开云优惠体育网页版入口

专利名称：一种基于5G技术的智能门窗监控管理系统及方法

专利类型：发明专利

专利申请号：CN202410654856.4

专利申请（专利权）人：陕西盛帝威尔门窗开云优惠体育网页版入口有限公司
权利人地址：陕西省汉中市城固县沙河营镇梁家庵路口

专利发明（设计）人：周乔,黄文军,丁少波

专利摘要：本发明涉及智能门窗领域，具体为一种基于5G技术的智能门窗监控管理系统及方法，包括有效门窗监测事件获取模块、关联数据集合分析模块、数学函数模型建立模块、可持续时长预测模块和预警分析模块；有效门窗监测事件获取模块用于：获取智能门窗在使用过程中记录的有效门窗监测事件；关联数据集合分析模块用于分析同一监测区域内影响门窗开启持续时长的关联数据集合；数学函数模型建立模块用于构建同一监测区域内影响门窗开启持续时长的数学函数模型；可持续时长预测模块用于触发响应预测门窗可持续时长；预警分析模块用于在门窗自动关闭后对室内温度进行校验传输对应预警信号。

主权利要求：
1.一种基于5G技术的智能门窗监控管理方法，其特征在于，包括以下分析步骤：步骤S100：获取智能门窗在使用过程中记录的有效门窗监测事件，所述有效门窗监测事件是指基于用户主动操作开启或关闭且不存在影响因素触发智能门窗自动关闭的事件；
基于有效门窗监测事件，分析同一监测区域内影响门窗开启持续时长的关联数据集合；
所述分析同一监测区域内影响门窗开启持续时长的关联数据集合包括以下分析步骤：步骤S110：所述有效门窗监测事件还记录门窗关闭前单位时间内的温度数据、监测区域内的人员数量和门窗开启数据；所述门窗开启数据包括门窗开启持续时长和门窗开启程度，标记监测区域门窗关闭前在单位时间内的温度数据为第二温度，获取同一监测区域内记录人员数量不变的有效门窗监测事件对应的第一温度T1和第二温度T2，计算第一温度差1
和第二温度差 其中T 表示门窗开启前的室外温
2
度，T表示门窗关闭前的室外温度；
步骤S120：基于第一温度差 和第二温度差 计算同一监测区域的室内温度变化率0
T， Y表示在第一温度差和第二温度差变化下的门窗开启持续时长，将有效门窗监测事件记录的人员数量按照从小到大的顺序排序，构建基于人员数量以及对应0
室内温度变化率的数据组A，A＝(P,T)；基于排序，依次计算相邻数据组中的室内温度变化率相似度，提取相似度大于等于相似度阈值的数据组构成相似集合，并提取相似集合中每一数据组中记录的人员数量构成数量区间P0，P0＝[Pmin,Pmax]；Pmin表示构成数量区间的人员数量最小值，Pmax表示构成数量区间的人员数量最大值；
步骤S130：将同一监测区域记录的相似集合与对应的数量区间一一对应构成关联数据集合；
步骤S200：以有效门窗监测事件中记录监测区域的门窗在开启前单位时间内的温度数据为基准，设置门窗开启前单位时间内的温度数据为第一温度，遍历有效门窗监测事件提取第一温度对应的关联数据集合，并构建同一监测区域内影响门窗开启持续时长的数学函数模型；
所述步骤S200包括以下：
步骤S210：以关联数据集合中每一对应关系的相似集合为依据，提取每一相似集合中任一温度变化率对应的数据组，并获取相同温度变化率下有效门窗监测事件记录的门窗开启程度；门窗开启包括平面开启和倾斜开启；
步骤S220：当门窗开启为平面开启时，获取门窗开启的面积W1和门窗的整体面积W0，利用公式计算门窗平面开启程度B，B＝W1/W0，当门窗开启为倾斜开启时，获取门窗开启的角度E1和门窗可被允许开启的最大角度E0，利用公式计算门窗倾斜开启程度C，C＝E1/E0，步骤S230：将数据组按照开启程度类型进行区分为平面开启数据组和倾斜开启数据组；构建基于两种类型数据组的数据对D，D＝(P，F，Y)；F＝{B，C}，F表示开启类型对应的开启程度，在平面开启数据组中输出B而在倾斜开启数据组中输出C；基于关联数据集合获取若干数据对D，构建以人员数量P、开启类型F为输入数据，门窗开启持续时长L为输出数据的数学函数模型y，y＝α1*p+α2*f+ε；
分别代入开启类型为平面开启的数据对和开启类型为倾斜开启的数据对，得到对应数学函数模型对应的参考系数α1、α2和误差项ε；构成门窗平面开启类型的数学函数模型y1和倾斜开启类型的数学函数模型y2；
步骤S300：基于数学函数模型，当存在人为控制门窗开启时设定开启时刻为初始时刻，并触发响应预测门窗可持续时长；
所述预测门窗可持续时长包括以下过程：
0
获取初始时刻监测区域内的实时人员数量P，以及实时门窗开启类型对应的开启程度F0，代入相同门窗开启类型对应的数学函数模型y中，输出得到门窗可持续时长Y0；
步骤S400：以初始时刻为监测节点，在门窗可持续时长内未存在人为控制门窗关闭时，传输控制信号在到达关闭时刻对门窗进行自动关闭；所述关闭时刻是指初始时刻加上门窗可持续时长后对应的时刻；并在门窗自动关闭后对室内温度进行校验传输对应预警信号。
2.根据权利要求1所述的一种基于5G技术的智能门窗监控管理方法，其特征在于：所述步骤S400包括以下步骤：
20
步骤S410：获取门窗关闭前的实时第二温度T20和实时室外温度T ，计算实时温度差值步骤S420：提取门窗可持续时长Y0以及监测节点对应记录的实时温度差值
10
其中T10表示门窗开启前的实时第一温度，T 表示门窗开启前的实时室外温度；并获取实时人员数量所属相似集合中记录的数据组为目标数据组，提取目目标数据组对应的室内温度变化率为目标变化率T ，利用公式： 计算门窗关闭前的理想温度差值
步骤S430：当 与 差值小于等于差值阈值时，输出温度校验正常信号；
0
当 与 差值大于差值阈值时，提取实时人员数量P所属关联数据集合记录的数量区间P0＝[Pmin，Pmax]，以及在门窗可持续时长内监测区域记录的人员数量变化值P1；
步骤S440：当P1∈[Pmin，Pmax]，输出温度校验异常信号并传输硬件维护信号；当基于P1返回步骤S300计算更新后的门窗可持续时长，若在更新后的门窗可持续时长对应关闭门窗前的温度差值满足 与 差值小于等于差值阈值，则传输人员监测调节信号，所述人员监测调节信号是指在监测节点响应后实时对监测区域内的人员数量进行捕捉，当存在监测过程中的人员数量不属于初始人员数量对应的数量区间时，传输步骤S300中门窗可持续时长重新计算的信号；
若在更新后的门窗可持续时长对应关闭门窗前的温度差值仍不满足 与 差值小于等于差值阈值，输出温度校验异常信号并传输硬件维护信号。
3.一种基于5G技术的智能门窗监控管理系统，所述系统应用权利要求1?2中任一项所述的一种基于5G技术的智能门窗监控管理方法，其特征在于，包括有效门窗监测事件获取模块、关联数据集合分析模块、数学函数模型建立模块、可持续时长预测模块和预警分析模块；
所述有效门窗监测事件获取模块用于：获取智能门窗在使用过程中记录的有效门窗监测事件；
所述关联数据集合分析模块用于分析同一监测区域内影响门窗开启持续时长的关联数据集合；
所述数学函数模型建立模块用于构建同一监测区域内影响门窗开启持续时长的数学函数模型；
所述可持续时长预测模块用于触发响应预测门窗可持续时长；
所述预警分析模块用于以初始时刻为监测节点，在门窗可持续时长内未存在人为控制门窗关闭时，传输控制信号在到达关闭时刻对门窗进行自动关闭，并在门窗自动关闭后对室内温度进行校验传输对应预警信号。
4.根据权利要求3所述的一种基于5G技术的智能门窗监控管理系统，其特征在于：所述关联数据集合分析模块包括温度变化率计算单元、数据组构建单元、数量区间生成单元和关联数据集合输出单元；
所述温度变化率计算单元用于计算同一监测区域的室内温度变化率；
所述数据组构建单元用于构建基于人员数量以及对应室内温度变化率的数据组；
所述数量区间生成单元用于依次计算相邻数据组中的室内温度变化率相似度，提取相似度大于等于相似度阈值的数据组构成相似集合，并提取相似集合中每一数据组中记录的人员数量构成数量区间；
所述关联数据集合输出单元用于将同一监测区域记录的相似集合与对应的数量区间一一对应构成关联数据集合。
5.根据权利要求4所述的一种基于5G技术的智能门窗监控管理系统，其特征在于：所述数学函数模型建立模块包括开启程度分析单元、数据对生成单元和函数分析单元；
所述开启程度分析单元用于分析开启方式为平面开启和倾斜开启时对应的程度大。
所述数据对生成单元用于构建基于两种类型数据组的数据对；
所述函数分析单元用于基于关联数据集合获取若干数据对，构建以人员数量、开启类型为输入数据，门窗开启持续时长为输出数据的数学函数模型，并代入数据对计算对应参数得到模型。
6.根据权利要求5所述的一种基于5G技术的智能门窗监控管理系统，其特征在于：所述预警分析模块包括实时数据分析单元、信号传输单元、返回校验单元和预警响应单元；
所述实时数据分析单元用于分析实时温度差值、理想温度差值；
所述信号传输单元用于在理想温度差值与实时温度差值小于等于差值阈值时，传输温度校验正常信号；
所述返回校验单元用于在理想温度差值与实时温度差值大于差值阈值时获取数据进行校验；
所述预警响应单元用于基于校验结果输出温度校验异常信号并传输硬件维护信号。 说明书 : 一种基于5G技术的智能门窗监控管理系统及方法技术领域[0001] 本发明涉及智能门窗技术领域，具体为一种基于5G技术的智能门窗监控管理系统及方法。背景技术[0002] 随着智能化技术的发展，智能门窗的使用也越来越广泛；当人员长时间停留在封闭的室内时，往往需要开启门窗进行通风以调节室内空气流动或者降低室内温度，且不同室内情况对应开启门窗的时间也不尽相同；而现有存在一种自动化定时关闭的智能门窗，这种门窗需要用户设定开启时长，在结束开启时长后自动关闭，唯一的控制条件就是用户端设置的时长限制，不会受到环境内其他因素的影响而改变时长，在监测区域人员较多的情况时并不能有效的满足所有人员的需求，无法自适应性、智能化的调节门窗的关闭时间。发明内容[0003] 本发明的目的在于提供一种基于5G技术的智能门窗监控管理系统及方法，以解决上述背景技术中提出的问题。[0004] 为了解决上述技术问题，本发明提供如下技术方案：一种基于5G技术的智能门窗监控管理方法，包括以下分析步骤：[0005] 步骤S100：获取智能门窗在使用过程中记录的有效门窗监测事件，有效门窗监测事件是指基于用户主动操作开启或关闭且不存在影响因素触发智能门窗自动关闭的事件；基于有效门窗监测事件，分析同一监测区域内影响门窗开启持续时长的关联数据集合；[0006] 步骤S200：以有效门窗监测事件中记录监测区域的门窗在开启前单位时间内的温度数据为基准，设置门窗开启前单位时间内的温度数据为第一温度，遍历有效门窗监测事件提取第一温度对应的关联数据集合，并构建同一监测区域内影响门窗开启持续时长的数学函数模型；[0007] 步骤S300：基于数学函数模型，当存在人为控制门窗开启时设定开启时刻为初始时刻，并触发响应预测门窗可持续时长；[0008] 步骤S400：以初始时刻为监测节点，在门窗可持续时长内未存在人为控制门窗关闭时，传输控制信号在到达关闭时刻对门窗进行自动关闭；关闭时刻是指初始时刻加上门窗可持续时长后对应的时刻；并在门窗自动关闭后对室内温度进行校验传输对应预警信号。[0009] 进一步的，分析同一监测区域内影响门窗开启持续时长的关联数据集合包括以下分析步骤：[0010] 步骤S110：有效门窗监测事件还记录门窗关闭前单位时间内的温度数据、监测区域内的人员数量和门窗开启数据；门窗开启数据包括门窗开启持续时长和门窗开启程度，标记监测区域门窗关闭前在单位时间内的温度数据为第二温度，获取同一监测区域内记录人员数量不变的有效门窗监测事件对应的第一温度T1和第二温度T2，计算第一温度差 和1 2第二温度差 其中T表示门窗开启前的室外温度，T 表示门窗关闭前的室外温度；；[0011] 步骤S120：基于第一温度差 和第二温度差 计算同一监测区域的室内温度变化0率T， Y表示在第一温度差和第二温度差变化下的门窗开启持续时长，将有效门窗监测事件记录的人员数量按照从小到大的顺序排序，构建基于人员数量以及对应室0内温度变化率的数据组A，A＝(P,T)；基于排序，依次计算相邻数据组中的室内温度变化率相似度，提取相似度大于等于相似度阈值的数据组构成相似集合，并提取相似集合中每一数据组中记录的人员数量构成数量区间P0，P0＝[Pmin,Pmax]；Pmin表示构成数量区间的人员数量最小值，Pmax表示构成数量区间的人员数量最大值；[0012] 步骤S130：将同一监测区域记录的相似集合与对应的数量区间一一对应构成关联数据集合。[0013] 进一步的，步骤S200包括以下：[0014] 步骤S210：以关联数据集合中每一对应关系的相似集合为依据，提取每一相似集合中任一温度变化率对应的数据组，并获取相同温度变化率下有效门窗监测事件记录的门窗开启程度；门窗开启包括平面开启和倾斜开启；[0015] 步骤S220：当门窗开启为平面开启时，获取门窗开启的面积W1和门窗的整体面积W0，利用公式计算门窗平面开启程度B，B＝W1/W0，当门窗开启为倾斜开启时，获取门窗开启的角度E1和门窗可被允许开启的最大角度E0，利用公式计算门窗倾斜开启程度C，C＝E1/E0，[0016] 步骤S230：将数据组按照开启程度类型进行区分为平面开启数据组和倾斜开启数据组；构建基于两种类型数据组的数据对D，D＝(P,F,Y)；F＝{B,C}，F表示开启类型对应的开启程度，在平面开启数据组中输出B而在倾斜开启数据组中输出C；基于关联数据集合获取若干数据对D，构建以人员数量P、开启类型F为输入数据，门窗开启持续时长L为输出数据的数学函数模型y，y＝α1*p+α2*f+ε；[0017] 分别代入开启类型为平面开启的数据对和开启类型为倾斜开启的数据对，得到对应数学函数模型对应的参考系数α1、α2和误差项ε；构成门窗平面开启类型的数学函数模型y1和倾斜开启类型的数学函数模型y2。[0018] 进一步的，预测门窗可持续时长包括以下过程：[0019] 获取初始时刻监测区域内的实时人员数量P0，以及实时门窗开启类型对应的开启程度F0，代入相同门窗开启类型对应的数学函数模型y中，输出得到门窗可持续时长Y0。[0020] 进一步的，步骤S400包括以下步骤：[0021] 步骤S410：获取门窗关闭前的实时第二温度T20和实时室外温度T20，计算实时温度差值[0022][0023] 步骤S420：提取门窗可持续时长Y0以及监测节点对应记录的实时温度差值10其中T10表示门窗开启前的实时第一温度，T 表示门窗开启前的实时室外温度；并获取实时人员数量所属相似集合中记录的数据组为目标数据组，提取目标数目据组对应的室内温度变化率为目标变化率T ，利用公式： 计算门窗关闭前的理想温度差值[0024] 步骤S430：当 与 差值小于等于差值阈值时，输出温度校验正常信号；在 与差值小于等于差值阈值时说明理论的温度差与实际温度差相近，通过模型分析出来的门窗关闭时间较为合理，若理论温度差与实际温度差相差较远，则说明在开启过程中在不改变门窗开启程度的情况下由于人员数量的异动造成最终关闭时刻温度的差异。[0025] 当 与 差值大于差值阈值时，提取实时人员数量P0所属关联数据集合记录的数量区间P0＝[Pmin,Pmax]，以及在门窗可持续时长内监测区域记录的人员数量变化值P1；[0026] 步骤S440：当P1∈[Pmin,Pmax]，输出温度校验异常信号并传输硬件维护信号；当基于P1返回步骤S300计算更新后的门窗可持续时长，若在更新后的门窗可持续时长对应关闭门窗前的温度差值满足 与 差值小于等于差值阈值，则传输人员监测调节信号，人员监测调节信号是指在监测节点响应后实时对监测区域内的人员数量进行捕捉，当存在监测过程中的人员数量不属于初始人员数量对应的数量区间时，传输步骤S300中门窗可持续时长重新计算的信号；[0027] 若在更新后的门窗可持续时长对应关闭门窗前的温度差值仍不满足 与 差值小于等于差值阈值，输出温度校验异常信号并传输硬件维护信号。[0028] 分析人员变化是因为在分析可能造成温度差异影响的因素为人员数量的变化时，将变化量与相似集合对应的数量区间进行比较，可以快速判断人员的异动是否是造成温度异常的客观原因，因为满足相似集合对应的数量区间是不会造成温度异常的，所以可以传输信号提醒管理人员进行硬件维护，排查是否为硬件异常导致数据获取错误的问题。[0029] 一种基于5G技术的智能门窗监控管理系统，包括有效门窗监测事件获取模块、关联数据集合分析模块、数学函数模型建立模块、可持续时长预测模块和预警分析模块；[0030] 有效门窗监测事件获取模块用于：获取智能门窗在使用过程中记录的有效门窗监测事件；[0031] 关联数据集合分析模块用于分析同一监测区域内影响门窗开启持续时长的关联数据集合；[0032] 数学函数模型建立模块用于构建同一监测区域内影响门窗开启持续时长的数学函数模型；[0033] 可持续时长预测模块用于触发响应预测门窗可持续时长；[0034] 预警分析模块用于以初始时刻为监测节点，在门窗可持续时长内未存在人为控制门窗关闭时，传输控制信号在到达关闭时刻对门窗进行自动关闭，并在门窗自动关闭后对室内温度进行校验传输对应预警信号。[0035] 进一步的，关联数据集合分析模块包括温度变化率计算单元、数据组构建单元、数量区间生成单元和关联数据集合输出单元；[0036] 温度变化率计算单元用于计算同一监测区域的室内温度变化率；[0037] 数据组构建单元用于构建基于人员数量以及对应室内温度变化率的数据组；[0038] 数量区间生成单元用于依次计算相邻数据组中的室内温度变化率相似度，提取相似度大于等于相似度阈值的数据组构成相似集合，并提取相似集合中每一数据组中记录的人员数量构成数量区间；[0039] 关联数据集合输出单元用于将同一监测区域记录的相似集合与对应的数量区间一一对应构成关联数据集合。[0040] 进一步的，数学函数模型建立模块包括开启程度分析单元、数据对生成单元和函数分析单元；[0041] 开启程度分析单元用于分析开启方式为平面开启和倾斜开启时对应的程度大。籟0042] 数据对生成单元用于构建基于两种类型数据组的数据对；[0043] 函数分析单元用于基于关联数据集合获取若干数据对，构建以人员数量、开启类型为输入数据，门窗开启持续时长为输出数据的数学函数模型，并代入数据对计算对应参数得到模型。[0044] 进一步的，预警分析模块包括实时数据分析单元、信号传输单元、返回校验单元和预警响应单元；[0045] 实时数据分析单元用于分析实时温度差值、理想温度差值；[0046] 信号传输单元用于在理想温度差值与实时温度差值小于等于差值阈值时，传输温度校验正常信号；[0047] 返回校验单元用于在理想温度差值与实时温度差值大于差值阈值时获取数据进行校验；[0048] 预警响应单元用于基于校验结果输出温度校验异常信号并传输硬件维护信号。[0049] 与现有技术相比，本发明所达到的有益效果是：本发明通过对用户使用智能门窗的开启关闭事件进行分析，以同一监测区域内记录的事件为基。Ｖち丝占溆跋毂淞康耐骋，分析同一空间内不同数量人员对于开启门窗和关闭门窗的需求，将行为操作转化为可以量化分析的数据，从而控制门窗的智能化响应，实现满足环境需求的门窗开启时长；除此之外，本发明还可以在门窗关闭后进行校验，不断完善，实现智能化、合理化的满足用户基于智能门窗的使用需求，提高智能门窗定时的自适应性和个性化应用，提高用户使用的舒适度不局限于简单的自主设置。附图说明[0050] 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：[0051] 图1是本发明一种基于5G技术的智能门窗监控管理系统的结构示意图。具体实施方式[0052] 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。[0053] 请参阅图1，本发明提供技术方案：一种基于5G技术的智能门窗监控管理方法，包括以下分析步骤：[0054] 步骤S100：获取智能门窗在使用过程中记录的有效门窗监测事件，有效门窗监测事件是指基于用户主动操作开启或关闭且不存在影响因素触发智能门窗自动关闭的事件；基于有效门窗监测事件，分析同一监测区域内影响门窗开启持续时长的关联数据集合；[0055] 影响因素可以是雨量传感器监测到存在设定雨量时对智能门窗进行关闭；[0056] 步骤S200：以有效门窗监测事件中记录监测区域的门窗在开启前单位时间内的温度数据为基准，设置门窗开启前单位时间内的温度数据为第一温度，遍历有效门窗监测事件提取第一温度对应的关联数据集合，并构建同一监测区域内影响门窗开启持续时长的数学函数模型；[0057] 步骤S300：基于数学函数模型，当存在人为控制门窗开启时设定开启时刻为初始时刻，并触发响应预测门窗可持续时长；[0058] 步骤S400：以初始时刻为监测节点，在门窗可持续时长内未存在人为控制门窗关闭时，传输控制信号在到达关闭时刻对门窗进行自动关闭；关闭时刻是指初始时刻加上门窗可持续时长后对应的时刻；并在门窗自动关闭后对室内温度进行校验传输对应预警信号。[0059] 智能门窗安装有角度传感器以及可连接监测区域内的监控设备、温度传感器，且在室内的若干温度传感器数据以平均温度为基准。[0060] 分析同一监测区域内影响门窗开启持续时长的关联数据集合包括以下分析步骤：[0061] 步骤S110：有效门窗监测事件还记录门窗关闭前单位时间内的温度数据、监测区域内的人员数量和门窗开启数据；门窗开启数据包括门窗开启持续时长和门窗开启程度，标记监测区域门窗关闭前在单位时间内的温度数据为第二温度，获取同一监测区域内记录人员数量不变的有效门窗监测事件对应的第一温度T1和第二温度T2，计算第一温度差 和1 2第二温度差 其中T表示门窗开启前的室外温度，T表示门窗关闭前的室外温度；室外温度的测量可通过设置于门窗上的温度传感器进行获取经过通信连接传输至系统中；[0062] 步骤S120：基于第一温度差 和第二温度差 计算同一监测区域的室内温度变0化率T， Y表示在第一温度差和第二温度差变化下的门窗开启持续时长，将有效门窗监测事件记录的人员数量按照从小到大的顺序排序，构建基于人员数量以及对0应室内温度变化率的数据组A，A＝(P,T)；基于排序，依次计算相邻数据组中的室内温度变化率相似度，提取相似度大于等于相似度阈值的数据组构成相似集合，并提取相似集合中每一数据组中记录的人员数量构成数量区间P0，P0＝[Pmin,Pmax]；Pmin表示构成数量区间的人员数量最小值，Pmax表示构成数量区间的人员数量最大值；[0063] 如排序后的结果如下：[0064] (10,0.5)、(12,0.52)、(14,0.7)、(18,0.73)[0065] 相似度的分析可以是计算差值大。柚貌钪点兄滴0.03；[0066] 则通过上述排序可以将(10,0.5)、(12,0.52)构成一相似集合1，将(14,0.7)、(18,0.73)构成一相似集合2；相似集合1对应的数量区间为[10,12]，相似集合2对应的数量区间为[14,18]。[0067] 步骤S130：将同一监测区域记录的相似集合与对应的数量区间一一对应构成关联数据集合。关联数据集合包含若干一一对应关系。[0068] 步骤S200包括以下：[0069] 步骤S210：以关联数据集合中每一对应关系的相似集合为依据，提取每一相似集合中任一温度变化率对应的数据组，并获取相同温度变化率下有效门窗监测事件记录的门窗开启程度；门窗开启包括平面开启和倾斜开启；[0070] 步骤S220：当门窗开启为平面开启时，获取门窗开启的面积W1和门窗的整体面积W0，利用公式计算门窗平面开启程度B，B＝W1/W0，当门窗开启为倾斜开启时，获取门窗开启的角度E1和门窗可被允许开启的最大角度E0，利用公式计算门窗倾斜开启程度C，C＝E1/E0，[0071] 步骤S230：将数据组按照开启程度类型进行区分为平面开启数据组和倾斜开启数据组；构建基于两种类型数据组的数据对D，D＝(P,F,Y)；F＝{B,C}，F表示开启类型对应的开启程度，在平面开启数据组中输出B而在倾斜开启数据组中输出C；基于关联数据集合获取若干数据对D，构建以人员数量P、开启类型F为输入数据，门窗开启持续时长L为输出数据的数学函数模型y，y＝α1*p+α2*f+ε；[0072] 分别代入开启类型为平面开启的数据对和开启类型为倾斜开启的数据对，得到对应数学函数模型对应的参考系数α1、α2和误差项ε；构成门窗平面开启类型的数学函数模型y1和倾斜开启类型的数学函数模型y2。[0073] 预测门窗可持续时长包括以下过程：[0074] 获取初始时刻监测区域内的实时人员数量P0，以及实时门窗开启类型对应的开启程度F0，代入相同门窗开启类型对应的数学函数模型y中，输出得到门窗可持续时长Y0。[0075] 步骤S400包括以下步骤：[0076] 步骤S410：获取门窗关闭前的实时第二温度T20和实时室外温度T20，计算实时温度差值[0077][0078] 步骤S420：提取门窗可持续时长Y0以及监测节点对应记录的实时温度差值10其中T10表示门窗开启前的实时第一温度，T 表示门窗开启前的实时室外温度；并获取实时人员数量所属相似集合中记录的数据组为目标数据组，提取目标数目据组对应的室内温度变化率为目标变化率T ，利用公式： 计算门窗关闭前的理想温度差值[0079] 步骤S430：当 与 差值小于等于差值阈值时，输出温度校验正常信号；在 与差值小于等于差值阈值时说明理论的温度差与实际温度差相近，通过模型分析出来的门窗关闭时间较为合理，若理论温度差与实际温度差相差较远，则说明在开启过程中在不改变门窗开启程度的情况下由于人员数量的异动造成最终关闭时刻温度的差异。0[0080] 当 与 差值大于差值阈值时，提取实时人员数量P 所属关联数据集合记录的数量区间P0＝[Pmin,Pmax]，以及在门窗可持续时长内监测区域记录的人员数量变化值P1；[0081] 步骤S440：当P1∈[Pmin,Pmax]，输出温度校验异常信号并传输硬件维护信号；硬件维护是指对智能门窗所获取数据的硬件载体进行维护；如监控设备、各种类型的传感器等；当 基于P1返回步骤S300计算更新后的门窗可持续时长，若在更新后的门窗可持续时长对应关闭门窗前的温度差值满足 与 差值小于等于差值阈值，则传输人员监测调节信号，人员监测调节信号是指在监测节点响应后实时对监测区域内的人员数量进行捕捉，当存在监测过程中的人员数量不属于初始人员数量对应的数量区间时，传输步骤S300中门窗可持续时长重新计算的信号；[0082] 若在更新后的门窗可持续时长对应关闭门窗前的温度差值仍不满足 与 差值小于等于差值阈值，输出温度校验异常信号并传输硬件维护信号。[0083] 分析人员变化是因为在分析可能造成温度差异影响的因素为人员数量的变化时，将变化量与相似集合对应的数量区间进行比较，可以快速判断人员的异动是否是造成温度异常的客观原因，因为满足相似集合对应的数量区间是不会造成温度异常的，所以可以传输信号提醒管理人员进行硬件维护，排查是否为硬件异常导致数据获取错误的问题。[0084] 一种基于5G技术的智能门窗监控管理系统，包括有效门窗监测事件获取模块、关联数据集合分析模块、数学函数模型建立模块、可持续时长预测模块和预警分析模块；[0085] 有效门窗监测事件获取模块用于：获取智能门窗在使用过程中记录的有效门窗监测事件；[0086] 关联数据集合分析模块用于分析同一监测区域内影响门窗开启持续时长的关联数据集合；[0087] 数学函数模型建立模块用于构建同一监测区域内影响门窗开启持续时长的数学函数模型；[0088] 可持续时长预测模块用于触发响应预测门窗可持续时长；[0089] 预警分析模块用于以初始时刻为监测节点，在门窗可持续时长内未存在人为控制门窗关闭时，传输控制信号在到达关闭时刻对门窗进行自动关闭，并在门窗自动关闭后对室内温度进行校验传输对应预警信号。[0090] 关联数据集合分析模块包括温度变化率计算单元、数据组构建单元、数量区间生成单元和关联数据集合输出单元；[0091] 温度变化率计算单元用于计算同一监测区域的室内温度变化率；[0092] 数据组构建单元用于构建基于人员数量以及对应室内温度变化率的数据组；[0093] 数量区间生成单元用于依次计算相邻数据组中的室内温度变化率相似度，提取相似度大于等于相似度阈值的数据组构成相似集合，并提取相似集合中每一数据组中记录的人员数量构成数量区间；[0094] 关联数据集合输出单元用于将同一监测区域记录的相似集合与对应的数量区间一一对应构成关联数据集合。[0095] 数学函数模型建立模块包括开启程度分析单元、数据对生成单元和函数分析单元；[0096] 开启程度分析单元用于分析开启方式为平面开启和倾斜开启时对应的程度大。籟0097] 数据对生成单元用于构建基于两种类型数据组的数据对；[0098] 函数分析单元用于基于关联数据集合获取若干数据对，构建以人员数量、开启类型为输入数据，门窗开启持续时长为输出数据的数学函数模型，并代入数据对计算对应参数得到模型。[0099] 预警分析模块包括实时数据分析单元、信号传输单元、返回校验单元和预警响应单元；[0100] 实时数据分析单元用于分析实时温度差值、理想温度差值；[0101] 信号传输单元用于在理想温度差值与实时温度差值小于等于差值阈值时，传输温度校验正常信号；[0102] 返回校验单元用于在理想温度差值与实时温度差值大于差值阈值时获取数据进行校验；[0103] 预警响应单元用于基于校验结果输出温度校验异常信号并传输硬件维护信号。[0104] 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。[0105] 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。

专利地区：陕西

专利申请日期：2024-05-24

专利公开日期：2024-11-29

专利公告号：CN118622116B