一种基于人工智能技术的智慧家居控制系统及其控制方法与流程

本发明涉及智慧家居控制，尤其涉及一种基于人工智能技术的智慧家居控制系统及其控制方法。

背景技术：

1、智能家居是以住宅为平台，利用综合布线技术、网络通信技术、智能家居系统设计方案安全防范技术、自动控制技术和音视频技术，目前的智能家居都是单个品类的控制，比如智能门窗，智能报警，不同的智能电器往往对应不同的app，不方便用户对智能电器的管理和操作，有些智能电器虽然存在关联性执行动作，通过语音即可控制操作，但是其调节智能化程度低，对于温度的调节以及其设备参数的控制均需要人工进行调节控制，不能够根据环境情况以及人员使用习惯自动进行调节控制，不能满足使用需求，综合上述情况，因此我们提出了一种基于人工智能技术的智慧家居控制系统及其控制方法。

技术实现思路

1、基于背景技术存在的技术问题，本发明提出了一种基于人工智能技术的智慧家居控制系统及其控制方法。

2、本发明提出的一种基于人工智能技术的智慧家居控制系统，包括智能家居设备、云平台和控制系统，所述云平台包括储存模块，云平台与智能家居设备和控制系统相连接；

3、所述控制系统包括传感器模块、语音控制模块、控制逻辑模块、通信模块、智能学习模块、设备控制模块和用户接口模块；

4、所述控制逻辑模块与传感器模块、语音控制模块、设备控制模块和智能学习模块相连接；

5、所述通信模块与传感器模块、智能家居设备、设备控制模块和用户接口模块相连接；

6、所述智能学习模块与设备控制模块相连接。

7、优选地，所述云平台用于实现智能家居设备之间的联动、数据的管理和远程控制等功能，储存模块用于对数据进行储存。

8、优选地，所述传感器模块包括温度传感器、湿度传感器和光照传感器等，负责感知环境信息，监测环境变化并触发相应的控制，且可通过用户接口模块对传感器模块中的传感器进行阀值的设定；

9、所述语音控制模块内内置有语音识别模块、指令解析模块和语音处理模块，其用于接收用户的语音命令，并通过语音识别模块进行语音识别，指令解析模块进行语义理解和指令解析，语音处理模块将语音命令转换为可操作的控制指令，其在转换控制指令时，采用隐马尔可夫模型进行转换，其表达式为λ＝(a,b,π)，其中a是状态转移矩阵，b是发射矩阵，π是初始状态分布，根据给定的λ和观测序列0，计算p(0|λ)，即给定观测序列的概率，根据给定的λ和观测序列0，计算最可能的状态序列，用于语音命令的识别，将语音识别结果与语义模型和语言模型结合，获得可操作的控制指令。

10、优选地，所述控制逻辑模块用于负责根据传感器模块触发条件、语音控制指令和智能学习结果生成相应的控制指令，通过判断和决策来实现智能化的控制；

11、所述智能学习模块用于通过机器学习算法和数据分析，学习用户的习惯和行为模式，并优化控制策略，提供个性化的智能化控制，其在对数据进行分析时，使用线性回归算法进行分析，其使用的函数为y＝θ0+θ1*x1+θ2*x2+...+θn*xn+ε；其中y是要预测的值，x1,x2,...,xn是特征向量，θ0,θ1,θ2,...,θn是对应的权重，ε是误差项。

12、优选地，所述设备控制模块用于接收和执行控制指令，将控制指令通过通信模块传输给相应的智能家居设备，实现对智能家居设备的控制操作；

13、所述用户接口模块包括物理按键、app、语音助手等多种形式的用户界面，用户可以通过这些界面接口配合通信模块与智能家居设备进行交互。

14、优选地，所述智能家居设备中内置有反馈机制模块，其能够在执行操作后，将执行结果反馈给设备控制模块，其采用的反馈方式为误差反馈，其设备控制模块根据智能家居设备目标状态和当前状态的差异计算误差，记为e(t)，反馈函数公式：u(t)＝kp*e(t)+ki*∫e(t)dt+kd*de(t)/dt，其中kp、ki和kd是控制器的参数，用于调节比例、积分和微分项。

15、本发明还提出了一种基于人工智能技术的智慧家居控制系统的控制方法，包括以下步骤：

16、s1：首先通过用户接口模块对传感器的参数阀值进行设定，同时可通过用户接口模块与智能家居设备进行信息交互；

17、s2：传感器模块持续监测室内环境信息并将信息传递给控制逻辑模块，同时语音控制模块用于接收人员的语音控制并传递给控制逻辑模块；

18、s3：智能学习模块通过机器学习算法和数据分析，学习用户的习惯和行位模块，并优化控制策略，提供个性化的智能化控制；

19、s4：控制逻辑模块根据传感器触发条件、语音控制指令和智能学习结果生成相应的控制指令，并将指令传递给设备控制模块；

20、s5：设备控制模块通过通信模块控制智能家居设备开启，设备执行操作后，可以通过反馈机制将执行结果返回给设备控制模块，以便进行状态更新和后续的控制决策。

21、优选地，所述s3中，智能学习模块优化控制策略，提供个性化的智能化控制，其获取逻辑如下：

22、s301：数据收集：收集用户在控制系统中的操作行为数据，包括智能家居设备使用记录、操作时间、频率等，可以借助传感器模块和设备控制模块中的信息进行数据收集；

23、s302：数据预处理和特征提取选择：对收集到的数据进行处理，并根据用户行为数据，选择合适的特征，用于描述用户的行为模式，这些特征可以包括设备的使用频率、操作时间间隔、时间段偏好等；

24、s303：模型训练：根据特征数据，使用机器学习算法中的聚类算法建立相应的模型，通过对模型进行训练和调整，可以得到用户的习惯和行为模式；

25、s304：模型评估：对训练得到的模型进行评估，检查模型的准确性、健壮性和可靠性，评估时使用交叉验证方法；

26、s305：控制策略优化：根据用户的习惯和行为模式，结合模型的预测结果，对控制系统的控制策略进行优化调整，例如根据用户习惯自动调整设备的亮度、温度等参数，提供个性化的智能化控制体验；

27、s306：迭代更新：根据用户反馈和实际使用情况，不断迭代更新智能学习模块，通过收集新的数据和调整模型参数，不断优化智能化控制策略，提供更好的用户体验。

28、优选地，所述s4中，控制逻辑模块根据传感器触发条件、语音控制指令和智能学习结果生成相应的控制指令的获取逻辑如下：

29、s401：控制逻辑模块首先获取传感器的监测数据，根据预设的触发条件，判断是否满足传感器触发条件，若存在语音控制指令，控制逻辑模块对语音控制指令进行解析和处理，若有智能学习结果可用，控制逻辑模块查询相应的智能学习结果；

30、s402：根据传感器触发条件、语音控制指令和智能学习结果，结合预设的控制规则和逻辑，生成具体的控制指令；

31、s403：控制逻辑模块将生成的控制指令发送给相应的执行模块；

32、s404：执行模块根据控制指令进行相应的操作，控制实际智能家居设备的状态和行为。

33、与现有的技术相比，本发明的有益效果是：

34、本发明通过传感器模块对室内环境的情况自动监测并结合智能学习模块根据用户习惯提供个性化的智能化控制，从而在人员语音控制智能家居设备开启时，可自动对设备的参数进行调节，不需要人员单独调节，实现智能化操作的效果，满足使用需求。