CN104579873B - 对智能家居设备进行控制的方法及*** - Google Patents

Abstract

本发明公开了对智能家居设备进行控制的方法及***，其中，该方法包括：用户端接收用户输入的突发控制信息，将突发控制信息和家庭标识发送给服务器；服务器对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；控制器对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；并接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。本发明方案能够使对智能家居设备的控制更加智能化。

Description

对智能家居设备进行控制的方法及***

技术领域

本发明涉及智能控制技术，尤其涉及对智能家居设备进行控制的方法及***。

背景技术

当前的智能家居领域，常采用物联网技术将一定范围内的各种智能家居设备(如音视频设备、照明***、窗帘设备、空调设备、安防***、数字影院***、网络家电以及三表抄送***等)连接到一起，通过智能家居控制装置对各智能家居设备进行控制，包括提供家电控制、照明控制、窗帘控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。所述一定范围例如为家庭范围、办公范围等。

与普通家居设备相比，智能家居设备不仅具有传统的居住功能，还兼备网络通信、信息家电、设备自动化，还提供集***、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境，可进行全方位的信息交互。通过智能家居的控制器便可对各智能家居设备进行控制，操作方便，优化人们的生活方式，帮助人们有效安排时间，增强家居生活的安全性。

如何有效的整合、统筹管理这些智能家居设备，是能否实现智能家居的一个核心，正是这个核心催生了很多智能家居控制方案的诞生。

如今的智能家居控制方案的智能化主要体现在的自动化执行方面。通常的方法是通过用户操作行为的记录，通过机器学习方法发现用户的行为习惯和模式，从而根据用户模型来自动化控制智能家居设备的运行。该方法会记录用户每次对智能家居设备的操作信息，然后调用ARM学习控制器来学习用户的行为模式，发现用户的行为习惯；从而在以后的运行过程中，可以按照这些学习到的行为模式自动执行相应动作，解放用户繁琐的固定模式的操作。

综上，现有方案只能基于操作行为记录对智能家居设备进行自动化管理，却无法处理用户的突发需求或者异常情况，导致智能化性能不高。

发明内容

本发明提供了一种对智能家居设备进行控制的方法，该方法能够使对智能家居设备的控制更加智能化。

本发明提供了一种对智能家居设备进行控制的***，该***能够使对智能家居设备的控制更加智能化。

一种对智能家居设备进行控制的方法，该方法包括：

用户端接收用户输入的突发控制信息，将突发控制信息和家庭标识发送给服务器；

服务器对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；

控制器对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；并接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。

一种对智能家居设备进行控制的***，该***包括用户端、服务器和控制器；

所述用户端，接收用户输入的突发控制信息，将突发控制信息和家庭标识发送给所述服务器；

所述服务器，接收来自所述客户端的突发控制信息和家庭标识，对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；

所述控制器，对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。

从上述方案可以看出，本发明中，用户端接收用户输入的突发控制信息，将突发控制信息和家庭标识发送给服务器；服务器对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；控制器对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。本发明获取用户输入的突发控制信息，在考虑历史控制信息的基础上，结合突发控制信息对智能家居设备进行控制，从而，实现对智能家居设备的控制更加灵活、智能化。

附图说明

图1为本发明对智能家居设备进行控制的方法示意性流程图；

图2为本发明对突发控制进行输入和解析的方法流程图实例；

图3为本发明控制器进行智能家居设备控制的方法流程图实例；

图4为本发明对智能家居设备进行控制的***结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。

本发明获取用户输入的突发控制信息，在考虑历史控制信息的基础上，结合突发控制信息对智能家居设备进行控制，从而，实现对智能家居设备的控制更加灵活、智能化。参见图1，为本发明对智能家居设备进行控制的方法示意性流程图，其包括以下步骤：

步骤101，用户端接收用户输入的突发控制信息，将突发控制信息和家庭标识发送给服务器。

突发控制信息为一些突发需求或者异常情况，例如为明后两天(1.22-1.23)出差。每个家庭配置一个家庭标识，用户输入对应家庭标识的突发控制信息。

具体实现时，可按照预先设置的模板输入突发控制信息，例如分别输入时间及对应的事件。

用户输入突发控制信息的方式不限定，包括文本信息、语音信息等。对于突发控制信息允许多种方式的情形，可采用如下具体实现：用户端对接收的突发控制信息进行判断，如果为文本信息，则直接发送给服务器，如果不为文本信息，则将突发控制信息转换为文本信息，发送给服务器。

步骤102，服务器对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器。

自定义控制映射包含条件和结论，也即是，满足条件时结论成立。以明后两天出差的实例进行说明，其条件为日期1.22-1.23，结论为关闭客厅灯。

步骤103，控制器对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；并接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。

进一步地，根据设备控制命令对智能家居设备进行控制之前，还可将设备控制命令反馈给用户进行确认，具体地：

将设备控制命令展示给用户，如果接收到来自用户的授权指示，则执行所述根据设备控制命令对智能家居设备进行控制的步骤。如果没有接收到来自用户的授权指示，可按照默认的方式执行；默认方式可自行设置，可以设置为执行设备控制命令，也可以设置为拒绝执行设备控制命令。接收来自用户的授权指示后，还可以对其进行保存，以供下次执行设备控制命令时直接调取进行后续操作。

本发明基于机器学习控制映射和自定义控制映射确定出设备控制命令，这样，在考虑历史控制信息的基础上，结合突发控制信息对智能家居设备进行控制，使得对智能家居设备的控制更加灵活、智能化。

基于机器学习控制映射和自定义控制映射确定出设备控制命令的具体方案，可根据需要进行设置，下面举例进行说明。

方案一、

控制器获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则机器学习控制映射的结论成立，生成设备控制指令。当环境感知信息满足机器学习控制映射和自定义控制映射中的条件时，以机器学习控制映射中相应的结论作为验证项，对该结论进行验证，判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则作为验证项的结论成立，生成关于该结论的设备控制命令。环境感知信息的项目可自行设置，例如为时间、亮度值等。

方案二、

获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则机器学习控制映射的结论成立，生成设备控制指令，发送给所述执行器；如果不一致，则比较机器学习控制映射和自定义控制映射的置信度，确定出置信度大的控制映射，提取确定出的控制映射中的结论，生成关于所提取结论的设备控制指令。

方案二为机器学习控制映射和自定义控制映射分别设置置信度，在环境感知信息满足机器学习控制映射和自定义控制映射中的条件，但机器学习控制映射和自定义控制映射的结论不一致时，根据置信度选取结论，生成控制指令。

方案一和方案二只是两个较佳实现方式，并不限于这两种方案。例如，对于方案二，还可以根据置信度预先选取机器学习控制映射和自定义控制映射中的控制映射，而后再结合环境感知信息与选取的控制映射判断结论是否成立，成立时生成设备控制命令。

为了提高控制准确性，进一步地，控制器定期对自定义控制映射进行检测，删除失效的自定义控制映射。例如设置定期扫描周期为7天，然后对于自定义控制映射的条件进行判断，如果有时间相关的设定，比如”12.10-12.12->关闭客厅灯”，但是扫描时候的时间已经是12.12之后的时间了，则表示这个映射已经无法再使能了，则这种条件过期的映射需要删除。。

下面通过图2、3的流程，对本发明方案进行实例说明。

参见图2，为本发明对突发控制进行输入和解析的方法流程图实例，该方法包括以下步骤：

步骤201，用户端接收用户输入的突发控制信息，如果输入的突发控制信息为语音信息，则转换为文本信息，执行步骤202；如果输入的突发控制信息为文本信息，则直接执行步骤202。

用户端提供软件操作页面给用户，用户可以直接在软件上对家中的设备进行控制，也可以切换到异常输入界面，输入用户的异常需求，可以是语音输入或者文本输入，然后通过网络将用户的输入信息传输到服务器进行解析。

步骤202，用户端将突发控制信息和家庭标识发送给服务器。

用户端可以是手机、电脑等可以进行网络连接的设备，用户端与服务器进行网络连接，登录智能家居控制网页，根据网页提示输入突发控制信息和对应的家庭标识。

步骤203，服务器对突发控制信息进行解析，得到包含条件和结论的自定义控制映射。

本步骤可采用自行设定的解析模式对突发控制信息进行解析，得到对应突发控制信息的自定义控制映射。本步骤可采用2013-2033的方案实现：

步骤2031，服务器对突发控制信息进行分析，提取其中的时间和事件。

本步骤对突发控制信息进行自然语言分析，提取时间和时间。例如突发控制信息为明后两天(1.22-1.23)出差，则提取的时间为1.22-1.23，事件为出差。

步骤2032，服务器根据事件在常识知识库中查询出对应的控制要求。

常识知识库存储了常识知识，包含对应事件的控制要求。以出差为例，常识知识库中定义了出差事件，出差表示人不在家，需要关闭受控的智能家居设备，则对应的控制要求为关闭受控设备。

步骤2033，从客户设备库中查询出与相应家庭标识对应的智能家居设备信息，结合智能家居设备信息、时间和控制要求，生成对应智能家居设备的自定义控制映射，在规则存储库中存储自定义控制映射。

客户设备库存储了对应各家庭标识的智能家居设备信息；基于查询出的智能家居设备信息为每个智能家居设备生成自定义控制映射，如果有多个智能家居设备，则生成多条自定义控制映射。本实例中，假设时间为1.22-1.23，控制要求为关闭，则生成的自定义控制映射为“时间段->关闭智能家居设备N”；其中的时间段也即条件，时间满足1.22-1.23时，结论“关闭智能家居设备N”成立。

自定义控制映射也可称为自定义规则。

步骤204，服务器将自定义控制映射同步到与家庭标识对应的控制器。

在家庭中，由控制器对智能家居设备进行控制。服务器通过网络将自定义控制映射同步到相应的控制器。

参见图3，为本发明控制器进行智能家居设备控制的方法流程图实例，该方法包括以下步骤：

步骤301，控制器对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射。

控制器记录了用户操作行为的历史控制信息，通过机器学习方法发现用户的行为习惯和模式，得到机器学习控制映射。对历史控制信息进行机器学习，得到机器学习映射关系，为已有技术，这里不多赘述。

机器学习可周期性地执行。

将机器学习控制映射存储到家庭映射存储库中。

步骤302，控制器接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射进行推理引擎，确定出设备控制命令。

本步骤可具体包括：控制器获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则生成关于机器学习控制映射的结论的设备控制指令；如果不一致，则结论不成立。

假设机器学习得到的映射中有一条映射为：“if时间为7点,and客厅亮度<th,then打开客厅灯”；自定义控制映射为“if时间为2014.9.9-2014.9.10,then不用打开客厅灯”。基于这样的映射进行推算的时候，环境感知信息包括时间及环境亮度；当环境感知信息满足第一条映射时(即满足时间为7点且客厅亮度<th)，就会得出需要打开客厅灯的结论，但是如果同时时间也满足第二条映射时，又可以得出不用打开客厅灯的结论，此时发生矛盾，推理引擎无法给出结论，也就导致智能***发生异常，无法正常工作。为了解决这种问题，本实例引入常识推算技术，常识推算的方法有很多，一种可行的方法是使用DefaultLogic，下面对Default Logic进行基本的介绍，以更加形象化的描述本发明的特点。

Default Logic的基本原理如下公式所示：

(α(x):β(x))/γ(x)

该公式的理解是假如α(x)成立，并且β(x)能够在当前环境下满足一致性的话，则结论γ(x)成立；也就是，环境感知信息都满足机器学习控制映射和自定义控制映射中的条件(即α(x)成立，各自映射的α(x)通常情况下不同)，并且机器学习控制映射中的结论验证项，即β(x)，和自定义控制映射的结论一致，则机器学习控制映射的结论成立(即γ(x)成立)。也就是说在常规推算的基础上，在得出结论之前，需要先做一致性判定。

对应Default Logic，存在一个Default Theory<D,W>,W代表的是稳定的但是不完整的世界知识，D代表的扩展W而定义的合理的规则，但是这些规则是可废止的。对应到本发明的情况中，W对应的是环境感知信息，以及自定义控制映射；D对应的是通过机器学习得到的机器学习控制映射。D中的机器学习控制映射都需要更新为满足上述公式的形式，一个简单的方法就是β(x)和γ(x)相同，即“A/B”更新为“A:B/B”；A为映射中的条件，“A:B/B”中的第一个B为映射中的结论验证项，“A:B/B”中的第二个B为结论。在推理引擎进行推理的时候，如果基于环境感知信息满足映射中的条件A，并且映射中的A:B中的结论验证项B与W中信息一致的情况下，则可以推出B成立。从这个解释可以看出，结论的推出和一致性判断很有关系。通过这种方法，可以使得结论矛盾的映射并存，并基于这样的映射进行推算，得到设备控制命令。针对我们的情况，此处结论验证项和结论是一样的，所以也可以理解为机器学习控制映射的结论和自定义控制映射的结论一致的情况下，机器学习控制映射的结论成立。

对于前述例子：机器学习控制映射为“if时间为7点,and客厅亮度<th,then打开客厅灯”；自定义控制映射为“if时间为2014.9.9-2014.9.10,then不用打开客厅灯”。若环境感知信息满足第一条映射(即满足时间为7点且客厅亮度<th)和第二条映射(即满足时间为2014.9.9-2014.9.10)，由于两者结论不一致，则不推算出结论。引入Default Logic之后，上述的机器学习控制映射会更新为(if时间为7点，and客厅亮度<th):打开客厅灯(即结论验证项)/打开客厅灯(即结论)”，对应到上述的基本原理公式，即α(x)为“if时间为7点，and亮度<th”,β(x)＝γ(x)＝“打开客厅灯”。那么在推算的时候，环境感知信息满足了机器学习控制映射的前提，使能了这条映射，然后需要去判定β(x)此时是否满足一致性。将会发现此时的环境感知信息同样使能了自定义控制映射，并且结论是“不用打开客厅灯”，那么β(x)这个结论验证项和自定义控制映射的结论不一致，所以机器学习控制映射的结论无法成立。

上述为解决矛盾的一种方法；也可以采用概率的方法，对所有的映射赋予一定的概率值，并定义概率值衰减函数，随着时间的流逝，概率值会逐渐衰减，这样越新的映射会具有越高的置信度(即映射产生的时间距离当前时间越近，其置信度越高)，从而被推理引擎所采用，得到对应的设备控制命令。

步骤303，控制器将设备控制命令展示给用户，如果接收到来自用户的授权指示，则执行步骤304；如果设定时间段内未接收到用户反馈，则按照默认方式，直接执行步骤304。

将设备控制命令反馈到用户界面，以供用户对控制***后续的操作行为进行浏览和控制。此处用户的控制行为可以简单分为三种-“Never”，“OK”，“Not This Time”。“Never”表示此次的结论错误，推理引擎在下次得出结论时，推送之前结论的反；“OK”表示没问题，推理引擎结论正确，用户可以接受；“Not This Time”表示仅当前这次不准确，推理引擎针对这种情况不做处理，当前这次是用户的一次特殊处理。设定反馈时间段，如果用户不做出相应的操作，***默认推理结论准确，即获得用户的授权；在获取用户的授权后，执行对应的设备控制行为。

步骤304，根据设备控制命令对智能家居设备进行控制。

本发明克服了现有技术的缺点，提供了一种基于常识推算的智能家居控制方法。常识推算具有两个特点，非单调性和次协调性，基于当前知识得到最合理的推算结论，可以容忍矛盾的存在。这个特点正好可以解决智能家居控制***中突发情况带来的冲突问题。常识推算的实现最主要包含常识知识库以及推理引擎，常识知识库的获取有多种途径，可以是在线数据的抓取，用户贡献数据，或者是利用现有的常识知识库；推理引擎主要实现常识推理算法，基于常识知识库进行推算获得合理的结论。本发明的主要目的是解决现有技术中推理引擎无法处理矛盾或者冲突的问题，有效避免了智能控制***无法正常运作，增强了推理引擎的容错能力，使得***更加智能化地自主运行。

参见图4，为本发明对智能家居设备进行控制的***结构示意图，该***包括用户端、服务器和控制器；

所述用户端，接收用户输入的突发控制信息，将突发控制信息和家庭标识发送给所述服务器；

所述服务器，接收来自所述客户端的突发控制信息和家庭标识，对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；

所述控制器，对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。

较佳地，所述服务器包括映射解析器、常识知识库、客户设备库和映射存储库；

所述客户设备库，存储对应各家庭标识的智能家居设备信息；

所述常识知识库，存储常识知识，包含对应事件的控制要求；

所述映射解析器，接收来自客户端的突发控制信息和家庭标识，对突发控制信息进行自然语音分析，提取其中的时间和事件，根据事件在所述常识知识库中查询出对应的控制要求；从所述客户设备库中查询出与相应家庭标识对应的智能家居设备信息，结合智能家居设备信息、时间和控制要求，生成对应智能家居设备的自定义控制映射，存储到所述映射存储库中；

所述映射存储库，存储来自所述映射解析器的自定义控制映射，同步到与家庭标识对应的控制器。

较佳地，所述控制器包括家庭映射存储库、推理引擎模块和执行器；

所述家庭映射存储库，接收来自所述服务器的自定义控制映射，进行存储；并存储控制器对智能家居的历史操作记录通过机器学习方式得到的机器学习控制映射；

所述推理引擎模块，从所述家庭映射存储库中提取机器学习控制映射和自定义控制映射，基于提取的控制映射确定出设备控制命令，发送给所述执行器；

所述执行器，接收来自所述推理引擎模块的设备控制命令，对相应的智能家居设备进行控制。

较佳地，所述推理引擎模块包括第一推理引擎子模块，获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则生成关于机器学习控制映射结论的设备控制指令，发送给所述执行器。

较佳地，所述推理引擎模块包括第二推理引擎子模块，获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则将生成关于机器学习控制映射结论的设备控制指令，发送给所述执行器；如果不一致，则比较机器学习控制映射和自定义控制映射的置信度，确定出置信度大的控制映射，提取确定出的控制映射中的结论，生成关于所提取结论的设备控制指令，发送给所述执行器。

较佳地，所述用户端包括信息输入模块和信息文本化模块；

所述信息输入模块，接收用户输入的突发控制信息，发送给所述信息文本化模块；

所述信息文本化模块，对接收的突发控制信息进行判断，如果为文本信息，则直接发送给服务器，如果不为文本信息，则将突发控制信息转换为文本信息，发送给服务器。

较佳地，所述家庭映射存储库，还定期对自定义控制映射进行检测，删除失效的自定义控制映射。

本发明提供的控制***方案中，用户可以通过手机、电脑等任何信息输入客户端，将突发需求或者突发情况以语音或者文本的形式输入控制***；映射解析器借助于常识知识库以及自然语言分析技术将输入信息转换为推算可用的映射，作为自定义控制映射，并存储在映射存储库中。推理引擎模块基于家庭映射存储库中的映射进行推算，得到结论，从而得到的设备控制命令，调用执行器执行对应的设备控制命令来达到设备的自动化执行。

映射解析器主要是解析用户输入的突发控制信息并转换为自定义控制映射，借助于自然语言技术和常识知识库来分析突发控制信息的潜在含义，并转换成对应的自定义控制映射，存入映射存储库。

推理引擎模块主要负责基于家庭映射存储库中的映射进行常识推算，得到合理的结论。常识推算是一种非单调推算，分为逻辑的方法和非逻辑的方法，逻辑的方法可以通过两种途径，一种是在经典逻辑框架下进行研究的方法，另外一种是建立新的语义机制跟逻辑***的方法。逻辑方法和非逻辑方法的结合现在也是比较活跃的研究领域。

家庭映射存储库主要负责映射的存储和更新。基本映射来源于机器学习方法对用户设备操作记录的定期学习，得到用户的操作行为模式，作为设备自动化运行的依据。重点在于自定义控制映射的更新；来源于映射解析器的输出，可能会和原有行为模式产生冲突，如何解决结论冲突的映射的并存正是家庭映射存储库和推理引擎模块需要解决的问题，也是本发明的核心所在。

采用本发明方案，可以接收用户的突发需求输入，并转换为自定义控制映射，作为后续的推导依据；并且，还引入常识推理技术，可以接受结论冲突的映射并存，并在此基础上推算得到合理的结论。这样，使得对智能家居设备的控制更加智能和灵活，提升用户的使用体验。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明保护的范围之内。

Claims (12)

1.一种对智能家居设备进行控制的方法，其特征在于，该方法包括：

用户端接收用户输入的突发控制信息，用户端对接收的突发控制信息进行判断，如果为文本信息，则直接发送给服务器，如果不为文本信息，则将突发控制信息转换为文本信息，发送给服务器，将家庭标识发送给服务器；

服务器对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；

控制器对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；并接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。

2.如权利要求1所述的方法，其特征在于，所述服务器对突发控制信息进行解析包括：

服务器对突发控制信息进行分析，提取其中的时间和事件，根据事件在常识知识库中查询出对应的控制要求；从客户设备库中查询出与相应家庭标识对应的智能家居设备信息，结合智能家居设备信息、时间和控制要求，生成对应智能家居设备的自定义控制映射。

3.如权利要求1所述的方法，其特征在于，所述控制器基于机器学习控制映射和自定义控制映射确定出设备控制命令包括：

控制器获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则机器学习控制映射的结论成立，生成设备控制指令。

4.如权利要求1所述的方法，其特征在于，所述控制器基于机器学习控制映射和自定义控制映射确定出设备控制命令包括：

获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则机器学习控制映射的结论成立，生成设备控制指令，将设备控制命令发送给执行器；如果不一致，则比较机器学习控制映射和自定义控制映射的置信度，确定出置信度大的控制映射，提取确定出的控制映射中的结论，生成关于所提取结论的设备控制指令。

5.如权利要求1所述的方法，其特征在于，该方法还包括：

控制器定期对自定义控制映射进行检测，删除失效的自定义控制映射。

6.如权利要求1至5中任一项所述的方法，其特征在于，所述根据设备控制命令对智能家居设备进行控制之前，该方法还包括：

将设备控制命令展示给用户，如果接收到来自用户的授权指示，则执行所述根据设备控制命令对智能家居设备进行控制的步骤。

7.一种对智能家居设备进行控制的***，其特征在于，该***包括用户端、服务器和控制器；

所述用户端，接收用户输入的突发控制信息，用户端对接收的突发控制信息进行判断，如果为文本信息，则直接发送给服务器，如果不为文本信息，则将突发控制信息转换为文本信息，发送给服务器，将家庭标识发送给所述服务器；

所述服务器，接收来自所述用户端的突发控制信息和家庭标识，对突发控制信息进行解析，得到包含条件和结论的自定义控制映射，同步到与家庭标识对应的控制器；

所述控制器，对智能家居设备的历史控制信息进行机器学习，得到包含条件和结论的机器学习控制映射；接收来自服务器的自定义控制映射，基于机器学习控制映射和自定义控制映射确定出设备控制命令，根据设备控制命令对智能家居设备进行控制。

8.如权利要求7所述的***，其特征在于，所述服务器包括映射解析器、常识知识库、客户设备库和映射存储库；

所述客户设备库，存储对应各家庭标识的智能家居设备信息；

所述常识知识库，存储常识知识，包含对应事件的控制要求；

所述映射解析器，接收来自客户端的突发控制信息和家庭标识，对突发控制信息进行自然语言分析，提取其中的时间和事件，根据事件在所述常识知识库中查询出对应的控制要求；从所述客户设备库中查询出与相应家庭标识对应的智能家居设备信息，结合智能家居设备信息、时间和控制要求，生成对应智能家居设备的自定义控制映射，存储到所述映射存储库中；

所述映射存储库，存储来自所述映射解析器的自定义控制映射，同步到与家庭标识对应的控制器。

9.如权利要求7所述的***，其特征在于，所述控制器包括家庭映射存储库、推理引擎模块和执行器；

所述家庭映射存储库，接收来自所述服务器的自定义控制映射，进行存储；并存储控制器对智能家居的历史操作记录通过机器学习方式得到的机器学习控制映射；

所述推理引擎模块，从所述家庭映射存储库中提取机器学习控制映射和自定义控制映射，基于提取的控制映射确定出设备控制命令，发送给所述执行器；

所述执行器，接收来自所述推理引擎模块的设备控制命令，对相应的智能家居设备进行控制。

10.如权利要求9所述的***，其特征在于，所述推理引擎模块包括第一推理引擎子模块，获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则机器学习控制映射的结论成立，生成设备控制指令，发送给所述执行器。

11.如权利要求9所述的***，其特征在于，所述推理引擎模块包括第二推理引擎子模块，获取环境感知信息，判断环境感知信息是否满足机器学习控制映射和自定义控制映射中的条件，如果是，则判断机器学习控制映射中的结论验证项和自定义控制映射的结论是否一致，如果一致，则机器学习控制映射的结论成立，生成设备控制指令，发送给所述执行器；如果不一致，则比较机器学习控制映射和自定义控制映射的置信度，确定出置信度大的控制映射，提取确定出的控制映射中的结论，生成关于所提取结论的设备控制指令，发送给所述执行器。

12.如权利要求7至11中任一项所述的***，其特征在于，所述用户端包括信息输入模块和信息文本化模块；

所述信息输入模块，接收用户输入的突发控制信息，发送给所述信息文本化模块；

所述信息文本化模块，对接收的突发控制信息进行判断，如果为文本信息，则直接发送给服务器，如果不为文本信息，则将突发控制信息转换为文本信息，发送给服务器。