基于红外矩阵热场感知的AI智能调控系统的制作方法
本发明涉及智能家居控制,具体涉及一种基于红外矩阵热场感知与人工智能(ai)算法融合的空调及环境设备智能调控系统、方法及存储介质。
背景技术:
1、随着物联网与人工智能技术的发展,智能空调已逐渐普及。现有智能空调的控制逻辑主要分为两类:
2、第一类是基于环境温度传感器的反馈控制,其仅能感知空气温度,无法感知用户体表温度的变化,存在滞后性与误判风险;
3、第二类是近年来兴起的ai自适应控制,如中国专利申请cn121048247a(北京科技大学)所公开的方案。该类方案通过采集用户体表温度及环境温度,结合用户手动调节遥控器的历史数据训练模型,以优化已开启空调的运行参数。然而,该类技术存在以下显著缺陷:
4、决策起点滞后:其控制逻辑始于“空调已开机”状态,无法解决空调处于关机状态时,如何根据人体生理热状态主动决策开机的问题;
5、感知维度单一:仅依赖设备本地的传感器数据,未融合用户空间位置、外部天气等多源异构数据;
6、缺乏场景化关怀:未涉及对用户睡眠状态、离床/翻身等特殊场景的精细化防误判处理;
7、针对上述缺陷,本发明提供一种全新的解决方案。
技术实现思路
1、一、要解决的技术问题
2、本发明旨在解决现有智能空调无法在关机状态下根据人体生理热舒适度趋势进行主动预判开机,及自主调节运行模式,以及无法实现多房间温度数据采集、集中分析处理和统一集中管控的技术问题。
3、技术方案
4、为达到上述目的,本发明提供如下技术方案:
5、一种基于红外矩阵热场感知的ai智能调控系统,其特征在于,包括:
6、1. 系统架构
7、至少一个红外矩阵传感单元:部署于固定式设备(如陪伴机器人本体或部署式面板),用于非接触式采集目标区域内人体及环境的二维热场分布数据,并提取体表温度t_body、环境温度t_env、温升速率δt/δt、及有效热源像素面积s。
8、环境感知单元:集成于主板0001上的温湿度传感器与光线传感器,用于采集环境温湿度及光照数据,作为多源融合决策的辅助输入。
9、ai决策主控单元:
10、(一)云端分析层:包含云端ai大模型分析引擎接口,用于接入第三方ai大模型服务平台(用户可选择系统指定的大模型服务,亦可自行配置符合接口标准的第三方大模型api);
11、所述ai大模型用于对红外矩阵上传的温度数据和环境感知单元进行趋势分析及特征提取,输出体表温度变化趋势及预测结果;
12、(二)业务逻辑层:预置多源数据融合决策逻辑,根据大模型输出的分析结果,结合空间定位数据、天气数据及用户习惯基线数据库,执行综合判断并生成控制指令,通过双模通信模块下发。
13、(三)本地应急决策层:各面板内置轻量化决策引擎,与业务逻辑层逻辑解耦,用于云端服务不可用时的应急判断与红外直控。
14、2. 设备硬件架构
15、在优选实施例中,所述陪伴机器人的机械结构及电子元件布局如下:
16、机身结构:包括头部外壳1004、身体外壳1002及连接身体的底盘1006,通过底盘齿轮与底部舵机0002相接耦合转动,实现身体与头部的整体大范围转动。
17、内部支撑骨架1001 :设置于机身内部,用于支撑脖颈转动和内部结构稳定。
18、脖颈1003 :连接头部与身体的节点,其上的支架部分与屏幕舵机0004搭配使用,带动头部实现上下俯仰(点头)动作;脖颈处还设置有与头部舵机0003配合的齿轮1005,通过齿轮传动实现头部的左右旋转。
19、多轴云台系统,包括:
20、· 底部舵机0002 :安装于身体内壳底部,转动范围为0-270°,用于控制机器人本体在水平方向上的大范围转动。
21、· 头部舵机0003 :安装于身体与头部的连接处(脖颈位置),通过齿轮1005与脖颈相耦合,用于控制头部相对于身体的独立左右旋转。
22、· 屏幕舵机0004 :安装于屏幕背部,用于控制屏幕的上下俯仰角度。
23、核心传感器组:均集成于设备胸口位置,包括:
24、· 红外矩阵传感单元0007 :用于采集人体热场数据。
25、· 摄像头0008 :用于捕捉环境及人体图像,辅助定位与追踪;当人物在镜头中缺失时,配合底部舵机0002转向寻找人体,使红外矩阵传感单元0007可以继续监控用户体温。
26、· 红外线发射器0006 :用于在无云端智能控制时直接对空调或者智能家居发送红外控制信号(前提是小机器人在当前设备房间内)。
27、主板0001 :集成于身体内部,作为控制输出信号的核心,电性连接并控制上述所有舵机、传感器及通信模块。
28、屏幕0005 :安装于头部前方,配合屏幕舵机0004和头部舵机0003活动,用于显示交互界面、机器人形象及系统状态相关信息。
29、3. 核心控制逻辑(并行型多源融合决策)
30、所述ai决策主控单元执行以下并行处理线程:
31、第一线程(生理与环境监测) :控制红外矩阵以自适应变频扫描方式持续采集体表温度t_body、环境温度t_env,并提取温升速率δt/δt及有效热源像素面积s。
32、第二线程(空间与气象定位) :后台持续运行空间定位算法与天气查询线程。定位信息来源于用户在软件内主动授权定位访问,或主动语音/app输入告知;更精细化的区域定位,来源于摄像头视觉特征匹配定位在当前区域的哪个地方(基于预存的家庭2d俯视图,俯视图中标记有门、窗、床铺等区域边界);天气数据来源于本地定位,当地天气授权获取数据信息。
33、第三线程(综合决策与执行) :在用户授权系统自主决策空调或者智能家居控制时,当监测到t_body或δt/δt满足预设的异动触发条件时,立即调用第二线程中最新缓存的空间位置与天气数据,结合预存储的用户热舒适基线数据库,进行加权融合决策;生成控制指令并通过双模通信模块下发:主路径优先通过wi-fi/局域网进行云端控制调用智能设备;备路径在主路径不可用时调用红外线控制调用智能设备。
34、4. 关键子算法
35、1.自学习热舒适基线:记录并聚类分析用户在不同时间、季节下感到舒适时的体表温度区间及对应的空调设定参数(温度、风速、睡眠模式等)。
36、2.设备兼容与自适应扩展:所述自学习机制不限于温度控制维度,可扩展应用于全屋支持云端控制或红外遥控的各类智能家居设备:
37、(1)设备录入与注册:用户可通过软件界面主动录入家中支持智能控制或红外控制的设备(包括但不限于:空调、灯光系统、电动窗帘、加湿器、空气净化器、风扇、电暖器、投影仪等),系统自动识别并接入该设备的控制协议,将其纳入统一调度体系。
38、(2)用户习惯记录与学习:系统持续监测并记录用户对各设备的使用行为,包括但不限于:设备开启/关闭时间、运行模式偏好、参数设置偏好(如灯光亮度、窗帘开合比例、风速挡位等)、不同季节或时段的使用差异、设备间的联动操作模式等。所述记录数据经聚类分析后,形成针对每个设备的个性化用户习惯基线库。
39、(3)自适应执行与复现:在用户授权的前提下,系统根据当前时间、季节、环境参数及用户习惯基线库,自动预判用户对各设备的使用意图,生成控制建议或直接执行控制指令。例如:系统通过学习记录到用户在夜间观影时习惯将灯光调暗至30%、窗帘闭合至80%,则在识别到用户处于观影状态时自动执行该组合配置;通过学习记录到用户夏季日间习惯将空调设为26℃并配合风扇运行,则在该场景下自动复现该联动策略。
40、(4)所述自适应扩展机制基于统一的软件架构实现,新增设备无需修改核心决策逻辑,仅需通过标准化接口接入协议即可纳入系统管理;系统通过对各设备历史控制数据及用户反馈的学习,自动生成针对不同设备的个性化控制策略,纳入统一调度体系。
41、3.防误判追踪机制:当红外像素面积s在短时间内(如2秒内)缩减超过50%时,判定为用户发生就位状态改变。此时结合环境语义判定:若摄像头0008采集的环境图像经特征匹配后确认用户移动方向指向门区域,则判定用户已离开当前房间,系统不启动主动追踪,仅维持空调当前状态运行,暂停决策输出;当红外矩阵传感单元0007重新检测到热源进入房间区域时,触发视觉跟随模式,底部舵机0002根据热源方位带动本体转动,摄像头0008持续捕捉人体轮廓,直至s恢复稳定(重新躺下)后恢复决策输出。
42、4.自适应扫描频率:系统根据监测状态动态调整红外矩阵的扫描间隔——待机状态(无人或无活动热源)以低频t1(如60s)扫描,仅用于检测人体进入,降低待机能耗;当检测到有效热源且判定用户处于睡眠或静坐状态时,切换至中频t2(如10s),以平衡功耗与数据精度;当温升速率δt/δt或体表温度t_body触发异动阈值时,立即切换至高频t3(如1s),以密集采样支撑精确决策,待体温恢复平稳后逐级降频回退。
43、5.系统自检与归零:每次系统启动时,主板0001对各舵机执行归零复位操作:底部舵机0002旋转至预设的0°基准方向(如面向床铺中央);头部舵机0003与屏幕舵机0004复位至默认仰角;摄像头0008采集基准图像与预存的2d俯视图进行初步匹配以确认设备所处房间及朝向。该自检程序用于验证舵机运行是否卡顿、传感器是否正常,若自检失败则通过屏幕0005或语音提示用户检修。
44、(三)有益效果
45、1. 实现了空调从“被动响应遥控器”到“主动预判人体舒适度”的跨越,填补了关机状态下的决策空白。
46、2. 通过引入空间定位与天气数据,有效避免了外部环境突变(如突然降温)导致的误开机,提升了决策稳定性和合理性。
47、3. 红外矩阵传感单元结合防误判追踪机制,能精准区分“正常睡眠翻身”与“热醒不适”,显著改善用户夜间使用体验,避免胡乱判定调节。
48、4. 双模通信(wi-fi+红外)设计确保了无云端调用设备状态下的高可用性,在无云端调用时,可通过局域网/wifi控制面板中的红外线进行当前房间、其他房间的智能设备基础调控;或者局域网/wifi中断时,也可以直接通过面板红外线控制相关设备,系统具备完整的容灾能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com