应用云控制技术的智能家居门锁一体化控制系统及方法与流程

1.本发明涉及智能家居技术领域，具体为应用云控制技术的智能家居门锁一体化控制系统及方法。


背景技术：

2.随着人们生活水平的提高，人们对居家安全的要求也越来越高，进而智能门锁逐渐走进人们的视野，其在具备门锁基本功能的基础上，在一定程度上更加智能化，因此给人们的生活带来了较大的便利。
3.但这种智能化仅仅是相对的，其智能化表现在相对原始门锁的开始方式变得多样，与智能家居系统的关联性不强，存在较大的缺陷。
4.同时现有的家居控制系统，只是单纯的对室内环境进行控制或调节，针对一些紧急或特殊情况时，如发生火灾或者做饭产生浓烟时，现有的家居控制系统，无法创造出利于用户的生存条件，尤其是无法根据室内环境对门锁进行有效控制，使得在特殊情况发生时，家居系统只能提供简单的报警，而无法提前对室内环境进行预测，并根据预测结果提前对门锁进行控制，使得人们的逃离时间受到影响。
5.针对上述情况，我们需要应用云控制技术的智能家居门锁一体化控制系统及方法。


技术实现要素：

6.本发明的目的在于提供应用云控制技术的智能家居门锁一体化控制系统及方法，以解决上述背景技术中提出的问题。
7.为了解决上述技术问题，本发明提供如下技术方案：应用云控制技术的智能家居门锁一体化控制系统，包括：室内数据采集模块，所述室内数据采集模块通过室内设置的传感器对室内环境数据进行采集，并将采集的数据实时保存到云存储中；室内数据获取模块，所述室内数据获取模块从云存储中调取室内传感器采集的传感器数据；数据分析模块，所述数据分析模块对室内数据获取模块调取的传感器数据进行分析，得到各个传感器对应数据的变化曲线；室内情况预测模块，所述室内情况预测模块根据数据分析模块得到的各个传感器数据的变化曲线，对室内情况进行预测；家居门锁控制模块，所述家居门锁控制模块根据室内情况预测模块对室内情况的预测结果，自动控制家居门锁的开关。
8.本发明通过各个模块的协同合作，共同实现对室内数据的采集、分析、预测及对根据预测结果对家具门锁的控制，该方式能够提前判断室内的环境情况，并针对识别出一些特殊情况（燃烟传感器或燃气传感器数据超过指定范围），提前对门锁进行控制，确保用户
能够快速进出门锁对应的门，节省用户开门的时间，确保用户的安全；本系统是安装在云存储中实时对传感器数据进行处理的，并根据处理结果实现对结局门锁的控制的。
9.进一步的，所述室内数据采集模块中室内设置的传感器包括燃烟传感器及燃气传感器，每个燃烟传感器或每个燃气传感器对应一个唯一编号，所述燃烟传感器与燃气传感器每隔第一单位时间对室内环境进行一次采集，将第一单位时间记为t5，所述室内数据采集模块在将采集的数据保存到云存储中之前，会提前将数据与该数据对应的传感器编号及该数据被采集的时间进行绑定，并将绑定的结果一同保存到云存储中，所述绑定的结果记为（a1，b1，t1），其中，a1表示传感器采集的数据，b1表示a1对应的传感器编号，t1表示a1被采集的时间,所述传感器编号为大于等于1的整数，最大编号为b2，传感器编号的总个数为b2；所述室内数据获取模块从云存储中调取室内传感器采集的传感器数据时，调取的是各个传感器基于当前时间的前第二单位时间内的数据对应的绑定结果，将第二单位时间记为t2，将当前时间记为t0。
10.本发明室内数据采集模块在对传感器采集的数据进行保存时，将传感器编号及数据采集的时间一起进行绑定，是为了确保在进行数据分析时，能够快速调取各个传感器在具体时间采集的具体数据，避免数据之间出现混淆；获取当前时间，是为了将当前时间作为参照点，当前时间发生变化，进行数据分析时调取的数据也回去发生变化（调取的是各个传感器基于当前时间的前第二单位时间内的数据对应的绑定结果）。
11.进一步的，所述数据分析模块对室内数据获取模块调取的传感器数据进行分析的方法包括以下步骤：s1.1、获取同一编号的传感器对应的基于当前时间的前第三单位时间内的各个数据分别对应的绑定结果，将第三单位时间记为t3，且t3小于t2，将传感器对应的基于当前时间的前第三单位时间内的第i个数据对应的时间记为t3i，将编号为b1的传感器在t3i采集的数据对应的绑定结果记为（a1
b1-t3i
，b1，t3i），将传感器对应的基于当前时间的前第三单位时间内的数据总个数记为k，1≤i≤k；s1.2、获取i为不同值时，编号为b1的传感器在t0-t2至t3i对应的时间范围内采集的各个数据分别对应的绑定结果，将编号为b1的传感器在t0-t2至t3i对应的时间范围内时间tm采集的数据对应的绑定结果记为（a1
b1-tm
，b1，tm），其中，时间tm大于等于t0-t2且小于等于t3i；s1.3、将编号b1对应的传感器在t0-t2至t3i对应的时间范围内采集的各个数据按照相应绑定结果中时间的先后顺序，逐个录入一个空白集合中，记为集合a
b1-i
；s1.4、计算集合a
b1-i
中相邻两个元素对应的增长率，将集合a
b1-i
中第i1个元素对应的数据记为，将集合a
b1-i
中第i1个元素与第i1+1个元素之间对应的增长率记为，集合a
b1-i
中对应的增长率个数等于该集合中元素总个数减1，所述；s1.5、根据各个集合中对应的增长率，得到各个传感器对应数据的变化曲线。
12.本发明数据分析模块获取同一编号的传感器对应的基于当前时间的前第三单位时间内的各个数据分别对应的绑定结果，并限制t3小于t2，是为了后续分析中需要对基于当前时间的前第三单位时间内的各个数据分别进行分析，同一编号的传感器在t0-t2至t3i时间对应的数据构成一个集合，即当i的值不同时（前第三单位时间内第i个数据），得到的集合是不相同的，进而该集合对应的变化曲线不同；获取集合a
b1-i
中相邻两个元素对应的增长率，是因为不同种类的传感器对应的采集数据之间的数据基数差距可能会很大（如：常规燃烟传感器的监测返回值在160至220之间，常规燃气传感器的监测范围大于0且小于100%lel），该方式不利于分析出传感器数据的变化情况，因此先获取集合中各数据对应的增长率，在通过增长率得到相应的变化曲线，相对而言分析结果会更加精准。
13.进一步的，所述s1.5中得到各个传感器对应数据的变化曲线的方法包括以下步骤：s2.1、获取i为不同值时，编号为b1的传感器在t0-t2至t3i对应的时间范围内采集的各个数据对应的集合a
b1-i
及相应集合中对应的增长率；s2.2、获取每个集合中各个增长率对应的时间节点，集合a
b1-i
中第i1个元素与第i1+1个元素之间对应的增长率对应的时间为对应的时间；s2.3、获取集合a
b1-i
中对应的各个增长率及其相应的时间，并在以时间为x轴、增长率为y轴的平面直角坐标系中，以集合a
b1-i
中每个增长率为横坐标、以每个增长率相应的时间为纵坐标构建增长率时间变化节点，并将集合a
b1-i
中构建的增长率时间变化节点分别在平面直角坐标系中标记出来，并根据平面直角坐标系中标记的增长率时间变化节点进行线性拟合，得到集合a
b1-i
对应的增长率时间变化曲线；s2.4、根据拟合后的集合a
b1-i
对应的增长率时间变化曲线，得到编号为b1的传感器在t3i时对应的a1
b1-t3i
对应的增长率时间变化曲线函数f
b1-t3i
（t），其中，t0-t2≤t≤t3i。
14.本发明中对应数据的变化曲线具体指的是增长率时间变化曲线，该变化曲线反应的是增长率随时间变化而变化的情况；构建平面直角坐标系是为了便于后续对增长率时间变化节点进行标记，并根据标记的增长率时间变化节点进行线性拟合，进而得到该增长率时间变化曲线中的增长率变化情况，进而为后续预测室内情况提供数据依据。
15.进一步的，所述s2.3中根据平面直角坐标系中标记的增长率时间变化节点进行线性拟合时，调取云存储库中保存的线性拟合模板方程，分别根据线性拟合模板方程对平面直角坐标系中标记的增长率时间变化节点进行线性拟合，得到不同线性拟合结果，一个线性拟合模板方程对应一个线性拟合结果，分别计算每个线性拟合结果与平面直角坐标系中标记的各个增长率时间变化节点之间的距离，计算同一线性拟合结果中各个增长率时间变化节点分别对应的距离之和，记为该线性拟合结果对应的拟合偏差值，比较不同线性拟合结果对应的拟合偏差值，选取拟合偏差最小的线性拟合结果作为集合a
b1-i
对应的增长率时间变化曲线。
16.本发明进行线性拟合时，先采用不同的线性拟合模板得到不同的线性拟合结果，再根据不同的线性拟合结果对应的拟合偏差值实现对线性拟合结果的筛选，该方式不仅确
保了线性拟合结果的多样化，有确保了线性拟合结果的准确性。
17.进一步的，所述室内情况预测模块对室内情况进行预测的方法包括以下步骤：s3.1、根据编号为b1的传感器在t3i时对应的a1
b1-t3i
对应的增长率时间变化曲线函数f
b1-t3i
（t），计算出增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
；s3.2、获取当前时间编号为b1的传感器对应的数据，记为a1
b1-t0
；s3.3、预测出i为不同值时，编号为b1的传感器基于当前时间在第四单位时间后对应的数据，所述第四单位时间为t4，编号为b1的传感器对应的平均增长率d
b1-t3i
与第四单位时间t4的乘积除以t5，所得商与1的和乘上a1
b1-t0
的积为编号为b1的传感器对应的预测结果，将编号为b1的传感器在t3i时对应的a1
b1-t3i
对应的预测结果记为g
b1-t3i
，所述。
18.本发明室内情况预测模块获取增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
，是因为d
b1-t3i
反映出了f
b1-t3i
（t）总体的增长率变化情况，表示从当前时间到第四单位时间后这个过程中传感器采集的数据个数，每次采集的数据对应的增长率为d
b1-t3i
，将d
b1-t3i
与相乘，得到的则是相对于当前时间，预测的编号为b1的传感器在第四单位时间t4后对应数据的总增长率，因此，将乘上a1
b1-t0
，即可得到预测结果g
b1-t3i
。
19.进一步的，所述s3.1中计算出增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
的方法包括以下步骤：s4.1、获取增长率时间变化曲线函数f
b1-t3i
（t）对应的时间范围，并根据时间范围得到增长率时间变化曲线函数f
b1-t3i
（t）对应的最大时间差，所述最大时间差为t3i-（t0-t2），s4.2、得到增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
，所述。
20.本发明由于f
b1-t3i
（t）对应的时间范围为t0-t2≤t≤t3i，因此f
b1-t3i
（t）对应的最大时间差为t3i-（t0-t2）；在计算平均增长率d
b1-t3i
时，采用的是积分的方式而不是直接计算平面直角坐标系中标记的增长率时间变化节点中增长率的平均值，是因为只单纯靠增长率时间变化节点中增长率进行获取，由于节点个数较少，且增长率随时间变化不是均匀的，因此直接计算平面直角坐标系中标记的增长率时间变化节点中增长率的平均值会使得预测结果出现较大的偏差，进而使得对门锁的控制出现错误；同时预测f
b1-t3i
（t）对应的平均增长率，而不是根据f
b1-t3i
（t）随时间的变化情况，直接预估出基于当前时间的后续第四单位时间内对应的增长量，是因为f
b1-t3i
（t）对应的只是历史数据中的某个数据片段对应的增长率情况，且该数据片段距离当前时间尚且存在一定的时间差，因此通过f
b1-t3i
（t）直接预估出基于当前时间的后续第四单位时间内对应的增长量，会因为f
b1-t3i
（t）对应的历史数据
片段与时间点t0+t4之间的时间跨度过大，导致预测结果出现较大的偏差，而f
b1-t3i
（t）对应的平均增长率则反应的是该历史数据片段中数据总体的一种较为稳定的增长趋势，相对而言，采用f
b1-t3i
（t）对应的平均增长率得到的预测结果对应的精度更高；由于，结合，可以得到。
21.进一步的，所述家居门锁控制模块包括预测结果分析模块及门锁开关控制模块，所述预测结果分析模块在获取到i为不同值时，编号为b1的传感器基于当前时间在第四单位时间后对应数据的预测结果g
b1-t3i
后，会对所得的各个预测结果进行分析处理，结合数据库中各个传感器对应的标准监测阈值，得到每个预测结果对应的预警系数，所述编号为b1的传感器对应的标准监测阈值记为wb1，在i为不同值时，编号为b1的传感器对应的预警系数记为r
b1-i
；所述门锁开关控制模块逐个将基于当前时间在第四单位时间后不同i值且不同编号b1的传感器对应的预警系数r
b1-i
录入到一个空白集合中，得到第一集合，所述第一集合为{r
b1-i
|1≤b1≤b2且1≤i≤k}，所述门锁开关控制模块获取第一集合中元素的最大值，记为{r
b1-i
|1≤b1≤b2且1≤i≤k}max，门锁开关控制模块将{r
b1-i
|1≤b1≤b2且1≤i≤k}max与第一阈值进行比较，当{r
b1-i
|1≤b1≤b2且1≤i≤k}max大于等于第一阈值时，则判定室内环境较差，存在较大烟雾，自动控制门锁开启；当{r
b1-i
|1≤b1≤b2且1≤i≤k}max小于第一阈值时，则判定室内环境正常，保持门锁原有的状态。
22.本发明家居门锁控制模块中门锁开关控制模块获取第一集合，是为了综合分析同一时间各个传感器分别对应的预警系数结果，同一时间同一传感器对应的预警系数有k个；选取第一集合中的各元素的最大值与第一阈值进行比较，是为了获取各个预测结果对应的预警系数中最严重的情况，将其与第一阈值进行比较，进而能够实现对门锁的有效控制，提前判断出门锁对应的控制状态，进而实现对门锁的有效控制。
23.进一步的，预测分析模块获取预警系数r
b1-i
的方法包括以下步骤：s5.1、获取获取到i为不同值时，编号为b1的传感器基于当前时间在第四单位时间后对应数据的预测结果g
b1-t3i
及编号为b1的传感器对应的标准监测阈值记为wb1；s5.2、获取编号为b1的传感器对应的限定系数，记为mb1，不同种类不同的型号的传感器对应的标准监测阈值不同，不同种类不同的型号的传感器对应的限定系数不同，相同种类相同型号不同编号的传感器对应的标准监测阈值相同，相同种类相同型号不同编号的传感器对应的限定系数相同；s5.3、得到预警系数r
b1-i
，
所述。
24.本发明计算预警系数时，获取编号为b1的传感器对应的标准检测阈值，是因为传感器正常状态时均存在一个最大阈值，标准检测阈值指的就是这个最大阈值，当传感器的预测数据超过这个最大阈值时，则表示传感器的预测数据异常；获取编号为b1的传感器对应的限定系数，是因为不同的传感器监测的情况不同，相同的的差值，对应的室内情况的严重程度不同，因此，需要设置相应的限定系数的差值进行调节，使得不同传感器在相同的情况下，对应的室内情况的严重程度相同（即预警系数相同）。
25.应用云控制技术的智能家居门锁一体化控制方法，所述方法包括以下步骤：s1、在室内数据采集模块中，通过室内设置的传感器对室内环境数据进行采集，并将采集的数据实时保存到云存储中；s2、通过室内数据获取模块从云存储中调取室内传感器采集的传感器数据；s3、通过数据分析模块对室内数据获取模块调取的传感器数据进行分析，得到各个传感器对应数据的变化曲线；s4、在室内情况预测模块中，根据数据分析模块得到的各个传感器数据的变化曲线，对室内情况进行预测；s5、在家居门锁控制模块中，根据室内情况预测模块对室内情况的预测结果，自动控制家居门锁的开关。
26.与现有技术相比，本发明所达到的有益效果是：本发明通过对室内环境的监测、分析，进而对室内环境情况进行预测，并根据预测结果提前对门锁的控制状态进行判断，并执行相应的判断结果，该方式能够有效根据预测的室内情况控制门锁的开关，针对一些紧急或特殊情况时，如发生火灾或者做饭产生浓烟等，能够提前创造出利于用户的生存条件，减少用户开锁的时间，同时也在一定程度上加强了室内空气的流通，降低了发生危险的可能性。
附图说明
27.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明应用云控制技术的智能家居门锁一体化控制系统的结构示意图；图2是本发明应用云控制技术的智能家居门锁一体化控制系统中数据分析模块对室内数据获取模块调取的传感器数据进行分析的方法的流程示意图；图3是本发明应用云控制技术的智能家居门锁一体化控制系统中得到各个传感器对应数据的变化曲线的方法的流程示意图；图4是本发明应用云控制技术的智能家居门锁一体化控制方法的流程示意图。
具体实施方式
28.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，所描述的实施例仅仅是本发明一部分实施例，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做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。
29.请参阅图1-4，本发明提供技术方案：应用云控制技术的智能家居门锁一体化控制系统，包括：室内数据采集模块，所述室内数据采集模块通过室内设置的传感器对室内环境数据进行采集，并将采集的数据实时保存到云存储中；室内数据获取模块，所述室内数据获取模块从云存储中调取室内传感器采集的传感器数据；数据分析模块，所述数据分析模块对室内数据获取模块调取的传感器数据进行分析，得到各个传感器对应数据的变化曲线；室内情况预测模块，所述室内情况预测模块根据数据分析模块得到的各个传感器数据的变化曲线，对室内情况进行预测；家居门锁控制模块，所述家居门锁控制模块根据室内情况预测模块对室内情况的预测结果，自动控制家居门锁的开关。
30.本发明通过各个模块的协同合作，共同实现对室内数据的采集、分析、预测及对根据预测结果对家具门锁的控制，该方式能够提前判断室内的环境情况，并针对识别出一些特殊情况（燃烟传感器或燃气传感器数据超过指定范围），提前对门锁进行控制，确保用户能够快速进出门锁对应的门，节省用户开门的时间，确保用户的安全；本系统是安装在云存储中实时对传感器数据进行处理的，并根据处理结果实现对结局门锁的控制的。
31.所述室内数据采集模块中室内设置的传感器包括燃烟传感器及燃气传感器，每个燃烟传感器或每个燃气传感器对应一个唯一编号，所述燃烟传感器与燃气传感器每隔第一单位时间对室内环境进行一次采集，将第一单位时间记为t5，所述室内数据采集模块在将采集的数据保存到云存储中之前，会提前将数据与该数据对应的传感器编号及该数据被采集的时间进行绑定，并将绑定的结果一同保存到云存储中，所述绑定的结果记为（a1，b1，t1），其中，a1表示传感器采集的数据，b1表示a1对应的传感器编号，t1表示a1被采集的时间,所述传感器编号为大于等于1的整数，最大编号为b2，传感器编号的总个数为b2；所述室内数据获取模块从云存储中调取室内传感器采集的传感器数据时，调取的是各个传感器基于当前时间的前第二单位时间内的数据对应的绑定结果，将第二单位时间记为t2，将当前时间记为t0。
32.本发明室内数据采集模块在对传感器采集的数据进行保存时，将传感器编号及数据采集的时间一起进行绑定，是为了确保在进行数据分析时，能够快速调取各个传感器在具体时间采集的具体数据，避免数据之间出现混淆；获取当前时间，是为了将当前时间作为参照点，当前时间发生变化，进行数据分析时调取的数据也回去发生变化（调取的是各个传感器基于当前时间的前第二单位时间内的数据对应的绑定结果），本实施例中将基于当前
时间的前第二单位时间对应的时间点设置为0，则调取的所有数据及预测的所有数据对应的时间均为正数。
33.所述数据分析模块对室内数据获取模块调取的传感器数据进行分析的方法包括以下步骤：s1.1、获取同一编号的传感器对应的基于当前时间的前第三单位时间内的各个数据分别对应的绑定结果，将第三单位时间记为t3，且t3小于t2，将传感器对应的基于当前时间的前第三单位时间内的第i个数据对应的时间记为t3i，将编号为b1的传感器在t3i采集的数据对应的绑定结果记为（a1
b1-t3i
，b1，t3i），将传感器对应的基于当前时间的前第三单位时间内的数据总个数记为k，1≤i≤k；s1.2、获取i为不同值时，编号为b1的传感器在t0-t2至t3i对应的时间范围内采集的各个数据分别对应的绑定结果，将编号为b1的传感器在t0-t2至t3i对应的时间范围内时间tm采集的数据对应的绑定结果记为（a1
b1-tm
，b1，tm），其中，时间tm大于等于t0-t2且小于等于t3i；s1.3、将编号b1对应的传感器在t0-t2至t3i对应的时间范围内采集的各个数据按照相应绑定结果中时间的先后顺序，逐个录入一个空白集合中，记为集合a
b1-i
；s1.4、计算集合a
b1-i
中相邻两个元素对应的增长率，将集合a
b1-i
中第i1个元素对应的数据记为，将集合a
b1-i
中第i1个元素与第i1+1个元素之间对应的增长率记为，集合a
b1-i
中对应的增长率个数等于该集合中元素总个数减1，所述；s1.5、根据各个集合中对应的增长率，得到各个传感器对应数据的变化曲线。
34.本实施例中编号为001的传感器为燃烟传感器，若i=1时，编号001的传感器在t0-t2至t3i对应的时间范围内采集的各个数据分别为180、185、190、195，则集合a
001-1
={180,185,190,196}，则，，。
35.本发明数据分析模块获取同一编号的传感器对应的基于当前时间的前第三单位时间内的各个数据分别对应的绑定结果，并限制t3小于t2，是为了后续分析中需要对基于当前时间的前第三单位时间内的各个数据分别进行分析，同一编号的传感器在t0-t2至t3i时间对应的数据构成一个集合，即当i的值不同时（前第三单位时间内第i个数据），得到的集合是不相同的，进而该集合对应的变化曲线不同；获取集合a
b1-i
中相邻两个元素对应的增长率，是因为不同种类的传感器对应的采集数据之间的数据基数差距可能会很大（如：常规燃烟传感器的监测返回值在160至220之间，常规燃气传感器的监测范围大于0且小于100%lel），该方式不利于分析出传感器数据的变化情况，因此先获取集合中各数据对应的增长率，在通过增长率得到相应的变化曲线，相对而言分析结果会更加精准。
36.所述s1.5中得到各个传感器对应数据的变化曲线的方法包括以下步骤：s2.1、获取i为不同值时，编号为b1的传感器在t0-t2至t3i对应的时间范围内采集的各个数据对应的集合a
b1-i
及相应集合中对应的增长率；s2.2、获取每个集合中各个增长率对应的时间节点，集合a
b1-i
中第i1个元素与第i1+1个元素之间对应的增长率对应的时间为对应的时间；s2.3、获取集合a
b1-i
中对应的各个增长率及其相应的时间，并在以时间为x轴、增长率为y轴的平面直角坐标系中，以集合a
b1-i
中每个增长率为横坐标、以每个增长率相应的时间为纵坐标构建增长率时间变化节点，并将集合a
b1-i
中构建的增长率时间变化节点分别在平面直角坐标系中标记出来，并根据平面直角坐标系中标记的增长率时间变化节点进行线性拟合，得到集合a
b1-i
对应的增长率时间变化曲线；s2.4、根据拟合后的集合a
b1-i
对应的增长率时间变化曲线，得到编号为b1的传感器在t3i时对应的a1
b1-t3i
对应的增长率时间变化曲线函数f
b1-t3i
（t），其中，t0-t2≤t≤t3i。
37.本发明中对应数据的变化曲线具体指的是增长率时间变化曲线，该变化曲线反应的是增长率随时间变化而变化的情况；构建平面直角坐标系是为了便于后续对增长率时间变化节点进行标记，并根据标记的增长率时间变化节点进行线性拟合，进而得到该增长率时间变化曲线中的增长率变化情况，进而为后续预测室内情况提供数据依据。
38.所述s2.3中根据平面直角坐标系中标记的增长率时间变化节点进行线性拟合时，调取云存储库中保存的线性拟合模板方程，分别根据线性拟合模板方程对平面直角坐标系中标记的增长率时间变化节点进行线性拟合，得到不同线性拟合结果，一个线性拟合模板方程对应一个线性拟合结果，分别计算每个线性拟合结果与平面直角坐标系中标记的各个增长率时间变化节点之间的距离，计算同一线性拟合结果中各个增长率时间变化节点分别对应的距离之和，记为该线性拟合结果对应的拟合偏差值，比较不同线性拟合结果对应的拟合偏差值，选取拟合偏差最小的线性拟合结果作为集合a
b1-i
对应的增长率时间变化曲线。
39.本发明进行线性拟合时，先采用不同的线性拟合模板得到不同的线性拟合结果，再根据不同的线性拟合结果对应的拟合偏差值实现对线性拟合结果的筛选，该方式不仅确保了线性拟合结果的多样化，有确保了线性拟合结果的准确性。
40.所述室内情况预测模块对室内情况进行预测的方法包括以下步骤：s3.1、根据编号为b1的传感器在t3i时对应的a1
b1-t3i
对应的增长率时间变化曲线函数f
b1-t3i
（t），计算出增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
；s3.2、获取当前时间编号为b1的传感器对应的数据，记为a1
b1-t0
；s3.3、预测出i为不同值时，编号为b1的传感器基于当前时间在第四单位时间后对应的数据，所述第四单位时间为t4，编号为b1的传感器对应的平均增长率d
b1-t3i
与第四单位时间t4的乘积除以t5，所得商与1的和乘上a1
b1-t0
的积为编号为b1的传感器对应的预测结果，将编号为b1的传感器在t3i时对应的a1
b1-t3i
对应的预测结果记为g
b1-t3i
，
所述。
41.本发明室内情况预测模块获取增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
，是因为d
b1-t3i
反映出了f
b1-t3i
（t）总体的增长率变化情况，表示从当前时间到第四单位时间后这个过程中传感器采集的数据个数，每次采集的数据对应的增长率为d
b1-t3i
，将d
b1-t3i
与相乘，得到的则是相对于当前时间，预测的编号为b1的传感器在第四单位时间t4后对应数据的总增长率，因此，将乘上a1
b1-t0
，即可得到预测结果g
b1-t3i
。
42.所述s3.1中计算出增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
的方法包括以下步骤：s4.1、获取增长率时间变化曲线函数f
b1-t3i
（t）对应的时间范围，并根据时间范围得到增长率时间变化曲线函数f
b1-t3i
（t）对应的最大时间差，所述最大时间差为t3i-（t0-t2），s4.2、得到增长率时间变化曲线函数f
b1-t3i
（t）对应的平均增长率d
b1-t3i
，所述。
43.本实施例中若t0对应的时间点为第10秒，t4=5秒，t2=10秒，t3=6秒，t3i对应的时间点为第7秒，a1
b1-t0
等于200，第一单位时间为1秒，且编号为002的传感器在第7秒时对应的a1
002-7
对应的增长率时间变化曲线函数f
002-7
（t）为，因为10-10=0且t3i=7，则f
002-7
（t）对应的时间范围为0≤t≤7，则f
002-7
（t）对应的平均增长率为d
002-7
，，则编号为002的传感器在第7秒时对应的a1
002-7
对应的预测结果为g
002-7
，。
44.本发明由于f
b1-t3i
（t）对应的时间范围为t0-t2≤t≤t3i，因此f
b1-t3i
（t）对应的最大时间差为t3i-（t0-t2）；在计算平均增长率d
b1-t3i
时，采用的是积分的方式而不是直接计算平面直角坐标系中标记的增长率时间变化节点中增长率的平均值，是因为只单纯靠增长率时间变化节点中增长率进行获取，由于节点个数较少，且增长率随时间变化不是均匀的，因此直接计算平面直角坐标系中标记的增长率时间变化节点中增长率的平均值会使得预测结果出现较大的偏差，进而使得对门锁的控制出现错误；同时预测f
b1-t3i
（t）对应的平均增长率，而不是根据f
b1-t3i
（t）随时间的变化情况，直接预估出基于当前时间的后续第四单
位时间内对应的增长量，是因为f
b1-t3i
（t）对应的只是历史数据中的某个数据片段对应的增长率情况，且该数据片段距离当前时间尚且存在一定的时间差，因此通过f
b1-t3i
（t）直接预估出基于当前时间的后续第四单位时间内对应的增长量，会因为f
b1-t3i
（t）对应的历史数据片段与时间点t0+t4之间的时间跨度过大，导致预测结果出现较大的偏差，而f
b1-t3i
（t）对应的平均增长率则反应的是该历史数据片段中数据总体的一种较为稳定的增长趋势，相对而言，采用f
b1-t3i
（t）对应的平均增长率得到的预测结果对应的精度更高；由于，结合，可以得到。
45.所述家居门锁控制模块包括预测结果分析模块及门锁开关控制模块，所述预测结果分析模块在获取到i为不同值时，编号为b1的传感器基于当前时间在第四单位时间后对应数据的预测结果g
b1-t3i
后，会对所得的各个预测结果进行分析处理，结合数据库中各个传感器对应的标准监测阈值，得到每个预测结果对应的预警系数，所述编号为b1的传感器对应的标准监测阈值记为wb1，在i为不同值时，编号为b1的传感器对应的预警系数记为r
b1-i
；所述门锁开关控制模块逐个将基于当前时间在第四单位时间后不同i值且不同编号b1的传感器对应的预警系数r
b1-i
录入到一个空白集合中，得到第一集合，所述第一集合为{r
b1-i
|1≤b1≤b2且1≤i≤k}，所述门锁开关控制模块获取第一集合中元素的最大值，记为{r
b1-i
|1≤b1≤b2且1≤i≤k}max，门锁开关控制模块将{r
b1-i
|1≤b1≤b2且1≤i≤k}max与第一阈值进行比较，当{r
b1-i
|1≤b1≤b2且1≤i≤k}max大于等于第一阈值时，则判定室内环境较差，存在较大烟雾，自动控制门锁开启；当{r
b1-i
|1≤b1≤b2且1≤i≤k}max小于第一阈值时，则判定室内环境正常，保持门锁原有的状态。
46.本发明家居门锁控制模块中门锁开关控制模块获取第一集合，是为了综合分析同一时间各个传感器分别对应的预警系数结果，同一时间同一传感器对应的预警系数有k个；选取第一集合中的各元素的最大值与第一阈值进行比较，是为了获取各个预测结果对应的预警系数中最严重的情况，将其与第一阈值进行比较，进而能够实现对门锁的有效控制，提前判断出门锁对应的控制状态，进而实现对门锁的有效控制。
47.预测分析模块获取预警系数r
b1-i
的方法包括以下步骤：s5.1、获取获取到i为不同值时，编号为b1的传感器基于当前时间在第四单位时间后对应数据的预测结果g
b1-t3i
及编号为b1的传感器对应的标准监测阈值记为wb1；s5.2、获取编号为b1的传感器对应的限定系数，记为mb1，不同种类不同的型号的传感器对应的标准监测阈值不同，不同种类不同的型号的传感器对应的限定系数不同，
相同种类相同型号不同编号的传感器对应的标准监测阈值相同，相同种类相同型号不同编号的传感器对应的限定系数相同；s5.3、得到预警系数r
b1-i
，所述。
48.本发明计算预警系数时，获取编号为b1的传感器对应的标准检测阈值，是因为传感器正常状态时均存在一个最大阈值，标准检测阈值指的就是这个最大阈值，当传感器的预测数据超过这个最大阈值时，则表示传感器的预测数据异常；获取编号为b1的传感器对应的限定系数，是因为不同的传感器监测的情况不同，相同的的差值，对应的室内情况的严重程度不同，因此，需要设置相应的限定系数的差值进行调节，使得不同传感器在相同的情况下，对应的室内情况的严重程度相同（即预警系数相同）。
49.应用云控制技术的智能家居门锁一体化控制方法，所述方法包括以下步骤：s1、在室内数据采集模块中，通过室内设置的传感器对室内环境数据进行采集，并将采集的数据实时保存到云存储中；s2、通过室内数据获取模块从云存储中调取室内传感器采集的传感器数据；s3、通过数据分析模块对室内数据获取模块调取的传感器数据进行分析，得到各个传感器对应数据的变化曲线；s4、在室内情况预测模块中，根据数据分析模块得到的各个传感器数据的变化曲线，对室内情况进行预测；s5、在家居门锁控制模块中，根据室内情况预测模块对室内情况的预测结果，自动控制家居门锁的开关。
50.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
51.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。