CN106686084A - 一种基于智能家居设备的异常预警*** - Google Patents

Abstract

一种基于智能家居设备的异常报警***，包括信息采集模块、信息收发模块、社区控制中心，GSM传输模块和用户控制模块；信号采集模块用于采集家居环境数据并通过信息收发模块将数据传送至社区控制中心，社区控制中心对接收到的数据进行处理和评估，并通过GSM传输模块将评估的结果发送给用户，并根据接收到的用户发送的操作指令调整智能家居的运行状态。本发明的有益效果为：通过各模块之间的相互配合，能够实时有效的采集智能家居环境和室内环境信息，并将信息传输给社区监控中心，由社区监控中心进行数据处理和预警判断，并根据预警种类做出相应的应对措施，保证了住宅环境的安全性。

Description

一种基于智能家居设备的异常预警***

技术领域

本发明创造涉及智能家居安全领域，具体涉及一种基于智能家居设备的异常预警***。

背景技术

随着社会的发展，生活水平的提高，人们对自身居住的家居环境有着越来越高的要求，传统的住宅方式正在向着智能化方向转变，智能家居的概念由此产生。智能家居***利用先进的网络技术、通信技术以及传感器技术，让现代家居生活变得更加的便捷、舒适、智能化，改善了现代人们的生活质量。

然而，随着人们生活水平的提高，人们的需求的不断变换，如何组建一个稳定、高效并且能够根据监测数据及时预警的智能家居监测***有着极大的现实价值。

发明内容

针对上述问题，本发明旨在提供一种基于智能家居设备的异常预警***。

本发明创造的目的通过以下技术方案实现：

一种基于智能家居设备的异常报警***，包括信息采集模块、信息收发模块、社区控制中心，GSM传输模块和用户控制模块；信号采集模块用于采集家居环境数据并通过信息收发模块将数据传送至社区控制中心，社区控制中心对接收到的数据进行处理和评估，并通过GSM传输模块将评估的结果发送给用户，并根据接收到的用户发送的操作指令调整智能家居的运行状态。

优选地，所述信息采集模块包括用于采集家居环境的第一传感器组件和用于采集环境情况的第二传感器组件，所述第一传感器组件包括用于分别采集室内CO浓度和煤气浓度的传感器，所述第二组传感器组件包括用于分别采集室内湿度、家居能耗和温度值的传感器。

优选地，所述信息收发模块由无线传感器网络构成，所述无线传感器网络采用一种改进的遗传算法确定网络的传输路径，定义网络节点的初始路径是D_i＝{d₁,d₂,…,d_k}，则算法中的适应度函数定义为：

其中，s(d_i)是节点i的剩余能量，l(d_i)是路径i的长度，n(d_i)是路径d_i的能耗，ρ、β和α分别是节点的剩余能耗、路径的长度和节点消耗的能量在适应度函数中所占的权重，根据实践选取ρ＝0.3，β＝0.2，α＝0.5；

优选地，所述社区控制中心包括数据处理模块、分析评估模块和指令操作模块。

本发明创造的有益效果：设置信息采集单元、信息收发模块、社区控制中心，GSM传输模块和用户控制模块，结构简单，灵活方便，通过各模块之间的相互配合，能够实时有效的采集智能家居环境和室内环境信息，并将信息传输给社区监控中心，由社区监控中心进行数据处理和预警判断，并根据预警种类做出相应的应对措施，保证了住宅环境的安全性；采用一种改进的遗传算法寻找网络最佳传输路径，既考虑了节点能耗又考虑了路径的长度，能够有效节约网络传输能耗。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

图2是本发明分析模块模块结构示意图。

附图标记：

信息采集单元1；信息收发模块2；社区控制中心3；GSM传输模块4；用户控制模块5；数据处理模块31；分析评估模块32；指令控制模块33；空气状态评估单元321；家居环境评估单元322；综合诊断单元323。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的一种基于智能家居设备的异常报警***，包括信息采集模块1、信息收发模块2、社区控制中心3，GSM传输模块4和用户控制模块5；信号采集模块1用于采集家居环境数据并通过信息收发模块2将数据传送至社区控制中心3，社区控制中心3对接收到的数据进行处理和评估，并通过GSM传输模块4将评估的结果发送给用户，并根据接收到的用户发送的操作指令调整智能家居的运行状态。

优选地，所述信息采集模块1包括用于采集家居环境的第一传感器组件和用于采集环境情况的第二传感器组件，所述第一传感器组件包括用于分别采集室内CO浓度和煤气浓度的传感器，所述第二组传感器组件包括用于分别采集室内湿度、家居能耗和温度值的传感器。

本发明上述实施例包括信息采集模块1、信息收发模块2、社区控制中心3，GSM传输模块4和用户控制模块5，结构简单，灵活方便，通过各模块之间的相互配合，能够实时有效的采集智能家居环境信息，并将信息传输给社区控制中心3，由社区控制中心进行数据处理和预警判断，并根据预警种类做出相应的应对措施，保证了住宅环境的安全性。

优选地，所述信息收发模块2由无线传感器网络构成，所述无线传感器网络采用一种改进的遗传算法确定网络的传输路径，定义网络节点的初始路径是D_i＝{d₁,d₂,…,d_k}，则算法中的适应度函数定义为：

其中，s(d_i)是节点i的剩余能量，l(d_i)是路径i的长度，n(d_i)是路径d_i的能耗，ρ、β和α分别是节点的剩余能耗、路径的长度和节点消耗的能量在适应度函数中所占的权重，根据实践选取ρ＝0.3，β＝0.2，α＝0.5。

本优选实施例采用一种改进的遗传算法寻找网络最佳传输路径，既考虑了节点能耗又考虑了路径的长度，能够有效节约网络传输能耗，节约了智能家居的异常报警***的成本。

优选地，所述社区控制中心包括数据处理模块31、分析评估模块32和指令控制模块33；所述数据处理模块31用于对采集得到的数据进行处理；所述分析评估模块32用于根据处理后的数据进行分析，并评估家居环境状态；所述指令控制模块33用于接收用户的指令并通过信息收发模块2将指令传输给智能家居，改变其运行状态。

优选地，所述数据处理单元31用于对采集得到的数据进行处理，其主要包括数据修正和数据平均，设第j时刻的数据为d_j,则对数据进行修正处理的公式为：

其中，d_j′为修正后的数据，d_j为修正前的原始数据，T₀为传感器使用标准温度，t为传感器使用时实际环境温度。

对修正后的数据进行平均处理，则公式为：

式中，σ₀、σ₁、σ₂分别为相应的权重因子；

本优选实施例采用数据修正及平均算法对数据进行处理，进一步提高了数据的准确性，增加了异常报警***的精确性。

优选地，所述分析评估模块32包括空气状态评估单元321、家居环境评估单元322和综合评估单元323。

本优选实施例根据处理后的数据，多参数、多层次的对家居环境进行评估，提高了评估的可靠性。

优选地，所述空气状态评估单元321用于根据上述所得的CO浓度和煤气浓度对空气状态进行评估，具体包括：

a.基于模糊算法建立空气状态评估单元，以CO浓度和煤气浓度作为输入变量，对各输入变量设定上下限值，并根据各输入量对评估结果的影响分别制定相应的权重，对输入变量定义相同的模糊状态，即“很高”、“高”、“正常”、“低”。以空气状态作为输出量，对空气状态定义三个模糊状态，即“正常”、“存在风险”、“较为危险”；

b.根据以往的样本数据库，制定以CO浓度和煤气浓度为依据来推理空气状态的模糊规则；

c.输入变量值，当变量值超出上下限范围时，判定传感器故障，当变量值在范围内时，根据模糊规则推理得到各输入变量在模糊集中的隶属度，设第i时刻采集得到的CO浓度和煤气浓度的数据分别为y(i)和m(i)，则空气状态K(i)的表达式为：

其中，θ₁和分别为CO浓度y(i)的权重和隶属度，θ₂和分别为煤气浓度m(i)的权重和隶属度；

本优选实施例提供的基于模糊算法的空气状态评估单元321，与现有技术相比，根据影响空气状态的煤气浓度和延误浓度的监测数据，利用模糊诊断模型评估空气状态，较好地处理了多因素、模糊性及主观判断等问题，有效的对空气状态进行评估；

优选地，所述家居环境评估单元322用于根据上述所得的湿度、家居能耗和温度值对家居环境进行评估,具体包括：

a.基于模糊算法建立家居环境评估单元，以湿度、家居能耗和温度值作为输入变量，对各输入变量设定上下限值，并根据各输入量对家居环境的影响程度分别制定相应的权重，对输入变量定义相同的模糊状态，即“高”、“正常”、“低”。以家居环境状态作为输出量，对家居环境状态定义三个模糊状态，即“高”、“正常”、“低”；

b.根据以往的样本数据库，制定以湿度、家居能耗和温度值为依据来推理家居环境状态的模糊规则；

c.输入变量值，当变量值超出上下限范围时，判定传感器故障，当变量值在范围内时，根据模糊规则推理得到各输入变量在模糊集中的隶属度，谁第i时刻采集得到的湿度、家居能耗和温度值的数据分别为s(i)、n(i)和t(i)，则家居环境状态J(i)的表达式为：

其中，μ₁和分别为湿度s(i)的权重和隶属度，μ₂和分别为家居能耗n(i)的权重和隶属度，μ₃和分别为温度值t(i)的权重和隶属度；；

本优选实施例提供的基于模糊算法的家居环境评估单元，与现有技术相比，根据对影响家居环境状态的湿度、家居能耗和温度值的监测数据，利用模糊诊断模型来评估家居环境状态，较好地处理了多因素、模糊性及主观判断等问题，有效的对家居环境状态进行评估；

所述综合评估单元323用于根据空气状态评估单元321和家居环境评估单元322的诊断情况进行综合评价，定义评估系数为：

γ＝K(i)(1+ln|J(i)|)

根据样本数据库制定故障分界值H，根据评估系数γ与分界值H的关系制定不同的应对措施，具体为：

评估系数	应对措施
		γ≤H	家居环境舒适
H<γ≤1.2H	家居环境异常，将评估结果发送给用户
		1.2H<γ	紧急预警，社区监控中心直接采取救援措施

本优选实施例提出的综合诊断模块323，根据上述所得的空气状态和家居环境状态进行综合评估，与现有技术相比，多参数、多层次的评估模式，提高了评估结果的精确性。

基于上述实施例，根据数据库中的不同的参数信息进行了一系列测试，以下是测试得到的评估结果：

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (4)

1.一种基于智能家居设备的异常报警***，其特征是，包括信息采集模块、信息收发模块、社区控制中心，GSM传输模块和用户控制模块；信号采集模块用于采集家居环境数据并通过信息收发模块将数据传送至社区控制中心，社区控制中心对接收到的数据进行处理和评估，并通过GSM传输模块将评估的结果发送给用户，并根据接收到的用户发送的操作指令调整智能家居的运行状态。

2.根据权利要求1所述一种基于智能家居的异常报警***，其特征是，所述信息采集模块包括用于采集家居环境的第一传感器组件和用于采集环境情况的第二传感器组件，所述第一传感器组件包括用于分别采集室内CO浓度和煤气浓度的传感器，所述第二组传感器组件包括用于分别采集室内湿度、家居能耗和温度值的传感器。

3.根据权利要求2所述一种基于智能家居的异常报警***，其特征是，所述信息收发模块由无线传感器网络构成，所述无线传感器网络采用一种改进的遗传算法确定网络的传输路径，定义网络节点的初始路径是D_i＝{d₁,d₂,…,d_k}，则算法中的适应度函数定义为：

其中，s(d_i)是节点i的剩余能量，l(d_i)是路径i的长度，n(d_i)是路径d_i的能耗，ρ、β和α分别是节点的剩余能耗、路径的长度和节点消耗的能量在适应度函数中所占的权重，根据实践选取ρ＝0.3，β＝0.2，α＝0.5。

4.根据权利要求3所述一种基于智能家居的异常报警***，其特征是，所述社区控制中心包括数据处理模块、分析评估模块和指令操作模块。