家用设备的控制方法、装置和计算机可读存储介质

技术领域

本发明涉及智能家居技术领域，尤其涉及一种家用设备的控制方法、装置和计算机可读存储介质。

背景技术

随着人工智能、物联网等高科技手段涌入人们的生活，尤其是智能家居的出现，其趣味性、便捷性与安防性深受人们关注。多种智能的家用设备的协同工作构成一套整体的智能家居系统，逐渐打造智能社区。

传统的智能家居系统中的家用设备运行时，需要用户在客户端依次设置各个家用设备的开关状态以及运行参数，设置流程较为繁琐，智能化程度低。

发明内容

本发明的主要目的在于提供一种家用设备的控制方法、装置和计算机可读存储介质，旨在解决家用设备开关状态以及运行参数的设置流程较为繁琐和智能化程度低的技术问题。

为实现上述目的，本发明提供一种家用设备的控制方法，所述家用设备的控制方法包括以下步骤：

获取多个参考因素，并确定每个所述参考因素对应的第一特征向量，其中，所述参考因素包括家用设备的使用频率、所述家用设备的运行时间所在的季节、日期、所述日期的类型、以及所述日期对应的天气中的多个；

根据各个所述第一特征向量以及预设函数关系确定第二特征向量；

根据所述第二特征向量，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数；

控制所述目标家用设备按照对应的所述目标运行参数运行。

在一实施例中，所述根据各个所述第一特征向量以及预设函数关系确定第二特征向量的步骤包括：

根据所述第一特征向量的维度以及数量，将各个所述第一特征向量构建成第一矩阵；

根据所述第一矩阵以及预设函数关系，确定第二矩阵，其中，所述第二矩阵由多个第二特征向量构成。

在一实施例中，所述根据所述第一矩阵以及预设函数关系，确定第二矩阵的步骤包括：

根据所述第一矩阵构建核矩阵，并根据所述核矩阵以及多项核函数关系确定第一关系式，其中，所述预设函数关系为多项核函数关系；

采用预设约束条件，将所述第一关系式进行对偶关系的转换得到第二关系式；

根据所述第二关系式确定第二矩阵。

在一实施例中，所述根据所述第二关系式确定第二矩阵的步骤包括：

确定所述第二关系式的目标迭代次数、所述第二关系式迭代过程中的适应度值以及种群数目；

根据所述目标迭代次数以及所述适应度值对所述第二关系式进行迭代得到各个待确定矩阵；

根据所述种群数目在各个所述待确定矩阵中确定最优解的待确定矩阵，以作为第二矩阵。

在一实施例中，所述获取多个参考因素的步骤包括：

获取用户图像，并根据所述用户图像确定用户；

获取所述用户关联的家用设备的使用信息；

根据所述使用信息获取多个参考因素。

在一实施例中，所述根据所述使用信息获取多个参考因素的步骤包括：

在所述使用信息中数据组大于预设数量时，在各个所述数据组中确定预设数量的目标数据组，所述目标数据组的记录时间点晚于未作为目标数据组的其他数据组的记录时间点；

确定每个所述目标数据组对应的参考因素。

在一实施例中，所述根据所述用户图像确定用户的步骤包括：

将所述用户图像发送至预设家用设备，所述预设家用设备为具有识别功能的家用设备；

接收所述预设家用设备发送的识别结果，并根据所述识别结果确定所述用户图像对应的用户。

在一实施例中，所述根据所述第二特征向量，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数的步骤包括：

确定所述第二特征向量对应的智能家居场景模式；

根据所述智能家居场景模式，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数。

为实现上述目的，本发明还提供一种家用设备的控制装置，所述家用设备的控制装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的控制程序，所述控制程序被所述处理器执行时实现如上所述的家用设备的控制方法的各个步骤。

为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括控制程序，所述控制程序被处理器执行时实现如上所述的家用设备的控制方法的各个步骤。

本发明提供的家用设备的控制方法、装置和计算机可读存储介质，控制装置获取家用设备的使用频率、家用设备运行时间所在的季节、日期、日期的类型以及日期对应的天气等参考因素，并确定每个参考因素对应的第一特征向量，再根据各个第一特征向量以及预设函数关系确定第二特征向量，且根据第二特征向量在各个家用设备中确定目标家用设备以及目标家用设备对应的模板运行参数，从而控制目标家用设备按照对应的目标运行参数运行。由于家用设备的控制装置可以基于家用设备的使用频率、季节、日期、日期了的类型以及天气等参数信息即可确定需要运行的目标家用设备以及目标家用设备的运行参数，无需用户在客户端设置家用设备的开关状态以及运行参数，简化了家用设备的开关状态以及运行参数的设置流程，提高了由各个家用设备构成的智能家居系统的智能化程度。

附图说明

图1为本发明实施例涉及的家用设备的控制装置的一硬件结构示意图；

图2为本发明家用设备的控制方法第一实施例的流程示意图；

图3为本发明家用设备的控制方法第二实施例的流程示意图；

图4为本发明家用设备的控制方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例的主要解决方案是：获取多个参考因素，并确定每个所述参考因素对应的第一特征向量，其中，所述参考因素包括家用设备的使用频率、所述家用设备的运行时间所在的季节、日期、所述日期的类型、以及所述日期对应的天气中的多个；根据各个所述第一特征向量以及预设函数关系确定第二特征向量；根据所述第二特征向量，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数；控制所述目标家用设备按照对应的所述目标运行参数运行。

由于家用设备的控制装置可以基于家用设备的使用频率、季节、日期、日期了的类型以及天气等参数信息即可确定需要运行的目标家用设备以及目标家用设备的运行参数，无需用户在客户端设置家用设备的开关状态以及运行参数，简化了家用设备的开关状态以及运行参数的设置流程，提高了由各个家用设备构成的智能家居系统的智能化程度。

如图1所示，图1是本发明实施例方案涉及的家用设备的控制装置的一硬件结构示意图。

如图1所示，本发明实施例方案涉及家用设备的控制装置，家用设备的控制装置可以为家用的任意家用智能设备，也可以是用于控制各个家用设备的控制装置，例如线控器。家用设备的控制装置还可以是网关。家用设备的控制装置可以包括：处理器101，例如CPU，通信总线102，存储器103。其中，通信总线102用于实现这些组件之间的连接通信。存储器103可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器103可选的还可以是独立于前述处理器101的存储装置。本领域技术人员可以理解，图1中示出的结构并不构成对家用设备的控制装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器103中可以包括控制程序。

在图1所示的装置中，处理器101可以用于调用存储器103中存储的控制程序，并执行以下操作：

获取多个参考因素，并确定每个所述参考因素对应的第一特征向量，其中，所述参考因素包括家用设备的使用频率、所述家用设备的运行时间所在的季节、日期、所述日期的类型、以及所述日期对应的天气中的多个；

根据各个所述第一特征向量以及预设函数关系确定第二特征向量；

根据所述第二特征向量，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数；

控制所述目标家用设备按照对应的所述目标运行参数运行。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

根据所述第一特征向量的维度以及数量，将各个所述第一特征向量构建成第一矩阵；

根据所述第一矩阵以及预设函数关系，确定第二矩阵，其中，所述第二矩阵由多个第二特征向量构成。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

根据所述第一矩阵构建核矩阵，并根据所述核矩阵以及多项核函数关系确定第一关系式，其中，所述预设函数关系为多项核函数关系；

采用预设约束条件，将所述第一关系式进行对偶关系的转换得到第二关系式；

根据所述第二关系式确定第二矩阵。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

确定所述第二关系式的目标迭代次数、所述第二关系式迭代过程中的适应度值以及种群数目；

根据所述目标迭代次数以及所述适应度值对所述第二关系式进行迭代得到各个待确定矩阵；

根据所述种群数目在各个所述待确定矩阵中确定最优解的待确定矩阵，以作为第二矩阵。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

获取用户图像，并根据所述用户图像确定用户；

获取所述用户关联的家用设备的使用信息；

根据所述使用信息获取多个参考因素。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

在所述使用信息中数据组大于预设数量时，在各个所述数据组中确定预设数量的目标数据组，所述目标数据组的记录时间点晚于未作为目标数据组的其他数据组的记录时间点；

确定每个所述目标数据组对应的参考因素。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

将所述用户图像发送至预设家用设备，所述预设家用设备为具有识别功能的家用设备；

接收所述预设家用设备发送的识别结果，并根据所述识别结果确定所述用户图像对应的用户。

在一实施例中，处理器101可以调用存储器103中存储的控制程序，还执行以下操作：

确定所述第二特征向量对应的智能家居场景模式；

根据所述智能家居场景模式，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数。

本实施例根据上述方案，控制装置获取家用设备的使用频率、家用设备运行时间所在的季节、日期、日期的类型以及日期对应的天气等参考因素，并确定每个参考因素对应的第一特征向量，再根据各个第一特征向量以及预设函数关系确定第二特征向量，且根据第二特征向量在各个家用设备中确定目标家用设备以及目标家用设备对应的模板运行参数，从而控制目标家用设备按照对应的目标运行参数运行。由于家用设备的控制装置可以基于家用设备的使用频率、季节、日期、日期了的类型以及天气等参数信息即可确定需要运行的目标家用设备以及目标家用设备的运行参数，无需用户在客户端设置家用设备的开关状态以及运行参数，简化了家用设备的开关状态以及运行参数的设置流程。

基于上述寄件终端的硬件构架，提出本发明家用设备的控制方法的实施例。

参照图2，图2为本发明家用设备的控制方法的第一实施例，所述家用设备的控制方法包括以下步骤：

步骤S100，获取多个参考因素，并确定每个所述参考因素对应的第一特征向量，其中，所述参考因素包括家用设备的使用频率、所述家用设备的运行时间所在的季节、日期、所述日期的类型、以及所述日期对应的天气中的多个；

在本实施例中，执行主体为家用设备的控制装置。为了便于描述，以下采用装置指代家用设备的控制装置。家庭内智能的各个家用设备以及装置构成智能家居系统，各个家用设备与装置通过家庭内的网络连接。家用设备可为电视机、热水器、冰箱、空调器、门锁、灯光开关、窗帘开关、插座、摄像头等设备。装置可以为家用设备中的其中一个，例如，网关可以作为装置。

装置在需要对家用设备进行开关状态以及运行参数的设置时，获取各个参考因素。参考因素包括家用设备的使用频率、家用设备的运行时间所在的季节、日期、日期的类型以及日期对应的天气等，选择其中多个组合为参考因素组。当然，参考因素不限于使用频率、季节、日期、日期的类型以及日期对应的天气。使用频率根据家用设备在单位时间内的使用次数得到，例如，单位时间可以是天，窗帘在一天的开的次数为8次，则窗帘的使用频率为8次/天，当然可以根据关的次数确定使用频率。日期的类型包括工作日、周末、法定假日、特殊节日等。而天气包括晴天、雨天、刮风、雾霾等。家用设备运行时，会记录运行的时间，再基于运行的时间更新使用频率且获取季节、日期、日期的类型、日期对应的天气等，并将这些信息关联存储为家用设备的一条使用信息。家用设备可将使用信息发送至装置，使得装置将使用信息与该家用设备进行关联存储。再需要设置家用设备的开关状态以及运行参数时，则基于使用信息获取参考因素。此外，参考因素可以机器学习得到，也即参考因素家用设备观察家用用户的行为动作以及对家用设备进行操作纪律学习得到。

步骤S200，根据各个所述第一特征向量以及预设函数关系确定第二特征向量；

在得到参考因素后，装置基于参考因数中的数值构成第一特征向量，第一特征向量的不同维度代表的因素不同，因素包括但不限于使用频率、季节、日期、日期的类型、日期的天气，且第一特征向量的某维度上的数值代表该维度对应的因素的数值。装置可以采用预设算法所对应的预设函数关系，再将各个第一特征向量代入预设函数关系中，从而得到第二特征向量。预设函数关系通过机器学习参考因素得到的家用设备使用规律得到，可以理解的是，第二特征向量中各个维度对应的数值即为家用设备的使用规律下的运行参数。

步骤S300，根据所述第二特征向量，在各个所述家用设备中确定目标家用设备以及所述目标家用设备对应的目标运行参数；

步骤S400，控制所述目标家用设备按照对应的所述目标运行参数运行。

装置在得到第二特征向量后，解析第二特征向量上各个维度的数值，而维度的数值表征家用设备的开关状态以及运行参数。例如，数值为0，表征该维度对应的家用设备为关闭状态，数值为1，则表征维度对应的家用设备的为开启状态。装置基于解析的数值确定开启状态的各个家用设备作为目标家用设备。某些家用设备仅有开和关两种状态，不需要调整运行参数，例如，家用设备为窗帘开关，窗口开关仅有开和关。另一些家用设备不仅涉及到开和关的状态，还会涉及到运行参数的调整。例如，家用设备为空调器。若目标家用设备包括了运行参数的调整，还需要进一步根据解析的数值确定目标家用设备的目标运行参数。具体的，装置确定表征目标家用设备的维度所对应的数值，基于数值与运行参数的映射关系，即可确定该目标家用设备对应的目标运行参数。

装置在确定目标家用设备以及目标家用设备的目标运行参数后，再控制各个目标家用设备分别按照各自对应的目标运行参数运行。

在本实施例提供的技术方案中，控制装置获取家用设备的使用频率、家用设备运行时间所在的季节、日期、日期的类型以及日期对应的天气等参考因素，并确定每个参考因素对应的第一特征向量，再根据各个第一特征向量以及预设函数关系确定第二特征向量，且根据第二特征向量在各个家用设备中确定目标家用设备以及目标家用设备对应的模板运行参数，从而控制目标家用设备按照对应的目标运行参数运行。由于家用设备的控制装置可以基于家用设备的使用频率、季节、日期、日期了的类型以及天气等参数信息即可确定需要运行的目标家用设备以及目标家用设备的运行参数，无需用户在客户端设置家用设备的开关状态以及运行参数，简化了家用设备的开关状态以及运行参数的设置流程，提高了由各个家用设备构成的智能家居系统的智能化程度。

参照图3，图3为本发明家用设备的控制方法的第二实施例，基于第一实施例，所述步骤S300包括：

步骤S310，根据所述第一特征向量的维度以及数量，将各个所述第一特征向量构建成第一矩阵；

步骤S320，根据所述第一矩阵以及预设函数关系，确定第二矩阵，其中，所述第二矩阵由多个第二特征向量构成。

在本实施例中，预设函数关系通过孪生支持向量回归方法确定。孪生支持向量回归方法是在孪生支持向量机的基础上建立的，其中，孪生支持向量机的基本思想是在两个类别中产生两个不平行的超平面，使得每一个超平面尽可能地接近两个类别中的一类，并尽可能地远离另一类。孪生支持向量回归方法是在两个不平行的超平面中分段建立上下函数关系，上下函数关系即为预设函数关系。而上下界类别分别表示为输出以及输入，输入即为第一特征向量，输出即为第二特征向量。

输入和输出定义为x和y，则样本集可表示为：(x

需要说明的是，第二矩阵可以根据单位向量、第一矩阵以及预设函数关系确定。单位向量为适应样本维度的向量，向量e＝[1,…1]^T为适应样本维度的单位向量，其表达式为：

其中：C1,C2是影响因子，ε

在本实施例提供的技术方案中，装置根据第一特征向量的维度以及数量将各个第一特征向量构建成第一矩阵，再根据第一矩阵以及预设函数关系确定由各个第二特征向量构成的第二矩阵，从而基于第二矩阵准确的确定目标家用设备以及目标家用设备对应的目标运行参数。

参照图4，图4为本发明家用设备的控制方法的第三实施例，基于第二实施例，所述步骤S320包括：

步骤S321，根据所述第一矩阵构建核矩阵，并根据所述核矩阵以及多项核函数关系确定第一关系式，其中，所述预设函数关系为多项核函数关系；

步骤S322，采用预设约束条件，将所述第一关系式进行对偶关系的转换得到第二关系式；

步骤S323，根据所述第二关系式确定第二矩阵。

在本实施例中，预设函数关系为多项核函数关系。装置在得到第一矩阵后，基于第一矩阵构建核矩阵。将K定义为非线性核函数，令K(A,A

[K(A,A

装置将核矩阵函带入多项核函数关系得到第一关系式，第一关系式为：

装置基于预设约束条件将第一关系式进行对偶关系的转换，构建得到输入与输出的回归函数所对应的第二关系式，预设约束条件可为拉格朗日KKT(Karush-Kuhn-Tucker)约束条件，第二关系式为：

装置再给予第二关系式进行迭代求解，从而得到第二矩阵。

进一步的，若是参考因素包含的因素的数量较多时，则需要进行参数寻优。例如，因素的数量大于预设数量，即可确定参考因素包含的因素的数量过多，预设数量可为任意合适的数值，例如，预设数量为十个。因素即为使用频率、日期、季节、类型以及天气等。装置设置第二关系式的目标迭代次数、第二关系式迭代过程中的适应度值。装置进行参数寻优采用遗传算法，故而设置种群数目。例如，设置种群数目为50，迭代次数为100，并将均方差作为迭代过程中的适应度值。装置基于目标迭代次数以及适应度值对第二关系式进行迭代，迭代完成后得到各个待确定矩阵。装置再基于种群数目在各个待确定矩阵中确定最优解的待确定矩阵，以作为第二矩阵。

在本实施例提供的技术方案中，装置根据第一矩阵构建核矩阵，并根据核矩阵以及多项核函数关系确定第一关系式，再采用预设约束条件将第一关系式进行对偶关系的转换得到第二关系式，从而根据第二关系式准确的得到第二矩阵。

在一实施例中，装置设置家用设备的开关状态以及运行参数是在识别到用户。装置通过获取摄像头传输的图像确定该图像是否为用户图像。用户图像即为包含人的图像。装置基于用户图像确定用户，也即装置对用用户图像进行识别确定用户。而用户在使用家用设备时，会产生使用信息，家用设备将使用信息与用户进行关联，并将关联的用户与使用信息发送至装置进行存储。装置在识别到用户后，再获取用户关联的使用信息，每个使用信息即可确定一个参考因素，也即装置确定每个使用信息对应的参考因素。

进一步的，装置采用的参考因素越多，则目标家用设备的目标运行参数更为准确，但是参考因素的数量越大，装置需要耗费大量的计算资源进行确定，导致目标家用设备及其目标运行参数的确定时长较长。对此，为了兼顾准确率以及保证家用设备的设置时长较短，可以设置一个合数的数值作为预设数量，例如，预设数量为300。使用信息中包括多组数据组，一组数据组即为用户使用一次家用设备所产生的数据，数据即为使用频率、日期、类型、季节以及天气等。装置确定使用信息中的数据组的数量，若是数量大于预设数量，则在各个数据组中确定预设数量的目标数据组，目标数据组的记录时间点晚于未作为目标数据组的其他数据组的记录时间点，也即装置获取最近的数据组提取参考因素。装置在得到目标数据组，即可确定每个目标数据组对应的参考因素。

此外，装置在得到用户图像后，可以将用户图像发送至预设家用设备。预设家用设备为具有识别功能的家用设备，识别功能为人脸识别功能。预设家用设备可以具有人脸识别功能的门锁。预设家用设备对用户图像进行识别后得到识别结果，再将识别结果发送至装置。装置可以根据识别结果即可确定用户图像对应的用户。

在一实施例中，装置在确定第二特征向量后，根据第二特征向量确定智能家居模式。智能家居模式指的是多个家用设备运行所构成的场景模式，且智能家居模式的中运行的各个家用设备的运行参数是设定的。装置中存储有多个智能家居模式，装置根据第二特征向量即可确定当前的智能家居模式。具体的，装置解析第二特征向量得到每个维度对应的数值，基于各个数值即可确定当前的智能家居模式。装置在确定智能家居模式后，即可根据智能家居模式确定目标家用设备以及目标家用设备对应的目标运行参数。

为更加详尽的解释本发明的适用性，举一个实例验证基于多项式核函数孪生支持向量回归数学模型下智能家居场景模式推送方法及控制系统的可行性。

以居住在我国广东省佛山市某单身公寓的某外企白领王先生为例。王先生年龄28岁，是一位典型的电子产品发烧友，家中配置的智能家居产品(家用设备)主要有智能网关、智能门锁、语音面板、智能电动窗帘、智能水槽、智能沐浴系统、智能空调等。调取王先生使用家用设备的历史使用记录，以天气状况、环境温度、节假日、工作日作为影响因素，同时影响因素也为输入；输出为王先生的个性化智能家居场景模式。

通过孪生支持向量回归建立空间模型，并以多项式核函数分段建立空间函数关系，并采用遗传算法进行参数寻优。调取前300组数据采用机器学习进行训练，依据影响因素并以2020年8月6日至2020年8月8日的实时状况进行智能家居场景模式输出。

其中8月6日至8月8日的影响因素如下所示：

则8月6日至8月8日的智能家居场景模式输出模式为：

本发明还提供一种家用设备的控制装置，所述家用设备的控制装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的控制程序，所述控制程序被所述处理器执行时实现如上实施例所述的家用设备的控制方法的各个步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括控制程序，所述控制程序被处理器执行时实现如上实施例所述的家用设备的控制方法的各个步骤。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。