一种基于机器学习的智能家居控制系统的制作方法
【技术领域】
[0001]本发明涉及智能家居控制领域，特别涉及一种基于机器学习的智能家居控制系统。
【背景技术】
[0002]随着社会经济的高速发展，人们对便捷、舒适、高效的生活环境越来越渴望，智能家居系统的出现已经引起越来越多的人群关注。目前国内外不同种类的智能家居产品越来越多，传统的智能家居都是通过一个网关，将所需控制的ZigBee、WiF1、蓝牙等设备组成网络，通过手机或平板对居家电器进行无线远程遥控。但是这种智能家居系统只能简单的按照人的规定命令进行操作，而智能家居系统本身不能直接根据主人的生活习惯，做出相应的人性化控制行为，这就意味着目前的智能家居系统并没有真正意义上拥有智慧。
【发明内容】
[0003]本发明所要解决的技术问题是提供一种基于机器学习的智能家居控制系统，让智能家居系统通过传感器及所有联网的智能单品捕捉主人的行为信息，最后根据机器学习的结果，让智能家居自主做出控制判断，无论是远程遥控，还是本地硬件操作。
[0004]为实现上述目的，本发明提供以下的技术方案:一种基于机器学习的智能家居控制系统，其特征在于:所述基于机器学习的智能家居控制系统包括嵌入式学习控制器，WEB服务器、ZigBee协调器、ZigBee路由器、ZigBee终端节点模块，通过ZigBee无线技术将家里的所有家用电器、传感器设备组成物联网，该基于机器学习的智能家居控制系统的工作步骤如下:
(1)ZigBee协调器收到信号后，将收到的控制指令或反馈信息传输给嵌入式学习控制器，让其进行学习；
(2)学习控制器将收到的所有操作行为习惯，学习计算后，生成一个新的训练结果；
(3)学习控制器将这个训练结果传输给ZigBee协调器，从而ZigBee的整个网络按照训练结果自动进行操作。
[0005]学习控制器的学习过程为首先输出控制指令进入到执行模块，硬件会完成相应的硬件执行操作和反馈操作，当这些硬件操作完成之后，启动学习模块对人的操作记录进行学习，人的操作行为习惯在控制指令进入到执行模块的时候，被记录在数据模块中，学习控制器通过调用数据模块中的操作记录进行学习训练，会得出机器学习结果，这个训练结果被存储在数据模块中，当无人操作的时候，执行模块会直接从数据模块中获取机器学习结果自行进行操作，学习模块也不会启动，当有人操作的时候，学习模块就会根据新输入值，对已有的机器学习的结果进行修正，学习控制器的学习模式根据人员不同来进行分配，控制器会根据不同的模式进行学习和训练，从而得到不同模式的学习结果。
[0006]优选的，所述家里的所有电器设备、传感器设备都连接到ZigBee的节点上。
[0007]采用以上技术方案的有益效果是:该基于机器学习的智能家居控制系统采用了ZigBee物联网等无线技术，由用户家里的硬件端、服务器端、移动用户端三部分组成，关于硬件端，主要由学习控制器、ZigBee路由器和ZigBee终端节点组成，家里的所有电器设备、传感器等都会连接到ZigBee的节点上。具有低成本、低功耗的特点；使用传感器和其余智能设备获取主人使用此系统的行为习惯；采用的机器学习方法，使得本系统拥有了类似人的学习能力，本方法还可以根据人的不同与以往的行为习惯进行对比，对现有的学习结果进行修正，从而来实现真正的智慧家居。
【附图说明】
[0008]下面结合附图对本发明的【具体实施方式】作进一步详细的描述。
[0009]图1是本发明一种基于机器学习的智能家居控制系统的流程图。
【具体实施方式】
[0010]下面结合附图详细说明本发明一种基于机器学习的智能家居控制系统的优选实施方式。
[0011]结合图1出示本发明一种基于机器学习的智能家居控制系统的【具体实施方式】:该基于机器学习的智能家居控制系统包括嵌入式学习控制器，WEB服务器、ZigBee协调器、ZigBee路由器、ZigBee终端节点模块，通过ZigBee无线技术将家里的所有家用电器、传感器设备组成物联网，该基于机器学习的智能家居控制系统的工作步骤如下:
(1)ZigBee协调器收到信号后，将收到的控制指令或反馈信息传输给嵌入式学习控制器，让其进行学习；
(2)学习控制器将收到的所有操作行为习惯，学习计算后，生成一个新的训练结果；
(3)学习控制器将这个训练结果传输给ZigBee协调器，从而ZigBee的整个网络按照训练结果自动进行操作。
[0012]学习控制器的学习过程为首先输出控制指令进入到执行模块，硬件会完成相应的硬件执行操作和反馈操作，当这些硬件操作完成之后，启动学习模块对人的操作记录进行学习，人的操作行为习惯在控制指令进入到执行模块的时候，被记录在数据模块中，学习控制器通过调用数据模块中的操作记录进行学习训练，会得出机器学习结果，这个训练结果被存储在数据模块中，当无人操作的时候，执行模块会直接从数据模块中获取机器学习结果自行进行操作，学习模块也不会启动，当有人操作的时候，学习模块就会根据新输入值，对已有的机器学习的结果进行修正，学习控制器的学习模式根据人员不同来进行分配，控制器会根据不同的模式进行学习和训练，从而得到不同模式的学习结果。
[0013]关于硬件端，主要由学习控制器、ZigBee路由器和ZigBee终端节点组成，家里的所有电器设备、传感器等都会连接到ZigBee的节点上。
[0014]机器学习的方式分为两种，一种是时间学习方式，一种是关联学习方式。时间学习方式是指根据用户操作习惯的时间进行学习，比如一般用户的每个工作日的生活习惯是比较一致的，那么每天的操作行为习惯在时间上应该是基本一致的，这个时候采用时间方式进行学习是最恰当的。关联学习方式是指有用户一系列的操作行为是有关联性的，比如用户来到到家庭影院观影的时候，用户会先开投影的电源，再打开旁边的音响设备，再打开合适的灯光，然后坐下了开始观影，那么这一系列的动作就是有关联的，只要我去家庭影院观影，就会执行这些操作，但是我去家庭影院的时间是不确定的，这个时候，就应该使用关联方式的机器学习。
[0015]机器会根据各种不同的模式进行学习和训练，从而得到不同模式的学习结果。在平时系统能根据不同情形，调用不同模式的学习结果进行控制执行。
[0016]以上的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
【主权项】
1.一种基于机器学习的智能家居控制系统，其特征在于:所述基于机器学习的智能家居控制系统包括嵌入式学习控制器，WEB服务器、ZigBee协调器、ZigBee路由器、ZigBee终端节点模块，通过ZigBee无线技术将家里的所有家用电器、传感器设备组成物联网，该基于机器学习的智能家居控制系统的工作步骤如下: (1)ZigBee协调器收到信号后，将收到的控制指令或反馈信息传输给嵌入式学习控制器，让其进行学习； (2)学习控制器将收到的所有操作行为习惯，学习计算后，生成一个新的训练结果； (3)学习控制器将这个训练结果传输给ZigBee协调器，从而ZigBee的整个网络按照训练结果自动进行操作。2.根据权利要求1所述的基于机器学习的智能家居控制系统，其特征在于:所述学习控制器的学习过程为首先输出控制指令进入到执行模块，硬件会完成相应的硬件执行操作和反馈操作，当这些硬件操作完成之后，启动学习模块对人的操作记录进行学习，人的操作行为习惯在控制指令进入到执行模块的时候，被记录在数据模块中，学习控制器通过调用数据模块中的操作记录进行学习训练，会得出机器学习结果，这个训练结果被存储在数据模块中，当无人操作的时候，执行模块会直接从数据模块中获取机器学习结果自行进行操作，学习模块也不会启动，当有人操作的时候，学习模块就会根据新输入值，对已有的机器学习的结果进行修正，学习控制器的学习模式根据人员不同来进行分配，控制器会根据不同的模式进行学习和训练，从而得到不同模式的学习结果。3.根据权利要求1所述的基于机器学习的智能家居控制系统，其特征在于:所述家里的所有电器设备、传感器设备都连接到ZigBee的节点上。
【专利摘要】本发明公开了一种基于机器学习的智能家居控制系统，涉及智能家居控制领域，该基于机器学习的智能家居控制系统采用了ZigBee物联网等无线技术，由用户家里的硬件端、服务器端、移动用户端三部分组成，关于硬件端，主要由学习控制器、ZigBee路由器和ZigBee终端节点组成，家里的所有电器设备、传感器等都会连接到ZigBee的节点上。具有低成本、低功耗的特点；使用传感器和其余智能设备获取主人使用此系统的行为习惯；采用的机器学习方法，使得本系统拥有了类似人的学习能力，本方法还可以根据人的不同与以往的行为习惯进行对比，对现有的学习结果进行修正，从而来实现真正的智慧家居。
【IPC分类】G05B15/02, G05B19/418
【公开号】CN104965503
【申请号】CN201510419179
【发明人】宋建勋
【申请人】江西洪都航空工业集团有限责任公司
【公开日】2015年10月7日
【申请日】2015年7月17日