一种智能酒柜温度控制系统及其控制方法

专利主权项内容

1.一种智能酒柜温度控制系统的控制方法，其特征在于，包括如下步骤：采集智能酒柜的柜内温度，进而得到柜内温度冗除数据集；将所述柜内温度冗除数据集转换为多个温度冗除聚合序列，确定每个温度冗除聚合序列的温度脉动趋同因子，进而由所有温度冗除聚合序列的温度脉动趋同因子确定热态滤筛趋同量；对所述柜内温度冗除数据集进行温度异稳特征提取，得到酒柜温度异稳特征，确定所述酒柜温度异稳特征的特征紊流典型基，进而由所述特征紊流典型基确定所述酒柜温度异稳特征的冗除特征消熵度；根据所述热态滤筛趋同量和所述酒柜温度异稳特征的冗除特征消熵度确定所述智能酒柜的柜内温度预测值；通过所述柜内温度预测值和预设存酒温度对所述智能酒柜进行温度控制；其中，采集智能酒柜的柜内温度，进而得到柜内温度冗除数据集具体包括：预设柜内温度冗除因子；根据所述柜内温度冗除因子确定每个柜内温度对应的冗除值；将所有柜内温度对应的冗除值组成的集合作为柜内温度冗除数据集；其中，对于每个温度冗除聚合序列，将该个温度冗除聚合序列中的柜内温度冗除数据总数与柜内温度冗除数据集中的柜内温度冗除数据总数之比作为该个温度冗除聚合序列的温度脉动趋同因子；其中，由所有温度冗除聚合序列的温度脉动趋同因子确定热态滤筛趋同量具体包括：获取温度冗除聚合序列总数>根据所述温度冗除聚合序列总数和所有温度冗除聚合序列的温度脉动趋同因子确定热态滤筛趋同量/>，其中，所述热态滤筛趋同量/>根据下述公式确定：
；其中，表示第n个温度冗除聚合序列，/>表示温度冗除聚合序列/>的温度脉动趋同因子；其中，确定所述酒柜温度异稳特征的特征紊流典型基具体包括；确定酒柜温度异稳特征的特征值，进而确定该特征值在柜内温度冗除数据集中的出现次数；将该出现次数与柜内温度冗除数据集中的柜内温度冗除数据总数之比作为酒柜温度异稳特征的特征紊流典型基；其中，由所述特征紊流典型基确定所述酒柜温度异稳特征的冗除特征消熵度具体包括：获取温度冗除聚合序列总数；获取酒柜温度异稳特征的特征紊流典型基/>；当柜内温度冗除数据集中包含酒柜温度异稳特征时，分别确定酒柜温度异稳特征属于每个温度冗除聚合序列的概率；根据温度冗除聚合序列总数、酒柜温度异稳特征/>的特征紊流典型基/>和酒柜温度异稳特征属于每个温度冗除聚合序列的概率确定酒柜温度异稳特征/>的冗除特征消熵度/>，具体实现时，冗除特征消熵度/>根据下述公式确定：
；其中，表示第n个温度冗除聚合序列，/>表示特征紊流典型基/>的相反基，表示柜内温度冗除数据集中包含酒柜温度异稳特征/>且酒柜温度异稳特征/>属于温度冗除聚合序列/>的概率，/>表示/>的相反值；其中，根据所述热态滤筛趋同量和所述酒柜温度异稳特征的冗除特征消熵度确定所述智能酒柜的柜内温度预测值具体包括：根据所述热态滤筛趋同量和所述酒柜温度异稳特征的冗除特征消熵度，得到所述酒柜温度异稳特征的特征热均质代表系数，进而确定所有酒柜温度异稳特征的特征热均质代表系数，其中，所述酒柜温度异稳特征的特征热均质代表系数根据下述公式确定：
；其中，表示酒柜温度异稳特征/>的特征热均质代表系数，/>表示酒柜温度异稳特征的冗除特征消熵度，/>表示热态滤筛趋同量；将最大特征热均质代表系数对应的酒柜温度异稳特征作为柜内温度预测特征；通过所述柜内温度预测特征得到所述智能酒柜的柜内温度预测值。