买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉标注未来(南京)科技有限公司申请的专利一种基于人工智能的智能家居控制系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119511750B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411664192.6，技术领域涉及：G05B15/02；该发明授权一种基于人工智能的智能家居控制系统是由谢巍;周波;潘世琴;郑士奎设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于人工智能的智能家居控制系统在说明书摘要公布了：本发明涉及智能家居技术领域，提供了一种基于人工智能的智能家居控制系统，能耗监测模块用于对智能家居进行能量消耗的持续监测，实时监测智能家居使用数据，并获取用户历史智能家居使用数据，待机分析模块根据智能家居的电能消耗信息判断智能家居的真实待机状态，并计算待机时间，预测模块根据能耗监测模块的历史监测数据预测智能家居的使用时间以及使用能耗，家居控制模块根据待机分析模块的计算结果和预测模块的预测结果对智能家居执行相关操作；本发明通过聚类算法准确识别出真正处于待机状态的设备，有益于减少能源浪费和设备损耗，时间平滑处理单元对时间序列数据的处理，解决了复杂环境对采集时间数据混乱而无法预测的影响。

本发明授权一种基于人工智能的智能家居控制系统在权利要求书中公布了：1.一种基于人工智能的智能家居控制系统，其特征在于，包括： 能耗监测模块，所述能耗监测模块用于对智能家居进行能量消耗的持续监测，实时监测智能家居使用情况数据，并获取用户历史智能家居使用情况数据； 待机分析模块，所述待机分析模块与能耗监测模块数据连接，用于根据智能家居的电能消耗信息判断智能家居的真实待机状态，并计算待机时间； 预测模块，所述预测模块与能耗监测模块数据连接，用于根据能耗监测模块的历史监测数据预测智能家居的使用时间以及使用能耗； 家居控制模块，所述家居控制模块与待机分析模块和预测模块数据连接，用于根据待机分析模块的计算结果和预测模块的预测结果对智能家居执行相关操作； 所述预测模块包括时间平滑处理单元、预测模型建立单元和家居使用预测单元； 所述时间平滑处理单元用于处理时间序列数据中的趋势和周期性特征，发现周期性规律和总体变化趋势，为家居使用预测单元提高预测的精准性； 所述预测模型建立单元基于经过时间平滑处理单元处理后的历史智能家居使用数据建立决策树预测模型； 所述家居使用预测单元用于根据用户智能家居使用情况数据对用户未来使用的智能家居的时间点进行预测； 所述时间平滑处理单元首先根据待机分析模块获取某一智能家居设备，用户使用其时间点的历史数据； 设对于这个智能家居设备，用户对于其开启的行为顺序记为t，第一次开启即t=1，第二次开启即t=2； 设一系列按行为顺序t记录的，用户开始使用设备的时间点数据，将这些时间点转换为一个统一的数值度量，将每天的时间点转换为分钟数，形成一个分钟数值； 初始化参数：选择平滑参数、和，这些参数的取值范围在0到1之间； 同时，初始化t=1时水平、趋势和周期长度的值，对于初始化水平的值，取在对应初始时间实际观测到的数据；对于初始化为0；对于周期长度c设定为包括但不限于三天、一周或半个月内开启智能家居设备的次数; 水平方程： 表示在t次的平滑后去除周期性因素后的基本水平估计值，在预测用户设备使用时间点时，它是一个基础的时间点参考值，不包含周期性波动，平滑参数用于控制对当前数据与历史趋势的权衡；表示前一个完整周期，周期长度为c对应的周期因素，是实际记录的用户在第t次使用设备的时间点； 趋势方程： 表示在t的趋势值,它表示行为顺序的增长或下降趋势，对于用户设备使用时间点，体现为时间点是逐渐提前还是推迟的趋势；用于控制对当前趋势变化与历史趋势的权衡； 周期性方程： 其中，表示在t的周期因素估计值，用于捕捉数据中的周期规律，包括用户在每周的同一天或每天的同一时段有相似的设备使用时间点，用于控制对当前周期性变化与历史周期性规律的权衡； 按照上述计算，随着t的不断增加，最后平滑后的分钟数值用来表示原始时间序列，这些平滑后的水平值去除了周期波动和部分噪声的干扰，作为后续预测模型建立单元的基础数据； 所述预测模型建立单元首先根据历史数据平滑后的构建决策树； 对于，即用户开始使用设备的时间点，首先计算其信息熵，信息熵公式： 其中,n表示取值的类别i的总数，若将一天按每10分钟为一个区间划分，n最大为143，是属于第i个类别的概率，通过统计在过去数据中时间点落在各个区间的频率来得到，这个信息熵值反映了目标变量在未进行特征划分前的不确定性程度； 提取出中衍生特征作为输入特征，包括t的值、t所在的周期和趋势值；将这三项数据作为中的特征X，条件熵的计算公式为： 其中，m是特征X的取值个数，r是特征X的索引； 然后计算信息增益： 选择信息增益最大的特征作为当前划分的最佳特征，在根节点进行划分，将数据集分成不同的子集，不断重复此过程，计算所有的历史数据构建决策树，达到最后的子集即是叶节点，用于存储对应的时间点； 所述家居使用预测单元利用构建好的决策树进行预测； 计算针对未来特定时间点的输入特征向量X，将特征向量输入到已经构建好的决策树中，从根节点开始，根据根节点存储的不同的子集，选择对应的分支，依次类推，直到到达一个叶节点； 叶节点即存储的时间点，以分钟数表示，就是预测的用户在该特定时间点使用设备的时间点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人标注未来(南京)科技有限公司，其通讯地址为：210000 江苏省南京市经济技术开发区恒园路1号龙港科技园B1栋521室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。