CN116774600A - 一种基于自适应控制技术的智能家居控制器及方法 - Google Patents
一种基于自适应控制技术的智能家居控制器及方法 Download PDFInfo
- Publication number
- CN116774600A CN116774600A CN202311034544.5A CN202311034544A CN116774600A CN 116774600 A CN116774600 A CN 116774600A CN 202311034544 A CN202311034544 A CN 202311034544A CN 116774600 A CN116774600 A CN 116774600A
- Authority
- CN
- China
- Prior art keywords
- data
- self
- adaptive
- unit
- module
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 101
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims description 29
- 238000007405 data analysis Methods 0.000 claims description 21
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 abstract description 13
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000009471 action Effects 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000004378 air conditioning Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 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] or 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
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)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及家居控制技术领域,具体地说,涉及一种基于自适应控制技术的智能家居控制器及方法。其包括采集处理单元、分析建模单元、自适应单元、优化预测单元、执行控制单元,优化预测单元接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,并根据采集后的数据和优化策略后的数据进行智能预测。本发明可以智能预测出未来的环境变化和用户行为,从而提前调整控制策略,根据用户的作息规律和室外温度,提前调整空调温度,根据用户的定位信息以及移动方向和速度预测出长时间未回家,利用执行控制单元关闭空调、灯光等,不仅能为用户提前准备好舒适的室内环境,还能减少能源的浪费。
Description
技术领域
本发明涉及家居控制技术领域,具体地说,涉及一种基于自适应控制技术的智能家居控制器及方法。
背景技术
目前在现实生活中,可以看到一些智能家居的控制,例如通过电子设备手动控制空调温度的方式,语音控制空调温度,自动调节空调温度等,这给用户的生活带来了好处,再回到家的同时可以不用手动控制空调温度,直接语音操控空调温度,还有在离家较近的地方通过电子设备提前打开空调等设备,提前为自己做好舒适的室内环境,从实际生活中可以看出智能空调给用户的生活带来了极大的帮助。
虽然智能空调给用户带来了便利的生活,但同时也存在着局限,例如当距离较远时,语音智能空调接收不到信号,不能及时为用户提供便利舒适的环境,电子设备控制也需要在距离范围内才能接收到信号,所以存在着距离的缺陷问题,同时这些智能空调都需要人为操控,不能根据用户的喜好自适应调节空调温度,只能自动调节空调温度,例如用户喜欢较低温度,而平常的智能空调只会根据自定的范围温度进行自动调节温度,温度时而高时而低,大大降低了用户的体验感,既不能预测出用户回家的时间,也不能提前为用户准备好舒适的室内环境。
发明内容
本发明的目的在于提供一种基于自适应控制技术的智能家居控制器及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明目的之一在于,提供了一种基于自适应控制技术的智能家居控制器,包括采集处理单元、分析建模单元、自适应单元、优化预测单元、执行控制单元;
所述采集处理单元用于采集数据,并对采集后的数据进行预处理操作;
所述分析建模单元用于接收预处理操作后的采集数据,并对预处理操作后的采集数据进行分析建模;
所述自适应单元用于接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据并进行自适应调节;
所述优化预测单元用于接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,同时再根据采集后的数据、优化决策后的数据进行智能预测;
所述执行控制单元用于接收优化决策后的数据,接收智能预测后的数据,并进行执行命令;
所述优化预测单元接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,同时再根据采集后的数据、优化决策后的数据进行智能预测;
作为本技术方案的进一步改进,所述采集处理单元包括数据采集模块和预处理模块;
所述数据采集模块用于采集数据,将采集后的数据传入预处理模块、自适应单元、优化预测单元中;
所述预处理模块用于接收采集后的数据,并对采集后的数据进行预处理操作,将预处理操作后的采集数据传入分析建模单元、自适应单元、优化预测单元中。
作为本技术方案的进一步改进,所述分析建模数据包括数据分析模块和建模显示模块;
所述数据分析模块用于接收预处理模块中预处理操作后的采集数据,并对预处理操作后的采集数据进行分析,分析温度高低、室内是否有人、室内亮度程度,同时将分析后的预处理操作数据传入建模显示模块、自适应单元、优化预测单元中;
所述建模显示模块用于接收分析后的预处理操作数据,并对分析后的预处理操作数据进行建立模板数据,将模板数据进行显示并存储;
所述自适应单元用于接收数据采集模块中采集后的数据,接收预处理模块中预处理操作后的采集数据,接收数据分析模块中分析后的预处理操作数据,并根据采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据进行自适应调节功能,将自适应调节后的数据传入数据分析模块、优化预测单元中,同时数据分析模块接收自适应调节后的数据并进行再次分析。
作为本技术方案的进一步改进,所述优化预测单元包括优化决策模块和智能预测模块;
所述优化决策模块用于接收数据采集模块中采集后的数据,接收预处理模块中预处理操作后的采集数据,接收数据分析模块中分析后的预处理操作数据,接收自适应单元中自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据进行优化,得出优化后的策略,将优化后的策略传入智能预测模块、执行控制单元中。
所述智能预测模块用于接收数据采集模块中采集后的数据,接收优化决策模块中优化后的策略,并根据采集后的数据和优化后的策略进行智能预测,将智能预测后的数据传入执行控制单元中。
作为本技术方案的进一步改进,所述执行控制单元用于接收优化决策模块中优化后的策略,接收智能预测模块中智能预测后的数据,并进行执行命令。
作为本技术方案的进一步改进,所述智能预测模块接收采集后的数据和优化后的策略,并对采集后的数据和优化后的策略进行智能预测,提前调整控制设备,为用户提前准备好舒适的室内环境。
本发明目的之二在于,提供了一种用于操作包括上述任意一项所述的基于自适应控制技术的智能家居控制器的方法,包括如下方法步骤:
S1、采集处理单元用于采集数据,并对采集后的数据进行预处理操作;
S2、分析建模单元接收预处理操作后的采集数据并进行分析,将分析后的预处理操作数据进行建模;
S3、自适应单元接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据并进行自适应调节功能,将自适应调节后的数据传入分析建模单元中,分析建模单元对自适应调节后的数据进行再次分析;
S4、优化预测单元接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据并进行优化策略,得出优化后的策略,再对采集后的数据和优化后的策略进行智能预测;
S5、执行控制单元接收优化后的策略和智能预测后的数据并进行执行命令。
与现有技术相比,本发明的有益效果:
1、该一种基于自适应控制技术的智能家居控制器及其方法中,智能预测模块接收采集后的数据和优化后的策略,并对采集后的数据和优化后的策略进行智能预测,智能预测出未来的环境变化和用户行为,从而提前调整控制策略,根据用户的作息规律和室外温度,预测用户回家的时间和喜好设置,提前调整空调温度,根据用户的实时定位信息以及移动方向和速度预测出需要超过两小时不能回家,利用执行控制单元关闭未关的空调、灯光等,不仅能为用户提前准备好舒适的室内环境,还能减少能源的浪费。
附图说明
图1为本发明的整体框图;
图2为本发明的采集处理单元框图;
图3为本发明的分析建模单元框图;
图4为本发明的优化预测单元框图。
图中各个标号意义为:
1、采集处理单元;11、数据采集模块;12、预处理模块;
2、分析建模单元;21、数据分析模块;22、建模显示模块;
3、自适应单元;
4、优化预测单元;41、优化决策模块;42、智能预测模块;
5、执行控制单元。
具体实施方式
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做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。
实施例1:请参阅图1-图4所示,本实施例目的之一在于,提供了一种基于自适应控制技术的智能家居控制器,包括采集处理单元1、分析建模单元2、自适应单元3、优化预测单元4、执行控制单元5;
考虑到目前市场的智能家居存在着一些缺陷,既不能根据用户的喜好设置进行自适应调节,也不能为用户提前准备好舒适的室内环境,于是我们提供了一种基于自适应控制技术的智能家居控制器,该***的采集处理单元1用于采集数据,并对采集后的数据进行预处理操作,分析建模单元2用于接收预处理操作后的采集数据,并对预处理操作后的采集数据进行分析建模,自适应单元3用于接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据并进行自适应调节,优化预测单元4用于接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,同时再根据采集后的数据、优化决策后的数据进行智能预测,执行控制单元5用于接收优化决策后的数据,接收智能预测后的数据,并进行执行命令;
优化预测单元4接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,同时再根据采集后的数据、优化决策后的数据进行智能预测,***用户的需求、行为和习惯,从而更好地适应并满足用户的需求,大大的提高了用户的体验感。
以下对上述单元进行细化,请参考图2-图4所示;
采集处理单元1包括数据采集模块11和预处理模块12;
数据采集模块11用于采集数据,采集数据包括有室外季节变化,室内温度、室内湿度、室内光照、用户的位置信息、家居设备运行状态、用户作息时间、用户喜好设置、用户是否在家、主要活动范围、用户反馈信息等,通过合适的传感器采集数据,例如温度传感器采集温度,人体传感器采集用户是否在家,以便准确地感知用户在家的时间,也可以通过设置采集间隔,可以定期收集室内温度、湿度和用户作息时间变化等数据,例如,每隔一定时间,传感器会自动采集当前环境的数据并进行传输,为了实现数据的定期收集和传输,智能家居中通常使用无线通信技术,如Wi-Fi、Zigbee、蓝牙等,同时将采集后的数据传入预处理模块12、自适应单元3、优化预测单元4中。
预处理模块12用于接收采集后的数据,并对采集后的数据进行预处理操作,预处理操作包括清洗(处理数据中的错误、异常和重复项)、去噪(数据中随机出现的不相关或错误信息,可能是由于传感器误差、数据采集过程中的干扰等引起的)、缺失值处理(处理缺失值的方法包括删除缺失值所在的样本、用全局平均值或中值填充缺失值,使用插值方法进行填充),通过预处理操作后可以减少数据的误差,以确保数据的准确性、完整性,从而得到更加可靠的数据,为后面的自适应调节功能和智能预测功能提供了更加准确的数据,将预处理操作后的采集数据传入分析建模单元2、自适应单元3、优化预测单元4中。
分析建模单元2包括数据分析模块21和建模显示模块22;
数据分析模块21用于接收预处理模块12中预处理操作后的采集数据,并对预处理操作后的采集数据进行分析,分析温度高低、室内是否有人、室内亮度程度,例如,当监测出室外处于夏季,室内有人,室内温度较高,现在室内温度较暗时,同时将分析后的预处理操作数据传入自适应单元3中,自适应单元3接收分析后的预处理操作数据,并根据分析后的预处理操作数据进行自适应调节功能,当室内有人在的情况下,自动打开空调降低温度,打开灯光增加亮度,从而实现更高效的控制方式,当监测出室外处于夏季,室内无人,室内温度较高,现在室内温度较暗时,则不需要调节,同时将分析后的预处理操作数据传入建模显示模块22中。
建模显示模块22用于接收分析后的预处理操作数据,并对分析后的预处理操作数据进行建立模板数据,模板数据包括温度、湿度、光照、用户的位置信息、家居设备运行状态、用户是否在家,将模板数据进行显示并存储,将模板数据进行显示便于用户进行查看和通知,可以利用手机、电子邮件等进行查看或通知,同时将模板数据存储到智能家居中央控制器中,并利用AES(一种对称加密技术,也被称为Rijndael算法,它是目前应用最广泛的加密技术之一,被广泛用于保护敏感数据的机密性)对智能家居中央控制器进行加密,保证数据的安全性。
自适应单元3用于接收数据采集模块11中采集后的数据,接收预处理模块12中预处理操作后的采集数据,接收数据分析模块21中分析后的预处理操作数据,并根据采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据进行自适应调节功能,根据实时的环境变化和用户需求,自动调整控制参数和策略,针对室内不同温度和用户行为进行自适应调节,例如,温度较低且用户在家,则增加空调温度设定值,利用模糊控制器根据当前的室内温度和用户行为,输出合适的空调温度设定值,可以使用模糊控制算法实现自适应调节功能并建立模糊规则库,将自适应调节后的数据传入数据分析模块21、优化预测单元4中,同时数据分析模块21接收自适应调节后的数据并进行再次分析,通过两次分析减少了自适应调节功能中数据的复杂性、不确定性或难以建模的数据,从而实现更智能、高效的控制方式;
模糊控制算法的原理:
1、模糊化:将输入变量(如室内温度和用户行为)转换为模糊集合,例如“温度较低”和“温度较高”;
2、规则库:规则库是根据专家知识或数据学习得到的,模糊规则通常采用类似于“IF...THEN...”的形式,例如“IF温度较低AND用户在家THEN增加空调温度设定值”;
3、推理:模糊推理是一种模糊逻辑的运算过程,通过模糊逻辑运算来模拟人类的推理过程,将模糊化的输入变量和模糊规则库组合起来,通过模糊推理得到模糊的输出;
4、解模糊化:将模糊输出转换为实际的输出值,解模糊化过程将模糊集合映射回到具体的输出值,从而得到***的控制指令;
建立模糊规则库的步骤:
1、定义输入和输出变量:输入变量是室内温度(假设取值范围为20°C到30°C)和用户在家与否(假设取值为“在家”和“不在家”),输出变量是空调温度设定值(假设取值范围为16°C到28°C);
2、设定模糊集合:为输入和输出变量设定模糊集合,例如“温度较低”,“温度适中”,“温度较高”,“用户在家”,“用户不在家”等;
3、建立规则库:根据专家知识或数据学习,制定模糊规则,例如IF温度较低AND用户在家THEN增加空调温度设定值,IF温度适中AND用户在家THEN维持空调温度设定值不变,IF温度较高AND用户在家THEN减小空调温度设定值,IF用户不在家THEN关闭空调;
4、模糊推理:根据当前的室内温度和用户状态,使用模糊推理来得到模糊的空调温度设定值;
5、解模糊化:将模糊输出转换为具体的空调温度设定值,例如通过取模糊输出的平均值或者加权平均值来获得实际的温度设定值。
优化预测单元4包括优化决策模块41和智能预测模块42;
优化决策模块41用于接收数据采集模块11中采集后的数据,接收预处理模块12中预处理操作后的采集数据,接收数据分析模块21中分析后的预处理操作数据,接收自适应单元3中自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据进行优化,得出优化后的策略,例如,当一室存在多人时,优化后的策略能够为用户智能地选择最佳的操作和决策方案,同时根据不同用户的反馈信息、不同用户的行为、喜好设置不断进行修正优化,从而更好地解决不同用户的需求,大大提高了多用户的体验感,将优化后的策略传入智能预测模块42中。
智能预测模块42用于接收数据采集模块11中采集后的数据,接收优化决策模块41中优化后的策略,并根据采集后的数据和优化后的策略进行智能预测,利用了平稳时间序列模型算法公式进行预测计算,预测未来的环境变化和用户行为,从而提前调整控制策略,例如,根据用户的作息规律和室外温度,预测用户回家的时间和喜好设置,提前调整空调温度,为用户提供了更舒适的室内环境,将优化后的策略传入执行控制单元5中,将智能预测后的数据传入执行控制单元5中,执行控制单元5用于接收优化决策模块41中优化后的策略,接收智能预测模块42中智能预测后的数据,并进行执行命令,控制设备如空调、灯光等;
平稳时间序列模型算法公式:
;
其中,是时间序列在t时刻的预测值,表示所关注的变量在特定时间点的表现,比如室内人数、用户行为等;
i=1top是一个迭代的符号,表示对于变量i的取值范围从1到p,即包括了整数1、2、3直到p,这样的符号常用于数学和统计中,表示对一个变量的多次迭代求和、求积或其他操作;
j=1toq是一个迭代的符号,表示对于变量j的取值范围从1到q,即包括了整数1、2、3直到q,这个符号和上面提到的i=1top类似,表示对变量进行多次迭代求和、求积或其他操作;
是距离常数,代表时间序列在平稳状态下的基本水平,平稳状态指的是时间序列在长期内没有显著的趋势或季节性变化;
是自回归和移动平均系数表示过去时刻的观测值与当前时刻观测值之间的关系,/>是一个权重,表示过去第/>个时刻的观测值对当前时刻的影响程度;
表示在过去的第/>个时刻的观测值,用来影响当前时刻的预测;
是移动平均系数,表示过去时刻的随机误差项(或残差)与当前时刻观测值之间的关系,/> 也是一个权重,表示过去第/>个时刻的随机误差对当前时刻的影响程度;
表示在过去的第/>个时刻的随机误差项,用来影响当前时刻的预测误差;
是当前时刻的随机误差项,它表示模型不能完全解释的、难以预测的部分。
接下来,通过一个具体的场景进行说明,例如:在室内环境控制***中,利用历史的室内温度数据来预测未来的室内温度,以便提前调整空调***来提供更舒适的环境,采集了每小时的室内温度数据,然后想使用平稳时间序列模型来进行预测;
现在,我们将公式代入这个情境:
是室内温度在时刻/>的观测值,表示室内人数或用户行为的变量情况;
这个常数项代表在平稳状态下的基本温度水平,可能是室内环境的基础温度,不受其他因素影响的温度;
这些是自回归系数,表示过去时刻的温度与当前时刻温度之间的关系,比如,表示上一个小时的温度对当前温度的影响,/>表示前两个小时的温度对当前温度的影响;
这表示在过去的第/>个小时的温度,用来影响当前时刻的温度预测;
是移动平均系数,表示过去时刻的随机误差与当前时刻温度之间的关系,比如,/>表示上一个小时的随机误差对当前温度的影响,/>表示前两个小时的随机误差对当前温度的影响;
表示在过去的第/>个小时的随机误差项,用来影响当前时刻的温度预测误差;
是当前时刻的随机误差项,它表示模型不能完全解释的、难以预测的部分,可能是由于外部因素、传感器噪音等引起的。
智能预测模块42接收采集后的数据和优化后的策略,并对采集后的数据和优化后的策略进行智能预测,提前调整控制设备,例如,当该***采集到用户的位置信息、移动方向和移动速度、室内温度、湿度、光照、用户喜好设置,根据用户位置和家的距离、移动速度预测判断出用户还有半小时到家时,且室内灯光较暗、室内温度较高,该***并根据用户平时喜好设置提前控制设备,调节到用户喜好的温度、亮度等,为用户提前准备好舒适的室内环境,同时也可以根据用户的行为进行预测并提前控制设备,例如该***采集到用户的行为动作和方向角度,并根据用户以往的行为动作预测判断出用户准备去卫生间,该***则在用户到达卫生间时提前打开灯光,当根据用户的实时定位信息以及移动方向和速度预测出需要超过两小时不能回家,利用执行控制单元5关闭未关的空调、灯光等,减少能源的浪费。
使用流程:自适应单元3接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据并进行自适应调节功能,将自适应调节后的数据传入数据分析模块21、优化决策模块41中,同时数据分析模块21接收自适应调节后的数据并进行再次分析,优化决策模块41接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据并进行优化,得出优化后的策略,将优化后的策略传入智能预测模块42、执行控制单元5中,智能预测模块42接收采集后的数据和优化后的策略,并根据采集后的数据和优化后的策略进行智能预测,将智能预测后的数据传入执行控制单元5中,并进行执行命令。
本发明目的之二在于,提供了一种用于操作包括上述的基于自适应控制技术的智能家居控制器的方法,包括如下方法步骤:
S1、采集处理单元1用于采集数据,并对采集后的数据进行预处理操作;
S2、分析建模单元2接收预处理操作后的采集数据并进行分析,将分析后的预处理操作数据进行建模;
S3、自适应单元3接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据并进行自适应调节功能,将自适应调节后的数据传入分析建模单元2中,分析建模单元2对自适应调节后的数据进行再次分析;
S4、优化预测单元4接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据并进行优化策略,得出优化后的策略,再对采集后的数据和优化后的策略进行智能预测;
S5、执行控制单元5接收优化后的策略和智能预测后的数据并进行执行命令。
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仅为本发明的优选例,并不用来限制本发明,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范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于自适应控制技术的智能家居控制器,其特征在于:包括采集处理单元(1)、分析建模单元(2)、自适应单元(3)、优化预测单元(4)、执行控制单元(5);
所述采集处理单元(1)用于采集数据,并对采集后的数据进行预处理操作;
所述分析建模单元(2)用于接收预处理操作后的采集数据,并对预处理操作后的采集数据进行分析建模;
所述自适应单元(3)用于接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据并进行自适应调节;
所述优化预测单元(4)用于接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,同时再根据采集后的数据、优化决策后的数据进行智能预测;
所述执行控制单元(5)用于接收优化决策后的数据,接收智能预测后的数据,并进行执行命令;
所述优化预测单元(4)接收采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析建模后的预处理操作数据、自适应调节后的数据进行优化决策,同时再根据采集后的数据、优化决策后的数据进行智能预测。
2.根据权利要求1所述的基于自适应控制技术的智能家居控制器,其特征在于:所述采集处理单元(1)包括数据采集模块(11)和预处理模块(12);
所述数据采集模块(11)用于采集数据,将采集后的数据传入预处理模块(12)、自适应单元(3)、优化预测单元(4)中;
所述预处理模块(12)用于接收采集后的数据,并对采集后的数据进行预处理操作,将预处理操作后的采集数据传入分析建模单元(2)、自适应单元(3)、优化预测单元(4)中。
3.根据权利要求2所述的基于自适应控制技术的智能家居控制器,其特征在于:所述分析建模单元(2)包括数据分析模块(21)和建模显示模块(22);
所述数据分析模块(21)用于接收预处理模块(12)中预处理操作后的采集数据,并对预处理操作后的采集数据进行分析,分析温度高低、室内是否有人、室内亮度程度,同时将分析后的预处理操作数据传入建模显示模块(22)、自适应单元(3)、优化预测单元(4)中;
所述建模显示模块(22)用于接收分析后的预处理操作数据,并对分析后的预处理操作数据进行建立模板数据,将模板数据进行显示并存储;
所述自适应单元(3)用于接收数据采集模块(11)中采集后的数据,接收预处理模块(12)中预处理操作后的采集数据,接收数据分析模块(21)中分析后的预处理操作数据,并根据采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据进行自适应调节功能,将自适应调节后的数据传入数据分析模块(21)、优化预测单元(4)中,同时数据分析模块(21)接收自适应调节后的数据并进行再次分析。
4.根据权利要求3所述的基于自适应控制技术的智能家居控制器,其特征在于:所述优化预测单元(4)包括优化决策模块(41)和智能预测模块(42);
所述优化决策模块(41)用于接收数据采集模块(11)中采集后的数据,接收预处理模块(12)中预处理操作后的采集数据,接收数据分析模块(21)中分析后的预处理操作数据,接收自适应单元(3)中自适应调节后的数据,并根据采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据进行优化,得出优化后的策略,将优化后的策略传入智能预测模块(42)、执行控制单元(5)中,所述智能预测模块(42)用于接收数据采集模块(11)中采集后的数据,接收优化决策模块(41)中优化后的策略,并根据采集后的数据和优化后的策略进行智能预测,将智能预测后的数据传入执行控制单元(5)中。
5.根据权利要求4所述的基于自适应控制技术的智能家居控制器,其特征在于:所述执行控制单元(5)用于接收优化决策模块(41)中优化后的策略,接收智能预测模块(42)中智能预测后的数据,并进行执行命令。
6.根据权利要求5所述的基于自适应控制技术的智能家居控制器,其特征在于:所述智能预测模块(42)接收采集后的数据和优化后的策略,并对采集后的数据和优化后的策略进行智能预测,提前调整控制设备,为用户提前准备好舒适的室内环境。
7.一种用于操作包括权利要求1-6中任意一项所述的基于自适应控制技术的智能家居控制器的方法,其特征在于:包括如下方法步骤:
S1、采集处理单元(1)用于采集数据,并对采集后的数据进行预处理操作;
S2、分析建模单元(2)接收预处理操作后的采集数据并进行分析,将分析后的预处理操作数据进行建模;
S3、自适应单元(3)接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据并进行自适应调节功能,将自适应调节后的数据传入分析建模单元(2)中,分析建模单元(2)对自适应调节后的数据进行再次分析;
S4、优化预测单元(4)接收采集后的数据、预处理操作后的采集数据、分析后的预处理操作数据、自适应调节后的数据并进行优化策略,得出优化后的策略,再对采集后的数据和优化后的策略进行智能预测;
S5、执行控制单元(5)接收优化后的策略和智能预测后的数据并进行执行命令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034544.5A CN116774600A (zh) | 2023-08-17 | 2023-08-17 | 一种基于自适应控制技术的智能家居控制器及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034544.5A CN116774600A (zh) | 2023-08-17 | 2023-08-17 | 一种基于自适应控制技术的智能家居控制器及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116774600A true CN116774600A (zh) | 2023-09-19 |
Family
ID=87989775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311034544.5A Pending CN116774600A (zh) | 2023-08-17 | 2023-08-17 | 一种基于自适应控制技术的智能家居控制器及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116774600A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607508A (zh) * | 2016-03-24 | 2016-05-25 | 重庆邮电大学 | 基于用户行为分析的智能家居设备控制方法及*** |
CN106383450A (zh) * | 2016-11-10 | 2017-02-08 | 北京工商大学 | 一种基于大数据的智能家居用户行为分析***及方法 |
CN110454919A (zh) * | 2019-08-09 | 2019-11-15 | 江西理工大学 | 一种智能家居空调控制***及控制方法 |
CN111631682A (zh) * | 2020-04-23 | 2020-09-08 | 平安国际智慧城市科技股份有限公司 | 基于去趋势分析的生理特征集成方法、装置和计算机设备 |
CN113225824A (zh) * | 2021-04-28 | 2021-08-06 | 辽宁邮电规划设计院有限公司 | 一种基于5g技术的不同业务需求带宽自动分配装置及方法 |
CN116520718A (zh) * | 2023-07-03 | 2023-08-01 | 深圳小米房产网络科技有限公司 | 一种基于物联网技术的智能家居自适应控制方法和装置 |
-
2023
- 2023-08-17 CN CN202311034544.5A patent/CN116774600A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607508A (zh) * | 2016-03-24 | 2016-05-25 | 重庆邮电大学 | 基于用户行为分析的智能家居设备控制方法及*** |
CN106383450A (zh) * | 2016-11-10 | 2017-02-08 | 北京工商大学 | 一种基于大数据的智能家居用户行为分析***及方法 |
CN110454919A (zh) * | 2019-08-09 | 2019-11-15 | 江西理工大学 | 一种智能家居空调控制***及控制方法 |
CN111631682A (zh) * | 2020-04-23 | 2020-09-08 | 平安国际智慧城市科技股份有限公司 | 基于去趋势分析的生理特征集成方法、装置和计算机设备 |
CN113225824A (zh) * | 2021-04-28 | 2021-08-06 | 辽宁邮电规划设计院有限公司 | 一种基于5g技术的不同业务需求带宽自动分配装置及方法 |
CN116520718A (zh) * | 2023-07-03 | 2023-08-01 | 深圳小米房产网络科技有限公司 | 一种基于物联网技术的智能家居自适应控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102648234B1 (ko) | 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법 | |
CN112050397A (zh) | 一种机房温度调控方法及*** | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及*** | |
CN102779228B (zh) | 商场建筑中央空调冷负荷在线预测方法及*** | |
Dounis | Artificial intelligence for energy conservation in buildings | |
JP2020177344A (ja) | 学習方法、学習プログラムおよび学習装置 | |
CN110298487A (zh) | 一种用于满足用户个性化需求的室内温度预测方法 | |
CN109405195A (zh) | 空调智能控制***及方法 | |
CN105674490A (zh) | 空调的运行参数的控制方法、装置及*** | |
CN113359486A (zh) | 一种基于神经网络算法调控的智能窗户***及调节方法 | |
CN108536030A (zh) | 一种基于anfis算法的智能家居***及其工作方法 | |
CN112128935B (zh) | 空调器的智能控制方法与智能控制设备 | |
CN116649160A (zh) | 食用菌菌种生产监测***及监测方法 | |
CN114442697B (zh) | 一种温度控制方法、设备、介质及产品 | |
CN111414996A (zh) | 一种智能家居控制方法、***、存储介质和计算机设备 | |
CN118114816A (zh) | 一种建筑能耗快速预测方法 | |
CN118034127A (zh) | 基于互联网的远程控制楼宇智能监控*** | |
CN116774600A (zh) | 一种基于自适应控制技术的智能家居控制器及方法 | |
CN117031977A (zh) | 一种智能家居控制方法及*** | |
CN116520718A (zh) | 一种基于物联网技术的智能家居自适应控制方法和装置 | |
CN104950862B (zh) | 一种基于真假值的智能家居控制方法 | |
CN203443020U (zh) | 基于学习用户行为的多维舒适度室内环境控制*** | |
Roy et al. | A cooperative learning framework for mobility-aware resource management in multi-inhabitant smart homes | |
Saranya et al. | AI buildings: design of artificially intelligent buildings in the energy sector with an autonomous federated learning approach | |
CN115801840B (zh) | 一种大数据检测*** |
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 |