基于煮水壶的使用周期延长方法及装置与流程

本发明涉及人工智能，尤其涉及一种基于煮水壶的使用周期延长方法及装置。

背景技术：

1、随着人们生活节奏的加快，人们的饮水方式逐渐趋于简单化。除了写字楼及个别家庭在使用饮水机满足日常饮水外，绝大多数的家庭仍然是饮用烧开的自来水。目前，煮水壶因其省时、节能、美观、便捷、安全的特点，深受人们的青睐，被广泛使用在日常生活和工作中。

2、煮水壶的使用寿命决定了煮水壶的市场，只有使用寿命长的煮水壶更具有优势，而且煮水壶的安全性也是根据煮水壶的寿命长短确定的，煮水壶越接近使用寿命，出现安全问题的几率就越大，但是现如今的煮水壶的使用周期的延长是根据经验主义确定的，效率较低，因此如何提升基于煮水壶的使用周期延长的效率，成为了亟待解决的问题。

技术实现思路

1、本发明提供一种基于煮水壶的使用周期延长方法及装置，其主要目的在于解决基于煮水壶的使用周期延长时效率较低的问题。

2、为实现上述目的，本发明提供的一种基于煮水壶的使用周期延长方法，包括：

3、获取煮水壶的设备数据，对所述设备数据进行特征提取，得到所述设备数据的数据特征；

4、根据所述数据特征确定所述煮水壶的寿命全周期，根据所述数据特征和所述寿命全周期生成所述煮水壶的特征参数；

5、利用所述特征参数生成预设的线性回归函数的优化函数，其中，所述优化函数为：

6、

7、其中，minj(w,e)是目标函数的最小值，j(w,e)是目标函数，wt是所述预设的线性回归函数的系数矩阵的转置，w是所述预设的线性回归函数的系数矩阵，γ是正则化参数，t是系数矩阵的转置标识，ek是第k个特征参数所对应的估计值与真实值之间的误差，s.t.(*)是限制函数，xk是第k个特征参数，yk是第k个特征参数对应的函数值，n是所述特征参数的总数，是关于所述特征参数的多项式函数，k是所述特征参数的标识，b是所述预设的线性回归函数的截距；

8、对所述优化函数进行拉格朗日转化，得到所述优化函数的拉格朗日函数；

9、对所述拉格朗日函数进行矩阵转化，得到所述拉格朗日函数的矩阵方程，根据所述矩阵方程生成所述煮水壶的周期预测模型；

10、根据所述周期预测模型生成所述煮水壶的最优周期参数，利用所述最优周期参数对所述电水壶进行使用周期延长。

11、可选地，所述对所述设备数据进行特征提取，得到所述设备数据的数据特征，包括：

12、对所述设备数据进行数据清洗，得到所述设备数据的标准数据；

13、对所述标准数据进行向量化转化，得到所述标准数据的数据向量；

14、对所述数据向量进行向量降维，得到所述数据向量的降维向量，确定所述降维向量为所述设备数据的数据特征。

15、可选地，所述根据所述数据特征确定所述煮水壶的寿命全周期，包括：

16、按照预设的一级标签对所述数据特征进行一级分类，得到所述数据特征的一级特征；

17、按照预设的二级标签对所述一级特征进行二级分类，得到所述一级特征的二级特征；

18、对所述二级特征进行曲线拟合，得到所述煮水壶的寿命全周期。

19、可选地，所述根据所述数据特征和所述寿命全周期生成所述煮水壶的特征参数，包括：

20、根据所述数据特征和所述寿命全周期生成所述煮水壶的周期特征；

21、对所述周期特征进行特征筛选，得到所述周期特征的目标特征，根据所述目标特征确定所述煮水壶的特征参数。

22、可选地，所述利用所述特征参数生成预设的线性回归函数的优化函数，包括：

23、利用所述特征参数生成预设的线性回归函数的优化函数，其中，所述预设的线性回归函数为：

24、

25、其中，yk是第k个特征参数根据所述预设的线性回归函数对应的函数值，wt是所述预设的线性回归函数的系数矩阵的转置，是，b是所述预设的线性回归函数的截距，t是系数矩阵的转置标识，xk是第k个特征参数，k是所述特征参数的标识。

26、可选地，所述对所述优化函数进行拉格朗日转化，得到所述优化函数的拉格朗日函数，包括：

27、对所述优化函数进行拉格朗日乘子化处理，得到所述优化函数的拉格朗日函数，其中，所述拉格朗日函数为：

28、

29、其中，l(w,b,ek,αk)是所述拉格朗日函数，j(w,e)是目标函数，wt是所述预设的线性回归函数的系数矩阵的转置，t是系数矩阵的转置标识，αk是第k个拉格朗日参数，是关于所述特征参数的多项式函数，b是所述预设的线性回归函数的截距，ek是第k个特征参数所对应的估计值与真实值之间的误差，yk是第k个特征参数根据所述预设的线性回归函数对应的函数值，k是所述特征参数的标识，n是所述特征参数的总数，xk是第k个特征参数。

30、可选地，所述对所述拉格朗日函数进行矩阵转化，得到所述拉格朗日函数的矩阵方程，包括：

31、确定所述拉格朗日函数的偏导参数，利用所述偏导参数对所述拉格朗日函数求偏导，得到所述拉格朗日函数的偏导方程，其中，所述偏导方程为：

32、

33、其中，w是所述预设的线性回归函数的系数矩阵，n是所述特征参数的总数，k是所述特征参数的标识，αk是第k个拉格朗日参数，是关于所述特征参数的多项式函数，xk是第k个特征参数，c是常数，ek是第k个特征参数所对应的估计值与真实值之间的误差，l是所述拉格朗日参数的总数，wt是是所述预设的线性回归函数的系数矩阵的转置，t是系数矩阵的转置标识，b是所述预设的线性回归函数的截距，yk是第k个特征参数根据所述预设的线性回归函数对应的函数值；

34、对所述偏导方程进行矩阵变换，得到所述偏导方程的矩阵方程。

35、可选地，所述根据所述矩阵方程生成所述煮水壶的周期预测模型，包括：

36、根据所述矩阵方程和预设的线性核矩阵生成所述煮水壶的周期预测函数，其中，所述周期预测函数为：

37、

38、其中，y(x)是关于所述特征参数的周期预测函数，k是所述特征参数的标识,i是所述特征参数的参数标识，n是所述特征参数的总数，xi是第i个所述特征参数，xk是第k个所述特征参数，k(x,xk)是预设的线性核矩阵，b是所述预设的线性回归函数的截距；

39、利用所述周期预测函数构建所述煮水壶的周期预测模型。

40、可选地，所述根据所述周期预测模型生成所述煮水壶的最优周期参数，包括：

41、根据所述周期预测模型对所述煮水壶进行周期对比，得到所述煮水壶的最长使用周期；

42、根据所述最长使用周期生成所述煮水壶的最优周期参数。

43、为了解决上述问题，本发明还提供一种基于煮水壶的使用周期延长装置，所述装置包括：

44、特征提取模块，用于获取煮水壶的设备数据，对所述设备数据进行特征提取，得到所述设备数据的数据特征；

45、特征参数模块，用于根据所述数据特征确定所述煮水壶的寿命全周期，根据所述数据特征和所述寿命全周期生成所述煮水壶的特征参数；

46、优化函数模块，用于利用所述特征参数生成预设的线性回归函数的优化函数，其中，所述优化函数为：

47、

48、其中，minj(w,e)是目标函数的最小值，j(w,e)是目标函数，wt是所述预设的线性回归函数的系数矩阵的转置，w是所述预设的线性回归函数的系数矩阵，γ是正则化参数，t是系数矩阵的转置标识，ek是第k个特征参数所对应的估计值与真实值之间的误差，s.t.(*)是限制函数，xk是第k个特征参数，yk是第k个特征参数对应的函数值，n是所述特征参数的总数，是关于所述特征参数的多项式函数，k是所述特征参数的标识，b是所述预设的线性回归函数的截距；

49、拉格朗日转化模块，用于对所述优化函数进行拉格朗日转化，得到所述优化函数的拉格朗日函数；

50、矩阵转化模块，用于对所述拉格朗日函数进行矩阵转化，得到所述拉格朗日函数的矩阵方程，根据所述矩阵方程生成所述煮水壶的周期预测模型；

51、周期延长模块，用于根据所述周期预测模型生成所述煮水壶的最优周期参数，利用所述最优周期参数对所述电水壶进行使用周期延长。

52、本发明实施例通过对获取的煮水壶的设备数据进行特征提取，得到所述设备数据的数据特征，并根据所述数据特征确定所述煮水壶的寿命全周期和特征参数，确定了所述煮水壶的寿命影响因素，利用所述特征参数生成预设的线性回归函数的优化函数，其中，所述优化函数将传统向量机中的不等式约束变为了等式约束，并且扩展为把解二次规划问题转化为解线性方程组的问题，从而降低了计算复杂性，提高了训练效率，加快了求解速度，对所述优化函数进行拉格朗日转化后，再进行矩阵转化，得到矩阵方程，用于构建所述煮水壶的周期预测模型，建立了所述煮水壶的寿命与特征参数的定量关系，根据所述周期预测模型生成所述煮水壶的最优周期参数，利用所述最优周期参数对所述电水壶进行使用周期延长，缩短了最优周期参数的生成时间，因此本发明提出基于煮水壶的使用周期延长方法及装置，可以解决基于煮水壶的使用周期延长效率较低的问题。