一种智能家居服务器及其控制方法与流程

1.本发明涉及服务器技术领域，具体涉及一种智能家居服务器及其控制方法。


背景技术：

2.随着智能家居和人工智能的技术飞速发展，越来越多的智能家居子设备需要依托云端服务器实现设备与设备，人与设备之间的交互。当前的ai算法由于资源要求较高，会部署在云端的服务器上，通过终端设备获取数据后进行云端运算，得到运算结果后将结果通过通讯协议反馈到设备端或者手机移动端，实现数据的传输和运算识别等。即用户通过与阿里云、腾讯云等企业合作购买云端服务器资源后，将设备采集的信息数据存储在第三方服务器后进行相关的ai运算或者存储。得到运算结果后将结果通过通讯协议反馈到设备端或者手机移动端，实现数据的传输和运算识别等。
3.这种方式是目前主流的方式，但是ai技术算法需要大型服务器支持，只能依托平台级服务器，无法做到将服务器部署到家庭，成本高，体积大，占用大量资源，无法快速响应和成本低。隐私数据在云端不安全，容易数据丢失和被不法分子利用，导致隐私泄漏。平台级服务器依赖厂家授权或者付费提供服务，无法长期可持续使用。


技术实现要素：

4.本发明的主要目的是提供一种小型化、安全、的智能家居服务器。
5.本发明至少通过如下技术方案之一实现。
6.一种智能家居服务器，包括：壳体、安装于所述壳体的电路装置和主动液冷散热系统，所述电路装置包括电源供电系统及与所述电源供电系统电连接的主控模块和通信模块；
7.所述主动液冷散热系统包括风扇、热泵、散热器和导热管，所述风扇和所述散热器分别与所述电路装置贴靠安装；所述导热管设于所述散热器中，且与所述热泵连通；所述热泵和风扇与所述电源供电系统以及主控模块均电连接；
8.所述主控模块通过所述通信模块与移动终端建立通讯连接，通过移动终端实现服务器身份识别登录、授权、ai技能学习以及数据查看；
9.所述主控模块还用于控制所述风扇和/或所述热泵工作。
10.优选的，所述电路装置包括还按键组件，所述按键组件包括与所述主控模块分别电连接的开关机按键、操作系统复位按键。
11.优选的，所述主控模块采用linux操作系统架构。
12.优选的，所述主控模块用于在服务器启动时，以及在主控模块温度小于或者等于第一预设温度值时，控制所述风扇工作，在主控模块温度大于或者等于第二预设温度值时，控制所述热泵工作；所述第二预设温度值大于或者等于所述第一预设温度值。
13.优选的，所述主控模块设有adc测温功能，通过adc通道采集主控模块的主控cpu内部温度。
14.优选的，所述通信模块包括与所述主控模块电连接的5g模块、wifi
‑
6模块、zigbee模块。
15.优选的，所述电路装置还包括外部接口，所述外部接口包括与所述主控模块分别电连接的type
‑
c电源接口、2.4g天线接口和5g天线接口。
16.一种如所述的智能家居服务器的控制方法，包括以下步骤：
17.主控模块通过移动终端与子设备建立通信连接，基于用户在移动终端设置的自学习模式后，获取与主控模块已连接的子设备的使用数据；
18.根据获取的子设备的使用数据分析用户的使用习惯，所述用户的使用习惯包括用户使用子设备的区域维度、时间维度、使用频率维度；
19.根据子设备的区域维度、时间维度、使用频率维度生成ai控制策略，对子设备进行控制。
20.优选的，所述子设备包括智能电器、人体穿戴设备、传感器模块，所述传感器模块至少包括光照传感器；
21.所述使用数据包括已连接的智能电器的区域维度、时间维度、使用频率维度，以及获取人体穿戴设备和传感器模块的采集数据；
22.主控模块通过结合智能电器的区域维度、时间维度、使用频率维度以及人体穿戴设备和传感器模块的采集数据，实现自学习并自动推送场景到移动终端，以供用户选择。
23.优选的，与主控模块绑定登录的移动终端能够获取以及显示与智能家居服务器连接的子设备的当前使用和历史使用的统计数据，所述统计数据包括子设备的工作状态和子设备的使用次数；
24.主控模块对统计数据进行评分，并根据子设备的当前使用和历史使用的统计数据学习ai技能，并显示于移动终端供用户选择使用，所述ai技能至少包括长辈跌倒、长辈关爱、儿童监护、睡眠监控。
25.优选的，所述主控模块向云端服务器发送学习的家庭ai技能的学习结果，以供云端服务器根据优化采用的因子或者优化多因子分析策略对接收到的多个学习结果进行优化后，再复读所有学习结果中的数据形成备用的ai控制策略，并反馈回主控模块。
26.与现有的技术相比，本发明的有益效果为：
27.本发明实现的智能家居服务器相比平台服务器不需要复杂的功能和较大的散热系统，具有小型化的优点，服务器的主动散热设计方案，能够极大的保障服务器的散热能力，能够适用于家用，这样个人或者家庭的数据，尤其是隐私数据就可以存储在智能家居服务器上，相比存储在云端，即平台级服务器上不易丢失和泄露，更加安全。
附图说明
28.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
29.图1为本发明智能家居服务器一实施例的结构示意图；
30.图2为本发明智能家居服务器中主动液冷散热系统及电路装置散热的结构示意
图；
31.图3为本发明实施例热泵的结构示意图；
32.图4为本发明智能家居服务器中通信模块一实施例的功能模块示意图；
33.图5为本发明实施例智能家居服务器的电路装置示意图；
34.图6为本发明智能家居服务器的控制方法的流程示意图；
35.图7为本发明智能家居服务器一实施例的ai学习过程示意图。
具体实施方式
36.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。
37.本发明提出一种智能家居服务器。
38.如图1至图5所示，在一实施例中，本发明提出的智能家居服务器包括壳体100、电路装置200以及主动液冷散热系统300。
39.本实施例的壳体100，其设计尺寸较小，适用于家用，体积可为150厘米
×
100厘米
×
42厘米，故其壳体100体积大小设计为150厘米
×
100厘米
×
42厘米，整体可采用cnc铝合金中框和pc abs塑料。其中壳体100可分为上壳和底壳，方便制造和组装。
40.当然在其他实施例中，壳体100的体积不限于上述此尺寸，可以略大或者略小，长宽高的对应长度尺寸可在1
‑
30厘米范围内调节。
41.本实施例的电路装置200安装于所述壳体100内，所述电路装置200主要包括电源供电系统210及与所述电源供电系统210电连接的主控模块220和通信模块230。
42.如图2所示，本实施例的电路装置200可整体安装于所述壳体100内或者部分安装于壳体100内，例如电源供电系统210可以选择外置，电源供电系统210可接入交流电源或者电池电源进行交直流转换后给主控模块220、通信模块230等其他电路模块供电。
43.本实施例中，电源供电系统210采用type
‑
c接口，给整机进行12v直流供电，供电方式采用220v交流转12v直流的方式。当然在其他实施例中，也可以选择其他的输电接口。
44.本实施例中，所述主控模块220，用于通过所述通信模块230与移动终端建立通讯连接，以通过移动终端实现服务器身份识别登录、授权、ai技能学习以及数据查看。
45.本实施例的智能家居服务器，本地无显示界面，可采用与手机、平板、或者便携式电脑等移动终端进行交互，在移动终端上进行显示服务器的数据，实现客户端的功能操作。本实施例中主要是针对手机，主控模块220通过通信模块230与手机建立通信，实现与手机app交互，实现客户端的功能操作，app上的功能包括服务器身份识别登录以及授权，以及日常已连接的子设备的操作数据展示，ai技能学习进度，数据信息查看等。
46.本实施例，主控模块220主要为承担计算的处理器部分，内部预置操作系统，操作系统配置ai算法和相应的控制程序，可以基于linux系统架构或者鸿蒙系统架构等实现。当用户基于手机app登录服务器时，主控模块220接收手机发送的登录账号识别身份信息进行登录操作。登录之后，用户可以在手机上操作设定与服务器进行连接的智能设备，例如智能开关、智能窗帘、智能空调、智能冰箱等，实现智能家居ai学习和智能控制。
47.作为优选的例子，主控模块220采用鲲鹏920芯片，64核，2.6ghz主频。
48.如图4所示，本实施例的通信模块230包括与所述主控模块220电连接的5g模块2301、wifi
‑
6模块2302、zigbee模块2303。
49.主控模块220通过5g模块2301实现连接移动网路，通过wifi
‑
6模块2302实现连接互联网，通过zigbee模块2303可以与其他家居智能设备建立局域网络。
50.主控模块220通过wifi
‑
6模块2302可以实现在没有5g网络情况下自动切换至wifi网络，在没有wifi网络的情况下自动切换至5g网络，双网自动智能切换，wifi网络连接家庭路由器，实现远程控制。
51.所述主控模块220还用于根据通信信号由强至弱的优先级自动在所述5g模块2301和wifi
‑
6模块2302之间切换通信。如此，智能家居服务器可以始终与其他设备之间以较强信号连接。为了避免切换频率过高，可以进一步设置切换信号强度阈值，避免频繁切换。
52.主控模块220通过zigbee模块2303实现本地zigbee无线局域网构建，用于在无5g或wifi网络情况下实现本地子设备连接。
53.当然在其他实施例中，也可以设置手动切换5g模块2301、wifi
‑
6模块2302、zigbee模块2303。
54.此外，电路装置200还可以进一步包括外部接口，所述外部接口包括与所述主控模块220分别电连接的type
‑
c接口、2.4g天线接口和5g天线接口。type
‑
c接口可以接入外部电源或者外置的电源供电系统210，2.4g天线接口和5g天线接口连接于主控模块220或者通信模块230，以实现扩展连接外部天线。
55.此外，电路装置200还可以进一步包括按键组件，所述按键组件包括与所述主控模块220分别电连接的开关机按键、系统复位按键。开关机按键可以控制服务器开关机，系统复位按键可以实现系统的(小型linux软件操作系统)复位操作。
56.此外，电路装置200还可以进一步包括存储器，与所述主控模块220连接，用于存储数据。
57.如图3所示的主动液冷散热系统300，安装于所述壳体100内，所述主动液冷散热系统300包括风扇310、热泵320、散热器330和导热管340，所述风扇310和所述散热器330分别与所述电路装置200贴靠安装；所述导热管340设于所述散热器330中，且与所述热泵320连通；所述热泵320和风扇310与所述电源供电系统210以及主控模块220均电连接；
58.所述主控模块220，还用于控制所述风扇310和/或所述热泵320工作。
59.其中，风扇310可通过卡扣卡接在电路装置200上。
60.在一实施例中，电路装置200还包括pcb板201，所述主控模块220和通信模块230设于所述pcb板201上。
61.所述风扇310可通过卡扣卡接在pcb板201上，且与主控模块220贴靠安装，以对主控模块220进行散热。
62.导热管340可以采用铜管实现，具有较好的导热效果。
63.热泵320和导热管340中冲入液冷介质，本实施例中，热泵320采用的液冷介质为硅油。硅油导热系数大，散热效率高。当然在其他实施例中，还可以是冷媒或者水等其他介质。
64.当主控模块220控制热泵320开启时，热泵320工作制得低温液冷介质，并驱动液冷介质在导热管340内流动与散热器330进行换热，以对电路装置200进行散热，保障智能家居
服务器的正常工作。
65.其中，主控模块220通过以下控制逻辑控制风扇310和热泵320：服务器启动时，先启动风扇310定频或者变频工作，当电路装置200温度达到温度阈值时，启动热泵320工作，提高散热能力。
66.在一实施例中，所述主控模块220还用于在服务器启动时，以及在主控模块220温度小于或者等于第一预设温度值时，控制所述风扇310工作，在主控模块220温度大于或者等于第二预设温度值时，控制所述热泵320工作，所述第二预设温度值大于或者等于所述第一预设温度值。第一预设温度值和第二预设温度为预先设定，具体可以根据温度对主控模块220的影响设定，例如第一预设温度值可以设定为40或者50摄氏度或者60摄氏度，第二预设温度设定为50摄氏度或者60摄氏度或者70摄氏度。
67.服务器在初始启动时，由于温度较低，只开风扇310散热，能够保障散热能力的同时，降低功率损耗，当温度升高至一定程度时，开启热泵320，加强散热，保障服务器的正常工作，可以理解的是，由于主控模块220需要大量的运算，热量产生快且高，需要保障处于一定的温度之下，保障其工作效率。
68.当然在其他实施例中，主控模块220通过以下控制逻辑控制风扇310和热泵320的控制逻辑：服务器启动时，控制风扇310和热泵320同时工作，或者先启动热泵320工作，再启动风扇310工作，或者按照预设的时间间隔，交替启动风扇310和热泵320工作，以提高散热效率的同时，降低电能损耗。
69.需要说明的是，本实施例中，主控模块220为自带adc测温功能，以能够测量自身温度的cpu，测量方式分以下几个步骤：
70.选择cpu的adc通道，cpu集成的温度传感器采集adc初始化adc采集通道，以便开启cpu内部采集温度，采用温度计算公式转换出当前温度数值。
71.可以理解的是，本发明的智能家居服务器相比平台服务器不需要复杂的功能和较大的散热系统，具有小型化的优点，服务器的主动散热设计方案，能够极大的保障服务器的散热能力，能够适用于家用，这样个人或者家庭的数据，尤其是隐私数据就可以存储在智能家居服务器上，相比存储在云端，即平台级服务器上不易丢失和泄露，更加安全。
72.需要说明的是，主控模块采用linux系统架构，内置ai算法(跌倒算法、长辈关爱算法、儿童监护算法、睡眠监控算法)，可以通过移动终端与子设备建立通信连接，移动终端，即手机端下载对应的操作app，实现服务器的互动操作。
73.如图7所示，在一实施例中，主控模块基于用户在移动终端设置的自学习模式后，主控模块获取与其已连接的子设备的使用数据；
74.根据获取的子设备的使用数据分析用户的使用习惯，所述用户的使用习惯包括用户使用子设备的区域维度、时间维度、使用频率维度；
75.根据子设备的区域维度、时间维度、使用频率维度生成ai控制策略，对子设备进行控制。
76.本实施例的手机app与主控模块通过5g网络或者wifi
‑
6进行远程通讯，通过手机app实现服务器的后台登录查看，app登录后呈现所有连接的子设备的使用数据，该使用数据包括当前或者历史使用数据。
77.本实施例中，子设备为用户的家居智能电器，例如卧室的智能开关、智能窗帘、智
能空调等。那么，在该示例中，区域维度是卧室，时间维度是10点半以后，使用频率第一次。获取子设备的使用数据是用于分析用户的使用习惯，进而进行机器学习，生成ai控制策略，按照生成的ai控制策略对子设备进行智能控制，从而最大程度的满足用户的习惯，提高用户体验。
78.本实施例中，通过预设的ai模型通过采集用户的日常使用数据经过计算和判断策略而自动生成跌倒模型算法、长辈关爱模型算法、儿童监护模型算法、睡眠监控模型算法生成ai控制策略，ai模型为预设设定，通过分析子设备的区域维度、时间维度、使用频率维度，以分析用户的使用习惯，进而根据用户习惯对子设备进行控制，提高用户体验。
79.可以理解的是，由于整个智能家居服务器的自学习模式都在其内部完成，那么用户家庭的数据也都在家居服务器上，这样更加隐私和安全。
80.在一实施例中，所述子设备包括智能电器、人体穿戴设备、传感器模块，所述传感器模块至少包括光照传感器；主控模块获取与其已连接的智能电器的区域维度、时间维度、使用频率维度，以及获取人体穿戴设备和传感器模块的采集数据；
81.通过结合智能电器的区域维度、时间维度、使用频率维度以及人体穿戴设备和传感器模块的采集数据实现自学习并自动推送场景到移动终端，以供用户选择。该场景即为控制策略控制子设备对应的场景。
82.本实施例，增加了人体穿戴设备采集人体生理数据，以及通过传感器模块采集环境参数，以更加智能化和精确的生成更好的ai控制策略，进而控制智能电器工作，进而更好的为用户服务，进一步提高用户体验。
83.进一步地，为了便于查看数据和进行ai深度学习，手机app显示的是子设备的当前使用和历史使用的统计数据。即主控模块允许与其绑定登录的移动终端获取以及显示与主控模块连接的子设备的当前使用和历史使用的统计数据。例如，当一定时间后统计三处维度的数据，所有数据在主控模块完成统计，同时统计结果会呈现在手机app上。这就完成了一次自动学习，并生成了一个属于本家庭的ai场景。
84.本实施例中，所述统计数据包括子设备的工作状态和子设备的使用次数。子设备的工作状态具体为子设备的工作状态，即处于开启或关闭状态。子设备的使用次数则为使用频率。
85.可以进一步对统计数据进行智能化评分，并根据子设备的当前使用和历史使用的统计数据学习ai技能，并显示于移动终端供用户选择使用，所述ai技能至少包括长辈跌倒、长辈关爱、儿童监护、睡眠监控。
86.为了便于理解，以下例举主控模块进行一次有效学习的过程：
87.例如完成一次睡眠场景的学习，一天晚上10:30
‑
11:00，用户躺在床上，打开了空调，关闭了窗帘，使用床头的面板关闭了卧室灯，进入睡眠。结束了所有动作，此处为一个入睡场景，其中涉及的智能子设备有卧室的智能开关、智能窗帘、智能空调。区域维度是卧室，时间维度是10点半以后，使用频率第一次；当30天后统计三处维度的数据，所有数据在主控模块完成统计，同时统计结果会呈现在手机app的第二页，这就完成了一次自动学习，并生成了一个属于本家庭的睡眠模式的ai场景。
88.需要说明的是，长辈跌倒、长辈关爱、儿童监护等场景学习，则是为了分析长辈、儿童的正常行为、危险行为以及非正常姿势等确定长辈和儿童等需要重点监护的人员是否处
于安全(例如当家中有独居老人的时候，经过主控模块训练好的跌倒算法模型就开始自动开启，摄像头开始定时捕捉独居老人的在家中的行为动作的影像数据，通过对影像数据的解析，判断人体跌倒的骨架模型，当真正发生跌倒求救的时候，即系统判断该行为处于危险行为标志，即会进行下一步的远程告警操作，将该危险行为提示到家庭成员的手机)中，以更好的关爱长辈和儿童，当有危险时，及时发出告警或者提示监护人。避免长辈、儿童跌倒或者处于危险中，无法及时知晓处理。
89.本实施例为了便于查看数据，还在手机app上对上述数据进行分类显示，手机app插件首页呈现所有连接的子设备的当前状态和过去使用情况统计，第二页呈现当前数据统计以及整体的智能化评分，智能化评分是针对家中安装的子设备的数量、使用的频率、场景的数量三个维度进行评分，评分无上限最低为1分，第三页呈现即将学习完成的ai技能。第一页子设备状态为主控模块连接的子设备状态，通过在手机app端的后台能够查看子设备的开启或关闭状态，子设备的使用情况数据。第二页呈现当前的子设备使用的次数统计。第三页为主控模块通过第二页的使用次数频率学习的ai技能，ai技能包含了长辈跌倒，长辈关爱，儿童监护、睡眠监控等。
90.本实施例中，用户可通过app查看学习到的ai技能，并选择是否打开或者关闭。主控模块的ai自学习算法和自动推荐场景是通过采集已连接的子设备的每天的使用数据智能子设备通过zigbee的通讯连接到主控模块后，用户可在手机app上登录后设置打开自学习模式，主控模块开始记录一定时间内(例如一个月)用户的子设备设备使用习惯。系统通过结合区域维度、时间维度、使用频率维度、人体传感器、光照传感器实现自学习并自动推送场景到手机app。
91.由上述可知，本发明的服务器实现的ai技术算法不需要大型服务器支持，成本低，体积小，占用小量资源，从而可以实现普遍家用。并且，隐私数据不用在云端存储，如此不易数据丢失和被不法分子利用，安全性高。此外，平台级服务器依赖厂家授权或者付费提供服务，无法长期可持续使用，而本发明的服务器成本较低，不需要付费使用，能够长期可持续使用。而且抗干扰能力强，不受服务器瘫痪影响。
92.进一步地，在根据子设备的区域维度、时间维度、使用频率维度生成ai控制策略，对子设备进行控制之后，主控模块向云端服务器发送学习的家庭ai技能的学习结果，以供云端服务器根据优化采用的因子或者优化多因子分析策略对接收到的多个学习结果进行优化后，再复读所有学习结果中的数据形成备用的ai控制策略，反馈回主控模块。
93.具体的优化方式可采用数据算法的选举法、对比法对三个维度进行筛选，先对上报的数据进行第一轮的选举策略，低于设定的阈值条件判断为无效数据，超过设定阈值区域判断为有效数据，每一轮的数据筛选完成后即可与上一轮进行对比法进行多轮数据对比，最终得到相对趋于多频率数据选取逐渐得到固定数据。
94.本实施例的目的是进行智能家居服务器ai的策略调整，通过云端服务器ai对家庭中的智能家居服务器ai进行策略调整；云端服务器ai连接多个智能家居服务器ai，以下称家庭ai，家庭ai获取数据，并通过数据学习；云端服务器ai读取多个家庭ai的结果，优化采用的因子，或者优化多因子分析策略，再复读所有数据形成备用的ai控制策略。
95.这样，云端服务器ai只接收学习结果，不用读取家庭数据，不涉及隐私，不需要实时传送大量数据；最终的ai模型，以及中间采用的因子和策略相对来说，数据少，价值高，不
涉及具体的用户隐私。
96.可以理解的是，孤立的ai策略会有自适应的情况，往往容易僵化，而限制对于用户的新情况和需求的感知，无法满足用户习惯和用户体验的进一步提升；云端服务器ai可以由厂家的研发人员，根据ai的最新进展优化策略和改进ai因子；同时在接受广大的家庭ai的策略情况下，分析新的可能性，从而交互改善家庭ai的优化其采用的因子，或者优化多因子分析策略，从而迭代产生更贴合用户需求和需求变化。
97.本发明提出一种智能家居服务器的控制方法。智能家居服务器的结构采用上述实施例的结构实现。
98.如图6所示，在一实施例中，本发明提出的智能家居服务器的控制方法包括：
99.步骤s10、主控模块基于用户在移动终端设置的自学习模式后，获取与其已连接的子设备的使用数据；
100.步骤s20、根据获取的子设备的使用数据分析用户的使用习惯，所述用户的使用习惯包括用户使用子设备的区域维度、时间维度、使用频率维度；
101.步骤s30、根据子设备的区域维度、时间维度、使用频率维度生成ai控制策略，对子设备进行控制。
102.主控模块采用linux系统架构，内置ai算法，可以通过移动终端与子设备建立通信连接，移动终端，即手机端下载对应的操作app，实现服务器的互动操作。
103.本实施例的手机app与主控模块通过5g网络或者wifi
‑
6进行远程通讯，通过手机app实现主控模块的后台登录查看，app登录后呈现所有连接的子设备的使用数据，该使用数据包括当前或者历史使用数据。
104.本实施例中，子设备为用户的家居智能电器，例如卧室的智能开关、智能窗帘、智能空调等。那么，在该示例中，区域维度是卧室，时间维度是10点半以后，使用频率第一次。获取子设备的使用数据是用于分析用户的使用习惯，进而进行机器学习，生成ai控制策略，按照生成的ai控制策略对子设备进行智能控制，从而最大程度的满足用户的习惯，提高用户体验。
105.本实施例中，可以基于预设的ai模型生成ai控制策略，ai模型为预设设定，通过分析子设备的区域维度、时间维度、使用频率维度，以分析用户的使用习惯，进而根据用户习惯对子设备进行控制，提高用户体验。
106.可以理解的是，由于整个智能家居服务器的自学习模式都在主控模块内部完成，那么用户家庭的数据也都在家居主控模块上，这样更加隐私和安全。
107.在一实施例中，所述子设备包括智能电器、人体穿戴设备、传感器模块，所述传感器模块至少包括光照传感器；所述主控模块获取与其已连接的子设备的使用数据的步骤具体包括：
108.主控模块获取与其已连接的智能电器的区域维度、时间维度、使用频率维度，以及获取人体穿戴设备和传感器模块的采集数据；
109.通过结合智能电器的区域维度、时间维度、使用频率维度以及人体穿戴设备和传感器模块的采集数据实现自学习并自动推送场景到移动终端，以供用户选择。该场景即为控制策略控制子设备对应的场景。
110.本实施例，增加了人体穿戴设备采集人体生理数据，以及通过传感器模块采集环
境参数，以更加智能化和精确的生成更好的ai控制策略，进而控制智能电器工作，进而更好的为用户服务，进一步提高用户体验。
111.进一步地，为了便于查看数据和进行ai深度学习，手机app显示的是子设备的当前使用和历史使用的统计数据。即主控模块允许与其绑定登录的移动终端获取以及显示与主控模块连接的子设备的当前使用和历史使用的统计数据。例如，当一定时间后统计三处维度的数据，所有数据在主控模块完成统计，同时统计结果会呈现在手机app上。这就完成了一次自动学习，并生成了一个属于本家庭的ai场景。
112.本实施例中，所述统计数据包括子设备的工作状态和子设备的使用次数。子设备的工作状态具体为子设备的工作状态，即处于开启或关闭状态。子设备的使用次数则为使用频率。
113.可以进一步对统计数据进行智能化评分，并根据子设备的当前使用和历史使用的统计数据学习ai技能，并显示于移动终端供用户选择使用，所述ai技能至少包括长辈跌倒、长辈关爱、儿童监护、睡眠监控。
114.为了便于理解，以下例举主控模块进行一次有效学习的过程：
115.例如完成一次睡眠场景的学习，一天晚上10:30
‑
11:00，用户躺在床上，打开了空调，关闭了窗帘，使用床头的面板关闭了卧室灯，进入睡眠。结束了所有动作，此处为一个入睡场景，其中涉及的智能子设备有卧室的智能开关、智能窗帘、智能空调。区域维度是卧室，时间维度是10点半以后，使用频率第一次；当30天后统计三处维度的数据，所有数据在主控模块完成统计，同时统计结果会呈现在手机app的第二页，这就完成了一次自动学习，并生成了一个属于本家庭的睡眠模式的ai场景。
116.需要说明的是，长辈跌倒、长辈关爱、儿童监护等场景学习，则是为了分析长辈、儿童的正常行为、危险行为以及非正常姿势等确定长辈和儿童等需要重点监护的人员是否处于安全中，以更好的关爱长辈和儿童，当有危险时，当主控模块开启了跌倒算法后，终端摄像头定时获取家中的影像数据，主控模块对影像数据采用跌倒模型，当真正出现符合跌倒的模型骨架出现，主控模块会主动进行记录和告警上报，及时发出告警或者提示监护人。避免长辈、儿童跌倒或者处于危险中，无法及时知晓处理。
117.本实施例为了便于查看数据，还在手机app上对上述数据进行分类显示，本实施例首页呈现所有连接的子设备的当前状态和过去使用情况统计，第二页呈现当前数据统计以及整体的智能化评分(例如家中有智能摄像头1个、智能面板5个，智能窗帘电机10个；使用次数统计为年，每年使用1000次；场景数为20个；则统计智能化评分为：设备数 使用次数 场景数＝1036分)，第三页呈现即将学习完成的ai技能。第一页子设备状态为主控模块连接的子设备状态，通过在手机app端的后台能够查看子设备的开启或关闭状态，子设备的使用情况数据。第二页呈现当前的子设备使用的次数统计。第三页为主控模块通过第二页的使用次数频率学习的ai技能，ai技能包含了长辈跌倒，长辈关爱，儿童监护、睡眠监控等。
118.本实施例中，用户可通过app查看学习到的ai技能，并选择是否打开或者关闭。主控模块的ai自学习算法和自动推荐场景是通过采集已连接的子设备的每天的使用数据智能子设备通过zigbee的通讯连接到主控模块后，用户可在手机app上登录后设置打开自学习模式，主控模块开始记录一定时间内(例如一个月)用户的子设备设备使用习惯。系统通过结合区域维度、时间维度、使用频率维度、人体传感器、光照传感器实现自学习并自动推
送场景到手机app。
119.由上述可知，本发明的服务器实现的ai技术算法不需要大型服务器支持，成本低，体积小，占用小量资源，从而可以实现普遍家用。并且，隐私数据不用在云端存储，如此不易数据丢失和被不法分子利用，安全性高。此外，平台级服务器依赖厂家授权或者付费提供服务，无法长期可持续使用，而本发明的服务器成本较低，不需要付费使用，能够长期可持续使用。而且抗干扰能力强，不受服务器瘫痪影响。
120.进一步地，在执行根据子设备的区域维度、时间维度、使用频率维度生成ai控制策略，对子设备进行控制的步骤之后，所述智能家居服务器的控制方法还包括：
121.主控模块向云端服务器发送学习的家庭ai技能的学习结果，以供云端服务器根据优化采用的因子或者优化多因子分析策略对接收到的多个学习结果进行优化后，再复读所有学习结果中的数据形成备用的ai控制策略，反馈回主控模块。
122.本实施例的目的是进行智能家居服务器ai的策略调整，通过云端服务器ai对家庭中的智能家居服务器ai进行策略调整；云端服务器ai连接多个智能家居服务器ai，以下称家庭ai，家庭ai获取数据，并通过数据学习；云端服务器ai读取多个家庭ai的结果，优化采用的因子，或者优化多因子分析策略，再复读所有数据形成备用的ai控制策略。
123.这样，云端服务器ai只接收学习结果，不用读取家庭数据，不涉及隐私，不需要实时传送大量数据；最终的ai模型，以及中间采用的因子和策略相对来说，数据少，价值高，不涉及具体的用户隐私。
124.可以理解的是，孤立的ai策略会有自适应的情况，往往容易僵化，而限制对于用户的新情况和需求的感知，无法满足用户习惯和用户体验的进一步提升；云端服务器ai可以由厂家的研发人员，根据ai的最新进展优化策略和改进ai因子；同时在接受广大的家庭ai的策略情况下，分析新的可能性，从而交互改善家庭ai的优化其采用的因子，或者优化多因子分析策略，从而迭代产生更贴合用户需求和需求变化。
125.需要说明的是，智能家居服务器包括智能家居服务器的控制程序，智能家居服务器的控制程序存储在智能家居服务器的存储器中，并可在其处理器(主控模块220)中执行，处理器(主控模块220)执行智能家居服务器的控制程序时，实现上述各个实施例的智能家居服务器的控制方法。
126.本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。