传感设备发送的传感数据。

在一个可选的实施例中，供水工作参数包括供水水泵的电机工作参数、水压检测参数、水质检测参数、流量检测参数、电动阀门工作参数中的至少一种。

在一个可选的实施例中，传感数据包括传感获取位置、图像传感数据、热成像传感数据、声音数据、湿度数据、温度数据中的至少一种。

具体的，场景预测模块102用于根据传感数据和预设的预测算法模型，预测目标供水区域对应的用水场景。

具体的，供水控制模块103用于根据用水场景，以及供水工作参数，确定二次供水终端对应的供水控制指令。

具体的，供水控制指令用于控制二次供水终端执行对应于用水场景的供水操作。

在一个可选的实施例中，供水控制指令包括水泵电机控制指令、过滤设备控制指令、电动阀门控制指令中的至少一种。

具体的，反馈计算模块104用于根据通信模块101接收的传感设备发送的实时的传感数据，计算用户在目标供水区域的用水反馈。

具体的，调整模块105用于根据用水反馈，以及供水控制指令，计算出二次供水终端对应的新的供水控制指令。

具体的，发送模块106用于将供水控制指令通过通信模块101发送至二次供水终端。

可选的，本发明所述的预测算法模型或神经网络模型，均可以采用CNN结构、RNN结构或LTSM结构等神经网络模型，或其他现有的卷积神经网络模型来实现，操作人员可以根据具体实施场景中的数据特点来选择，本发明在此不做限定。

通过上述系统，能够基于目标供水区域的传感参数来预测用水场景，再根据用水场景确定出供水控制指令以满足用户需求，并可以根据用户反馈来调整控制，从而能够实现更加智能化和精准合理的二次供水终端的控制，以提高用户的供水体验。

在一个可选的实施例中，场景预测模块102根据传感数据和预设的预测算法模型，预测目标供水区域对应的用水场景的具体方式，包括：

将传感数据输入至训练好的第一神经网络模型，以得到传感数据对应的用户行为预测概率；第一神经网络模型通过包括有多个训练传感数据和对应的用户行为预测可能性标注的训练数据集训练得到；

判断用户行为预测概率是否大于预设的概率阈值；

若是，则将传感数据中的图像传感数据和/或热成像传感数据输入至训练好的第二神经网络模型，以得到传感数据对应的基于用户行为的用户场景；第二神经网络模型通过包括有多个训练图像传感数据和/或训练热成像传感数据，以及对应的用户行为标注的训练数据集训练得到；

若否，则将传感数据输入至训练好的第三神经网络模型，以得到传感数据对应的基于环境情况的用户场景；第三神经网络模型通过包括有多个训练传感数据以及对应的环境场景标注的训练数据集训练得到。

在一个可选的实施例中，基于用户行为的用户包括用户洗浴场景、用户清洗小物体场景、用户清洗环境场景、用户烹饪场景中的至少一种。

在一个可选的实施例中，基于环境情况的用户场景包括夏季用水场景、冬季用水场景、高温用水场景、低温用水场景、高湿度用水场景、低湿度用水场景中的至少一种。

通过上述模块，能够先基于第一神经网络模型来判断获取的传感数据能否有效识别出用户的行为，若可以，则通过第二神经网络模型来进行用户行为的识别并进一步识别出基于用户行为的场景，若不行则通过第三神经网络模型来基于环境参数进行场景识别，从而可以有效提高场景识别的效率，减少算法成本，提高算法效果。

在一个可选的实施例中，供水控制模块103根据用水场景，以及供水工作参数，确定二次供水终端对应的供水控制指令的具体方式，包括：

根据用水场景，以及预设的场景-参数变化对应规则，确定用水场景对应的需要变化的供水机构工作参数和对应的参数变化值；

根据供水机构工作参数和对应的参数变化值，生成二次供水终端对应的供水控制指令。

具体的，场景-参数变化对应规则可以通过操作人员根据经验或实验来确定，或是通过实验的数据来统计甚至算法拟合获取得到。

在一个可选的实施例中，目标供水区域中包括有多个目标供水区域，例如在一个小区区域中有多户人家需要供水，而二次供水终端有时用于服务单个区域，有时用于服务多个区域。

相应的，供水控制模块103在根据用水场景，以及预设的场景-参数变化对应规则，确定用水场景对应的需要变化的供水机构工作参数和对应的参数变化值之前，还执行以下步骤：

确定二次供水终端对应的所有目标供水区域的用户场景。

具体的，确定用户场景的方式可以参照上述实施例。

相应的，供水控制模块103根据供水机构工作参数和对应的参数变化值，生成二次供水终端对应的供水控制指令的具体方式，包括：

根据所有目标供水区域对应的供水机构工作参数和对应的参数变化值，基于权重级别算法，确定二次供水终端对应的终端工作参数和对应的综合参数变化值；

根据终端工作参数和对应的综合参数变化值，生成二次供水终端对应的供水控制指令。

在一个可选的实施例中，供水控制模块103根据所有目标供水区域对应的供水机构工作参数和对应的参数变化值，基于权重级别算法，确定二次供水终端对应的终端工作参数和对应的综合参数变化值的具体方式，包括：

确定出所有目标供水区域对应的多个供水机构工作参数和对应的参数变化值；

计算每一目标供水区域对应的与二次供水终端之间的供水距离；

计算每一供水机构工作参数在所有供水机构工作参数的出现次数；

对于每一供水机构工作参数，计算该供水机构工作参数对应的所有供水距离的距离平均值的倒数，以及计算该供水机构工作参数对应的所有参数变化值的变化值平均值；

计算该供水机构工作参数对应的倒数、变化值平均值和出现次数的乘积，得到该供水机构工作参数对应的级别参数；

根据级别参数从大到小，对所有供水机构工作参数进行排序，得到参数序列；

将参数序列前预设数量个供水机构工作参数和分别对应的变化值平均值，确定为二次供水终端对应的终端工作参数和对应的综合参数变化值。

通过上述模块，能够实现计算一个二次供水终端所服务的供水区域对应的供水距离以及不同区域确定出的需调整的工作参数的出现次数以及参数变化程度，来综合计算出不同参数的调整必要性级别，并以此综合确定出需要调整的工作参数和参数变化值，以使得二次供水终端可以被控制以更好以及更精准地服务所对应的供水区域。

在一个可选的实施例中，反馈计算模块104根据通信模块101接收的传感设备发送的实时的传感数据，计算用户在目标供水区域的用水反馈的具体方式，包括：

将传感设备发送的实时的传感数据输入至训练好的第四神经网络模型中，以得到输出的对应的用户的用水反馈预测类型和程度预测参数。

具体的，第四神经网络模型通过包括有多个训练传感数据和对应的用水反馈类型标注和反馈程度参数标注训练得到。

具体的，用水反馈预测类型包括水压过高反馈、水压过低反馈、水温过高反馈、水温过低反馈、水质较差反馈中的至少一种。

具体的，程度预测参数用于表征用户对于该反馈的重视程度，其在一定程度上与特定供水参数的偏离正常程度相关。

通过上述模块，可以通过神经网络模型来根据传感数据判断用户的用水反馈，以提高判断用户的用水反馈的精准度，以提高后续根据用水反馈调整工作参数的精确度。

在一个可选的实施例中，调整模块105根据用水反馈，以及供水控制指令，计算出二次供水终端对应的新的供水控制指令的具体方式，包括：

根据用水反馈预测类型，确定对应的需要调整的供水工作参数；

根据程度预测参数，基于预设的程度-参数变化对应关系，确定需要调整的供水工作参数对应的参数需变化值；

根据需要调整的供水工作参数和对应的参数需变化值，以及供水控制指令，计算出二次供水终端对应的新的供水控制指令。

可选的，可以根据预设的类型-参数对应关系，来根据用水反馈预测类型，确定对应的需要调整的供水工作参数。

具体的，类型-参数对应关系和程度-参数变化对应关系均可以由操作人员根据实验进行确定，例如根据多次实验以统计得到相应参数之间的对应关系或是数学关系。

通过上述模块，能够根据用水反馈预测类型和程度预测参数来确定出需要调整的工作参数以及调整值，从而可以有效根据反馈预测模型的预测结果来确定出调整操作，以有效根据反馈调整控制二次供水终端的供水。

在一个可选的实施例中，调整模块105根据需要调整的供水工作参数和对应的参数需变化值，以及供水控制指令，计算出二次供水终端对应的新的供水控制指令的具体方式，包括：

确定传感设备发送的实时的传感数据对应的目标供水区域对应的供水距离；

根据预设的权重计算公式，计算与供水距离成正比的调整权重；

计算调整权重和参数需变化值的乘积，得到加权参数变化值；

根据需要调整的供水工作参数和对应的加权参数变化值，以及供水控制指令，计算出二次供水终端对应的新的供水控制指令。

可选的，供水距离的相关技术表述可以参照上面的实施例。

通过上述模块，能够引入供水距离对应的正比权重来调整参数需变化值的大小，以使得区域的反馈预测结果能够根据区域的供水影响程度而变化，使得距离更长的区域得到更大比例的参数调整以使得该区域获得足够有效的供水变化，提高供水效果。

上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施例中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例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。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

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包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

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在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后应说明的是：本发明实施例公开的一种基于AI算法的智能二次供水终端控制系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于AI算法的智能二次供水终端控制系统，其特征在于，所述系统包括：

通信模块，通信连接至设置在目标供水区域的二次供水终端和多个传感设备，用于接收所述二次供水终端发送的供水工作参数和所述传感设备发送的传感数据；

场景预测模块，用于根据所述传感数据和预设的预测算法模型，预测所述目标供水区域对应的用水场景；

供水控制模块，用于根据所述用水场景，以及所述供水工作参数，确定所述二次供水终端对应的供水控制指令；所述供水控制指令用于控制所述二次供水终端执行对应于所述用水场景的供水操作；

反馈计算模块，用于根据所述通信模块接收的所述传感设备发送的实时的传感数据，计算用户在所述目标供水区域的用水反馈；

调整模块，用于根据所述用水反馈，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令；

发送模块，用于将所述供水控制指令通过所述通信模块发送至所述二次供水终端。

2.如权利要求1所述的一种基于AI算法的智能二次供水终端控制系统，其特征在于：所述供水工作参数包括供水水泵的电机工作参数、水压检测参数、水质检测参数、流量检测参数、电动阀门工作参数中的至少一种；和/或，所述供水控制指令包括水泵电机控制指令、过滤设备控制指令、电动阀门控制指令中的至少一种；和/或，所述传感数据包括传感获取位置、图像传感数据、热成像传感数据、声音数据、湿度数据、温度数据中的至少一种。

3.根据权利要求1所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述场景预测模块根据所述传感数据和预设的预测算法模型，预测所述目标供水区域对应的用水场景的具体方式，包括：

将所述传感数据输入至训练好的第一神经网络模型，以得到所述传感数据对应的用户行为预测概率；所述第一神经网络模型通过包括有多个训练传感数据和对应的用户行为预测可能性标注的训练数据集训练得到；

判断所述用户行为预测概率是否大于预设的概率阈值；

若是，则将所述传感数据中的图像传感数据和/或热成像传感数据输入至训练好的第二神经网络模型，以得到所述传感数据对应的基于用户行为的用户场景；所述第二神经网络模型通过包括有多个训练图像传感数据和/或训练热成像传感数据，以及对应的用户行为标注的训练数据集训练得到；

若否，则将所述传感数据输入至训练好的第三神经网络模型，以得到所述传感数据对应的基于环境情况的用户场景；所述第三神经网络模型通过包括有多个训练传感数据以及对应的环境场景标注的训练数据集训练得到。

4.根据权利要求3所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述基于用户行为的用户包括用户洗浴场景、用户清洗小物体场景、用户清洗环境场景、用户烹饪场景中的至少一种；和/或，所述基于环境情况的用户场景包括夏季用水场景、冬季用水场景、高温用水场景、低温用水场景、高湿度用水场景、低湿度用水场景中的至少一种。

5.根据权利要求1所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述供水控制模块根据所述用水场景，以及所述供水工作参数，确定所述二次供水终端对应的供水控制指令的具体方式，包括：

根据所述用水场景，以及预设的场景-参数变化对应规则，确定所述用水场景对应的需要变化的供水机构工作参数和对应的参数变化值；

根据所述供水机构工作参数和对应的参数变化值，生成所述二次供水终端对应的供水控制指令。

6.根据权利要求5所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述目标供水区域中包括有多个目标供水区域；所述供水控制模块在根据所述用水场景，以及预设的场景-参数变化对应规则，确定所述用水场景对应的需要变化的供水机构工作参数和对应的参数变化值之前，还执行以下步骤：

确定所述二次供水终端对应的所有所述目标供水区域的所述用户场景；

以及，所述供水控制模块根据所述供水机构工作参数和对应的参数变化值，生成所述二次供水终端对应的供水控制指令的具体方式，包括：

根据所有所述目标供水区域对应的所述供水机构工作参数和对应的参数变化值，基于权重级别算法，确定所述二次供水终端对应的终端工作参数和对应的综合参数变化值；

根据所述终端工作参数和对应的综合参数变化值，生成所述二次供水终端对应的供水控制指令。

7.根据权利要求6所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述供水控制模块根据所有所述目标供水区域对应的所述供水机构工作参数和对应的参数变化值，基于权重级别算法，确定所述二次供水终端对应的终端工作参数和对应的综合参数变化值的具体方式，包括：

确定出所有所述目标供水区域对应的多个供水机构工作参数和对应的参数变化值；

计算每一所述目标供水区域对应的与所述二次供水终端之间的供水距离；

计算每一所述供水机构工作参数在所有所述供水机构工作参数的出现次数；

对于每一所述供水机构工作参数，计算该供水机构工作参数对应的所有所述供水距离的距离平均值的倒数，以及计算该供水机构工作参数对应的所有所述参数变化值的变化值平均值；

计算该供水机构工作参数对应的所述倒数、所述变化值平均值和所述出现次数的乘积，得到该供水机构工作参数对应的级别参数；

根据所述级别参数从大到小，对所有所述供水机构工作参数进行排序，得到参数序列；

将所述参数序列前预设数量个供水机构工作参数和分别对应的所述变化值平均值，确定为所述二次供水终端对应的终端工作参数和对应的综合参数变化值。

8.根据权利要求7所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述反馈计算模块根据所述通信模块接收的所述传感设备发送的实时的传感数据，计算用户在所述目标供水区域的用水反馈的具体方式，包括：

将所述传感设备发送的实时的传感数据输入至训练好的第四神经网络模型中，以得到输出的对应的用户的用水反馈预测类型和程度预测参数；所述第四神经网络模型通过包括有多个训练传感数据和对应的用水反馈类型标注和反馈程度参数标注训练得到；所述用水反馈预测类型包括水压过高反馈、水压过低反馈、水温过高反馈、水温过低反馈、水质较差反馈中的至少一种。

9.根据权利要求8所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述调整模块根据所述用水反馈，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令的具体方式，包括：

根据所述用水反馈预测类型，确定对应的需要调整的供水工作参数；

根据所述程度预测参数，基于预设的程度-参数变化对应关系，确定所述需要调整的供水工作参数对应的参数需变化值；

根据所述需要调整的供水工作参数和对应的参数需变化值，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令。

10.根据权利要求9所述的基于AI算法的智能二次供水终端控制系统，其特征在于，所述调整模块根据所述需要调整的供水工作参数和对应的参数需变化值，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令的具体方式，包括：

确定所述传感设备发送的实时的传感数据对应的目标供水区域对应的所述供水距离；

根据预设的权重计算公式，计算与所述供水距离成正比的调整权重；

计算所述调整权重和所述参数需变化值的乘积，得到加权参数变化值；

根据所述需要调整的供水工作参数和对应的所述加权参数变化值，以及所述供水控制指令，计算出所述二次供水终端对应的新的供水控制指令。