用于控制家电设备的方法及装置、服务器与流程

1.本技术涉及智能家电技术领域，例如涉及一种用于控制家电设备的方法及装置、服务器。


背景技术：

2.目前，随着人工智能技术的进步，人们对家电设备的智能化需求越来越强烈。
3.现有一种基于神经网络的空调冷却系统智能节能控制系统，包括数据采集模块、神经网络模型训练模块、人工智能分析模块、冷却系统能效控制模块；所述数据采集模块与空调冷却系统、室外传感器连接，采集空调冷却系统运行参数并处理；所述神经网络模型训练模块与数据采集模块连接，所述神经网络模型训练模块获取数据采集模块的数据并进行训练建立模型；所述人工智能分析模块与神经网络模型训练模块连接，所述人工智能分析模块利用已获得的模型结合数据采集模块采集的运行数据进行分析；所述冷却系统能效控制模块与人工智能分析模块连接，所述冷却系统能效控制模块从人工智能分析模块获得分析数据对数据采集模块进行数据修正并对空调冷却系统进行自动控制。
4.在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
5.仅利用历史数据进行参数调整和设定具有很大的盲目性，难以达到智能控制的目的，不能根据用户对家电设备最新的使用喜好控制家电设备，难以适应用户对家电设备最新的个性化需求。


技术实现要素：

6.为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
7.本公开实施例提供了一种用于控制家电设备的方法及装置、服务器，以适应用户对家电设备最新的个性化需求。
8.在一些实施例中，所述方法包括：
9.实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像；
10.以虚拟数字镜像作为强化学习的环境，以家电设备映射构建的数字孪生体作为智能体，训练强化学习模型，得到个性化强化学习模型及其智能体的虚拟运行状态参数；
11.控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，使实际运行状态参数更新为对应的虚拟运行状态参数；
12.其中，不同智能体之间的虚拟运行状态参数存在关联关系，实际运行状态参数与虚拟运行状态参数为平行数据。
13.在一些实施例中，所述装置包括：
14.平行感知模块，被配置为实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像；
以及他们的任何变形，意图在于覆盖不排他的包含。
33.除非另有说明，术语“多个”表示两个或两个以上。
34.本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
35.术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
36.术语“对应”可以指的是一种关联关系或绑定关系，a与b相对应指的是a与b之间是一种关联关系或绑定关系。
37.本公开实施例中，家电设备是指将微处理器、传感器技术、网络通信技术引入家电设备后形成的家电产品，具有智能控制、智能感知及智能应用的特征，家电设备的运作过程往往依赖于物联网、互联网以及电子芯片等现代技术的应用和处理，例如家电设备可以通过连接电子设备，实现用户对家电设备的远程控制和管理。
38.结合图1所示，本公开实施例提供一种用于控制家电设备的方法，包括：
39.s101，服务器实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像。
40.s102，服务器以虚拟数字镜像作为强化学习的环境，以家电设备映射构建的数字孪生体作为智能体，训练强化学习模型，得到个性化强化学习模型及其智能体的虚拟运行状态参数。
41.s103，服务器控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，使实际运行状态参数更新为对应的虚拟运行状态参数。
42.其中，不同智能体之间的虚拟运行状态参数存在关联关系，实际运行状态参数与虚拟运行状态参数为平行数据。
43.采用本公开实施例提供的用于控制家电设备的方法，能基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求调整有联动关系的家电设备的运行状态参数。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。
44.可选地，关联关系，包括：在第一智能体的虚拟运行状态参数发生改变的情况下，与第一智能体存在协同关系的第二智能体的虚拟运行参数发生改变。这样，基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求调整有联动关系的智能体的运行状态参数，进而调整有联动关系的家电设备的运行状态参数。有利于更好地根据用户对家电设备最新的使用喜好控制家电设备，以更好地适应用户对家电设备最新的个性化需求。
45.可选地，运行状态参数包括：家电设备所处环境的环境参数。和/或，家电设备在运行中的设备参数。和/或，家电设备在运行中的运行状态。这样，有利于为强化学习模型的训练提供运行状态参数的数据基础，从而有利于更好地根据用户对家电设备最新的使用喜好控制家电设备，以更好地适应用户对家电设备最新的个性化需求。
46.可选地，环境参数包括：环境温度。和/或，环境湿度。和/或，环境细颗粒物(fine particulate matter，pm2.5)浓度。这样，有利于为强化学习模型的训练提供家电设备所处环境的环境参数的数据基础，从而有利于更好地根据用户对家电设备最新的使用喜好控制家电设备，以更好地适应用户对家电设备最新的个性化需求。
47.可选地，设备参数包括：设备的风机转速。和/或，设备的运行频率。和/或，设备的
制冷或制热量。和/或，设备的加湿参数。和/或，设备的除尘参数。和/或，设备的音频参数。这样，有利于为强化学习模型的训练提供家电设备在运行中的设备参数的数据基础，从而有利于更好地根据用户对家电设备最新的使用喜好控制家电设备，以更好地适应用户对家电设备最新的个性化需求。
48.可选地，运行状态包括：设备的开启状态，或设备的关闭状态。这样，有利于为强化学习模型的训练提供家电设备在运行中的运行状态的数据基础，从而有利于更好地根据用户对家电设备最新的使用喜好控制家电设备，以更好地适应用户对家电设备最新的个性化需求。
49.可选地，服务器控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，包括：服务器向与虚拟运行状态参数发生改变的智能体对应的家电设备发送调整实际运行状态参数的指令。这样，有利于更好地根据用户对家电设备最新的使用喜好控制家电设备，以更好地适应用户对家电设备最新的个性化需求。
50.结合图2所示，本公开实施例提供另一种用于控制家电设备的方法，包括：
51.s201，服务器实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像。
52.s202，服务器以虚拟数字镜像作为强化学习的环境，以家电设备映射构建的数字孪生体作为智能体，训练强化学习模型，得到个性化强化学习模型及其智能体的虚拟运行状态参数。
53.s203，服务器控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，使实际运行状态参数更新为对应的虚拟运行状态参数。
54.s204，服务器循环执行上述步骤。
55.采用本公开实施例提供的用于控制家电设备的方法，能基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求不断调整有联动关系的家电设备的运行状态参数。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。
56.结合图3所示，本公开实施例提供另一种用于控制家电设备的方法，包括：
57.s301，服务器实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像。
58.s302，服务器以虚拟数字镜像作为强化学习的环境，以家电设备映射构建的数字孪生体作为智能体，训练强化学习模型，得到个性化强化学习模型及其智能体的虚拟运行状态参数。
59.s303，服务器控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，使实际运行状态参数更新为对应的虚拟运行状态参数。
60.s304，服务器根据神经网络模型对虚拟数字镜像进行智能分析或智能控制。
61.s305，服务器按照分析结果控制家电设备执行对应的策略。
62.采用本公开实施例提供的用于控制家电设备的方法，能基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求调整有联动关系的家电设备的运行状态参数。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。同时，通过神经网络模型实现设备的智能分析或智能控制，可以更好地控制家电设备满足用
户的个性化需求。
63.可选地，虚拟数字镜像还包括设备采集到的语音信息。这样，有利于为强化学习模型训练和神经网络模型训练提供语音数据。一方面有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。另一方面，通过神经网络模型实现设备的智能分析或智能控制，可以更好地控制家电设备满足用户的个性化需求。
64.可选地，服务器根据神经网络对虚拟数字镜像进行智能分析或智能控制，包括：服务器以虚拟数字镜像中家电设备的实际运行状态参数作为输入，通过节能优化模型对家电设备进行能耗优化。服务器以虚拟数字镜像中家电设备的实际运行状态参数作为输入，通过智能控制模型对家电设备进行个性化控制。服务器以虚拟数字镜像中家电设备的实际运行状态参数作为输入，通过故障诊断模型对家电设备进行故障诊断。服务器以虚拟数字镜像中设备采集到的语音信息作为输入，通过人机对话模型控制家电设备与用户对话。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。同时，通过节能优化模型实现对家电设备的能耗优化，通过智能控制模型实现对家电设备的个性化控制，通过故障诊断模型实现对家电的故障诊断，通过人机对话模型实现家电设备与用户对话。从而实现设备的智能分析或智能控制，进而更好地控制家电设备满足用户的个性化需求。
65.可选地，故障诊断模型基于联邦学习。这样，用户使用的每个家电设备作为联邦学习方法中的一个节点，通过联邦学习保证数据的隐私和安全，同时在不损失模型精度的情况下训练得到一个全局最优的故障诊断模型，以实现家庭设备的故障诊断与预测。这样，有利于更好地实现设备的智能分析或智能控制，进而更好地控制家电设备满足用户的个性化需求。
66.可选地，人机对话模型基于知识图谱。具体地，多轮对话模型以知识图谱作为底层知识库。这样，将知识图谱融合到对话中，使得生成的对话包含事实依据，有利于更好地通过人机对话模型实现家电设备与用户对话。从而更好地实现设备的智能分析或智能控制，进而更好地控制家电设备满足用户的个性化需求。
67.可选地，基于知识图谱的多轮对话模型的设计，包括：服务器使用人机对话模型提取居民发出的语义信息，转化为机器可以理解的特征向量。服务器将特征向量与知识图谱中的实体、关系组成的三元组进行匹配。服务器在知识图谱中寻找答案，将答案所包含的三元组信息由特征向量生成为人类理解的语言，实现一次对话。服务器循环执行上述步骤，实现多轮对话。这样，将知识图谱融合到对话中，使得生成的对话包含事实依据，有利于更好地通过人机对话模型实现家电设备与用户对话。从而更好地实现设备的智能分析或智能控制，进而更好地控制家电设备满足用户的个性化需求。
68.在实际应用中，如图4所示，服务器实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像。服务器以虚拟数字镜像作为强化学习的环境，以家电设备映射构建的数字孪生体作为智能体，训练强化学习模型，得到个性化强化学习模型及其智能体的虚拟运行状态参数。服务器控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，使实际运行状态参数更新为对应的虚拟运行状态参数。其中，不同智能体之间的虚拟运行状态参数存在关联关系，实际运行状态参数与虚拟运行状态参数为平行数据。服务器以虚拟数字镜像中家电设备的实际运行状态参数作为输入，通过节能优化模型
对家电设备进行能耗优化。服务器以虚拟数字镜像中家电设备的实际运行状态参数作为输入，通过智能控制模型对家电设备进行个性化控制。服务器以虚拟数字镜像中家电设备的实际运行状态参数作为输入，通过故障诊断模型家电设备进行故障诊断。服务器以虚拟数字镜像中设备采集到的语音信息作为输入，通过人机对话模型控制家电设备与用户对话。
69.在服务器采集到空调所处的环境温度发生变化的情况下，通过形成的虚拟数字镜像训练强化学习模型。在强化学习模型中，和空调对应的第一智能体的设备的制冷或制热量、设备的运行频率和设备的加湿参数发生变化。同时，和第一智能体有关联关系的第二智能体的设备的除尘参数发生变化，第二智能体为和空调有关联关系的空气净化器对应的智能体。服务器控制空调调整设备的制冷或制热量、设备的运行频率和设备的加湿参数为对应的智能体的虚拟运行状态参数，并控制加湿器调整设备的除尘参数为对应的智能体的虚拟运行状态参数。
70.这样，基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求调整有联动关系的家电设备的运行状态参数。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。
71.结合图5所示，本公开实施例提供一种用于控制家电设备的装置，包括平行感知模块501、强化学习模块502和平行控制模块503。平行感知模块501，被配置为实时采集多个家电设备的实际运行状态参数，构建虚拟数字镜像。强化学习模块502，被配置为以虚拟数字镜像作为强化学习的环境，以家电设备映射构建的数字孪生体作为智能体，训练强化学习模型，得到个性化强化学习模型及其智能体的虚拟运行状态参数。平行控制模块503，被配置为控制与虚拟运行状态参数发生改变的智能体对应的家电设备调整实际运行状态参数，使实际运行状态参数更新为对应的虚拟运行状态参数。其中，不同智能体之间的虚拟运行状态参数存在关联关系，实际运行状态参数与虚拟运行状态参数为平行数据。
72.采用本公开实施例提供的用于控制家电设备的装置，有利于基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求调整有联动关系的家电设备的运行状态参数。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。
73.可选地，该用于控制家电设备的装置还包括数据智能分析模块。数据智能分析模块被配置为根据神经网络模型对虚拟数字镜像进行智能分析或智能控制；按照分析结果控制家电设备执行对应的策略。这样，基于平行数据实时获取家电设备的实际运行状态参数形成虚拟数字镜像，在虚拟数字镜像中利用强化学习算法对家电设备的个性化需求调整有联动关系的家电设备的运行状态参数。这样，有利于根据用户对家电设备最新的使用喜好控制家电设备，以适应用户对家电设备最新的个性化需求。同时，通过神经网络模型实现设备的智能分析或智能控制，可以更好地控制家电设备满足用户的个性化需求。
74.结合图6所示，本公开实施例提供一种用于控制家电设备的装置，包括处理器(processor)600和存储器(memory)601。可选地，该装置还可以包括通信接口(communication interface)602和总线603。其中，处理器600、通信接口602、存储器601可以通过总线603完成相互间的通信。通信接口602可以用于信息传输。处理器600可以调用存
储器601中的逻辑指令，以执行上述实施例的用于控制家电设备的方法。
75.此外，上述的存储器601中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
76.存储器601作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器600通过运行存储在存储器601中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于控制家电设备的方法。
77.存储器601可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器601可以包括高速随机存取存储器，还可以包括非易失性存储器。
78.本公开实施例提供了一种服务器，包含上述的用于控制家电设备的装置。
79.本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述用于控制家电设备的方法。
80.本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述用于控制家电设备的方法。
81.上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
82.本公开实施例的技术方案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一个存储介质中，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
83.以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本技术中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本技术中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本技术中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个
…”
限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
84.本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
85.本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
86.附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。