CN117235873B - 基于历史工作记录的智慧家居布局方法及系统 - Google Patents
基于历史工作记录的智慧家居布局方法及系统 Download PDFInfo
- Publication number
- CN117235873B CN117235873B CN202311500267.2A CN202311500267A CN117235873B CN 117235873 B CN117235873 B CN 117235873B CN 202311500267 A CN202311500267 A CN 202311500267A CN 117235873 B CN117235873 B CN 117235873B
- Authority
- CN
- China
- Prior art keywords
- historical
- layout
- history
- equipment
- record
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012512 characterization method Methods 0.000 claims description 35
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development 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
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于历史工作记录的智慧家居布局方法及系统,该方法包括:获取多个家居设备的多个历史位置和对应的历史工作记录;根据每一所述家居设备的所述历史位置和所述历史工作记录,确定每一家居设备对应的最优布局位置范围;获取目标布局区域和所述多个家居设备对应的多个布局规则;根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略。可见,本发明能够实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
Description
技术领域
本发明涉及家居设备数据处理技术领域,尤其涉及一种基于历史工作记录的智慧家居布局方法及系统。
背景技术
随着智慧家居技术的发展,越来越多的用户选择在家居区域布设多个智慧家居设备来提高生活体验,但在布设的多个家居设备的过程中,一般用户仅考虑自己的生活习惯,无法达到较好的布局效果。
而现有技术中服务商在为用户提供智能的家居设备布局服务时,一般也仅考虑到家居设备的设备属性和用户的布局要求,没有充分考虑到利用算法优势以及家居设备的历史工作记录等信息提高布局效果,因此其布局方案较为呆板和简单。可见,现有技术存在缺陷,亟需解决。
发明内容
本发明所要解决的技术问题在于,提供一种基于历史工作记录的智慧家居布局方法及系统,能够实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
为了解决上述技术问题,本发明第一方面公开了一种基于历史工作记录的智慧家居布局方法,所述方法包括:
获取多个家居设备的多个历史位置和对应的历史工作记录;
根据每一所述家居设备的所述历史位置和所述历史工作记录,确定每一家居设备对应的最优布局位置范围;
获取目标布局区域和所述多个家居设备对应的多个布局规则;
根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略。
作为一种可选的实施方式,在本发明第一方面中,所述历史工作记录包括设备历史指令记录、设备历史状况记录和设备历史数据传输记录中的至少一种。
作为一种可选的实施方式,在本发明第一方面中,所述根据每一所述家居设备的所述历史位置和所述历史工作记录,确定每一家居设备对应的最优布局位置范围,包括:
对每一所述家居设备的每一所述历史位置,计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史数据传输失败率;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率;
计算所述历史出错比例、所述历史数据传输失败率和所述历史指令执行失败率的加权求和平均值,得到该家居设备的该历史位置所对应的位置表征参数;
根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围。
作为一种可选的实施方式,在本发明第一方面中,所述设备历史状况记录包括设备历史处理器参数、设备历史工作功率参数和设备历史传感器参数;所述计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例,包括:
将该家居设备的该历史位置所对应的所述历史工作记录中每一设备历史状况记录,输入至训练好的设备出错预测神经网络模型,以得到每一设备历史状况记录对应的设备出错概率;所述设备出错预测神经网络模型通过包括有多个训练设备状况和对应的设备出错标注的训练数据集训练得到;
将所述设备出错概率高于预设概率阈值的所述设备历史状况确定为出错历史状况;
计算该家居设备的该历史位置所对应的所述历史工作记录中所述出错历史状况的数量占所有设备历史状况记录的数量的比例,得到该家居设备的该历史位置所对应的历史出错比例。
作为一种可选的实施方式,在本发明第一方面中,所述计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率,包括:
对于该家居设备的该历史位置所对应的所述历史工作记录中每一设备历史指令记录,判断该设备历史指令记录的指令执行记录是否存在失败记录,得到第一判断结果;
判断该设备历史指令记录的指令执行时间之后的预设时间范围内是否存在至少一个所述出错历史状况,得到第二判断结果;
当所述第一判断结果或所述第二判断结果为是时,确定该设备历史指令记录为执行失败记录;
计算该家居设备的该历史位置所对应的所述历史工作记录中所述执行失败记录的数量占所有设备历史指令记录的数量的比例,得到该家居设备的该历史位置所对应的历史指令执行失败率。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围,包括:
根据所述位置表征参数从小到大对该家居设备对应的所有所述历史位置进行排序得到位置序列;
将所述位置序列的前预设数量位的且所述位置表征参数小于预设的参数阈值的所有所述历史位置确定为目标历史位置;
对于每一所述目标历史位置,根据对应的所述位置表征参数以及预设的参数和半径对应关系,确定该目标历史位置对应的半径;所述半径与所述位置表征参数成反比;
以每一所述目标历史位置为圆心,以对应的半径生成圆范围,将所有所述圆范围确定为该家居设备的对应的最优布局位置范围。
作为一种可选的实施方式,在本发明第一方面中,所述布局规则包括所述目标布局区域对应的区域布局规则和任意两个所述家居设备对应的设备相对布局规则;
以及,所述根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略,包括:
设定目标函数为布局策略中每一家居设备的位置在所述最优布局位置范围内的数量最多;
设定限定条件包括布局策略中每一家居设备的位置符合所述目标布局区域对应的区域布局规则,以及布局策略中任意两个家居设备的位置符合该两个家居设备之间对应的设备相对布局规则;
根据所述目标函数和所述限定条件,基于动态规划算法,对所述多个家居设备的位置进行演算直至最优,以得到所述目标布局区域中所述家居设备的最优布局策略。
本发明第二方面公开了一种基于历史工作记录的智慧家居布局系统,所述系统包括:
第一获取模块,用于获取多个家居设备的多个历史位置和对应的历史工作记录;
第一确定模块,用于根据每一所述家居设备的所述历史位置和所述历史工作记录,确定每一家居设备对应的最优布局位置范围;
第二获取模块,用于获取目标布局区域和所述多个家居设备对应的多个布局规则;
第二确定模块,用于根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略。
作为一种可选的实施方式,在本发明第二方面中,所述历史工作记录包括设备历史指令记录、设备历史状况记录和设备历史数据传输记录中的至少一种。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块根据每一所述家居设备的所述历史位置和所述历史工作记录,确定每一家居设备对应的最优布局位置范围的具体方式,包括:
对每一所述家居设备的每一所述历史位置,计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史数据传输失败率;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率;
计算所述历史出错比例、所述历史数据传输失败率和所述历史指令执行失败率的加权求和平均值,得到该家居设备的该历史位置所对应的位置表征参数;
根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围。
作为一种可选的实施方式,在本发明第二方面中,所述设备历史状况记录包括设备历史处理器参数、设备历史工作功率参数和设备历史传感器参数;所述第一确定模块计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例的具体方式,包括:
将该家居设备的该历史位置所对应的所述历史工作记录中每一设备历史状况记录,输入至训练好的设备出错预测神经网络模型,以得到每一设备历史状况记录对应的设备出错概率;所述设备出错预测神经网络模型通过包括有多个训练设备状况和对应的设备出错标注的训练数据集训练得到;
将所述设备出错概率高于预设概率阈值的所述设备历史状况确定为出错历史状况;
计算该家居设备的该历史位置所对应的所述历史工作记录中所述出错历史状况的数量占所有设备历史状况记录的数量的比例,得到该家居设备的该历史位置所对应的历史出错比例。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率的具体方式,包括:
对于该家居设备的该历史位置所对应的所述历史工作记录中每一设备历史指令记录,判断该设备历史指令记录的指令执行记录是否存在失败记录,得到第一判断结果;
判断该设备历史指令记录的指令执行时间之后的预设时间范围内是否存在至少一个所述出错历史状况,得到第二判断结果;
当所述第一判断结果或所述第二判断结果为是时,确定该设备历史指令记录为执行失败记录;
计算该家居设备的该历史位置所对应的所述历史工作记录中所述执行失败记录的数量占所有设备历史指令记录的数量的比例,得到该家居设备的该历史位置所对应的历史指令执行失败率。
作为一种可选的实施方式,在本发明第二方面中,所述第一确定模块根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围的具体方式,包括:
根据所述位置表征参数从小到大对该家居设备对应的所有所述历史位置进行排序得到位置序列;
将所述位置序列的前预设数量位的且所述位置表征参数小于预设的参数阈值的所有所述历史位置确定为目标历史位置;
对于每一所述目标历史位置,根据对应的所述位置表征参数以及预设的参数和半径对应关系,确定该目标历史位置对应的半径;所述半径与所述位置表征参数成反比;
以每一所述目标历史位置为圆心,以对应的半径生成圆范围,将所有所述圆范围确定为该家居设备的对应的最优布局位置范围。
作为一种可选的实施方式,在本发明第二方面中,所述布局规则包括所述目标布局区域对应的区域布局规则和任意两个所述家居设备对应的设备相对布局规则;
以及,所述第二确定模块根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略的具体方式,包括:
设定目标函数为布局策略中每一家居设备的位置在所述最优布局位置范围内的数量最多;
设定限定条件包括布局策略中每一家居设备的位置符合所述目标布局区域对应的区域布局规则,以及布局策略中任意两个家居设备的位置符合该两个家居设备之间对应的设备相对布局规则;
根据所述目标函数和所述限定条件,基于动态规划算法,对所述多个家居设备的位置进行演算直至最优,以得到所述目标布局区域中所述家居设备的最优布局策略。
本发明第三方面公开了另一种基于历史工作记录的智慧家居布局系统,所述系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于历史工作记录的智慧家居布局方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于历史工作记录的智慧家居布局方法中的部分或全部步骤。
与现有技术相比,本发明具有以下有益效果:
本发明能够根据家居设备的历史位置和历史工作记录,来确定最优布局位置范围,并进一步根据布局规则和动态规划算法来确定最优布局策略,从而能够实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
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历史工作记录的智慧家居布局方法的流程示意图;
图2是本发明实施例公开的一种基于历史工作记录的智慧家居布局系统的结构示意图;
图3是本发明实施例公开的另一种基于历史工作记录的智慧家居布局系统的结构示意图。
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单元的过程、方法、系统、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,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单元。
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。
本发明公开了一种基于历史工作记录的智慧家居布局方法及系统,能够根据家居设备的历史位置和历史工作记录,来确定最优布局位置范围,并进一步根据布局规则和动态规划算法来确定最优布局策略,从而能够实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于历史工作记录的智慧家居布局方法的流程示意图。其中,图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中,且该服务器可以是本地服务器,也可以是云服务器,本发明实施例不做限定如图1所示,该基于历史工作记录的智慧家居布局方法可以包括以下操作:
101、获取多个家居设备的多个历史位置和对应的历史工作记录。
102、根据每一家居设备的历史位置和历史工作记录,确定每一家居设备对应的最优布局位置范围。
可选的,历史工作记录包括设备历史指令记录、设备历史状况记录和设备历史数据传输记录中的至少一种。
103、获取目标布局区域和多个家居设备对应的多个布局规则。
104、根据布局规则,以及最优布局位置范围,基于动态规划算法,确定出目标布局区域中家居设备的最优布局策略。
可见,实施本发明实施例所描述的方法能够根据家居设备的历史位置和历史工作记录,来确定最优布局位置范围,并进一步根据布局规则和动态规划算法来确定最优布局策略,从而能够实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
作为一种可选的实施例,上述步骤中的,根据每一家居设备的历史位置和历史工作记录,确定每一家居设备对应的最优布局位置范围,包括:
对每一家居设备的每一历史位置,计算该家居设备的该历史位置所对应的历史工作记录对应的历史出错比例;
计算该家居设备的该历史位置所对应的历史工作记录对应的历史数据传输失败率;
计算该家居设备的该历史位置所对应的历史工作记录对应的历史指令执行失败率;
计算历史出错比例、历史数据传输失败率和历史指令执行失败率的加权求和平均值,得到该家居设备的该历史位置所对应的位置表征参数;
根据位置表征参数,确定该家居设备的对应的最优布局位置范围。
可选的,历史出错比例可以通过对历史工作记录中记录为错误的工作记录进行统计以得到,也可以采用后续实施例中所述的神经网络算法来预测得到。
可选的,历史指令执行失败率可以通过对历史工作记录中记录为指令执行失败的记录进行统计以得到,也可以采用后续实施例中所述的方法步骤来计算。
可选的,历史数据传输失败率可以通过对历史工作记录中的设备历史数据传输记录进行统计得到。
通过上述实施例,能够通过计算历史出错比例、历史数据传输失败率和历史指令执行失败率以得到位置表征参数并以此确定出最优布局位置范围,从而能够得到合理精确的布局位置范围,以便于实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
作为一种可选的实施例,设备历史状况记录包括设备历史处理器参数、设备历史工作功率参数和设备历史传感器参数,其中可选的,设备历史处理器参数可以包括处理器温度参数、处理器功耗参数、处理器性能参数、处理器电流参数、处理器电压参数中在至少一种。可选的,设备历史工作功率参数可以为不同设备部件的工作功率参数。可选的,设备历史传感器参数可以为设备的图像传感参数、温度传感参数、湿度传感参数和特定位置的红外线距离传感参数中的至少一种。
上述步骤中的,计算该家居设备的该历史位置所对应的历史工作记录对应的历史出错比例,包括:
将该家居设备的该历史位置所对应的历史工作记录中每一设备历史状况记录,输入至训练好的设备出错预测神经网络模型,以得到每一设备历史状况记录对应的设备出错概率;设备出错预测神经网络模型通过包括有多个训练设备状况和对应的设备出错标注的训练数据集训练得到;
将设备出错概率高于预设概率阈值的设备历史状况确定为出错历史状况;
计算该家居设备的该历史位置所对应的历史工作记录中出错历史状况的数量占所有设备历史状况记录的数量的比例,得到该家居设备的该历史位置所对应的历史出错比例。
通过上述实施例,能够通过设备出错预测神经网络模型来预测每一设备历史状况记录的出错概率,以进一步计算出出错历史状况的数量占所有设备历史状况记录的数量的比例,得到该家居设备的该历史位置所对应的历史出错比例,得到准确的历史出错比例,后续能够以此确定出合理精确的布局位置范围。
作为一种可选的实施例,上述步骤中的,计算该家居设备的该历史位置所对应的历史工作记录对应的历史指令执行失败率,包括:
对于该家居设备的该历史位置所对应的历史工作记录中每一设备历史指令记录,判断该设备历史指令记录的指令执行记录是否存在失败记录,得到第一判断结果;
判断该设备历史指令记录的指令执行时间之后的预设时间范围内是否存在至少一个出错历史状况,得到第二判断结果;
当第一判断结果或第二判断结果为是时,确定该设备历史指令记录为执行失败记录;
计算该家居设备的该历史位置所对应的历史工作记录中执行失败记录的数量占所有设备历史指令记录的数量的比例,得到该家居设备的该历史位置所对应的历史指令执行失败率。
通过上述实施例,能够通过失败记录以及设备出错预测神经网络模型预测筛选得到的出错历史状况,来有效判断设备历史指令记录的执行情况,以计算出执行失败记录的数量占所有设备历史指令记录的数量的比例,得到该家居设备的该历史位置所对应的历史指令执行失败率,得到准确的历史指令执行失败率,后续能够以此确定出合理精确的布局位置范围。
作为一种可选的实施例,上述步骤中的,根据位置表征参数,确定该家居设备的对应的最优布局位置范围,包括:
根据位置表征参数从小到大对该家居设备对应的所有历史位置进行排序得到位置序列;
将位置序列的前预设数量位的且位置表征参数小于预设的参数阈值的所有历史位置确定为目标历史位置;
对于每一目标历史位置,根据对应的位置表征参数以及预设的参数和半径对应关系,确定该目标历史位置对应的半径;
以每一目标历史位置为圆心,以对应的半径生成圆范围,将所有圆范围确定为该家居设备的对应的最优布局位置范围。
具体的,预设的参数和半径对应关系可以由操作人员根据实际情况或经验或者实验结果来制定,其用于限定半径与位置表征参数成反比的具体的数据关系。
通过上述实施例,能够通过位置表征参数和圆半径关系来生成多个半径和位置表征参数成反比的圆范围,以得到家居设备的对应的最优布局位置范围,从而能够得到合理精确的布局位置范围,以便于实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
作为一种可选的实施例,布局规则包括目标布局区域对应的区域布局规则和任意两个家居设备对应的设备相对布局规则,其中具体的,区域布局规则用于限定整个目标布局区域中不同区域部分对应的设备布局的类型、位置和数量等参数,而设备相对布局规则用于限定两个家居设备之间的设备相对类型、位置和数量等关系,这些布局规则均可以由操作人员根据经验或实验结果来预先设定。
以及,上述步骤中的,根据布局规则,以及最优布局位置范围,基于动态规划算法,确定出目标布局区域中家居设备的最优布局策略,包括:
设定目标函数为布局策略中每一家居设备的位置在最优布局位置范围内的数量最多;
设定限定条件包括布局策略中每一家居设备的位置符合目标布局区域对应的区域布局规则,以及布局策略中任意两个家居设备的位置符合该两个家居设备之间对应的设备相对布局规则;
根据目标函数和限定条件,基于动态规划算法,对多个家居设备的位置进行演算直至最优,以得到目标布局区域中家居设备的最优布局策略。
通过上述实施例,能够根据与数量和布局规则相关的合理的目标函数和限定条件,基于动态规划算法,对多个家居设备的位置进行演算直至最优,以得到目标布局区域中家居设备的最优布局策略,从而能够实现更加智能和合理地确定出区域内的家居设备的布局策略,提高用户体验,减少设备故障或工作错误的发生。
实施例二
请参阅图2,图2是本发明实施例公开的一种基于历史工作记录的智慧家居布局系统的结构示意图。其中,图2所描述的系统可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中,且该服务器可以是本地服务器,也可以是云服务器,本发明实施例不做限定。如图2所示,该系统可以包括:
第一获取模块201,用于获取多个家居设备的多个历史位置和对应的历史工作记录;
第一确定模块202,用于根据每一家居设备的历史位置和历史工作记录,确定每一家居设备对应的最优布局位置范围;
第二获取模块203,用于获取目标布局区域和多个家居设备对应的多个布局规则;
第二确定模块204,用于根据布局规则,以及最优布局位置范围,基于动态规划算法,确定出目标布局区域中家居设备的最优布局策略。
作为一种可选的实施例,历史工作记录包括设备历史指令记录、设备历史状况记录和设备历史数据传输记录中的至少一种。
作为一种可选的实施例,第一确定模块202根据每一家居设备的历史位置和历史工作记录,确定每一家居设备对应的最优布局位置范围的具体方式,包括:
对每一家居设备的每一历史位置,计算该家居设备的该历史位置所对应的历史工作记录对应的历史出错比例;
计算该家居设备的该历史位置所对应的历史工作记录对应的历史数据传输失败率;
计算该家居设备的该历史位置所对应的历史工作记录对应的历史指令执行失败率;
计算历史出错比例、历史数据传输失败率和历史指令执行失败率的加权求和平均值,得到该家居设备的该历史位置所对应的位置表征参数;
根据位置表征参数,确定该家居设备的对应的最优布局位置范围。
作为一种可选的实施例,设备历史状况记录包括设备历史处理器参数、设备历史工作功率参数和设备历史传感器参数;第一确定模块202计算该家居设备的该历史位置所对应的历史工作记录对应的历史出错比例的具体方式,包括:
将该家居设备的该历史位置所对应的历史工作记录中每一设备历史状况记录,输入至训练好的设备出错预测神经网络模型,以得到每一设备历史状况记录对应的设备出错概率;设备出错预测神经网络模型通过包括有多个训练设备状况和对应的设备出错标注的训练数据集训练得到;
将设备出错概率高于预设概率阈值的设备历史状况确定为出错历史状况;
计算该家居设备的该历史位置所对应的历史工作记录中出错历史状况的数量占所有设备历史状况记录的数量的比例,得到该家居设备的该历史位置所对应的历史出错比例。
作为一种可选的实施例,第一确定模块202计算该家居设备的该历史位置所对应的历史工作记录对应的历史指令执行失败率的具体方式,包括:
对于该家居设备的该历史位置所对应的历史工作记录中每一设备历史指令记录,判断该设备历史指令记录的指令执行记录是否存在失败记录,得到第一判断结果;
判断该设备历史指令记录的指令执行时间之后的预设时间范围内是否存在至少一个出错历史状况,得到第二判断结果;
当第一判断结果或第二判断结果为是时,确定该设备历史指令记录为执行失败记录;
计算该家居设备的该历史位置所对应的历史工作记录中执行失败记录的数量占所有设备历史指令记录的数量的比例,得到该家居设备的该历史位置所对应的历史指令执行失败率。
作为一种可选的实施例,第一确定模块202根据位置表征参数,确定该家居设备的对应的最优布局位置范围的具体方式,包括:
根据位置表征参数从小到大对该家居设备对应的所有历史位置进行排序得到位置序列;
将位置序列的前预设数量位的且位置表征参数小于预设的参数阈值的所有历史位置确定为目标历史位置;
对于每一目标历史位置,根据对应的位置表征参数以及预设的参数和半径对应关系,确定该目标历史位置对应的半径;半径与位置表征参数成反比;
以每一目标历史位置为圆心,以对应的半径生成圆范围,将所有圆范围确定为该家居设备的对应的最优布局位置范围。
作为一种可选的实施例,布局规则包括目标布局区域对应的区域布局规则和任意两个家居设备对应的设备相对布局规则;
以及,第二确定模块204根据布局规则,以及最优布局位置范围,基于动态规划算法,确定出目标布局区域中家居设备的最优布局策略的具体方式,包括:
设定目标函数为布局策略中每一家居设备的位置在最优布局位置范围内的数量最多;
设定限定条件包括布局策略中每一家居设备的位置符合目标布局区域对应的区域布局规则,以及布局策略中任意两个家居设备的位置符合该两个家居设备之间对应的设备相对布局规则;
根据目标函数和限定条件,基于动态规划算法,对多个家居设备的位置进行演算直至最优,以得到目标布局区域中家居设备的最优布局策略。
本发明实施例中的模块细节和技术效果可以参照实施例一中的表述,在此不再赘述。
实施例三
请参阅图3,图3是本发明实施例公开的另一种基于历史工作记录的智慧家居布局系统的结构示意图。如图3所示,该系统可以包括:
存储有可执行程序代码的存储器301;
与存储器301耦合的处理器302;
处理器302调用存储器301中存储的可执行程序代码,执行本发明实施例一公开的基于历史工作记录的智慧家居布局方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一公开的基于历史工作记录的智慧家居布局方法中的部分或全部步骤。
以上所描述的系统实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于历史工作记录的智慧家居布局方法及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 (8)
1.一种基于历史工作记录的智慧家居布局方法,其特征在于,所述方法包括:
获取多个家居设备的多个历史位置和对应的历史工作记录;所述历史工作记录包括设备历史指令记录、设备历史状况记录和设备历史数据传输记录;
对每一所述家居设备的每一所述历史位置,计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史数据传输失败率;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率;
计算所述历史出错比例、所述历史数据传输失败率和所述历史指令执行失败率的加权求和平均值,得到该家居设备的该历史位置所对应的位置表征参数;
根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围;
获取目标布局区域和所述多个家居设备对应的多个布局规则;
根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略。
2.根据权利要求1所述的基于历史工作记录的智慧家居布局方法,其特征在于,所述设备历史状况记录包括设备历史处理器参数、设备历史工作功率参数和设备历史传感器参数;所述计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例,包括:
将该家居设备的该历史位置所对应的所述历史工作记录中每一设备历史状况记录,输入至训练好的设备出错预测神经网络模型,以得到每一设备历史状况记录对应的设备出错概率;所述设备出错预测神经网络模型通过包括有多个训练设备状况和对应的设备出错标注的训练数据集训练得到;
将所述设备出错概率高于预设概率阈值的所述设备历史状况确定为出错历史状况;
计算该家居设备的该历史位置所对应的所述历史工作记录中所述出错历史状况的数量占所有设备历史状况记录的数量的比例,得到该家居设备的该历史位置所对应的历史出错比例。
3.根据权利要求2所述的基于历史工作记录的智慧家居布局方法,其特征在于,所述计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率,包括:
对于该家居设备的该历史位置所对应的所述历史工作记录中每一设备历史指令记录,判断该设备历史指令记录的指令执行记录是否存在失败记录,得到第一判断结果;
判断该设备历史指令记录的指令执行时间之后的预设时间范围内是否存在至少一个所述出错历史状况,得到第二判断结果;
当所述第一判断结果或所述第二判断结果为是时,确定该设备历史指令记录为执行失败记录;
计算该家居设备的该历史位置所对应的所述历史工作记录中所述执行失败记录的数量占所有设备历史指令记录的数量的比例,得到该家居设备的该历史位置所对应的历史指令执行失败率。
4.根据权利要求2所述的基于历史工作记录的智慧家居布局方法,其特征在于,所述根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围,包括:
根据所述位置表征参数从小到大对该家居设备对应的所有所述历史位置进行排序得到位置序列;
将所述位置序列的前预设数量位的且所述位置表征参数小于预设的参数阈值的所有所述历史位置确定为目标历史位置;
对于每一所述目标历史位置,根据对应的所述位置表征参数以及预设的参数和半径对应关系,确定该目标历史位置对应的半径;所述半径与所述位置表征参数成反比;
以每一所述目标历史位置为圆心,以对应的半径生成圆范围,将所有所述圆范围确定为该家居设备的对应的最优布局位置范围。
5.根据权利要求4所述的基于历史工作记录的智慧家居布局方法,其特征在于,所述布局规则包括所述目标布局区域对应的区域布局规则和任意两个所述家居设备对应的设备相对布局规则;
以及,所述根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略,包括:
设定目标函数为布局策略中每一家居设备的位置在所述最优布局位置范围内的数量最多;
设定限定条件包括布局策略中每一家居设备的位置符合所述目标布局区域对应的区域布局规则,以及布局策略中任意两个家居设备的位置符合该两个家居设备之间对应的设备相对布局规则;
根据所述目标函数和所述限定条件,基于动态规划算法,对所述多个家居设备的位置进行演算直至最优,以得到所述目标布局区域中所述家居设备的最优布局策略。
6.一种基于历史工作记录的智慧家居布局系统,其特征在于,所述系统包括:
第一获取模块,用于获取多个家居设备的多个历史位置和对应的历史工作记录;所述历史工作记录包括设备历史指令记录、设备历史状况记录和设备历史数据传输记录;
第一确定模块,用于根据每一所述家居设备的所述历史位置和所述历史工作记录,确定每一家居设备对应的最优布局位置范围,具体包括:
对每一所述家居设备的每一所述历史位置,计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史出错比例;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史数据传输失败率;
计算该家居设备的该历史位置所对应的所述历史工作记录对应的历史指令执行失败率;
计算所述历史出错比例、所述历史数据传输失败率和所述历史指令执行失败率的加权求和平均值,得到该家居设备的该历史位置所对应的位置表征参数;
根据所述位置表征参数,确定该家居设备的对应的最优布局位置范围;
第二获取模块,用于获取目标布局区域和所述多个家居设备对应的多个布局规则;
第二确定模块,用于根据所述布局规则,以及所述最优布局位置范围,基于动态规划算法,确定出所述目标布局区域中所述家居设备的最优布局策略。
7.一种基于历史工作记录的智慧家居布局系统,其特征在于,所述系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-5任一项所述的基于历史工作记录的智慧家居布局方法。
8.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-5任一项所述的基于历史工作记录的智慧家居布局方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500267.2A CN117235873B (zh) | 2023-11-13 | 2023-11-13 | 基于历史工作记录的智慧家居布局方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500267.2A CN117235873B (zh) | 2023-11-13 | 2023-11-13 | 基于历史工作记录的智慧家居布局方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117235873A CN117235873A (zh) | 2023-12-15 |
CN117235873B true CN117235873B (zh) | 2024-04-05 |
Family
ID=89093218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311500267.2A Active CN117235873B (zh) | 2023-11-13 | 2023-11-13 | 基于历史工作记录的智慧家居布局方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117235873B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004195217A (ja) * | 2002-12-04 | 2004-07-15 | Matsushita Electric Ind Co Ltd | 家具の自動配置装置 |
CN101408754A (zh) * | 2008-10-30 | 2009-04-15 | 中山大学 | 基于数据挖掘的智能家居优化系统 |
CN109670262A (zh) * | 2018-12-28 | 2019-04-23 | 江苏艾佳家居用品有限公司 | 一种计算机辅助家居布局优化方法及系统 |
CN109740243A (zh) * | 2018-12-29 | 2019-05-10 | 江苏艾佳家居用品有限公司 | 一种基于分件强化学习技术的家具布局方法及系统 |
KR102191289B1 (ko) * | 2019-06-19 | 2020-12-15 | 동양미래대학교 산학협력단 | 사용자의 요구에 따라 가구의 배치 및 형태 변경이 가능한 스마트 홈 시스템 |
CN115063552A (zh) * | 2022-06-30 | 2022-09-16 | 珠海格力电器股份有限公司 | 智能家居布局方法、装置、智能家居布局设备及存储介质 |
WO2023124076A1 (zh) * | 2021-12-28 | 2023-07-06 | 中兴通讯股份有限公司 | 智能家居布局图生成方法、装置及计算机可读存储介质 |
-
2023
- 2023-11-13 CN CN202311500267.2A patent/CN117235873B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004195217A (ja) * | 2002-12-04 | 2004-07-15 | Matsushita Electric Ind Co Ltd | 家具の自動配置装置 |
CN101408754A (zh) * | 2008-10-30 | 2009-04-15 | 中山大学 | 基于数据挖掘的智能家居优化系统 |
CN109670262A (zh) * | 2018-12-28 | 2019-04-23 | 江苏艾佳家居用品有限公司 | 一种计算机辅助家居布局优化方法及系统 |
CN109670264A (zh) * | 2018-12-28 | 2019-04-23 | 江苏艾佳家居用品有限公司 | 一种强化学习家居布局优化方法和系统 |
CN109740243A (zh) * | 2018-12-29 | 2019-05-10 | 江苏艾佳家居用品有限公司 | 一种基于分件强化学习技术的家具布局方法及系统 |
KR102191289B1 (ko) * | 2019-06-19 | 2020-12-15 | 동양미래대학교 산학협력단 | 사용자의 요구에 따라 가구의 배치 및 형태 변경이 가능한 스마트 홈 시스템 |
WO2023124076A1 (zh) * | 2021-12-28 | 2023-07-06 | 中兴通讯股份有限公司 | 智能家居布局图生成方法、装置及计算机可读存储介质 |
CN116401731A (zh) * | 2021-12-28 | 2023-07-07 | 中兴通讯股份有限公司 | 智能家居布局图生成方法、装置及计算机可读存储介质 |
CN115063552A (zh) * | 2022-06-30 | 2022-09-16 | 珠海格力电器股份有限公司 | 智能家居布局方法、装置、智能家居布局设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于分治策略的室内家居自动布局系统的设计与实现;郑德英;《中国优秀硕士学位论文全文数据库工程科技II辑》;第1-61页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117235873A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115729796B (zh) | 基于人工智能的异常操作分析方法及大数据应用系统 | |
CN111080417A (zh) | 用于提高预订顺畅率的处理方法、模型训练方法及系统 | |
CN112365033A (zh) | 一种风电功率区间预测方法、系统及存储介质 | |
CN116258484A (zh) | 设备的预测性运维方案生成方法、装置、终端设备和介质 | |
CN117235873B (zh) | 基于历史工作记录的智慧家居布局方法及系统 | |
CN117077854B (zh) | 基于传感器网络的楼宇能耗监控方法及系统 | |
CN114143734A (zh) | 一种用于5g物联网卡流量采集的数据处理方法及装置 | |
CN113313463A (zh) | 应用于大数据云办公的数据分析方法及数据分析服务器 | |
CN113822144A (zh) | 一种目标检测方法、装置、计算机设备和存储介质 | |
CN116611006B (zh) | 基于用户反馈的电水壶的故障识别方法及装置 | |
CN112686690A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN111861644A (zh) | 一种工业设计产品智能推荐方法及系统 | |
CN113485765B (zh) | 物联网智能设备的控制策略配置方法、装置、设备及介质 | |
CN113434690B (zh) | 基于聚类算法的用电预测评估方法、装置、系统及介质 | |
CN117632905B (zh) | 基于云端使用记录的数据库管理方法及系统 | |
CN115080412A (zh) | 软件更新质量评估方法、装置、设备及计算机存储介质 | |
CN114528695A (zh) | 一种配电网供电半径过长自动判定方法及装置 | |
CN117216505B (zh) | 基于智慧家居使用记录的用户习惯预测方法及系统 | |
CN116934041B (zh) | 一种基于物联网协同的工厂任务管理方法及系统 | |
CN117279164B (zh) | 基于数据预测的照明灯控制方法及系统 | |
CN111325278B (zh) | 一种图像处理方法、装置及存储介质 | |
CN117475367B (zh) | 基于多规则协调的污水图像处理方法及系统 | |
KR102542488B1 (ko) | 장단기 메모리 기반 비 간섭 부하 모니터링을 이용한 가전기기 전력 사용 상태 예측 방법 및 그를 위한 장치 | |
CN114006865B (zh) | 基于多维度指标的用户流量控制系统、方法、终端及介质 | |
CN110889465B (zh) | 基于自适应谐振网络的电力需求侧设备辨识方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |