[發明專利]一種基于人工智能的智能家居多傳感器檢測方法、系統及存儲介質

有效

• 申請號: 202110758950.0
• 申請日: 2021-07-05
• 公開（公告）號: CN113359502B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 邱宜寧;沈子雷;許華宇;孫羽佳;于東云;趙展;張耀軍
• 申請（專利權）人: 信陽農林學院
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418;G06N3/044;G06N3/084
• 代理公司: 鄭州銳科知識產權代理事務所(普通合伙) 41171
• 代理人: 王江濤

1.一種基于人工智能的智能家居多傳感器檢測方法，其特征在于，包括如下步驟：

S1、獲取智能家居設備上多個傳感器在工作狀態下的數據；

S2、利用神經網絡模型對所述智能家居設備下一時刻的工作狀態數據進行預測；

S3、基于多個所述智能家居設備的神經網絡模型構建二層神經網絡模型；

S4、利用所述二層神經網絡模型對下一時刻多個所述智能家居設備之間的協同工作的狀態數據進行預測；

S5、根據所述二層神經網絡模型的預測結果制定對智能家居設備的控制策略，并將該控制策略發送到對應的智能家居設備來實現對其進行控制；

S3中基于多個所述智能家居設備的神經網絡模型構建二層神經網絡模型的過程如下：

S31、確定二層神經網絡模型輸入層、輸出層的神經元個數，具體的，輸入層、輸出層神經元個數的確定取決于模型的輸入向量與輸出向量各自的維數，由于要將S2中所述神經網絡模型對多個智能家居設備下一時刻工作狀態數據的預測輸出結果作為二層神經網絡模型的輸入數據，則多個智能家居設備的個數為輸入層神經元的個數，相應的，不同智能家居設備之間的協同工作的狀態個數為輸出層神經元的個數；

S32、確定隱含層神經元的個數，并建立具有二層隱含層的神經網絡模型，具體的，同樣使用幾何平均法來確定隱含層神經元的個數其中，m為輸入層神經元個數，n為輸出層神經元個數，接著建立具有二層隱含層的神經網絡模型，并連接位于模型不同層的神經元，每種連接方法對應一個連接權重；

S33、構建所述神經網絡模型的訓練數據集，該訓練數據集包括多個不同的智能家居設備之間協同工作時的傳感器的歷史狀態數據；

S34、對所述神經網絡模型進行訓練，具體的，首先通過產生隨機數的方法初始化模型的連接權重，接著對訓練數據集中的每個樣本，神經網絡模型將樣本數據提供給輸入層神經元，然后逐層將信號前傳，直到產生輸出層的結果，然后計算輸出層的誤差，再將誤差逆向傳播至隱層神經元，最后根據隱層神經元的誤差對神經元的連接權重和誤差進行調整，當訓練誤差達到閾值時停止對模型的訓練；

S2中利用神經網絡模型對所述智能家居設備下一時刻的工作狀態數據進行預測，該智能家居設備的工作狀態包括正常工作的狀態、異常工作的狀態、及結束工作的狀態；

S3中基于多個所述智能家居設備的神經網絡模型構建二層神經網絡模型之前，當S2中所述神經網絡模型的預測輸出結果為智能家居設備的工作狀態將發生異常，則發送控制指令到相應的智能家居設備，使其結束工作狀態；當S2中所述神經網絡模型的預測輸出結果為智能家居設備將繼續正常工作狀態時，則繼續將下一時刻的多傳感器的數據作為所述神經網絡模型的輸入數據進行處理；當S2中所述神經網絡模型的預測輸出結果為智能家居設備將結束工作狀態時，則結束使用所述神經網絡模型對傳感器數據進行處理；

S4中利用所述二層神經網絡模型對下一時刻多個所述智能家居設備之間的協同工作的狀態進行預測，該協同工作的狀態包括不同智能家居設備之間相互配合發揮功能，以及不同智能家居設備之間進行相互驗證。