CN116540616B - 一种新型家居资源调度决策控制***、方法及其应用 - Google Patents
一种新型家居资源调度决策控制***、方法及其应用 Download PDFInfo
- Publication number
- CN116540616B CN116540616B CN202310820203.4A CN202310820203A CN116540616B CN 116540616 B CN116540616 B CN 116540616B CN 202310820203 A CN202310820203 A CN 202310820203A CN 116540616 B CN116540616 B CN 116540616B
- Authority
- CN
- China
- Prior art keywords
- query
- data
- network
- layer
- fusion
- 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
- 230000004927 fusion Effects 0.000 claims abstract description 76
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000007499 fusion processing Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000007726 management method Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 18
- 230000008447 perception Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 15
- 238000005259 measurement Methods 0.000 description 14
- 230000007613 environmental effect Effects 0.000 description 11
- 238000001914 filtration Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Selective Calling Equipment (AREA)
Abstract
一种新型家居资源调度决策控制***、方法及其应用,该***包括:感知控制层,用于采集家居环境监测数据,并进行数据处理以便用户对家居环境全方位监测;网络传输层,包括接入单元和接入网络两部分,用于建立感知层与应用层之间的连接,实现家居环境监测数据信息在物联网体系内的传输和流通;融合处理层,通过建立多源数据融合规则,将家居融合在一起,能够有效对家居环境进行监控、报警、处置;应用管理层,包括查询服务器、查询管理服务器、数据库;所述查询服务器和查询管理服务器实现上述应用层所得融合结果的查询及管理,并能够将其备份到数据库中。
Description
技术领域
本发明涉及一种控制方法及其应用,尤其是涉及一种新型家居资源调度决策控制***、方法及其应用,属于智能家居领域。
背景技术
智能家居产品的消费需求主要体现在产品互联、操作简便、语音与遥控、节能环保、防盗报警监控管理等方面。对于普通消费者来说,最重要的功能是操作简单易用。防伪智能化是现代智能家居生产和销售的重要条件,简化工艺和操作是智能家居未来的发展方向。在操作方便方面,将多个***功能或多个智能家居设备集成到一个设备进行综合调控,使智能家居易于操作,这是智能家居未来的发展趋势。但目前我国市场上对智能家居***结构设计的研究大多还没有做到集成化和人性化,很多消费者在购买智能家居产品后不懂得使用方法,仍然没有掌握相关产品的全部功能。特别是对老年消费者来说,复杂的操作是一大重要难题。此外,现代智能家居场景下,多数传感器已经部署在了我们的家庭中,但是由于缺少对于传感器资源的调度方案,使得目前得居家场景中得智能家居判断存在人机交互生硬、实时性差等问题。
现有技术,如CN103592925A,公开一种基于语义融合的智能家居***,其包括:智能家居***的硬件构成、基于Jena的语义融合模型和感知应用框架;所述智能家居***的硬件构成包括:家居环境下的个域网、智能家居嵌入式网关和远程移动监控终端。本发明的基于语义融合的智能家居***,提出开放式智能家居数据空间语义融合与感知应用体系结构,实现家居空间中环境感知、应用执行、信息存储、媒体共享等海量设备信息的理解、融合和互操作;可为设备制造商、服务提供商和终端用户提供互操作平台。CN106950847A涉及一种智能家居控制***,特别是一种基于ZigBee和云计算的智能家居控制***,主体结构包括信息采集和设备控制模块、ZigBee无线传感网络、家居智能网关、RFID设备、云服务器和移动终端设备,所述信息采集和设备控制模块包括环境信息采集传感器和家居设备控制器,由ZigBee协调器节点、ZigBee路由器节点和ZigBee终端节点构成ZigBee三级树型无线传感网络,构成智能家居的网络骨架,由ZigBee网络对家居设备进行智能调控,并通过云服务器端能够存储并处理用户数据,对用户行为习惯进行深入挖掘,从而生成基于用户行为习惯的家居控制方案。CN105281998A公开了一种健康智能家居***及其管理方法,该***通过参数检测设备采集环境参数、人体生理参数、家电工作参数等数据进行分类存储、绘制图表、综合分析,并将部分数据及分析结果分别提交给环保中心、社区医生、家电制造商、供电所,得到反馈,根据分析结果及反馈,按照既定策略对家电进行控制、向用户推送健康建议及节能建议、对家电进行故障预测。本发明可实现对人与家电的健康状况的实时监控、自适应环境及人体状况的家电智能控制、基于节能评价系数的家庭节能管理、基于RFID的无线寻物***;构建了家庭人员、设备与环保机构、社区医院、电网公司、家电制造商的免打扰式高效通信方式;制定了具有上述综合特色的健康智能家居框架体系。
然而,上述现有技术都没有设计四层模式实现家居资源调度、决策控制,也没有阐述融合处理层的标准以及类型模型,从而无法准确监控家居状态,进而无法及时准确的对家居资源进行调度、控制。
发明内容
为了解决现有技术中存在的缺陷,本发明的第一方面公开了一种新型家居资源调度决策控制***,其技术方案如下:
家居资源调度、决策控制控制***,包括感知控制层、网络传输层、融合处理层、应用管理层;其特征为:
所述感知控制层,用于采集家居环境监测数据,并进行数据处理以便用户对家居环境全方位监测;
所述网络传输层,包括接入单元和接入网络两部分,用于建立感知控制层与应用管理层之间的连接,实现家居环境监测数据信息在物联网体系内的传输和流通;
所述融合处理层,通过建立多源数据融合规则,将家居环境监测数据融合在一起,有效对家居环境进行监控、报警、处置;
所述应用管理层,包括查询服务器、查询管理服务器、数据库;所述查询服务器和查询管理服务器实现上述融合处理层所得融合结果的查询及管理,并能够将其备份到数据库中。
优选为:所述感知控制层包括多种环境监测采集器、数据收发模块、中央处理器;所述多种环境监测采集器通过硬件通信协议双向二进制同步串行总线或单总线定期将采集到的家居环境特征数据传输到数据收发模块,所述数据收发模块将数据打包后通过UART接口发送到中央处理器;中央处理器将解析后的数据一路通过UART接口传输到触控显示屏上,另一路通过USB接口传输到数据存储模块中;所述触控显示屏可以显示控制家居工作状态的继电器开关控制指令以及家居环境特征参数阈值显示和设置。
优选为:所述继电器开关控制采用模块化设计,即中央处理器的多路输出管脚与继电器集成驱动芯片的多路输入管脚连接,该驱动芯片的多路输出管脚对应连接多路继电器控制线圈的输入端,多路控制线圈的输出端接电源。
优选为:所述网络传输层以无线通信网络协议为核心进行搭建将感知控制层中采集的家居环境参数输送到融合处理层;该无线通信网络包括协调器、路由、若干终端;其中,所述协调器通过扫描自身所在的 RF 环境以查找现有网络,选择信道和网络标识符进而启动网络;所述路由作为中继节点协助子节点进行通信;若干终端作为网络的终端底层在睡眠和唤醒状态间进行切换;当协调器上电启动后,协调器首先进行信道扫描,而后选择一个未用信道建立自己的无线网络,收到入网请求后给其分配地址,并回复子节点的入网请求;路由和终端上电启动后对信道进行监听,监听到信道帧之后,选择一个父节点后向其发送入网请求,若收到同意回复,则入网成功,与父节点建立连接,如入网失败,则寻找新的父节点重复上述流程。
优选为:所述融合处理层对感知控制层采集的家居环境监测数据进行融合;该融合处理层首先,建立多传感器数据融合模型;然后,确定多源数据融合规则;再次,在融合规则的基础上对感知控制层中家居目标实现跟踪定位;最后将家居目标跟踪定位信息发送到应用管理层。
优选为:所述多传感器数据融合模型包括基于同参数传感器的数据融合模型Ⅰ以及基于不同参数传感器数据融合模型Ⅱ;所述数据融合模型Ⅰ的输出结果作为自己的数据输入以确定被评价对象为目标区域的家居目标环境状态安全等级,并为数据融合模型Ⅱ提供了更高精度和更可靠的数据输入。
本发明还公开一种新型家居资源调度决策控制方法,该方法基于上述的家居资源调度、决策控制控制***,其特征为:所述应用管理层具体处理流程如下:
(1)当用户发来的查询请求经过窗口模块之后,进入查询服务器;该窗口模块用于接收来自用户的查询请求,返回来自网络的最终查询结果;
(2)在查询服务器内,判断并在历史数据库中查找该查询是否曾经执行;若发现含有相同或相似的查询,则将历史查询结果直接返回;若历史数据库中不含类似查询,则继续将查询转发至查询管理器;
(3)查询管理器将由上一步转发来的查询要求按照是否含有集函数进行分类,分类的依据是查询模式中的属性;对于每一类查询采取不同的查询算法,将处理后的查询要求置入查询缓冲区等待转发;
(4)查询要求通过基站转发给网络内的各个中继节点;中继节点中包括查询过滤器,该查询过滤器在多个子查询中提取公共操作,使得多查询的公共操作只执行一次,避免重复计算;当中继节点启动相应的处理机制后,将收集到数据发送给查询管理器,然后返回给用户终端,完成查询。
本发明的技术方案能够实现如下有益的技术效果:
本发明通过对家居多环境参数的采集与感知,并通过多传感器数据融合实现了对家居状态稳定可靠的评估,具有很强的通用性。
附图说明
图1为本发明家居资源调度决策控制控制***结构框图。
具体实施方式
本发明公开了一种新型家居资源调度决策控制***、方法及其应用,所述控制***包括感知控制层、网络传输层、融合处理层、应用管理层;
所述感知控制层,包括设置在家居产品中的多种传感器,用于采集家居环境监测数据,以便用户对家居环境全方位监测;
所述感知控制层,包括多种环境监测采集器、数据收发模块、中央处理器;所述多种环境监测采集器通过硬件通信协议双向二进制同步串行总线或单总线定期将采集到的家居环境特征数据传输到数据收发模块,所述数据收发模块将数据打包后通过UART接口发送到中央处理器;中央处理器将解析后的数据一路通过UART接口传输到触控显示屏上,另一路通过USB接口传输到数据存储模块中;所述触控显示屏可以显示控制家居工作状态的继电器控制开关控制指令以及家居环境特征参数阈值显示和设置。
本发明中央处理器以DSP为控制核心,该DSP芯片包括丰富的接口:UART接口、USB接口、SPI接口、I2C接口等,具体包括如下功能:
a)、解析数据收发模块通过硬件通信协议通用异步收发传输器传输过来的环境特征数据;
b)、将解析后的数据经UART发送到触控显示模块,并接收显示控制模块发送的继电器开关控制指令和环境特征参数阈值设置;
c)、根据用户控制指令以及实测环境特征数据与设置的环境特征参数的阈值对比,通过单总线协议实现对继电器开关的指令控制;
d)、将解析处理后的数据通过通用串行总线发送到数据存储模块进行分类存储,同时可以对数据存储模块的数据进行调用。
该中央处理器工作流程如下:
步骤1:上电后进入Flash启动,而后进行各部分包括GPIO、DMA、UART、IWDG等部分的初始化,初始化完成后,进入嵌入式操作***后开始运行;
步骤2:设置独立看门狗模块,用于检测和解决由于程序引起的故 障,设置周期频率并调用函数,让看门狗复位从新计数,避免程序重启;
步骤3:采用标准库进行GPIO的配置,包括继电器控制I/O口以及 UART传输串口的配置;其中,UART串口通过直接存储器方式进行数据的读写;
步骤4:通过RAM与I/O口的硬件连接直接控制串口数据的传输,寄存器配置、中断方式设置、优先级配置;数据通过DMA存放,通过处理DMA数据,借助中断管理函数进行中断函数的优先级的配置,判断并发送数据的串口号;
步骤5:DSP芯片在收到串口发来的数据后,首先对数据的有效性进行判断,若数据被判断为是有效数据,则对数据进行处理,并将传感器检测到的家居环境特征数据解析;解析后的数据被转发到显示屏并上传至数据存储部分的数据库进行存储。
数据收发模块负责将通过无线通讯协议接收到的终端传感器节点采集的环境特征数据通过USB接口传输到主控处理芯片,DSP对数据收发模块收到的数据进行解析处理。
本发明继电器开关控制采用模块化设计,即中央处理器的多路输出管脚与继电器集成驱动芯片的多路输入管脚连接,该驱动芯片的多路输出管脚对应连接多路继电器控制线圈的输入端,多路控制线圈的输出端接电源。该模块采用一片驱动芯片输出多路传感器的驱动信号实现对多路传感器的控制,可根据传感器的数量来对应增加驱动芯片的个数。
触控显示模块负责与DSP通过UART进行双向硬件通信,一方面显示控制家居工作状态的继电器开关控制指令以及家居环境特征,另一方面显示中央处理器发送过来的解析处理后环境特征数据、参数异常时的报警信息以及将用户对继电器开关的控制和环境特征参数的阈值设置发送到中央处理器。
数据存储模块通过建立数据库对包括环境特征数据等的数据信息进行存储,为中央处理器和数据融合建模分析模块提供数据调用。其工作流程如下:居家环境采集数据在中央处理器解析处理后经过串口转到USB接口后传输到建立的数据库,同时数据经网线接口通过网线将数据上传到服务器端,数据分析模块定期从数据库调用多路传感器采集的居家环境参数进行数据的分析建模并将数据结果经USB口输出到DSP后经过转换将结果经串口转发到显示模块,最终实现结果在屏幕上的展示。
此外,为了确保采集数据传输安全,对其传输的数据进行加密处理,本发明可以采用公钥密码体制中椭圆曲线密码,该椭圆曲线密码可以通过更少的密钥长度和网络资源实现更为强大的抗攻击能力,并且可以通过更小的硬件资源占用实现更快的加密速度。该密钥管理过程可以包括: 初始化、椭圆曲线密钥协商、身份验证、信息通信、节点的删除等阶段。当然,为了简单以及节省成本,本发明也可以直接将采集的数据经过数据处理后发送给网络传输层。
网络传输层以无线通信网络协议为核心进行搭建将感知控制层中采集的家居环境参数输送到融合处理层;该无线通信网络包括协调器、路由、若干终端;无线通信网络连接过程如下:所述协调器通过扫描自身所在的RF环境以查找现有网络,选择信道和网络标识符进而启动网络;所述路由作为中继节点协助子节点进行通信;若干终端作为网络的终端底层感知点,可以在睡眠和唤醒状态间进行切换;当协调器上电启动后,协调器首先进行信道扫描,而后选择一个未用信道建立自己的无线网络,收到入网请求后给节点分配地址,并回复子节点的入网请求;路由和终端上电启动后对信道进行监听,监听到信道帧之后,选择一个父节点后向其发送入网请求,若收到同意回复,则入网成功,与父节点建立连接,如入网失败,则寻找新的父节点重复上述流程。
融合处理层,对感知控制层采集的家居环境监测数据进行融合;该融合处理层,首先,建立多传感器数据融合模型;然后,确定多源数据融合规则;再次,在融合规则的基础上对感知控制层中家居目标实现跟踪定位;最后将家居目标跟踪定位信息发送到应用管理层。
按传感器类型分类的数据融合技术中,同质传感器数据融合是来自多个将测量同种参数的传感器的测量数据进行数据融合,计算各传感器之间参数的相关性和相互支持程度,在某个传感器出现异常和较大误差时,可借助其他传感器的数据对该传感器数据进行修正,用以提高数据的精度和可靠性,保证单个传感器的功能退化不会影响到整个***的功能和决策;异构传感器数据融合是将多个测量不同参数的传感器测量数据按照一定的准则或者权重进行融合,给出居家环境状态的监控。
按照对传感器类型分类将数据融合结构设计为上下两层结构,下层融合是针对同质传感器的数据融合,也是数据级融合,利用加权最小二乘法对来自不同节点的同参数传感器进行数据融合,分析和传感器之间的相似性,降低环境噪声和传感器自身误差对测量结果的影响,提高传感器监测数据的精度。上层数据融合是针对测量不同参数传感器的数据融合,也是决策级融合,将经过下层数据融合的数据利用加权融合算法实现异构多传感器分布式融合设计,该设计是按照一定原则对各个传感器提供的观测信息分配相应的权值,之后进行加权组合,以获得到***的融合估计。上述设计是利用了各个传感器的相互配合的性能,最大可能的减小了分布式融合中信息的损耗,并最终输出数据融合分析的结果。
针对同质传感器的下层数据融合,利用最小二乘法对其采集到的数据进行局部融合,得到最优融合数据。 在进行局部融合之前,采用相关性函数对传感器支持度较低的数据进行删除,具体过程如下:
使用多个传感器测量对同一参数信息进行处理。令和分别表示第i个传感器
和第j个传感器采集到的数据集,用它们的高斯分布曲线作为传感器特征函数,记作、,和的一次观测值用和表示,采用表示第 i个传感器和第j个传感器的
值的置信距离测度,令:
其中:和为概率密度,置信距离测度越小,表示第i个传感器
和第j个传感器的观测值越相近,越大,表示i、j共2个传感器的观测值偏差越大。
当用n个传感器来检测家居参数的同一个参数时,就能够组成多
传感器数据融合的置信距离矩阵,则:
根据相关性函数定义,有:
其中:表示第i个传感器对第j个传感器的支持度,越大,支持度越高。
设n个同类传感器对相同信息的测量方程为:,其中: x为估计参数,Y为
n维测量向量;e为n维测量噪声向量;H为已知n维向量。由最小二乘法的估
计准则可以算出误差平方和:。
其中:W表示一个正定对角加权阵;对该式求偏导,进而得出的最小而成估计表
达式,为x的估计量:
。
由于所有相同参数的传感器都会受到外界环境的干扰, 各个传感器受到的干扰为相互独立的白噪声干扰,这些干扰白噪声呈正态分布,所以可以得到第i个传感器的测量方差:
从而得到估计方差:
,对该式求极小值,对求偏导数,令其等于0,则:。
在异构多传感器分布式融合设计中,各个传感器都有自己的处理信息数据的方式,这些传感器自身的处理***将处理后的目标航迹信息,上传给应用管理层。首先要判断不同观测特性的异构传感器所获得的目标数据是否可能出自相同的目标,即判定不同类型传感器的航迹与航迹的一致性问题。
本发明采用加权融合算法实现异构多传感器分布式融合设计,具体过程: 首先,将各个传感器的观测数据进行数据剔除野值处理,把处理后的数据利用一定的滤波算法进行各个部分的滤波估计;接下来按照每个部分的状态估计的数据确定特定的支持度函数,接着确立各个传感器之间的矩阵;然后根据矩阵获得各个传感器的加权系数,再进行局部状态估计的融合,完成融合信息数据的滤波,得到***的全局融合估计值,最终获得探测目标的准确的位置信息。
该加权融合算法实现的具体步骤如下:
(1)获得局部状态估计。选择适合的滤波算法对各个传感器进行滤波跟踪,设求得
的各个传感器的局部状态估计分别为,目标的局部估计的距离
信息为。
(2)获得各个传感器的局部状态估计之间的相对距离:
(3)根据上式,N个传感器在k时刻相互间的相对距离矩阵为
这里的最大值:。
(4)解出支持度函数值。支持度函数的表达式是:
其中:越小,数据之间的支持度越大,也说明传感器i距离传感器j越近。
(5)确定各个传感器之间的支持度矩阵:
综合上式,支持度矩阵只能展现出各个传感器数据间在k 时刻的相互
支持度,并不能反映***中某个观测数据对于***的全部数据的总支持度。
(6)求得权值因子。求解过程如下:
某一个传感器的权值因子,可认为是中的某一个传
感器的观测数据对于全部传感器观测数据的总支持度。所以由非负数表示的是:
得知N个传感器在k时刻的权值因子矩阵是。式中, 。
由于对称性和非负性,支持度矩阵存在最大的模特征值,对应的特征向量,可由算得,那么,约束条件下,在k时刻第i个传感器观测数据的权值因子是:
。
(7)加权融合。将各个传感器的权值因子 乘以对应的局部估计
值后,进行加权融合,则融合后的输出的表达式为:。
(8)利用步骤(1)中的滤波算法对融合后的数据进行滤波估计,最后得到***的全
局融估计值 ,以及对应的误差协方差矩阵,从而获得目标的准确的位置信
息。
上述数据融合设计是对来自多个传感器的数据进行融合并做出判断,相对于单个传感器信息所做出的判断具有更高的准确性和可靠性,需要确定智能家居控制***数据融合规则:
假定家居控制中所有可能决策结果构成完备集合,集合中元素之间相互独立。
定义完备集合中各单元m函数为:
满足为非空集合,那么完备集合上n个m 函数的合成规则为:
不同的证据之间可能存在冲突,K值反映不同证据之间冲突的大小,K值越大,不同证据之间的冲突越大;K值越小,不同证据之间的冲突越小。
对多数据进行融合时,若包含有n个传感器,那么就会得到n个证据,即。
对n个证据进行合成,涉及冲突的单元为且,其中P为冲突单
元的集合。根据冲突单元信任度值大小计算加权因子ω,即:
根据加权因子ω 对冲突单元信任值再次分配,即:
因此,多数据融合原则为:
。
在此原则基础上,实现对多个传感器对多个目标的观测数据的多个目标的追踪定位。
基于多传感器数据融合的多目标跟踪是指融合多个传感器对多个目标的观测数据实现对多个目标的轨迹跟踪,以达到单一传感器和单一信号源所不能达到的测量精度。
假设有n个传感器对个N目标进行跟踪,每个目标的运动方程为:
其中:为观测时刻,i=1,2,3…N,表示目标的编号;/>为状态驱动矩阵,/>为噪声驱动矩阵;/>表示均值为0,方差为/>的
过程噪声;第j个传感器对第i给目标观测方程为:
其中:表示均值为0,方差为观测噪声,且与过程噪声/>不相关。
基于多传感器数据融合的多目标跟踪的算法分为以下步骤:
步骤1:多个传感器分别探测多个目标,并获取一组观测数据,对数据进行预处理,剔除背景噪声;
步骤2:用最近邻数据关联算法完成对观测数据的数据关联,剔除虚警信息。
最近邻数据关联算法是将所有的训练样本都作为代表点,因此在分类时需要计算待识别样本x到所有训练样本的距离,结果就是与最近邻的训练样本所属于的类别。假定有c个目标的模式识别问题,每类有标明类别的样本/>个,i=1,2,...c。规定类的判别函数为:
其中:的角标/>表示/>类;/>表示/>类个/>样本中的第k个;决策规则表达式可进一步写为:/>。
步骤3:采用卡尔曼滤波完成对目标状态的估计,得到目标的运动轨迹;
1)对于给定的均值x 和方差P ,求状态一步预测以及预测误差协方差阵/>;
(1)计算2n+1个Sigma点:
(2)计算给定Sigma点的一步预测求状态一步预测/> 以及预测误差协方差阵/>:
,Q为标准的正交矩阵。
2)采用卡尔曼滤波中UT变换求Sigma点量测方程的传播;
(1)通过上述决策规则表达式重新抽取2n+1个Sigma点,
(2) 计算Sigma点通过量测方程传播后的结果/>进而得到量测及协方差的一步预测值:
/>
3)获得新的测量后,进行滤波更新:
步骤4:综合多个传感器估计的目标轨迹,采用动态加权融合得到最终的轨迹。
在对每个传感器的信息进行数据关联和卡尔曼滤波之后,需要对相同目标的多传
感器采集的信息进行融合处理,以实现对目标的跟踪。在实际目标过程中,共有n个传感器,
每个传感器的测量误差与运动过程中目标的位置有关。这里引入跟踪位置“即时误差”的概
念。假定k时刻传感器n对目标α的观测位置为,传感器n的k-1 时刻的数据经过
滤波后的对目标α在k时刻的估计位置表示为 ,那么,传感器n在k时刻对目标
α的即时偏差表示为:
按照“即时偏差越小,权重越大”的原则,推导出权重传感器最优权值分配表达式为:
应用改进动态加权法的融合位置信息表达式为:
式中,表示α目标的位置信息,表示i传感器对α目标观测信息的滤波
值。通过上述公式,可以实现按照传感器的实时偏差对传感器赋予最优的权值,提高多传感
器跟踪融合的精度。
本发明设计的应用管理层,包括查询服务器、查询管理服务器、数据库;所述查询服务器和查询管理服务器实现上述应用层所得融合结果的查询及管理,并能够将其备份到数据库中。
所述查询服务器:分析判断用户的查询请求是否存在于历史数据库中,若存在,则按照传统的数据查询过程进行查询。反之,则查询请求转发至位于查询管理器。同时又将查询结果转存至历史数据库。
所述查询管理器:对多个查询进行整理分析,将整理分析后的查询发布到网络节点中;同时对于由网络节点返回的查询结果进行提取,再返回给相应的查询,最终返回给查询服务器。
所述数据库:一方面存储一段时间内的查询请求及由网络返回的查询结果。历史数据库中的查询表和数据表分别存储着曾经执行过的历史查询和查询结果;另一方面存储应用层上传的融合结果。
应用管理层具体处理流程如下:
(1)当用户发来的查询请求经过窗口模块之后,进入查询服务器;该窗口模块用于接收来自用户的查询请求,返回来自网络的最终查询结果。
(2)在查询服务器内,判断并在历史数据库中查找该查询是否曾经执行。若发现含有相同或相似的查询,则将历史查询结果直接返回。若历史数据库中不含类似查询,则继续将查询转发至查询管理器。
(3)查询管理器将由上一步转发来的查询要求按照是否含有集函数进行分类,分类的依据是查询模式中的属性;对于每一类查询采取不同的查询算法,将处理后的查询要求置入查询缓冲区等待转发。
(4)查询要求通过基站转发给网络内的各个中继节点;中继节点中包括查询过滤器,该查询过滤器在多个子查询中提取公共操作,使得多查询的公共操作只执行一次,避免重复计算;当中继节点启动相应的处理机制后,将收集到数据发送给查询管理器,然后返回给用户终端,完成查询。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述 的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各 种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (4)
1.一种家居资源调度决策控制***,包括感知控制层、网络传输层、融合处理层、应用管理层;其特征为:
所述感知控制层,用于采集家居环境监测数据,并进行数据处理;所述感知控制层包括多种家居环境监测采集器、数据收发模块、中央处理器;所述多种家居环境监测采集器通过硬件通信协议双向二进制同步串行总线或单总线定期将采集到的家居环境特征数据传输到数据收发模块,所述数据收发模块将数据打包后通过UART接口发送到中央处理器;中央处理器将解析后的数据一路通过UART接口传输到触控显示屏上,另一路通过USB接口传输到数据存储模块中;所述触控显示屏显示控制家居工作状态的继电器开关控制指令以及对家居环境特征参数阈的值进行显示和设置;所述继电器开关控制采用模块化设计,即中央处理器的多路输出管脚与继电器集成驱动芯片的多路输入管脚连接,该驱动芯片的多路输出管脚对应连接多路继电器控制线圈的输入端,多路控制线圈的输出端接电源;
所述网络传输层,包括接入单元和接入网络两部分,用于建立感知控制层与应用管理层之间的连接,实现家居环境监测数据信息在物联网体系内的传输和流通;所述网络传输层以无线通信网络协议为核心进行搭建将感知控制层中采集的家居环境参数输送到融合处理层;该无线通信网络包括协调器、路由、若干终端,其无线通信网络入网流程如下:所述协调器通过扫描自身所在的RF环境以查找现有网络,选择信道和网络标识符进而启动网络;所述路由作为中继节点协助子节点进行通信;若干终端作为网络的终端底层在睡眠和唤醒状态间进行切换;当协调器上电启动后,协调器首先进行信道扫描,而后选择一个未用信道建立自己的无线网络,收到入网请求后给其分配地址,并回复子节点的入网请求;路由和终端上电启动后对信道进行监听,监听到信道帧之后,选择一个父节点后向其发送入网请求,若收到同意回复,则入网成功,与父节点建立连接,如入网失败,则寻找新的父节点重复上述流程;
所述融合处理层,通过建立多源数据融合规则,将家居环境监测数据融合在一起;所述融合处理层对感知控制层采集的家居环境监测数据进行融合;该融合处理层,首先,建立多传感器数据融合模型;然后,确定多源数据融合规则;再次,在融合规则的基础上对感知控制层中家居目标实现跟踪定位;最后将家居目标跟踪定位信息发送到应用管理层;所述多传感器数据融合模型包括基于同参数传感器的数据融合模型Ⅰ以及基于不同参数传感器数据融合模型Ⅱ;所述数据融合模型Ⅰ的输出结果作为自己的数据输入以确定被评价对象为目标区域的家居目标环境状态安全等级,并为数据融合模型Ⅱ提供数据输入;
所述应用管理层,包括查询服务器、查询管理服务器、数据库;所述查询服务器和查询管理服务器实现上述融合处理层所得融合结果的查询及管理,并能够将其备份到数据库中;所述查询服务器用于分析判断用户的查询请求是否存在于历史数据库中,若存在,则按照传统的数据查询过程进行查询;反之,则查询请求转发至位于查询管理器;同时又将查询结果转存至历史数据库;
所述查询管理器:对多个查询进行整理分析,将整理分析后的查询发布到网络节点中;同时对于由网络节点返回的查询结果进行提取,最终返回给查询服务器;所述数据库:一方面存储一段时间内的查询请求及由网络返回的查询结果,历史数据库中的查询表和数据表分别存储着曾经执行过的历史查询和查询结果;另一方面存储应用层上传的融合结果。
2.一种家居资源调度决策控制方法,该方法基于权利要求1所述的家居资源调度决策控制***,其特征为:
所述应用管理层具体处理流程如下:
(1)当用户发来的查询请求经过窗口模块之后,进入查询服务器;该窗口模块用于接收来自用户的查询请求,返回来自网络的最终查询结果;
(2)在查询服务器内,判断并在历史数据库中查找该查询是否曾经执行;若发现含有相同或相似的查询,则将历史查询结果直接返回;若历史数据库中不含相同或相似的查询,则继续将查询转发至查询管理器;
(3)查询管理器将由上一步转发来的查询要求按照是否含有集函数进行分类,分类的依据是查询模式中的属性;对于每一类查询采取不同的查询算法,将处理后的查询要求置入查询缓冲区等待转发;
(4)查询要求通过基站转发给网络内的各个中继节点;中继节点中包括查询过滤器,该查询过滤器在多个子查询中提取公共操作,使得多查询的公共操作只执行一次,避免重复计算;当中继节点启动相应的处理机制后,将收集到数据发送给查询管理器,然后返回给用户终端,完成查询。
3.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求2所述的家居资源调度决策控制方法。
4.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求2所述的家居资源调度决策控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310820203.4A CN116540616B (zh) | 2023-07-06 | 2023-07-06 | 一种新型家居资源调度决策控制***、方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310820203.4A CN116540616B (zh) | 2023-07-06 | 2023-07-06 | 一种新型家居资源调度决策控制***、方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116540616A CN116540616A (zh) | 2023-08-04 |
CN116540616B true CN116540616B (zh) | 2023-09-08 |
Family
ID=87456372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310820203.4A Active CN116540616B (zh) | 2023-07-06 | 2023-07-06 | 一种新型家居资源调度决策控制***、方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116540616B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117348435A (zh) * | 2023-12-04 | 2024-01-05 | 南通辉塔智能家居有限公司 | 一种将智能家居控制、报警及监控进行集成的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156476A (zh) * | 2011-04-14 | 2011-08-17 | 山东大学 | 智能空间与护士机器人多传感器***及其信息融合方法 |
WO2012060679A1 (en) * | 2010-11-01 | 2012-05-10 | In Sync (Msc) Sdn Bhd | Community-based smart home system |
CN102736607A (zh) * | 2012-07-06 | 2012-10-17 | 重庆邮电大学 | 基于数据融合的家居安全健康远程监测*** |
CN103592925A (zh) * | 2013-11-25 | 2014-02-19 | 吉林大学 | 一种基于语义融合的智能家居*** |
CN105930642A (zh) * | 2016-04-16 | 2016-09-07 | 邵阳学院 | 信息物理融合***层次结构模型 |
CN108235271A (zh) * | 2016-12-09 | 2018-06-29 | 彭州市运达知识产权服务有限公司 | 一种基于多传感器数据融合的智能家居无线传感器网络 |
CN109522120A (zh) * | 2018-11-14 | 2019-03-26 | 重庆邮电大学 | 一种基于Hadoop的智能家居管理平台 |
CN111695614A (zh) * | 2020-05-28 | 2020-09-22 | 中国农业大学 | 一种动态监测的传感器布局与多源信息融合方法和及*** |
CN111885643A (zh) * | 2020-07-11 | 2020-11-03 | 佛山市海协科技有限公司 | 一种应用于智慧城市的多源异构数据融合方法 |
CN113419492A (zh) * | 2021-06-02 | 2021-09-21 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 基于多源异构传感器数据融合的NB-IoT的工业污染物监测*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG10201403292WA (en) * | 2014-06-16 | 2016-01-28 | Ats Group Ip Holdings Ltd | Fusion of data from heterogeneous sources |
-
2023
- 2023-07-06 CN CN202310820203.4A patent/CN116540616B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012060679A1 (en) * | 2010-11-01 | 2012-05-10 | In Sync (Msc) Sdn Bhd | Community-based smart home system |
CN102156476A (zh) * | 2011-04-14 | 2011-08-17 | 山东大学 | 智能空间与护士机器人多传感器***及其信息融合方法 |
CN102736607A (zh) * | 2012-07-06 | 2012-10-17 | 重庆邮电大学 | 基于数据融合的家居安全健康远程监测*** |
CN103592925A (zh) * | 2013-11-25 | 2014-02-19 | 吉林大学 | 一种基于语义融合的智能家居*** |
CN105930642A (zh) * | 2016-04-16 | 2016-09-07 | 邵阳学院 | 信息物理融合***层次结构模型 |
CN108235271A (zh) * | 2016-12-09 | 2018-06-29 | 彭州市运达知识产权服务有限公司 | 一种基于多传感器数据融合的智能家居无线传感器网络 |
CN109522120A (zh) * | 2018-11-14 | 2019-03-26 | 重庆邮电大学 | 一种基于Hadoop的智能家居管理平台 |
CN111695614A (zh) * | 2020-05-28 | 2020-09-22 | 中国农业大学 | 一种动态监测的传感器布局与多源信息融合方法和及*** |
CN111885643A (zh) * | 2020-07-11 | 2020-11-03 | 佛山市海协科技有限公司 | 一种应用于智慧城市的多源异构数据融合方法 |
CN113419492A (zh) * | 2021-06-02 | 2021-09-21 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 基于多源异构传感器数据融合的NB-IoT的工业污染物监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN116540616A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alsheikh et al. | Machine learning in wireless sensor networks: Algorithms, strategies, and applications | |
CN116540616B (zh) | 一种新型家居资源调度决策控制***、方法及其应用 | |
US8156055B2 (en) | System and method for utility usage, monitoring and management | |
Sung et al. | Data fusion of multi-sensor for IOT precise measurement based on improved PSO algorithms | |
CN111984697B (zh) | 一种基于云计算的热量表计量***及方法 | |
CN105682224B (zh) | 一种免离线训练的分布式无线指纹定位方法 | |
CN111601270A (zh) | 一种无线传感器网络拓扑结构的物联网电力监测***及方法 | |
KR20210041957A (ko) | IoT 센서를 활용한 농업 및 목축용 실시간 모니터링 시스템 및 방법 | |
Hassani | Efficient clustering of big data streams | |
Wang et al. | Optimizing quality-of-information in cost-sensitive sensor data fusion | |
CN109976325A (zh) | 机器人管理物品的方法、装置及设备 | |
CN112637273B (zh) | 一种智能热点数据预测及缓存方法 | |
CN109275096A (zh) | 一种基于多层融合网络动态匹配的室内定位方法 | |
CN117439687A (zh) | 一种基于hplc和hrf的双模通信方法、***及装置 | |
Hu et al. | A novel indoor localization system using machine learning based on bluetooth low energy with cloud computing | |
Liu et al. | Energy-balanced multiple-sensor collaborative scheduling for maneuvering target tracking in wireless sensor networks | |
Xie et al. | An improved indoor location algorithm based on backpropagation neural network | |
CN111580443A (zh) | 一种云数据中心物联管控及应用*** | |
Bamasaq et al. | Distance Matrix and Markov Chain Based Sensor Localization in WSN. | |
CN112566055B (zh) | 一种基于射频指纹匹配的室内定位算法 | |
CN114757227A (zh) | 一种基于信道状态信息的用户存在感知技术 | |
CN113840255A (zh) | 基于云边融合环境的异常探测方法 | |
CN113539514A (zh) | 一种多维度精细粒度疫情数据自动采集方法及*** | |
Liang et al. | Indoor region localization with asynchronous sensing data: A Bayesian probabilistic model | |
CN108256540A (zh) | 一种信息处理方法及*** |
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 |