CN117555250A - 控制方法、装置、设备及存储介质 - Google Patents
控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117555250A CN117555250A CN202410000834.6A CN202410000834A CN117555250A CN 117555250 A CN117555250 A CN 117555250A CN 202410000834 A CN202410000834 A CN 202410000834A CN 117555250 A CN117555250 A CN 117555250A
- Authority
- CN
- China
- Prior art keywords
- instruction
- user
- condition
- under
- common
- 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 88
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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], 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)
- Selective Calling Equipment (AREA)
Abstract
本申请提供的一种控制方法、装置、设备及存储介质，通过边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，云端设备基于所述控制指令确定指令集，并发送给边缘设备，使边缘设备基于所述指令集控制对应的设备执行，能够实现提供高设备的响应速度，增强用户的使用体验。
Description
技术领域
本申请涉及家居设备的控制技术领域，特别地涉及一种控制方法、装置、设备及存储介质。
背景技术
智能家居是以住宅为平台，利用综合布线技术，网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性等，帮助家庭与外部保持信息交流畅通，优化人们的生活方式。在智能家居的自动化场景控制中，通常需要将场景配置保存在云端，当达到获取到控制指令后，云端收到控制指令后，根据所记录的场景配置信息，向相关的执行设备发送指令(例如打开灯、关闭窗帘等)。因此，现有技术的智能家居，核心控制功能一般都设在云端，这会导致设备响应速度较慢。
发明内容
针对上述问题，本申请提供一种控制方法、装置、设备、及存储介质，能够提供高设备的响应速度，增强用户的使用体验。
本申请实施例提供一种控制方法，应用于边缘设备，包括：
在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；
在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；
在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，以使云端设备基于所述控制指令确定指令集；
在获取到云端设备发送的指令集的情况下，基于所述指令集控制对应的设备执行。
在一些实施例中，所述方法还包括：
将所述控制指令和所述指令集上报给云端设备，以使云端设备进行存储。
在一些实施例中，所述方法还包括：
在将设备配网到所述用户的账号下的情况下，确定各个设备的硬件信息；
将所述硬件信息发送给云端设备，以使所述云端设备在获取到所述用户对应的各个设备的常用指令习惯模型的情况下，将各个设备的常用指令习惯模型发送给各个设备，以使各个设备将常用指令习惯模型进行存储，其中，所述常用指令习惯模型是基于历史控制指令和历史指令集之间的对应关系建立的。
本申请实施例提供一种控制方法，应用于云端设备，包括：
在获取到边缘设备发送的控制指令的情况下，基于所述控制指令确定指令集；
发送所述指令集给所述边缘设备，以使边缘设备基于所述指令集控制对应的设备执行，其中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中。
在一些实施例中，所述方法还包括：
在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型。
在一些实施例中，所述基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型，包括：
在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型；
在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户；
在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备；
在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备。
在一些实施例中，所述确定是否存在主用户和从用户，包括：
获取各个用户对应的历史控制指令的数量；
基于所述数量确定是否存在主用户和从用户，其中，在第一用户的数量与第二用户的数量之间的差值大于差值阈值的情况下，确定存在主用户和从用户，其中，所述主用户对应的数量大于所述从用户对应的数量，在所述第一用户和所述第二用户之间的差值在差值阈值范围内的情况下，确定不存在主用户和从用户。
在一些实施例中，所述方法还包括：
获取边缘设备上报的用户的控制指令及所述控制指令对应的指令集；
基于所述控制指令及所述控制指令对应的指令集确定各个用户对应的常用指令习惯模型。
本申请实施例提供一种控制装置，应用于边缘设备，包括：
第一获取模块，用于在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；
匹配模块，用于在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；
第一发送模块，用于在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，以使云端设备基于所述控制指令确定指令集；
控制模块，用于在获取到云端设备发送的指令集的情况下，基于所述指令集控制对应的设备执行。
本申请实施例提供一种控制装置，应用于云端设备，包括：
确定模块，用于在获取到边缘设备发送的控制指令的情况下，基于所述控制指令确定指令集；
第二发送模块，用于发送所述指令集给所述边缘设备，以使边缘设备基于所述指令集控制对应的设备执行，其中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中。
本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述任意一项所述控制方法。
本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现上述所述控制方法。
本申请提供的一种控制方法、装置、设备及存储介质，通过边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，云端设备基于所述控制指令确定指令集，并发送给边缘设备，使边缘设备基于所述指令集控制对应的设备执行，能够实现提供高设备的响应速度，增强用户的使用体验。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种控制方法的实现流程示意图；
图2为本申请实施例提供的另一种控制方法的实现流程示意图；
图3为本申请实施例提供的另一种控制方法的实现流程示意图；
图4为本申请实施例提供的电子设备的组成结构示意图。
在附图中，相同的部件使用相同的附图表记，附图并未按照实际的比例绘制。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
基于相关技术中存在的问题，本申请实施例提供一种控制方法，所述方法的执行主体可以是电子设备，所述电子设备可以移动终端、计算机、边缘设备等。所述边缘设备可以为智能家居设备，在一些实施例中，所述电子设备可以是移动终端、计算机、边缘设备的控制器。
本申请实施例提供的控制方法所实现的功能可以通过电子设备的处理器调用程序代码来实现，其中，程序代码可以保存在计算机存储介质中。
本申请实施例提供一种控制方法。电子设备可以为边缘设备，图1为本申请实施例提供的一种控制方法的实现流程示意图，如图1所示，控制方法包括：
步骤S1，在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中。
本申请实施例中，用户可以通过登录控制APP，通过控制APP来发送控制指令，从而使得边缘设备获取到用户的控制指令。
本申请实施例中，可以通过语言识别技术来获取用户的控制指令，用户可以通过语音来发出控制指令，边缘设备获取到语音后，可以识别用户，并识别指令，从而使得边缘设备获取到用户的控制指令。
本申请实施例中，边缘设备中加载了用户的常用指令习惯模型，常用指令习惯模型中可以包括：控制指令和指令集的对应关系。例如，控制指令为我回家了，指令集可以包括：打开灯，关闭窗帘等。
本申请实施例中，不同的用户可以对应有不同的常用指令习惯模型。
在获取到用户的控制信息后，可以先进行用户匹配，然后确定用户对应的常用指令习惯模型。
本申请实施例中，将获取到的控制指令与常用指令习惯模型进行匹配时，可以使用模糊匹配、关键词匹配、模式匹配等技术来进行匹配操作。模糊匹配是一种通过计算相似性度量来判断两个字符串之间的相似程度的方法。它可以用于将用户输入的控制指令与常用指令习惯模型中的指令进行比较，找到最接近的匹配。常用的模糊匹配算法包括编辑距离、Jaro-Winkler距离、Levenshtein距离等。关键词匹配是一种通过识别用户输入中的关键词来进行匹配的方法。常用指令习惯模型中可能包含一组关键词，当用户的控制指令中包含这些关键词时，可以认为发生了匹配。关键词匹配可以使用字符串匹配算法（如KMP算法）或正则表达式等进行实现。模式匹配是一种通过识别用户输入控制指令中的特定模式或规则来进行匹配的方法。常用指令习惯模型中可能包含一系列的模式或规则，当用户的控制指令符合这些模式或规则时，可以认为发生了匹配。模式匹配可以通过字符串匹配算法（如正则表达式）或基于语法规则的方法（如自然语言处理技术）来实现。
步骤S2，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行。
本申请实施例中，可以根据匹配结果判断是否成功匹配到用户的指令集。
本申请实施例中，如果匹配成功，边缘设备则发送指令集中的控制指令给各个设备，以使各个设备执行。
本申请实施例中，可以加快设备的响应速度。
步骤S3，在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，以使云端设备基于所述控制指令确定指令集。
本申请实施例中，在没有匹配到用户控制指令对应的指令集的情况下，可以将该控制指令发送到云端设备进行处理。云端设备可以使用更强大的计算能力和资源，通过分析、处理和学习用户的控制指令来确定相应的指令集。
发送控制指令到云端设备的过程可以如下进行：
边缘设备接收到用户的控制指令，并判断在常用指令习惯模型中是否存在匹配。如果没有匹配到指令集，边缘设备将该控制指令发送到云端设备。云端设备接收到控制指令后，使用更强大的计算资源和算法来分析和处理该指令。云端设备可以使用各种技术，如自然语言处理、机器学习、深度学习等，来解析和理解用户的控制指令。云端设备根据分析和处理的结果，确定相应的指令集。云端设备将确定的指令集发送回边缘设备。
通过将控制指令发送到云端设备进行处理，可以利用云端的强大计算能力和智能算法来确定指令集，提供更精确和灵活的设备控制能力。
步骤S4，在获取到云端设备发送的指令集的情况下，基于所述指令集控制对应的设备执行。
本申请实施例中，边缘设备则发送指令集中的控制指令给各个设备，以使各个设备执行。
本申请提供的一种控制方法，通过边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，云端设备基于所述控制指令确定指令集，并发送给边缘设备，使边缘设备基于所述指令集控制对应的设备执行，能够实现提供高设备的响应速度，增强用户的使用体验。
在一些实施例中，在步骤S2之后，所述方法还包括：
将所述控制指令和所述指令集上报给云端设备，以使云端设备进行存储。
本申请实施例中，云端设备可以将控制指令和所述指令集进行存储，从而得到用户的使用习惯，从而可以通过使用习惯来分析得到用户对应的各个设备的常用指令习惯模型。
在一些实施例中，云端设备也可以通过控制指令和所述指令集来对用户的对应的各个设备的常用指令习惯模型来进行更新优化。
在一些实施例中，在步骤S1之前，所述方法还包括：
步骤S11，在将设备配网到所述用户的账号下的情况下，确定各个设备的硬件信息。
本申请实施例中，用户可以登录APP，然后登录账号，可以将设备配网到账号下，这里配网可以为配置WIFI网络。
本申请实施中，所述硬件信息可以包括：存储空间、芯片型号、包含的程序版本等信息。
本申请实施例中，确定各个设备的硬件信息可以通过以下方式实现：
用户可以在配网后手动输入设备的硬件信息，在一些实施例中，在联网后，可以直接获取到设备的硬件信息。
本申请实施例中，在配网完成后，可以将设备与用户的账号进行关联。
步骤S12，将所述硬件信息发送给云端设备，以使所述云端设备在获取到所述用户对应的各个设备的常用指令习惯模型的情况下，将各个设备的常用指令习惯模型发送给各个设备，以使各个设备将常用指令习惯模型进行存储，其中，所述常用指令习惯模型是基于历史控制指令和历史指令集之间的对应关系建立的。
本申请实施例中，用户对应的各个设备的常用指令习惯模型可以基于历史控制指令和历史指令集之间的对应关系建立的。可以将用户对应的各个设备的常用指令习惯模型存储在云端，从而在获取到硬件信息后，可以根据用户账号和硬件信息，确定所述用户对应的各个设备。云端设备将各个设备的常用指令习惯模型发送给相应的设备。各个设备接收到云端发送的常用指令习惯模型后，将其存储在设备本地。存储在设备本地的常用指令习惯模型可以用于匹配用户控制指令，从而更好地理解和响应用户的控制操作。
本申请实施例再提供一种控制方法。电子设备可以为云端设备，图2为本申请实施例提供的一种控制方法的实现流程示意图，如图2所示，控制方法包括：
步骤S21，在获取到边缘设备发送的控制指令的情况下，基于所述控制指令确定指令集。
本申请实施例中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，则将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中。
本申请实施例中，云端设备可以使用各种技术，如自然语言处理、机器学习、深度学习等，来解析和理解用户的控制指令。云端设备根据分析和处理的结果，确定相应的指令集。
本申请实施例中，云端设备可以得到不常用的控制指令与指令集之间的对应关系，也可以得用户对应的常用指令习惯模型。
步骤S22，发送所述指令集给所述边缘设备，以使边缘设备基于所述指令集控制对应的设备执行，其中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中。
本申请实施例中，在边缘设备获取到指令集后，边缘设备则发送指令集中的控制指令给各个设备，以使各个设备执行。
本申请提供的一种控制方法，通过边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，云端设备基于所述控制指令确定指令集，并发送给边缘设备，使边缘设备基于所述指令集控制对应的设备执行，能够实现提供高设备的响应速度，增强用户的使用体验。
在一些实施例中，在步骤S21之前，所述方法还包括：
步骤S211，在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型。
本申请实施例中，云端设备可以对硬件信息进行分析，从而确定空闲空间。
本申请实施例中，云端设备可以将所有设备的空闲空间利用起来，组件一个轻量级的常用指令习惯模型的系统，空闲空间用于存储用户对应的常用指令习惯模型。
在一些实施例中，步骤S211可以通过以下步骤实现：
步骤S11，在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型。
本申请实施例中，目标设备可以为任何一个设备。
本申请实施例中，可以判断用户对应的常用指令习惯模型的大小，然后将用户对应的常用指令习惯模型的大小与硬件信息中的空闲容量进行对比，以确定目标设备是否能够存储各个用户对应的常用指令习惯模型。
本申请实施例中，通过查询目标设备的硬件信息，了解其存储容量。这包括设备的内部存储空间（如闪存）以及是否支持外部存储介质（如SD卡）。然后评估各个用户对应的常用指令习惯模型的大小。这可以通过分析历史控制指令和指令集之间的对应关系，或者根据具体的数据模型和算法进行估计。然后计算各个用户对应的常用指令习惯模型的总大小，并与目标设备的存储容量进行比较。
步骤S12，在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户。
本申请实施例中，如果总大小超过设备存储容量，则目标设备无法存储所有用户的常用指令习惯模型。
本申请实施例中，如果总大小小于设备存储容量，则可以将各个用户对应的常用指令习惯模型全部存储在目标设备中。
本申请实施例中，主用户和从用户具有不同的存储优先级。主用户的优先级高于从用户的优先级。
本申请实施例中，可以通过以下方式确定是否存在主用户和从用户：
获取各个用户对应的历史控制指令的数量；基于所述数量确定是否存在主用户和从用户，其中，在第一用户的数量与第二用户的数量之间的差值大于差值阈值的情况下，确定存在主用户和从用户，其中，所述主用户对应的数量大于所述从用户对应的数量，在所述第一用户和所述第二用户之间的差值在差值阈值范围内的情况下，确定不存在主用户和从用户。
本申请实施例中，对于每个用户，可以统计其对应的历史控制指令的数量。这可以通过查询用户的控制指令历史记录或者使用日志分析工具来完成。然后计算第一用户的历史控制指令数量与第二用户的历史控制指令数量之间的差值。差值可以通过简单的减法运算得出。第一用户和第二用户可以为所有用户中的任意两个用户。然后将计算得出的差值与预先定义的差值阈值进行比较。差值阈值可以根据具体的应用场景和需求进行设置。根据差值与差值阈值的比较结果来确定是否存在主用户和从用户。如果差值大于差值阈值，则存在主用户和从用户，其中主用户的历史控制指令数量大于从用户的历史控制指令数量。如果差值在差值阈值范围内，则不存在主用户和从用户。
本申请实施例中，可以获取各个用户对应的历史控制指令的数量，并根据数量的差值来确定是否存在主用户和从用户。这样可以为后续的常用指令习惯模型的发送和存储提供依据。差值阈值的选择应结合具体应用场景和需求，以达到合理的划分和决策。
步骤S13，在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备。
本申请实施例中，将主用户的常用指令习惯模型发送给目标设备，以便目标设备能够使用和存储主用户的模型。然后，评估目标设备的存储空间大小，判断目标设备是否还有足够的空间来存储其他用户的常用指令习惯模型。如果目标设备还有剩余的存储空间，可以选择将至少一个从用户的常用指令习惯模型发送给目标设备，以提供更个性化的设备控制体验。
本申请实施例中，可以根据主用户和从用户的常用指令习惯模型，将主用户的模型发送给目标设备，并在目标设备有足够空间的情况下，将至少一个从用户的模型发送给目标设备，以满足不同用户的需求和提供更智能化的设备控制能力。
步骤S14，在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备。
本申请实施例中，在进行简化时可以通过以下方式实现：
从所有用户的历史控制指令中提取出常用的指令集合。可以通过统计每个指令的使用频率或者其他规则来确定常用指令；对于提取出的常用指令集合，可以采用压缩算法对模型进行压缩，以减少模型的大小。常用的压缩算法包括哈夫曼编码、LZW算法等。
本申请实施例中，通过对常用指令习惯模型的简化处理，可以减小模型的大小，从而适应目标设备的存储容量限制。简化后的模型仍然可以提供基本的设备控制功能，虽然可能没有个性化的特征。这种方法可以在存储空间有限的情况下，为目标设备提供一定程度的智能化控制能力。
在一些实施例中，在步骤S22之前，所述方法还包括：
获取边缘设备上报的用户的控制指令及所述控制指令对应的指令集；基于所述控制指令及所述控制指令对应的指令集确定各个用户对应的常用指令习惯模型。
本申请实施例中，可以将边缘设备上报的用户的控制指令及所述控制指令对应的指令集记录下来，然后可以使用数据库或其他存储方式来保存这些信息。当数据量较大的情况下，则可以认为时用户的习惯数据。
本申请实施例中，在确定了各个用户的习惯数据后，对于每个用户，统计其控制指令的频率。这可以通过对记录的用户控制指令进行统计分析来得到。根据控制指令的频率，确定每个用户的常用指令集。可以根据一定的阈值或规则来判断哪些指令是常用的。对于每个用户，根据其常用指令集构建常用指令习惯模型。可以使用机器学习、数据挖掘或其他相关技术来构建模型。将构建的常用指令习惯模型保存下来，以便后续在设备或云端进行使用和存储。
基于前述的各个实施例，本申请实施例再提供一种控制方法，首先将用户配网的所有设备，组建成一个拓扑关系网，并获取到每个设备可用存储空间等信息，在本地构建成一个轻量级系统，用于存储用户经常使用的常用指令习惯模型。在用户使用过程中，通过有监督学习等方法，生成用户的常用指令习惯模型。然后匹配用户的生物指纹信息/或操作设备的Mac等信息，将该模型标记为该特定用户适用。在本地构建的轻量级系统中，若匹配到云端有记录的用户，则将该用户的使用习惯信息等更新到本地的系统中，使用户下达的指令可以尽可能地少向云端传输，改为由本地直接控制，可以增加设备的响应速度，增强用户使用体验。
图3为本申请实施例提供的一种控制方法的实现流程示意图，如图3所示，包括：
用户在将设备配网到该用户账号下，通过用户账号id等信息，通过蚂蚁算法等方法，将所有属于同一WiFi下的、该用户id配置的设备进行拓扑关系排序，并将其硬件信息（存储空间、芯片型号、包含的程序版本等信息）上报给云端设备，云端设备经过对其芯片型号、存储空间等信息的分析，将所有设备的空闲空间利用起来，组建一个轻量级指令匹配系统，并将用户的使用习惯进行分析，分析结果拆分为常用指令习惯模型，并将各个常用指令习惯模型分别存储在边缘设备，以构建的轻量级指令匹配系统。
当用户通过APP进行下发控制指令时，会先通过WiFi内局域网下的轻量级设备进行操作匹配，如果能在局域网下的常用指令习惯模型中找到需要对应的指令集，直接下发给所需要执行指令的设备，然后将其执行结果上报给云端设备，表示该用户使用习惯模型在实际运用中被使用到，作为后续对该用户使用习惯模型的强化学习的一个参数。若未能在本地的常用指令习惯模型中匹配到该指令操作，再通过“上报云端设备处理并下发指令”的方式进行控制。
本申请实施例中，通过有监督学习的方法，检测同一个WiFi下，若存在多个用户，如果设备存储空间足够大，可以存储所有用户的常用指令习惯模型，则将所有用户的常用指令习惯模型都下载到本地，并将操作匹配成功/失败的结果上报给云端，继续强化训练其用户使用习惯模型；若同一个WiFi下的用户较多，并且本地设备的存储空间无法存储所有用户的常用指令习惯模型，可分为以下两种情况：
通过WiFi下设备操作习惯，分为主从用户：即当同一个WiFi下存在多个用户时，但多数的控制指令都是由某个或者某几个特定用户id发出，则该用户称之为主用户，其余用户称之为“从用户“。并将其使用习惯模型尽可能地存储到本地中，若还有剩余存储空间则对“从用户”的使用习惯模型进行简化并存储到本地的轻量级指令匹配系统中；
分析WiFi下设备操作习惯后，每个用户id的操作频率并没有较大的差异性：则通过云端设备进行计算，将每个用户id的使用习惯模型进行简化，再存储到本地轻量级指令匹配系统中。
本申请实施例提供的方法，当用户在下发操作指令的时候，可以实现“先响应，后上报”的方式，加快用户发出指令后，设备的响应速度；并能够通过后续的强化学习等方法，优化用户的使用习惯模型，增强用户的使用体验。
基于前述的实施例，本申请实施例提供一种控制装置，该装置包括的各模块、以及各模块包括的各单元，可以通过计算机设备中的处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器（CPU，Central Processing Unit）、微处理器（MPU，Microprocessor Unit）、数字信号处理器（DSP，Digital SignalProcessing）或现场可编程门阵列（FPGA，Field Programmable Gate Array）等。
本申请实施例提供一种控制装置，应用于边缘设备，包括：
第一获取模块，用于在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；
匹配模块，用于在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；
第一发送模块，用于在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，以使云端设备基于所述控制指令确定指令集；
控制模块，用于在获取到云端设备发送的指令集的情况下，基于所述指令集控制对应的设备执行。
在一些实施例中，所述控制装置还用于：
将所述控制指令和所述指令集上报给云端设备，以使云端设备进行存储。
在一些实施例中，所述控制装置还用于：
在将设备配网到所述用户的账号下的情况下，确定各个设备的硬件信息；
将所述硬件信息发送给云端设备，以使所述云端设备在获取到所述用户对应的各个设备的常用指令习惯模型的情况下，将各个设备的常用指令习惯模型发送给各个设备，以使各个设备将常用指令习惯模型进行存储，其中，所述常用指令习惯模型是基于历史控制指令和历史指令集之间的对应关系建立的。
本申请实施例再提供一种控制装置，应用于云端设备，包括：
确定模块，用于在获取到边缘设备发送的控制指令的情况下，基于所述控制指令确定指令集；
第二发送模块，用于发送所述指令集给所述边缘设备，以使边缘设备基于所述指令集控制对应的设备执行，其中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中。
在一些实施例中，控制装置还用于：
在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型。
在一些实施例中，所述基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型，包括：
在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型；
在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户；
在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备；
在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备。
在一些实施例中，所述确定是否存在主用户和从用户，包括：
获取各个用户对应的历史控制指令的数量；
基于所述数量确定是否存在主用户和从用户，其中，在第一用户的数量与第二用户的数量之间的差值大于差值阈值的情况下，确定存在主用户和从用户，其中，所述主用户对应的数量大于所述从用户对应的数量，在所述第一用户和所述第二用户之间的差值在差值阈值范围内的情况下，确定不存在主用户和从用户。
在一些实施例中，控制装置还用于：
获取边缘设备上报的用户的控制指令及所述控制指令对应的指令集；
基于所述控制指令及所述控制指令对应的指令集确定各个用户对应的常用指令习惯模型。
需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的控制方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的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，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本申请各个实施例方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read OnlyMemory）、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
相应地，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述实施例中提供的控制方法中的步骤。
本申请实施例提供一种电子设备；图4为本申请实施例提供的电子设备的组成结构示意图，如图4所示，电子设备500包括：一个处理器501、至少一个通信总线502、用户接口503、至少一个外部通信接口504、存储器505。其中，通信总线502配置为实现这些组件之间的连接通信。其中，用户接口503可以包括显示屏，外部通信接口504可以包括标准的有线接口和无线接口。处理器501配置为执行存储器中存储的控制方法的程序，以实现以上述实施例提供的控制方法中的步骤。
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所控制或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元控制的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read Only Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的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，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台控制器执行本申请各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种控制方法，其特征在于，应用于边缘设备，包括：
在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；
在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；
在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，以使云端设备基于所述控制指令确定指令集，其中，所述云端设备在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型；所述基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型，包括：在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型；在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户；在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备；在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备；
在获取到云端设备发送的指令集的情况下，基于所述指令集控制对应的设备执行。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述控制指令和所述指令集上报给云端设备，以使云端设备进行存储。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在将设备配网到所述用户的账号下的情况下，确定各个设备的硬件信息；
将所述硬件信息发送给云端设备，以使所述云端设备在获取到所述用户对应的各个设备的常用指令习惯模型的情况下，将各个设备的常用指令习惯模型发送给各个设备，以使各个设备将常用指令习惯模型进行存储，其中，所述常用指令习惯模型是基于历史控制指令和历史指令集之间的对应关系建立的。
4.一种控制方法，其特征在于，应用于云端设备，包括：
在获取到边缘设备发送的控制指令的情况下，基于所述控制指令确定指令集；
发送所述指令集给所述边缘设备，以使边缘设备基于所述指令集控制对应的设备执行，其中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中；所述方法还包括：在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型；所述基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型，包括：在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型；在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户；在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备；在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备。
5.根据权利要求4所述的方法，其特征在于，所述确定是否存在主用户和从用户，包括：
获取各个用户对应的历史控制指令的数量；
基于所述数量确定是否存在主用户和从用户，其中，在第一用户的数量与第二用户的数量之间的差值大于差值阈值的情况下，确定存在主用户和从用户，其中，所述主用户对应的数量大于所述从用户对应的数量，在所述第一用户和所述第二用户之间的差值在差值阈值范围内的情况下，确定不存在主用户和从用户。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取边缘设备上报的用户的控制指令及所述控制指令对应的指令集；
基于所述控制指令及所述控制指令对应的指令集确定各个用户对应的常用指令习惯模型。
7.一种控制装置，其特征在于，应用于边缘设备，包括：
第一获取模块，用于在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配，其中，所述常用指令习惯模型存储在边缘设备中；
匹配模块，用于在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行；
第一发送模块，用于在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送到云端设备，以使云端设备基于所述控制指令确定指令集，所述云端设备在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型；所述基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型，包括：在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型；在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户；在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备；在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备；
控制模块，用于在获取到云端设备发送的指令集的情况下，基于所述指令集控制对应的设备执行。
8.一种控制装置，其特征在于，应用于云端设备，包括：
确定模块，用于在获取到边缘设备发送的控制指令的情况下，基于所述控制指令确定指令集；
第二发送模块，用于发送所述指令集给所述边缘设备，以使边缘设备基于所述指令集控制对应的设备执行，其中，所述边缘设备在获取到用户的控制指令的情况下，将所述控制指令在所述用户对应的常用指令习惯模型中进行匹配；在没有匹配到所述控制指令对应的指令集的情况下，将所述控制指令发送给云端设备，在匹配到所述控制指令对应的指令集的情况下，基于所述指令集控制对应的设备执行，所述常用指令习惯模型存储在边缘设备中，所述云端设备还用于：在获取到边缘设备发送的各个设备的硬件信息，并在获取到用户对应的设备的常用指令习惯模型的情况下，基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型；所述基于所述硬件信息将各个设备的常用指令模型发送给各个设备，以使各个设备存储各个用户对应的常用指令习惯模型，包括：在基于所述硬件信息确定目标设备是否能够存储各个用户对应的常用指令习惯模型；在所述目标设备不能够存储所有用户对应的常用指令习惯模型的情况下，确定是否存在主用户和从用户；在存在主用户和从用户的情况下，将所述主用户对应的常用指令习惯模型发送给目标设备，在目标设备还存在存储空间的情况下，将至少一个从用户对应的常用指令习惯模型发送给目标设备；在不存在主用户和从用户的情况下，将常用指令习惯模型进行简化，将简化后的常用指令习惯模型发送给目标设备。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1至3或4至6任意一项所述控制方法。
10.一种存储介质，其特征在于，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现如1至3或4至6任意一项所述控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410000834.6A CN117555250A (zh) | 2024-01-02 | 2024-01-02 | 控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410000834.6A CN117555250A (zh) | 2024-01-02 | 2024-01-02 | 控制方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117555250A true CN117555250A (zh) | 2024-02-13 |
Family
ID=89813041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410000834.6A Pending CN117555250A (zh) | 2024-01-02 | 2024-01-02 | 控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117555250A (zh) |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002358465A (ja) * | 2001-06-01 | 2002-12-13 | Ricoh Co Ltd | 電子コンテンツデータ貸出システム、電子コンテンツデータ貸出装置、電子コンテンツデータ貸出方法およびその方法をコンピュータに実行させるプログラム |
| US20120266253A1 (en) * | 2009-12-25 | 2012-10-18 | Nec Corporation | Grouping cooperation system, grouping cooperation method, and grouping processing flow management program |
| CN105278475A (zh) * | 2014-06-06 | 2016-01-27 | 佛山市顺德区美的电热电器制造有限公司 | 家用电器的控制系统、智能路由器及控制装置 |
| US20160217388A1 (en) * | 2015-01-22 | 2016-07-28 | Preferred Networks, Inc. | Machine learning heterogeneous edge device, method, and system |
| CN107329700A (zh) * | 2017-06-29 | 2017-11-07 | 郑州云海信息技术有限公司 | 一种分布式集群数据存储方法及系统 |
| CN107819741A (zh) * | 2017-10-16 | 2018-03-20 | 山东师范大学 | 基于优先级的云视频内容分发方法及系统 |
| CN108124002A (zh) * | 2017-12-01 | 2018-06-05 | 北京明朝万达科技股份有限公司 | 一种数据发送方法及装置 |
| CN108320753A (zh) * | 2018-01-22 | 2018-07-24 | 珠海格力电器股份有限公司 | 电器设备的控制方法、装置和系统 |
| CN110912813A (zh) * | 2019-12-26 | 2020-03-24 | 杭州行至云起科技有限公司 | 一种支持多协议的网关及控制方法及事件上报方法 |
| US20200301859A1 (en) * | 2019-03-20 | 2020-09-24 | Toshiba Memory Corporation | Memory system for receiving communication information from external device via virtual channels and control method of memory system |
| CN112162492A (zh) * | 2020-11-03 | 2021-01-01 | 珠海格力电器股份有限公司 | 家居设备的控制方法、装置、边缘计算网关及存储介质 |
| CN112286150A (zh) * | 2020-10-15 | 2021-01-29 | 珠海格力电器股份有限公司 | 一种智能家居设备管理方法、装置、系统及存储介质 |
| CN113028597A (zh) * | 2021-03-19 | 2021-06-25 | 珠海格力电器股份有限公司 | 语音的控制方法及装置 |
| CN113485644A (zh) * | 2021-07-05 | 2021-10-08 | 深圳市杉岩数据技术有限公司 | 一种io数据存储方法和服务器 |
| CN113611306A (zh) * | 2021-09-07 | 2021-11-05 | 云知声（上海）智能科技有限公司 | 基于用户习惯的智能家居语音控制方法、系统及存储介质 |
| CN114125990A (zh) * | 2021-12-09 | 2022-03-01 | 思必驰科技股份有限公司 | 用于设备的组网方法及系统 |
| CN114531462A (zh) * | 2021-12-31 | 2022-05-24 | 山东浪潮工业互联网产业股份有限公司 | 一种用于物联网设备的数据处理方法及设备 |
| CN115204375A (zh) * | 2021-04-01 | 2022-10-18 | 蒂普爱可斯有限公司 | Npu、边缘设备及其运行方法 |
| CN115437267A (zh) * | 2022-10-15 | 2022-12-06 | 深圳市迈腾电子有限公司 | 一种基于物联网的分布式智能家居网络控制系统 |
| CN115668874A (zh) * | 2020-08-05 | 2023-01-31 | Oppo广东移动通信有限公司 | 一种智能家居系统管理方法、电子设备及存储介质 |
| CN116541174A (zh) * | 2023-05-09 | 2023-08-04 | 中国建设银行股份有限公司 | 存储设备容量处理方法、装置、设备及存储介质 |
| CN116566760A (zh) * | 2023-07-11 | 2023-08-08 | 北京探境科技有限公司 | 智能家居设备控制方法、装置、存储介质及电子设备 |
| WO2023179226A1 (zh) * | 2022-03-22 | 2023-09-28 | 青岛海尔空调器有限总公司 | 用于空调器语音控制的方法及装置、空调器、存储介质 |
-
2024
- 2024-01-02 CN CN202410000834.6A patent/CN117555250A/zh active Pending
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002358465A (ja) * | 2001-06-01 | 2002-12-13 | Ricoh Co Ltd | 電子コンテンツデータ貸出システム、電子コンテンツデータ貸出装置、電子コンテンツデータ貸出方法およびその方法をコンピュータに実行させるプログラム |
| US20120266253A1 (en) * | 2009-12-25 | 2012-10-18 | Nec Corporation | Grouping cooperation system, grouping cooperation method, and grouping processing flow management program |
| CN105278475A (zh) * | 2014-06-06 | 2016-01-27 | 佛山市顺德区美的电热电器制造有限公司 | 家用电器的控制系统、智能路由器及控制装置 |
| US20160217388A1 (en) * | 2015-01-22 | 2016-07-28 | Preferred Networks, Inc. | Machine learning heterogeneous edge device, method, and system |
| CN107329700A (zh) * | 2017-06-29 | 2017-11-07 | 郑州云海信息技术有限公司 | 一种分布式集群数据存储方法及系统 |
| CN107819741A (zh) * | 2017-10-16 | 2018-03-20 | 山东师范大学 | 基于优先级的云视频内容分发方法及系统 |
| CN108124002A (zh) * | 2017-12-01 | 2018-06-05 | 北京明朝万达科技股份有限公司 | 一种数据发送方法及装置 |
| CN108320753A (zh) * | 2018-01-22 | 2018-07-24 | 珠海格力电器股份有限公司 | 电器设备的控制方法、装置和系统 |
| US20200301859A1 (en) * | 2019-03-20 | 2020-09-24 | Toshiba Memory Corporation | Memory system for receiving communication information from external device via virtual channels and control method of memory system |
| CN110912813A (zh) * | 2019-12-26 | 2020-03-24 | 杭州行至云起科技有限公司 | 一种支持多协议的网关及控制方法及事件上报方法 |
| CN115668874A (zh) * | 2020-08-05 | 2023-01-31 | Oppo广东移动通信有限公司 | 一种智能家居系统管理方法、电子设备及存储介质 |
| CN112286150A (zh) * | 2020-10-15 | 2021-01-29 | 珠海格力电器股份有限公司 | 一种智能家居设备管理方法、装置、系统及存储介质 |
| CN112162492A (zh) * | 2020-11-03 | 2021-01-01 | 珠海格力电器股份有限公司 | 家居设备的控制方法、装置、边缘计算网关及存储介质 |
| CN113028597A (zh) * | 2021-03-19 | 2021-06-25 | 珠海格力电器股份有限公司 | 语音的控制方法及装置 |
| CN115204375A (zh) * | 2021-04-01 | 2022-10-18 | 蒂普爱可斯有限公司 | Npu、边缘设备及其运行方法 |
| CN113485644A (zh) * | 2021-07-05 | 2021-10-08 | 深圳市杉岩数据技术有限公司 | 一种io数据存储方法和服务器 |
| CN113611306A (zh) * | 2021-09-07 | 2021-11-05 | 云知声（上海）智能科技有限公司 | 基于用户习惯的智能家居语音控制方法、系统及存储介质 |
| CN114125990A (zh) * | 2021-12-09 | 2022-03-01 | 思必驰科技股份有限公司 | 用于设备的组网方法及系统 |
| CN114531462A (zh) * | 2021-12-31 | 2022-05-24 | 山东浪潮工业互联网产业股份有限公司 | 一种用于物联网设备的数据处理方法及设备 |
| WO2023179226A1 (zh) * | 2022-03-22 | 2023-09-28 | 青岛海尔空调器有限总公司 | 用于空调器语音控制的方法及装置、空调器、存储介质 |
| CN115437267A (zh) * | 2022-10-15 | 2022-12-06 | 深圳市迈腾电子有限公司 | 一种基于物联网的分布式智能家居网络控制系统 |
| CN116541174A (zh) * | 2023-05-09 | 2023-08-04 | 中国建设银行股份有限公司 | 存储设备容量处理方法、装置、设备及存储介质 |
| CN116566760A (zh) * | 2023-07-11 | 2023-08-08 | 北京探境科技有限公司 | 智能家居设备控制方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109697207B (zh) | 时序数据的异常监控方法及系统 | |
| US20180046613A1 (en) | Cognitive information security using a behavioral recognition system | |
| CN108460346B (zh) | 指纹识别方法及装置 | |
| CN111061483B (zh) | 编译优化方法、装置及电子设备 | |
| US20220179884A1 (en) | Label Determining Method, Apparatus, and System | |
| CN111880856A (zh) | 语音唤醒方法、装置、电子设备及存储介质 | |
| US9405573B2 (en) | System and method for process run-time prediction | |
| CN110428816B (zh) | 一种语音细胞库训练和分享的方法及装置 | |
| CN109508522A (zh) | 一种数据清除方法、装置、存储介质及终端 | |
| KR20200080418A (ko) | 단말기 및 그의 동작 방법 | |
| CN114078472A (zh) | 一种低误唤醒率的关键词计算模型的训练方法及装置 | |
| CN117094535B (zh) | 基于人工智能的能源补给管理方法及系统 | |
| CN117555250A (zh) | 控制方法、装置、设备及存储介质 | |
| CN114218034A (zh) | 在大数据场景下的在线办公安防处理方法及大数据服务器 | |
| CN113220828A (zh) | 意图识别模型处理方法、装置、计算机设备及存储介质 | |
| KR20140115588A (ko) | 언어인식을 위한 언어모델 db, 언어인식장치와 언어인식방법, 및 언어인식시스템 | |
| CN112765236B (zh) | 自适应异常设备挖掘方法、存储介质、设备及系统 | |
| CN115578765A (zh) | 目标识别方法、装置、系统及计算机可读存储介质 | |
| CN113555034B (zh) | 压缩音频识别方法、装置及存储介质 | |
| CN117523212B (zh) | 用于车辆款式图像数据的标签噪声识别方法、系统及设备 | |
| CN114817456B (zh) | 关键词检测方法、装置、计算机设备及存储介质 | |
| CN111065100B (zh) | 威胁分析方法及装置和威胁分析系统 | |
| CN114121020A (zh) | 目标对象的身份确定方法和装置、存储介质及电子装置 | |
| CN117528886A (zh) | 一种基于物联网的led灯珠智能调控方法及系统 | |
| CN115547331A (zh) | 语音处理方法、处理装置、存储介质以及电子装置 |
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 |