[发明专利]一种基于AI记忆功能的雾化器芯片控制系统

权利要求书

1.一种基于AI记忆功能的雾化器芯片控制系统，其特征在于，包括用户终端、吸力传感器、供电模块、定位告警模块、稳压模块、总控模块以及记录分析模块；

所述用户终端用于与控制系统通信连接，并实时接收控制系统各组数据，同时对其进行选择控制；

所述吸力传感器用于实时检测客户使用电子烟时使用的吸力大小；

所述供电模块用于为该控制系统进行供电；

所述稳压模块用于在客户不同吸力的情况下保持雾化器运行功率稳定在默认范围内，实现恒功率输出，同时接收总控模块发送的控制指令进行功率调整；

所述总控模块用于对雾化器输出功率进行智能调整；

所述记录分析模块用于实时记录该系统各组信息，并进行反馈提示；

所述定位告警模块用于接收用户终端发送的找寻指令，并进行位置告警。

2.根据权利要求1所述的一种基于AI记忆功能的雾化器芯片控制系统，其特征在于，所述总控模块智能调整具体步骤如下：

步骤一：当客户第一次使用时，总控模块从记录分析模块提取默认配置信息，或接受用户终端发送的配置信息，并向各子模块发送调整信息以对系统完成调整；

步骤二：客户使用过程中，总控模块构建深度神经网络，并对其进行训练优化，同时采集客户使用过程中的雾气吞吐量、吸取时长以及吸力大小；

步骤三：深度神经模型接收各组数据，并将三组数据整合归纳为客户习惯数据集，之后将当天生成的所有的客户习惯数据集表示为种群，并结合遗传算法生成种群矩阵，其客户习惯数据集以及种群举证具体表现形式如下：

其中，τ_k,m,n代表客户单次雾气吞吐量，y代表客户完成一次抽烟过程的第几次，k代表客户单次吸取时长，m代表客户单次吸力大小，n代表用户吸取次数，P表示种群矩阵；

步骤四：随机从种群P中选择两组个体以及再分别从个体以及中选取某一段路径τ_a,k,m,t、τ_b,k,m,t，然后进行交换得到新的两个新的个体，其中，t位于1到n的区间内；

步骤五：随机生成一个系数当η小于规定值时，随机选择一组个体并随机选择个体中的两段路径τ_z,k,m,c以及τ_z,k,m,d进行交换，同时z依次加一，并继续执行上述步骤直至y＞m；

步骤六：检测并删除种群矩阵中的冗余数据集，并重新计算客户使用习惯的适应度函数，并通过不断迭代对用户使用习惯进行不断优化，其中，个体被选中的概率具体计算公式如下：

其中，G为适应度矩阵；

步骤七：依据从种群矩阵P中中选择多次个体来建立新的矩阵同时选择最大适应度的个体，并与拼接形成新的种群以完成对客户使用习惯的迭代，并保存最优客户使用习惯。

3.根据权利要求2所述的一种基于AI记忆功能的雾化器芯片控制系统，其特征在于，所述深度神经网络训练优化具体步骤如下：

步骤(1)：深度神经网络从云服务器中调取多组训练用的模拟数据，并将其分类测试集以及训练集，之后从测试集中选取一个模拟数据，并计算该模拟数据的均方根误差来验证该深度神经网络的精度，如此重复多次；

步骤(2)：对测试集中的每组数据都进行一次预测，并将预测结果最好的数据作为最优参数输出，之后依据最优参数对训练集进行标准化处理，最后将训练样本输送到深度神经网络中，并采用长期迭代法对该神经网络进行实时优化；

步骤(3)：通过焦点损失函数对满足期望值的深度神经网络性能损失进行计算，并依据计算结果进行准确率、检出率和误报率评估，同时生成相对应的曲线走势图，其焦点损失函数具体计算公式如下：

FL(pi)＝-α(1-pi)^γlog(pi) (4)

其中，pi代表预测值，α代表权重因子，γ代表聚焦参数。