[发明专利]一种智能家居系统及服务生成方法

权利要求书

1.一种智能家居系统的服务生成方法，其特征是，包括机器人服务生成步骤，具体为：

将用户活动行为与操作物品之间完成语义知识映射；

将感知的用户活动行为传输至智能家居仿真平台并储存；

智能家居仿真平台中的仿真机器人基于用户活动历史知识出现最大概率学习出最优执行该行为的序列，这里称作为服务；

针对每项服务中的每个动作，基于强化学习模拟出执行每个动作的最优动作参数；

基于传感器系统感知的实时信息，结合知识库管理系统中规则知识库中的规则推理出服务；

服务机器人平台接受到推理的服务后，获取智能家居仿真平台学习到的服务与模拟的执行动作参数，以一种自然、人性化的服务方式执行服务；

在服务机器人平台执行服务期间，自动按需获取知识库管理系统中的物品知识、环境知识，以保证服务机器人服务执行的顺利进行；

所述基于强化学习模拟出执行每个动作的最优动作参数，其步骤如下：

智能家居仿真平台以服务序列中的动作作为输入，以执行该动作对应的操作物品的最优动作参数作为输出；

选用物品状态组合作为动作完成的评判标准，当物品状态发生改变，则对应的动作参数为执行服务动作对应的参数；

通过构建神经网络将状态组合转码为固定维度的特征向量，利用余弦相似度衡量状态库向量与经智能家居仿真平台模拟后生成的状态向量的偏差，从而输出对应的激励值；

结合强化学习算法，根据物品状态对应的值函数，利用梯度下降算法获得值函数的偏导，并对状态参数进行微调后对应的动作参数即是完成服务所需要的参数。

2.如权利要求1所述的一种智能家居系统的服务生成方法，其特征是，选用物品状态组合作为动作完成的评判标准，需要构建物品状态库H，H(i)对应完成一项动作的物品状态组合，其中i对应一个动作，在动作执行过程中，智能家居仿真平台通过构建多种动作组合以及参数设置，从而使物品模型满足H(i)对应的状态，以获得产生该状态需要的动作参数；

所述物品状态对应的值函数为：

V_θ(s)＝E[r(h)]

其中，V是值函数，E表示r(h)的期望，θ为状态参数，s记录执行该动作涉及物品的当前状态，h存储不同时间段的物品状态，表示为r(h)能够返回h对应的激励值，T指服务结束时间，S(H_t)表示t时间段的物品状态集合；

利用梯度下降算法获得值函数的偏导，并对状态参数进行微调：

其中，p(h|θ)表示参数θ下的物品状态分布，θ为学习参数；

这里p＝(a|s,θ)为softmax函数输出状态s下产生动作a的概率，当状态参数达到收敛时，这时候V_θ(s)的值趋于最大，对应的动作参数即是完成服务所需要的参数。

3.如权利要求1所述的一种智能家居系统的服务生成方法，其特征是，还包括环境和生理指标异常服务生成步骤，具体为：

分别对相关环境参数和生理指标设置阈值δ，当环境传感器或生理指标的测量值超过设置的阈值δ时，则定义为发生了环境或生理指标异常事项；

按照人类对环境和生理指标异常服务认知过程定义其SWRL规则；

基于实时的环境和生理指标信息，推理并执行环境和生理指标异常服务。

4.如权利要求1所述的一种智能家居系统的服务生成方法，其特征是，还包括用户活动异常服务生成步骤，具体为：

将用户活动行为与操作物品之间完成语义知识映射；

根据用户习惯设置正常活动行为时间阈值τ；

按照人类对活动行为异常服务认知过程定义其SWRL规则；

基于实时的感知的活动行为和时间参数信息，推理并执行活动异常服务；

所述用户活动行为与操作物品之间的语义知识映射方法为：

定义：O代表完成活动需操作物品，M表示基于本体技术的映射模板，H表示物品O的语义知识，也就是活动行为；

当传感器检测到完成活动需操作的其中一个物品动作时，该传感器状态值由0变为1，那么该传感器的数值1通过基于本体技术的映射模板M描述其动作对应的语义知识；

当感知到某一动作发生或未发生间隔时间超过设置的时间阈值τ时，则定义为发生了活动异常事项。