[发明专利]一种基于真假值的智能家居控制方法

说明书

技术领域

本发明涉及智能化自动控制领域，尤其涉及一种可适用于智能家居的智能电器控制方法于系统。

背景技术

智能家居的“智能”主要体现在两个方面。第一，通过通信网络将家用电器等设备连接到一起，实现远程控制和集中管理。第二，在尽量少的人工干预前提下实现对家用电器的自动控制，调节其在最优化的模式下运转，从而提供舒适高质量的服务，并能做到节能环保。前者是基础，后者才是智能家居的核心。现有的智能家居研究或是产品中，绝大多数只满足了前者，而后者并没有受到太多关注。

在人工智能领域，机器学习和自适应等算法是主要研究方向和实现手段，其主要思路是先提出一个模型，然后通过一定量的样本空间来训练并最终确定该模型中的参数等可调部分，最终通过这个确定性模型来进行决策。

然而，面对智能家居领域的控制，传统的机器学习等手段并不合适。原因如下：

首先，样本空间不足。没有足够的训练数据，由于大量家庭的组成不同和生活习惯的不同，一般没有办法逐个家庭收集数据，而且即便可以收集，家用电器经过由大量家庭产生的数据进行训练后所形成的控制模型也无法适应于某个特定家庭的需要，例如某个电器在绝大多数家庭的使用时段是早7:00-7:30，但是不能基于此将某一特定家庭中的该电器设定为7:00-7:30工作，因为无法保证在该特定家庭中该电器的使用时段与绝大多数家庭的数据相吻合。另一方面，即使把学习目标锁定在单个家庭，也会出现不被留有足够长的时间来实现对数据的收集。例如，一般城市家庭的生活作息是以星期为单位，即使只收集一个家庭50组数据就需要花费一年的时间，也就是说家用电器经过一年的训练仍然未必能够形成稳定和可用的控制模型，显然这在实际运用中行不通。

其次，学习难度大。准确性地学习一个人或是一个家庭的生活作息难度非常大，因为人不存在绝对的内在规律作息，随机性非常大。要想彻底掌握某一个家庭的作息，在客观上要了解这个家庭的成员组成以及每个人的工作学习信息等，在主观上还要了解每个人的心理变化等一些情感因素。而智能家居只是一件或是几件电器设备，不可能获取这些数据。

最后，计算能力不足。人工智能一般需要很大的计算量，而智能家居的控制算法基本运行在单片机或是微控制器上，这些处理器相对PC或是服务器级别的处理器而言，由于其主频低、单核、位长短和浮点计算能力欠缺或是不足，无法承载人工智能运算带来的负荷。

基于以上事实，智能家居控制算法不能采用既有的人工智能模型和思路来实现。算法必须具备不需要学习样本、应对变化反应快速、计算量小和容易被编码实现等特点。由于智能家居的控制算法是一个具体场景的应用技术，故在人工智能领域鲜有专门针对该技术的研究。

发明内容

为了克服上述现有技术存在的缺陷，本发明提供了一种基于真假值的智能家居控制方法与系统。

本发明所述的基于真假值的智能家居控制方法，其特征在于，包括以下步骤：

步骤1，采集原始数据，并且对原始数据离散化处理为真假值，形成表征智能家居一个时间周期内工作和非工作状态的数据位图；

步骤2，确定控制周期参数，该控制周期参数用于在由真假值组成的所述数据位图中决定用于计算最新的控制位图的记录区间n；

步骤3，根据当前的控制位图以及由控制周期参数决定的记录区间n内的数据位图，按照预定的计算方法，对所述控制位图和所述记录区间n的数据位图当中对应于相同计算时间单位的真假值进行运算，获得最新的控制位图。

优选的是，步骤1中，采集并记录在一定周期内智能家居工作的时间段原始数据，进而，针对智能家居处于工作状态的时间段，归一化各时间段的起始时间和结束时间，形成离散化处理之后的工作时间段数据；针对离散化处理之后的工作时间段数据，按照一定的计算时间单位，根据在每个计算时间单位上所述离散化处理之后的工作时间段数据表示的工作和非工作状态，进行二值化，形成“真”和“假”的布尔值，从而一个周期内的工作时间段数据转换为了用于表征智能家居工作模式的由真假值组成的数据位图。

优选的是，步骤2中，如果控制周期参数确定的控制周期为天，则从真假值组成的数据位图当中，提取与前一天对应的一个记录区间用于计算最新的控制位图；如果控制周期参数确定的控制周期为星期，则从真假值组成的数据位图当中，提取与上一个星期中的一个记录区间用于计算最新的控制位图。