[发明专利]智能网关对家电设备的控制方法在审
申请号: | 201810178427.9 | 申请日: | 2018-03-06 |
公开(公告)号: | CN108415262A | 公开(公告)日: | 2018-08-17 |
发明(设计)人: | 任昊;柴晓晋;韩月;彭秀楠;蔡其航;袁履绥;柴源;周佳明;陶波;赵杭 | 申请(专利权)人: | 西北工业大学 |
主分类号: | G05B15/02 | 分类号: | G05B15/02;G05B19/418 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 710072 陕西*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 智能网关 家电设备 朴素贝叶斯分类器 家电控制 推理 存储 家电控制命令 智能家居系统 家电开关 控制方式 用户定制 用户习惯 用户行为 传感器 智能网 拟合 匹配 遗漏 家电 智能 | ||
1.一种智能网关对家电设备的控制方法,其特征在于:所述智能网关对家电设备的控制方法包括温度传感器,湿度传感器,空调设备,空气加湿设备,冰箱设备,用户在实施前,首先要对设备进行注册,注册包括两部分:传感器设备注册和家电设备注册,该智能网关对家电设备的控制方法执行步骤如下:
(1)首先添加温度传感器,空调设备,空气加湿设备,当添加完成后智能网关会生成两个朴素贝叶斯分类器模型,分别对应空调设备的朴素贝叶斯分类器模型和空气加湿设备的朴素贝叶斯分类器模型,在每个分类器模型中,上面的节点对应家电设备,空调设备的朴素贝叶斯分类器模型对应上面的节点是空调设备,空气加湿设备的朴素贝叶斯分类器模型对应上面的节点是空气加湿设备,每个模型下面的节点对应着传感器,此时只加入了一个传感器,所以每个模型下方只有一个节点,温度传感器节点;
(2)添加传感器设备;
(3)添加家电设备;
(4)进行通过用户行为更新模型,确定节点之间的依赖程度;
(5)使用模型进行推理。
2.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤2中添加传感器设备的具体步骤是:
步骤S101:用户通过智能网关向云端服务器提出申请增加一个传感器测量单元,并将传感器测量单元的名称上传给云端服务器;
步骤S102:云端服务器接收到智能网关提交的申请后,提取出存储在云端服务器存储单元的朴素贝叶斯分类器模型,将该传感器测量单元加入到各个模型中,将加入新传感器的模型存入到云端存储器的存储单元中;
步骤S103:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S104:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
3.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤3中添加家电设备的具体步骤是:
步骤S201:用户通过智能网关向云端服务器提出申请增加一个家电设备,并将家电设备的名称上传给云端服务器;
步骤S202:云端服务器接收到智能网关提交的申请后,初始化一个新的朴素贝叶斯分类器模型,模型的根节点是该家电设备节点,将新模型存入到云端存储器的存储单元中;
步骤S203:云端服务器将新生成的朴素贝叶斯分类器模型发送给智能网关;
步骤S204:智能网关接收到新模型,然后将新模型存储到智能网关存储单元中。
4.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤4中进行通过用户行为更新模型的具体步骤为:
步骤S301:传感器测量单元和家电设备产生用户行为数据,并将用户行为数据发送给智能网关;
步骤S302:智能网关接收传感器测量模块和家电设备发送的用户行为数据,并将接收到的数据转发给云端服务器;
步骤S303:云端服务器接收智能网关发送的用户行为数据,将数据存储到云端服务器的存储单元,根据存储单元中历史存储的用户行为数据和新接受的用户行为数据,训练朴素贝叶斯分类器模型,进行贝叶斯分类器参数学习,将训练好的模型存储到云端服务器的存储单元;
步骤S304:云端服务器将训练好的朴素贝叶斯分类器模型发送给智能网关;
步骤S305:智能网关接收云端服务器发送的朴素贝叶斯分类器模型,将模型存储到智能网关存储模块中。
5.根据权利要求1所述的智能网关对家电设备的控制方法,其特征在于:所述步骤5中的使用模型进行推理的具体步骤为:
步骤S401:智能网关每隔一定周期接收传感器测量单元传输的数据,对接受的数据进行推理,判断是否需要对家电设备进行控制;
步骤S402:判断结果为需要控制,则对家电设备发送控制命令,等待下一个周期的传感器数据;
步骤S403:判断结果为不需要控制,则等待下一个周期的传感器数据。
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西北工业大学,未经西北工业大学许可,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/201810178427.9/1.html,转载请声明来源钻瓜专利网。