【技術實現步驟摘要】
本專利技術涉及智能家居，尤其涉及一種基于情景感知的多廚電遠程控制方法及系統。
技術介紹
1、廚房電器遠程控制技術隨著物聯網和智能家居的興起得到了快速發展。用戶可以通過手機或其他智能終端遠程操控廚房電器，例如提前預熱烤箱、遠程啟動電飯煲等，極大提升了烹飪的便捷性和效率。現有的遠程控制技術主要定時預約或聯網手動控制，缺乏對廚房環境和用戶習慣的感知和學習能力；
2、現有的廚房電器遠程控制技術主要存在無法適應復雜的廚房環境、缺乏對用戶個性化需求的理解以及難以實現多廚電的協同控制；
3、因此，亟需一種方案解決現有技術中存在的問題。
技術實現思路
1、本專利技術實施例提供一種基于情景感知的多廚電遠程控制方法及系統，至少能解決現有技術中存在的部分問題。
2、本專利技術實施例的第一方面，提供一種基于情景感知的多廚電遠程控制方法，包括：
3、采集廚房的環境數據并記錄用戶對廚房電器的歷史使用數據，對所述環境數據進行小波多分辨分解，計算每個尺度系數下的能量分布特征矩陣并對小波系數進行分層篩選，結合反向重構得到濾波后的優質環境數據，基于所述優質環境數據構建密度分布圖譜并確定密度梯度矩陣，基于所述密度梯度矩陣設置密度閾值曲線并識別異常數據點，得到凈化環境數據，將所述凈化環境數據和所述歷史使用數據添加至雙向遞歸神經網絡，構建時序特征關聯度熱力圖并確定互信息矩陣，基于所述互信息矩陣對所述歷史使用數據進行分層編碼，提取高價值數據序列并進行金字塔池化操作，構建多尺度特
4、將所述融合特征向量和所述密度分布圖譜添加至預先設置的改進的長短期記憶網絡，基于所述密度分布圖譜構建參數敏感度評估模塊并計算費舍爾信息矩陣的特征值分解，得到參數重要性排序，將所述凈化環境數據作為約束條件，構建時變關聯圖并計算設備節點的度中心性指標，建立特征傳播通道并在廚電設備中進行信息交互，得到設備關聯特征，將所述設備關聯特征和所述密度分布圖譜添加至預先設置的先知模型中構建多項式趨勢項并預測長期趨勢和短期波動，結合分層注意力機制確定多尺度時序依賴關系，構建場景概率分布函數并確定預測置信區間；
5、將所述場景概率分布函數、所述預測置信區間和所述密度分布圖譜添加至預先設置的風險評估模型，構建基于風險約束的策略搜索空間并將基于所述凈化環境數據設置控制邊界條件，結合蒙特卡洛樹搜索方法求解得到候選控制策略并映射至設備控制空間，構建設備協同控制網絡并結合注意力機制進行控制信息流轉，確定所述控制策略中不同控制動作的后驗概率分布，結合自適應探索機制和貝爾曼誤差構建基于誤差梯度的優先級評分模型，結合基于所述預測置信區間和所述密度分布圖的自適應學習率調節器更新所述優先級評分模型的超參數并結合預先設置的多目標評價體系對所述候選控制策略進行評估，得到最優控制策略。
6、在一種可選的實施方式中，
7、采集廚房的環境數據并記錄用戶對廚房電器的歷史使用數據，對所述環境數據進行小波多分辨分解，計算每個尺度系數下的能量分布特征矩陣并對小波系數進行分層篩選，結合反向重構得到濾波后的優質環境數據，基于所述優質環境數據構建密度分布圖譜并確定密度梯度矩陣，基于所述密度梯度矩陣設置密度閾值曲線并識別異常數據點，得到凈化環境數據，將所述凈化環境數據和所述歷史使用數據添加至雙向遞歸神經網絡，構建時序特征關聯度熱力圖并確定互信息矩陣，基于所述互信息矩陣對所述歷史使用數據進行分層編碼，提取高價值數據序列并進行金字塔池化操作，構建多尺度特征地圖和特征交互網絡，得到融合特征向量包括：
8、通過預先部署的傳感器節點采集廚房的環境數據以及用戶對廚房電器的歷史使用數據，其中，所述環境數據包括溫度參數、濕度參數、光照強度參數和空氣質量參數，所述歷史使用數據包括設備使用時間、設備使用頻率和設備使用功率；
9、通過道貝小波函數對所述環境數據執行小波多分辨分解，得到多個尺度下的小波系數，計算所述小波系數的均方值得到能量分布特征矩陣，根據預先設置的第一能量閾值和第二能量閾值對所述小波系數進行篩選，刪除能量值低于所述第一能量閾值的小波系數，保留能量值高于所述第二能量閾值的小波系數，對于能量值大于所述第一能量閾值且小于所述第二能量閾值的小波系數，計算當前小波系數與相鄰小波系數的相關系數，若所述相關系數大于預先設置的相關性閾值，則保留當前小波系數，否則刪除，對于保留的小波系數，通過反向重構得到濾波后的優質環境數據；
10、基于所述優質環境數據，通過核密度估計方法構建密度分布圖譜，所述密度分布圖譜基于高斯核函數估計所述濾波后的環境數據的概率密度函數，采用數值微分方法計算所述密度分布圖譜的密度梯度矩陣，基于預設閾值標記異常點候選，結合先驗知識對所述異常點候選進行篩選確定異常數據點，剔除所述異常數據點得到凈化環境數據；
11、將所述凈化環境數據與所述歷史使用數據按時間戳對齊構成多元時間序列，將所述多元時間序列輸入雙向長短時記憶網絡，通過所述雙向長短時記憶網絡的前向遞歸神經網絡和后向遞歸神經網絡分別提取正向時序特征和反向時序特征，將所述正向時序特征和所述反向時序特征拼接得到完整時序特征，通過皮爾遜相關系數計算所述完整時序特征的關聯度矩陣構建時序特征關聯度熱力圖，計算特征互信息矩陣，采用層次聚類方法基于所述特征互信息矩陣對所述完整時序特征進行分層編碼，提取高價值數據序列；
12、采用時間金字塔池化策略對所述高價值數據序列進行多尺度分解，在每個時間尺度內通過最大池化提取局部特征，將所述局部特征在時間維度拼接構建多尺度特征地圖，所述多尺度特征地圖包含全局特征與局部特征，搭建兩層全連接神經網絡作為特征交互網絡，所述特征交互網絡的輸入層接收所述多尺度特征地圖，通過隱藏層建模特征交互關聯關系，通過輸出層生成融合特征向量。
13、在一種可選的實施方式中，
14、所述皮爾遜相關系數的計算公式如下：
15、；
16、其中，表示時序特征集 x中每個元素經過標準化后的值，表示時序特征集 y中每個元素經過標準化后的值，表示計算得到的皮爾遜相關系數， n表示時序特征集 x和 y中的特征數量， p( x i， y i)為聯合概率分布，表示同時出現 x i和 y i的概率， p( x i)為時序特征集 x的邊緣概率分布，表示單獨出現 x 本文檔來自技高網...
【技術保護點】
1.基于情景感知的多廚電遠程控制方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，采集廚房的環境數據并記錄用戶對廚房電器的歷史使用數據，對所述環境數據進行小波多分辨分解，計算每個尺度系數下的能量分布特征矩陣并對小波系數進行分層篩選，結合反向重構得到濾波后的優質環境數據，基于所述優質環境數據構建密度分布圖譜并確定密度梯度矩陣，基于所述密度梯度矩陣設置密度閾值曲線并識別異常數據點，得到凈化環境數據，將所述凈化環境數據和所述歷史使用數據添加至雙向遞歸神經網絡，構建時序特征關聯度熱力圖并確定互信息矩陣，基于所述互信息矩陣對所述歷史使用數據進行分層編碼，提取高價值數據序列并進行金字塔池化操作，構建多尺度特征地圖和特征交互網絡，得到融合特征向量包括：
3.根據權利要求2所述的方法，其特征在于，所述皮爾遜相關系數的計算公式如下：
4.根據權利要求1所述的方法，其特征在于，將所述融合特征向量和所述密度分布圖譜添加至預先設置的改進的長短期記憶網絡，基于所述密度分布圖譜構建參數敏感度評估模塊并計算費舍爾信息矩陣的特征值分解，得到參數重要性排序，將
5.根據權利要求4所述的方法，其特征在于，通過最小二乘法擬合所述基函數的系數得到多項式趨勢項，利用所述密度分布圖譜的概率密度作為所述趨勢項的置信度進行修正包括：
6.根據權利要求1所述的方法，其特征在于，將所述場景概率分布函數、所述預測置信區間和所述密度分布圖譜添加至預先設置的風險評估模型，構建基于風險約束的策略搜索空間并將基于所述凈化環境數據設置控制邊界條件，結合蒙特卡洛樹搜索方法求解得到候選控制策略并映射至設備控制空間包括：
7.根據權利要求1所述的方法，其特征在于，構建設備協同控制網絡并結合注意力機制進行控制信息流轉，確定所述控制策略中不同控制動作的后驗概率分布，結合自適應探索機制和貝爾曼誤差構建基于誤差梯度的優先級評分模型，結合基于所述預測置信區間和所述密度分布圖的自適應學習率調節器更新所述優先級評分模型的超參數并結合預先設置的多目標評價體系對所述候選控制策略進行評估，得到最優控制策略包括：
8.基于情景感知的多廚電遠程控制系統，用于實現前述權利要求1-7中任一項所述的方法，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1至7中任意一項所述的方法。
...【技術特征摘要】
1.基于情景感知的多廚電遠程控制方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，采集廚房的環境數據并記錄用戶對廚房電器的歷史使用數據，對所述環境數據進行小波多分辨分解，計算每個尺度系數下的能量分布特征矩陣并對小波系數進行分層篩選，結合反向重構得到濾波后的優質環境數據，基于所述優質環境數據構建密度分布圖譜并確定密度梯度矩陣，基于所述密度梯度矩陣設置密度閾值曲線并識別異常數據點，得到凈化環境數據，將所述凈化環境數據和所述歷史使用數據添加至雙向遞歸神經網絡，構建時序特征關聯度熱力圖并確定互信息矩陣，基于所述互信息矩陣對所述歷史使用數據進行分層編碼，提取高價值數據序列并進行金字塔池化操作，構建多尺度特征地圖和特征交互網絡，得到融合特征向量包括：
3.根據權利要求2所述的方法，其特征在于，所述皮爾遜相關系數的計算公式如下：
4.根據權利要求1所述的方法，其特征在于，將所述融合特征向量和所述密度分布圖譜添加至預先設置的改進的長短期記憶網絡，基于所述密度分布圖譜構建參數敏感度評估模塊并計算費舍爾信息矩陣的特征值分解，得到參數重要性排序，將所述凈化環境數據作為約束條件，構建時變關聯圖并計算設備節點的度中心性指標，建立特征傳播通道并在廚電設備中進行信息交互，得到設備關聯特征，將所述設備關聯特征和所述密度分布圖譜添加至預先設置的先知模型中構建多項式趨勢項并預測長期趨勢和短期波動，結合分層注...
【專利技術屬性】
技術研發人員：姚韻均，嚴苗忠，聞勇，邵玲玲，宣夢夢，岳明，毛廣軍，顧鑼榮，
申請(專利權)人：寧波舜韻電子有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。