本发明涉及物联网,具体的说,是一种基于zigbee网络的位移传感器灵敏度设置方法及系统。
背景技术:
1、随着zigbee自组网技术的发展,zigbee网络日趋稳定,市面上也出现一些基于zigbee网络的位移传感器,而位移传感器的灵敏度设置有两种方式:一种是通过机械按键配置灵敏度,另一种是先设定固定场景、通过场景联动配置灵敏度。不论哪一种方式,操作都不够便捷和灵活。
技术实现思路
1、本发明的目的在于提供一种基于zigbee网络的位移传感器灵敏度设置方法及系统,用于解决现有技术中位移传感器的灵敏度设置采用机械案件配置或者根据固定场景配置都不够灵活和便捷的问题。
2、本发明通过下述技术方案解决上述问题:
3、一种基于zigbee网络的位移传感器灵敏度设置方法,包括:
4、步骤s1、控制终端设定位移传感器的位置及序号,将灵敏度配置指令经云服务器、zigbee网关下发到对应的位移传感器;
5、步骤s2、位移传感器向zigbee网关反馈灵敏度配置指令是否下发成功的消息,如果指令未下发成功,则zigbee网关周期性的向位移传感器发送指令、直至传感器的zigbee终端反馈下发成功的消息;灵敏度配置指令下发成功后,云服务器生成灵敏度状态码和消息通知,并反馈至控制终端;
6、步骤s3、实时采集位移传感器的关联信息,输入训练好的预测模型,对灵敏度等级切换进行预判并经控制终端向位移传感器下发指令,完成灵敏度的自动切换。
7、本发明中位移传感器的灵敏度由用户在控制终端设置,也可以是云服务器根据实时采集的位移传感器的信息,通过预测模型输出传感器灵敏度等级,供用户选择,向位移传感器下发指令,完成灵敏度的自动适配。
8、进一步地,所述预测模型的训练方法包括:
9、收集原始数据集,包括:用户信息、传感器信息、位移数据、灵敏度设置信息以及同一zigbee网关下其他智能设备运行状态;
10、对收集的原始数据进行预处理:使用python软件pandas库的info()函数对原始数据集进行分析,找出数据集中缺失值字段,并填充缺失值;
11、对预处理后的数据构建特征集;
12、采用零均值标准化方法,将变量标准化;
13、采用pearson相关性系数对所有特征做相关性分析,然后采用卡方检验法来选择特征,基于python软件对数据集中的特征做卡方分析,最后剔除卡方值较低的特征,保留强相关的特征,输入机器学习模型进行训练,训练完成测试通过后得到预测模型,预测模型的输出为灵敏度等级。
14、利用训练好的机器学习模型,根据实时采集的关联信息,对灵敏度等级切换进行自动预判;用户二次确认、可修改自动切换的设定,同时能够进一步的优化和更新机器学习模型,提供更精准的自动控制算法,从而输出更吻合的切换参数。
15、进一步地,所述用户信息包括用户id和用户地理位置;位移数据包括传感器采集到的实时位移值和位移变化趋势;传感器信息包括传感器的类型、设备id、设备型号、设备运行状态以及生产厂家;所述灵敏度设置信息包括位移灵敏度的设置值、阈值设置、触发条件、通信协议、数据格式、时间戳和环境参数;同一zigbee网关下其他智能设备运行状态包括打开和关闭。
16、进一步地,所述位移灵敏度的设置值,用于调整位移传感器对位移变化的响应程度,0表示灵敏度等级为“高”,1表示灵敏度等级为“中”,2表示灵敏度等级为“低”;所述阈值设置,用于位移阈值的设置,当位移超过这个阈值时,位移传感器产生报警或触发其他操作;所述触发条件指位移传感器触发操作的条件,包括位移变化速率和位移累积值;所述通信协议指位移传感器与zigbee网关之间的通信协议;所述数据格式指位移数据在传输过程中的数据格式;所述时间戳指与位移数据相关的时间戳,用于记录数据的时间顺序;所述环境参数包括当前温度和湿度参数。
17、进一步地,所述变量标准化采用零均值标准化方法,将原始数据减去平均值,然后除以标准差,最终标准化后的数据均值为零,标准差为1。
18、进一步地,所述特征集从用户维度、同网关其他设备维度、环境维度以及厂家型号维度构建,具体包括:
19、a)用户维度:在设定时间段内,每个用户的位移传感器的灵敏度设置为“高”、“中”、“低”的总数、灵敏度设置为“中”的总数以及灵敏度设置为“低”的总数;
20、b)同一zigbee网关其他智能设备维度:在设定时间段内,每种智能设备的状态为打开时,位移传感器的灵敏度设置为“高”的总数、灵敏度设置为“中”的总数、灵敏度设置为“低”的总数;每种设备状态为关闭时,位移传感器的灵敏度设置为“高”的总数、灵敏度设置为“中”的总数、灵敏度设置为“低”的总数;
21、c)环境维度:在设定时间段内,每个温度传感器告警时,位移传感器的灵敏度设置为“高”的总数、灵敏度设置为“中”的总数、灵敏度设置为“低”的总数;每个湿度传感器告警时,位移传感器的灵敏度设置为“高”的总数、灵敏度设置为“中”的总数、灵敏度设置为“低”的总数;
22、d)厂家型号维度:在设定时间段内,每个型号的位移传感器的灵敏度设置为“高”的总数、灵敏度设置为“中”的总数、灵敏度设置为“低”的总数。
23、一种基于zigbee网络的位移传感器灵敏度设置系统,包括位移传感器、云服务器、zigbee网关和控制终端,其中:
24、位移传感器,用于接收zigbee网关的灵敏度配置指令并完成自身灵敏度配置,以及反馈灵敏度配置指令下发成功消息给zigbee网关;
25、云服务器,用于接收控制终端发送的灵敏度配置指令并转发给对应的zigbee网关,以及通过zigbee网关实时采集位移传感器的关联信息,输入训练好的预测模型,对灵敏度等级切换进行预判并发送给控制终端;
26、zigbee网关,用于在云服务器和位移传感器之间进行转发灵敏度配置指令、采集数据以及灵敏度配置指令下发成功消息;
27、控制终端,用于设定位移传感器的位置及序号,发送位移传感器的灵敏度配置指令给云服务器,以及接收云服务器对位移传感器的灵敏度等级切换信息。
28、本发明与现有技术相比,具有以下优点及有益效果:
29、(1)本发明采用位移传感器与zigbee网络相连,基于机器学习技术,实现了对其灵敏度的自动配置,从而解决了现有位移传感器灵敏度配置不便捷、不灵活的问题,满足用户不同场景的需求。通过分析大量的历史数据,基于训练的机器学习模型、实现自动调整的灵敏度参数,使其在不同的场景下都能保持较高的性能。
30、(2)本发明利用自动控制算法,进行位移灵敏度预测;通过云服务端经控制终端向指定位移传感器发送设定、修改灵敏度指令,用户可更加便捷、灵活的配置灵敏度、进一步的改善用户对智能家居产品的使用体验度。
1.一种基于zigbee网络的位移传感器灵敏度设置方法,其特征在于,包括:
2.根据权利要求1所述的一种基于zigbee网络的位移传感器灵敏度设置方法,其特征在于,所述预测模型的训练方法包括:
3.根据权利要求2所述的一种基于zigbee网络的位移传感器灵敏度设置方法,其特征在于,所述用户信息包括用户id和用户地理位置;位移数据包括传感器采集到的实时位移值和位移变化趋势;传感器信息包括传感器的类型、设备id、设备型号、设备运行状态以及生产厂家;所述灵敏度设置信息包括位移灵敏度的设置值、阈值设置、触发条件、通信协议、数据格式、时间戳和环境参数;同一zigbee网关下其他智能设备运行状态包括打开和关闭。
4.根据权利要求3所述的一种基于zigbee网络的位移传感器灵敏度设置方法,其特征在于,所述位移灵敏度的设置值,用于调整位移传感器对位移变化的响应程度,0表示灵敏度等级为“高”,1表示灵敏度等级为“中”,2表示灵敏度等级为“低”;所述阈值设置,用于位移阈值的设置,当位移超过这个阈值时,位移传感器产生报警或触发其他操作;所述触发条件指位移传感器触发操作的条件,包括位移变化速率和位移累积值;所述通信协议指位移传感器与zigbee网关之间的通信协议;所述数据格式指位移数据在传输过程中的数据格式;所述时间戳指与位移数据相关的时间戳,用于记录数据的时间顺序;所述环境参数包括当前温度和湿度参数。
5.根据权利要求2所述的一种基于zigbee网络的位移传感器灵敏度设置方法,其特征在于,所述变量标准化采用零均值标准化方法,将原始数据减去平均值,然后除以标准差,最终标准化后的数据均值为零,标准差为1。
6.根据权利要求2所述的一种基于zigbee网络的位移传感器灵敏度设置方法,其特征在于,所述特征集从用户维度、同网关其他设备维度、环境维度以及厂家型号维度构建,具体包括:
7.一种基于zigbee网络的位移传感器灵敏度设置系统,其特征在于,包括位移传感器、云服务器、zigbee网关和控制终端,其中: