【技术实现步骤摘要】
一种智能家居控制方法、系统、存储介质和计算机设备
本专利技术涉及智能家居控制
,尤其涉及一种智能家居控制方法、系统、存储介质和计算机设备。
技术介绍
现有的家居环境控制设备包括空调系统、地暖系统、新风系统、空气净化器系统等设备,通常家居环境控制设备是通过控制面板、移动终端或者智能家居系统进行就地控制或者远程控制,如对家居环境控制设备进行开启或关闭、进行参数调节等。然而,这种控制方法仅实现了从墙壁开关控制转移到移动终端控制,并未实现实时根据环境参数进行自动调节。对于空调系统、地暖系统、新风系统、空气净化器系统等设备,大都采用单机运行策略,各设备之间不进行通讯,通常在控制面板或移动终端上设定目标参数和运行模式。其中,对于空调系统,当室内温度达到目标参数情况下,空调系统以低功率运行或进入待机状态;当室内温度未达到目标参数情况下,空调系统以高功率运行。对于地暖系统、新风系统和空气净化器系统等家居环境控制设备,也采用了上述控制方法,无法根据环境参数进行自适应调节运行状态。因此,在相关技术中,家居环境控制设备的控制方法存在以下缺陷:1)不同的用户对温度的接受程度不同,现有的空调系统、地暖系统仅能被动地按照设定温度运行,无法主动根据环境参数、用户习惯、使用时间进行调节,并造成能源浪费;2)多个家居环境控制设备均单机运行,无法相互配合协调,不能迅速达到满足舒适、节能的需求,造成能源浪费。目前针对相关技术中,存在家居环境设备单独运行、无法联动的情况,导致能源浪费的问题,尚未提出有效的解决方 ...
【技术保护点】
1.一种智能家居控制方法,用于控制若干家居环境控制设备,其特征在于,包括:/n获取环境参数和第一类设备配置参数;/n将所述环境参数和所述第一类设备配置参数形成多维数据向量,以及将所述多维数据向量输入至待训练的深度神经网络模型获得模型参数,以构建深度神经网络模型;/n将所述环境参数输入至所述深度神经网络模型,以得到第二类设备配置参数;/n根据所述环境参数和所述第二类设备配置参数,控制若干所述家居环境控制设备。/n
【技术特征摘要】
1.一种智能家居控制方法,用于控制若干家居环境控制设备,其特征在于,包括:
获取环境参数和第一类设备配置参数;
将所述环境参数和所述第一类设备配置参数形成多维数据向量,以及将所述多维数据向量输入至待训练的深度神经网络模型获得模型参数,以构建深度神经网络模型;
将所述环境参数输入至所述深度神经网络模型,以得到第二类设备配置参数;
根据所述环境参数和所述第二类设备配置参数,控制若干所述家居环境控制设备。
2.根据权利要求1所述的智能家居控制方法,其特征在于,所述第一类设备配置参数包括:
第一设备配置参数,基于所述环境参数,通过预设的控制规则对所述家居环境控制设备控制获得所述第一设备配置参数;
第一用户配置参数,基于所述环境参数,通过用户输入参数控制所述家居环境控制设备获得所述第一用户配置参数。
3.根据权利要求2所述的智能家居控制方法,其特征在于,将所述环境参数和所述第一类设备配置参数形成多维数据向量,以及将所述多维数据向量输入至待训练的深度神经网络模型获得模型参数,以构建深度神经网络模型,还包括:
将预设的时间段的所述环境参数、所述第一设备配置参数和所述第一用户配置参数形成多维数据向量,以及将所述多维数据向量输入至待训练的深度神经网络模型获得模型参数,以构建深度神经网络模型。
4.根据权利要求2所述的智能家居控制方法,其特征在于,所述第二类设备配置参数包括:
第二设备配置参数,基于所述环境参数和所述第一设备配置参数,通过所述深度神经网络模型进行处理获得所述第二设备配置参数;
第二用户配置参数,基于所述环境参数和所述第一用户配置参数,通过所述深度神经网络模型进行处理获得所述第二用户配置参数。
5.根据权利要求1所述的智能家居控制方法,其特征在于,将所述环境参数和所述第一类设备配置参数形成多维数据向量,以及将所述多维数据向量输入至待训练的深度神经网络模型获得模型参数,以构建深度神经网络模型,还包括:
对所述多维数据向量中的所述环境参数进行归一化处理,以得到次级多维数据向量;
对所述次级多维数据向量进行特征过滤,以得到变量向量;
将所述变量向量输入至所述深度神经网络模型,以得到第二类设备配置参数;
将所述第二类设备配置参数...
【专利技术属性】
技术研发人员:施昊甫,吴轶群,张笛,
申请(专利权)人:上海万晟建筑设计顾问有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。