【技术实现步骤摘要】
本专利技术涉及智能控制领域，尤其涉及一种智能开关窗系统及方法。
技术介绍
1、近年来，智能家居成为家庭信息化和社会信息化发展的重要组成部分，智能家居又称智能住宅，当家庭智能网关将家庭中各种各样的家电设备通过家庭总线技术连接在一起时，就构成了功能强大、高度智能化的现代智能家居系统。智能家居强调人的主观能动性，重视人与居住环境的协调，能够随心所欲地控制居住环境。智能家居控制系统的应用让人们在家中能够享受到更安全、更舒适、更方便的生活，并且生活的环境更加符合环保要求。智能窗户控制系统的设计思想也就在这种形势下应运而生。
2、目前的智能窗户控制系统仅能够通过命令对窗户进行控制，无法自适应性的学习用户的行为，同时，现在的智能窗户控制系统无法通过环境的变化对窗户的开合状态进行调整。
3、因此，亟需一种智能开关窗系统及方法，实现了根据室内外环境智能调控开关窗，进而提升了用户的使用体验。
技术实现思路
1、本专利技术的主要目的在于提供了一种智能开关窗系统及方法，旨在解决如何根据室内外环境智能调控开关窗，进而提升用户使用体验的技术问题。
2、为实现上述目的，本专利技术提供了一种智能开关窗系统，所述智能开关窗系统包括：数据获取模块、数据处理模块、模型构建模块和决策模块；
3、所述数据获取模块，用于收集室内外环境信息，并将所述室内外环境信息进行整合，获得环境数据集；
4、所述数据处理模块，用于将所述环境数据集进行数据预处理，获得处理数据集；p>
5、所述模型构建模块，用于构建决策树，并在所述决策树的节点嵌入目标前馈神经网络模型，生成开关窗决策模型；
6、所述决策模块，用于将所述处理数据集输入至所述开关窗决策模型，获得开关窗决策结果，并将所述开关窗决策结果传输至单片机，以使所述单片机对窗户的开关进行控制。
7、可选地，所述模型构建模块包括决策树优化子模块、神经网络构建子模块和嵌入子模块；
8、所述决策树优化子模块，用于构建决策树，并基于所述处理数据集对所述决策树的节点进行优化，获得优化决策树；
9、所述神经网络构建子模块，用于构建卷积网络模型和前馈神经网络模型，通过所述卷积网络模型对所述前馈神经网络模型进行训练，生成目标前馈神经网络模型；
10、所述嵌入子模块，用于在所述优化决策树的节点嵌入所述目标前馈神经网络模型，生成开关窗决策模型。
11、可选地，所述决策树优化子模块包括结构构建单元和结构优化单元；
12、所述结构构建单元，用于构建决策树；
13、所述结构优化单元，用于通过id3算法和所述处理数据集对所述决策树的数据不同特征子空间进行构建，获得处理后的决策树；
14、所述结构优化单元，还用于将所述处理后的决策树中多余的决策树结构进行剪枝，生成所述优化决策树。
15、可选地，所述神经网络构建子模块包括历史数据获取单元、模型构建单元、第一训练单元、第二训练单元和第三训练单元；
16、所述历史数据获取单元，用于获取历史室内外环境数据集；
17、所述模型构建单元，用于构建卷积网络模型和前馈神经网络模型；
18、所述第一训练单元，用于通过所述历史室内外环境数据集对所述卷积网络模型进行训练，获得所述卷积网络模型的输出概率分布，并将所述输出概率分布作为教师模型软标签；
19、所述第二训练单元，用于基于交叉熵函数对所述前馈神经网络模型和教师模型软标签之间的损失进行计算，获得计算结果；
20、所述第三训练单元，基于所述计算结果对所述前馈神经网络模型进行训练，生成所述目标前馈神经网络模型。
21、可选地，所述数据获取模块包括：光照传感器、温度传感器、湿度传感器、摄像子模块、计算子模块和整合子模块；
22、所述光照传感器，用于检测室内外光照水平；
23、所述温度传感器，用于检测室内温度；
24、所述湿度传感器，用于检测室内湿度；
25、所述摄像子模块，用于获取室外天气信息；
26、所述数据集生成子模块，用于基于所述室内外光照水平、所述室内温度和所述室内湿度生成室内数据集；
27、所述整合子模块，用于将所述室外天气信息添加至所述室内数据集中，生成环境数据集。
28、可选地，所述数据集生成子模块包括：数据获取单元、关联度获取单元、数据集生成单元；
29、所述数据获取单元，用于获取所述室内外光照水平、所述室内温度和所述室内湿度；
30、所述关联度获取单元，用于获取所述室内外光照水平、所述室内温度和所述室内湿度之间的关联度；
31、所述数据集生成单元，用于基于所述关联度和所述室内外光照水平、所述室内温度和所述室内湿度生成室内数据集。
32、可选地，所述数据处理模块包括数据清洗子模块、归一化子模块和校对子模块；
33、所述数据清洗子模块，用于对所述环境数据集进行数据缺失值清洗，并通过回归分析方法将缺失值进行填充，获得清洗数据集；
34、所述归一化子模块，用于将所述清洗数据集进行归一化处理，获得归一化数据集；
35、所述校对子模块，用于将所述归一化数据集进行校对，获得处理数据集。
36、可选地，所述校对子模块，还用于以时间为约束构建数据验证框架，并通过所述数据验证框架对所述归一化数据集进行校对，获得校对结果；
37、所述校对子模块，还用于若所述校对结果为不存在错误数据，则获得处理数据集；
38、所述校对子模块，还用于若所述校对结果为存在错误数据，则将所述错误数据整合为错误数据集，并将所述反馈错误数据集至所述数据清洗子模块。
39、可选地，所述决策模块包括结果输出子模块、优先度设置子模块和单片机控制子模块；
40、所述结果输出子模块，用于将所述处理数据集输入至所述开关窗决策模型，获得开关窗决策结果；
41、所述优先度设置子模块，用于将用户命令的优先级设置于所述开关窗决策结果前；
42、所述单片机控制子模块，用于将所述开关窗决策结果反馈至单片机，通过所述单片机对窗户控制执行器进行控制，以实现对窗户的开关控制。
43、此外，为实现上述目的，本专利技术还提出一种智能开关窗方法，所述方法包括以下步骤：
44、收集室内外环境信息，并将所述室内外环境信息进行整合，获得环境数据集；
45、将所述环境数据集进行数据预处理，获得处理数据集；
46、构建决策树，并在所述决策树的节点嵌入目标前馈神经网络模型，生成开关窗决策模型；
47、将所述处理数据集输入至所述开关窗决策模型，获得开关窗决策结果，并将所述开关窗决策结果传输至单片机，以使所述单片机对窗户的开关进行控制。
48、本专利技术通过收集室内外环境信息，并将所述室内外环境信息进本文档来自技高网...
【技术保护点】
1.一种智能开关窗系统，其特征在于，所述智能开关窗系统包括：数据获取模块、数据处理模块、模型构建模块和决策模块；
2.如权利要求1所述的智能开关窗系统，其特征在于，所述模型构建模块包括决策树优化子模块、神经网络构建子模块和嵌入子模块；
3.如权利要求2所述的智能开关窗系统，其特征在于，所述决策树优化子模块包括结构构建单元和结构优化单元；
4.如权利要求2所述的智能开关窗系统，其特征在于，所述神经网络构建子模块包括历史数据获取单元、模型构建单元、第一训练单元、第二训练单元和第三训练单元；
5.如权利要求1所述的智能开关窗系统，其特征在于，所述数据获取模块包括：光照传感器、温度传感器、湿度传感器、摄像子模块、计算子模块和整合子模块；
6.如权利要求5所述的智能开关窗系统，其特征在于，所述数据集生成子模块包括：数据获取单元、关联度获取单元、数据集生成单元；
7.如权利要求1所述的智能开关窗系统，其特征在于，所述数据处理模块包括数据清洗子模块、归一化子模块和校对子模块；
8.如权利要求7所述的智能开关窗系
9.如权利要求1所述的智能开关窗系统，其特征在于，所述决策模块包括结果输出子模块、优先度设置子模块和单片机控制子模块；
10.一种智能开关窗方法，其特征在于，所述方法包括以下步骤：
...【技术特征摘要】
1.一种智能开关窗系统，其特征在于，所述智能开关窗系统包括：数据获取模块、数据处理模块、模型构建模块和决策模块；
2.如权利要求1所述的智能开关窗系统，其特征在于，所述模型构建模块包括决策树优化子模块、神经网络构建子模块和嵌入子模块；
3.如权利要求2所述的智能开关窗系统，其特征在于，所述决策树优化子模块包括结构构建单元和结构优化单元；
4.如权利要求2所述的智能开关窗系统，其特征在于，所述神经网络构建子模块包括历史数据获取单元、模型构建单元、第一训练单元、第二训练单元和第三训练单元；
5.如权利要求1所述的智能开关窗系统，其特征在于，所述数据获取模块包括：光照传感器、温度传感器、湿度传感器、摄像子模块、计算子...
【专利技术属性】
技术研发人员：来爱华，蔡文清，
申请(专利权)人：湖北工程学院新技术学院，
类型：发明
国别省市：
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。