[发明专利]基于深度残差网络的淋浴舒适度优化方法、系统及服务器

说明书

本发明公开了一种基于深度残差网络的淋浴舒适度的优化方法，包括：获取传感器发送的多个用户的基于时间序列的沐浴使用数据及用户信息数据；将预处理后的训练集输入深度残差网络模型中进行学习训练得到训练好的模型，将测试集输入训练好的模型进行测试；获取传感器采集的当前用户的沐浴使用数据以及用户信息数据，将当前数据输入训练好的模型中对模型中的参数进行微调；将获取的当前环境参数输入微调后的模型进行预测，得到预测结果，将预测结果发送给淋浴调温设备。通过深度学习算法，根据用户的个人使用习惯、洗澡时环境参数、人体参数和沐浴使用数据的变化自动准确、调整当前更适合用户的沐浴出水温度和沐浴出水流量，实现淋浴舒适度的优化。

技术领域

本发明涉及智能设备控制技术领域，具体涉及一种基于深度残差网络的淋浴舒适度优化方法、系统、服务器及介质。

背景技术

随着人们生活质量的不断提高，们对室内洗浴的要求也越来越高，前的家热器、混阀等设备，主要以恒温为主要研究方向，当在洗澡时，环境的温湿度会随着时间改变，的热感受体温变化快的多，最舒适的沐浴温会随着环境的变化变化，进使需要不断的去调节温。

由于体热舒适感是个主观判断标准，涉及诸多因素。且它是个精神和主观的理反应，是个不精确，不确定，模糊的量。采传统数学法对淋浴舒适度进评价时，多使用精确数学解决不确定问题，从导致预测不准确的现象。

发明内容

针对现有技术中的缺陷，本发明提供的一种基于深度残差网络的淋浴舒适度优化方法、系统、服务器及介质，能根据环境参数、人体参数和沐浴使用数据的变化自动准确、调整当前更适合用户的沐浴出水温度和沐浴出水流量，实现淋浴舒适度优化。

第一方面，本发明实施例提供的一种基于深度残差网络的淋浴舒适度优化方法，包括以下步骤：

确定用于训练深度残差神经网络模型的输入参数，所述输入参数为在淋浴时热舒适影响参数，所述输入参数包括环境参数、人体参数和沐浴使用数据；

获取传感器发送的实时采集的多个用户的基于时间序列的沐浴使用数据及用户信息数据；

对接收的数据进行预处理，将数据分为训练集和测试集，将预处理后的训练集输入深度残差网络模型中进行学习训练得到训练好的模型，将测试集输入训练好的模型进行测试；

获取传感器采集的当前用户的沐浴使用数据以及用户信息数据，将当前数据输入训练好的模型中对模型中的参数进行微调；

将获取的当前环境参数输入微调后的模型进行预测，得到预测结果，所述预测结果包括沐浴出水温度和淋浴出水流量，将预测结果发送给淋浴调温设备。

第二方面，本发明实施例提供的一种基于深度残差网络的淋浴舒适度的优化系统，包括传感器、网络模块、服务器和淋浴调温设备，

所述传感器用于实时采集用户淋浴时的使用数据和用户信息数据；

所述网络模块用于将传感器采集的数据传输给服务器；

所述服务器对接收的数据进行预处理，将数据分为训练集和测试集，将预处理后的训练集输入到深度神经网络模型中进行学习训练得到训练好的模型，将测试集输入训练好的模型进行测试；根据传感器采集的当前用户的沐浴使用数据以及用户信息数据，将当前数据输入训练好的模型中对模型中的参数进行微调；将获取的当前环境参数输入微调后的模型进行预测，得到预测结果，所述预测结果包括沐浴出水温度和淋浴出水流量，将预测结果发送给淋浴调温设备；

所述淋浴调温设备根据预测结果调整沐浴出水温度的大小和沐浴出水流量的大小。