[发明专利]一种基于仿人行为的智能家居电源控制系统在审

专利信息
申请号: 201510139771.3 申请日: 2015-03-27
公开(公告)号: CN104865929A 公开(公告)日: 2015-08-26
发明(设计)人: 屈剑锋;柴毅;任浩;刘学丽;石华云 申请(专利权)人: 重庆大学
主分类号: G05B19/418 分类号: G05B19/418;G05B15/02
代理公司: 暂无信息 代理人: 暂无信息
地址: 400044 重庆市沙坪*** 国省代码: 重庆;85
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 行为 智能家居 电源 控制系统
【权利要求书】:

1.一种基于仿人行为的智能家居电源控制系统,其特征在于:以Android手机中的“智能插板”App通过Internet互联网实现与家居网关的通信,以此实现用户对家用电器电源的远程控制;仿人行为算法实现对用户的使用行为进行分析,逐渐具备自主学习能力,最终达到家居电源的自主式服务;无线通信模块是将仿人行为算法的运算结果综合采用BlueTooth、Wifi和ZigBee等技术手段传输到继电器插板中,同时继电器插板也要将插板电器电源通断的状态信息通过无线通信模块传输至家居网关中;继电器插板模块依据接收到的信息,采用继电器元件控制家居电器电源的通断,同时记录家居电器的电源状态。

2.根据权利要求1所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:该系统包括Android手机终端模块、家居网关模块、仿人行为算法模块、无线通信模块和继电器插板模块五大部分。

3.根据权利要求1所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:Android手机终端模块核心是应用程序“智能插板”APP,其是Android手机与家居网关通信的主要交互途径,采用统一的通信协议。

4.根据权利要求1所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:家居网关模块采用嵌入式家居网关,分为外网的以太网模块和内网无线通信模块,外网实现与Android手机终端的通信,内网实现与继电器插板模块通信,采用统一的通信协议。

5.根据权利要求1所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:仿人行为算法模块采用基于隐条件随机场的人类行为分类算法进行。

6.根据权利要求1所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:无线通信模块是综合采用BlueTooth、Wifi和ZigBee等技术手段实现与家居设备的无线通信。

7.根据权利要求1所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:继电器插板模块是采用无线通信技术实现数据交互,依据交互信息采用继电器阵列实现对插板电源的通断,对电器电源的监管采用电压测量阵列进行。

8.根据权利要求3所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:“智能插板”APP具有打开、关闭家用电器电源,定时设置、接收家居设备电源信息,并以可视化图表展示。

9.根据权利要求5所述的一种基于仿人行为的智能家居电源控制系统,其特征在于:基于隐条件随机场的人类行为分类算法采用隐条件随机场的模型建立、模型训练、行为分类三大步骤进行。

基于隐条件随机场的模型建立可采用以下几个步骤进行:

步骤一:建立条件随机场。一条长度为T的行为轨迹x=(x1,x2,...,xT),其相应的类标签为Y=(y1,y2,...,yT);引入一个无向图模型(UGM),假设无向图G=(节点V,边E)表示一个UGM,Y表示其中的点;若条件为X,Y满足Markov性,则(Y,X)便是一个条件随机场(RCF);

步骤二:建立隐条件随机场。在条件随机场中引入隐变量h=(h1,h2,...,hT)得到隐条件随机场,隐变量h对应于G中的点,且当hi,hj之间存在链接时,(i,j)∈E便是G中的一条边。

步骤三:求取行为轨迹x的条件分布函数P(y|x;θ),待学习参数为θ={θab}:

归一化因子Z(x;θ)为:

Z(x;θ)=Σy;h(exp(Σt=1TF(y,ht-1,ht,x;θ))]]>    式(1)

将特征函数F(y,ht-1,ht,x;θ)定义为:

F(y,ht-1,ht,x;θ)=ΣaAθafa(y,ht-1,ht,x)+ΣbBθbfb(y,ht,x)]]>    式(2)

其中,A是边的特征的集合,B是点的特征集合,fa是转移特征函数,fb是状态特征函数,(ht-1,ht)是指无向图中相邻的两个隐变量。由此可得行为轨迹x的条件分布函数P(y|x;θ)为:

P(y|x;θ)=ΣhP(y,h|x;θ)=1Z(x;θ)Σh(exp(Σt=1TF(y,ht-1,ht,x;θ)))]]>   式(3)

基于隐条件随机场的模型训练可以采用以下方式进行:用Ty=(x1,x2,...,xN)表示第y种行为的训练数据,待学习的参数可以通过优化训练数据的对数似然得到:

L(θ)=Σi=1NLi(θ)=Σi=1NlogP(yi|xi;θ),i=1,2,...,N]]>   式(4)

由此将其转化为一个可以采用梯度上升算法来求取待学习参数的最优化问题。

基于隐条件随机场的行为分类是通过最大化条件概率来测试轨迹x*的行为分类y*

y*=argmaxyYP(y|x*,θ*)]]>   式(5)

其中,θ*的值是从模型训练学习中而来。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201510139771.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top