本發明涉及智能鎖控制，特別是一種基于ai深度學習的智能鎖能耗控制方法、系統及智能鎖。

背景技術：

1、智能鎖由干電池或鋰電池供電，能耗是一個非常重要的指標，盡量節省下任何不必要的能量損耗，是智能鎖的能耗管理最高節能目標。在智能鎖的工作模式中，平均待機功耗主要依靠系統器件選型、硬件方案設計和軟件能耗策略來決定，系統器件確定后，進一步的能耗節約必須通過智能鎖控制系統的調度算法實現。對于非接觸式開鎖方式，控制系統通常采用進入休眠模式和定時喚醒的巡檢模式交替工作，實現控制系統的低功耗和實時響應之間的平衡。

2、目前，智能鎖通常兼具接觸式和非接觸式開鎖方式，在啟用非接觸式開鎖方式情況下，需要控制系統時刻關注著外界的刺激或輸入，以便做到最快的響應速度，導致智能鎖的控制系統存在過多的電量消耗。

3、有鑒于此，有必要開發一種基于ai深度學習的智能鎖能耗控制方法、系統及智能鎖，以克服上述缺陷。

技術實現思路

1、為解決上述技術問題，本發明的目的在于揭示一種基于ai深度學習的智能鎖能耗控制方法、系統及智能鎖。

2、本發明的第一個發明目的，在于提供一種基于ai深度學習的智能鎖能耗控制方法。

3、本發明的第二個發明目的，在于提供一種基于ai深度學習的智能鎖能耗控制系統。

4、本發明的第三個發明目的，在于提供一種智能鎖。

5、為實現上述第一個發明目的，本發明提供了一種基于ai深度學習的智能鎖能耗控制方法，包括以下步驟：

6、s1：智能鎖添加并啟用至少一種非接觸式開鎖秘鑰；

7、s2：通過ai深度學習一個自然周內所述非接觸式開鎖秘鑰的輸入頻次和輸入時間段，創建以自然天為周期的用戶周期模型；

8、s3：在所述用戶周期模型創建常用時間段、非常用時間段和靜默時間段；

9、s4：在所述常用時間段，設定所述非接觸式開鎖秘鑰的感應心跳周期為f(t1)；在所述非常用時間段，設定所述非接觸式開鎖秘鑰的感應心跳周期為f(t2)，f(t1)小于f(t2)；在所述靜默時間段，設定所述非接觸式開鎖秘鑰的感應心跳停止。

10、為實現上述第一個發明目的，本發明還提供了一種基于ai深度學習的智能鎖能耗控制方法，包括以下步驟：

11、s1：智能鎖添加并啟用至少一種非接觸式開鎖秘鑰；

12、s2：通過ai深度學習一個自然周內所述非接觸式開鎖秘鑰的輸入頻次和輸入時間段，創建以自然天為周期的用戶周期模型；

13、s3：在所述用戶周期模型創建常用時間段、非常用時間段和靜默時間段；

14、s4：在所述常用時間段，設定所述非接觸式開鎖秘鑰的感應心跳周期為f(t1)；在所述非常用時間段，設定所述非接觸式開鎖秘鑰的感應心跳周期為f(t2)，f(t1)小于f(t2)；在所述靜默時間段，設定所述非接觸式開鎖秘鑰的感應心跳停止；

15、s5：判斷所述非接觸式開鎖秘鑰輸入時的電池壓降，所電池壓降小于設置閾值，則所述非接觸式開鎖秘鑰的感應心跳停止。

16、優選地，在步驟s1中，若智能鎖未添加非接觸式開鎖秘鑰，則檢卡模塊、雷達模塊和藍牙模塊不啟用。

17、優選地，所述非接觸式開鎖秘鑰為ic卡秘鑰、人臉識別秘鑰或藍牙秘鑰中的至少一種。

18、優選地，所述f(t2)＝1min-10min，所述f(t1)＝300ms-1000ms。

19、優選地，在所述常用時間段內確定最快感應心跳f(tmin)；

20、在所述f(tmin)±xmin范圍內，所述f(t1)＝300ms-500ms；

21、在所述f(tmin)±xmin范圍外，所述f(t1)以f(tmin)±xmin為中心逐漸擴大至1000ms。

22、基于相同的發明原理，為實現上述第二個發明目的，本發明提供了一種基于ai深度學習的智能鎖能耗控制系統，包括ic卡識別單元、人臉識別單元、藍牙識別單元和ai深度學習單元；

23、所述ic卡識別單元包括檢卡模塊，所述人臉識別單元包括雷達模塊，所述藍牙識別單元包括藍牙模塊；

24、在所述ic卡識別單元、人臉識別單元或藍牙識別單元添加并啟用至少一種非接觸式開鎖秘鑰；

25、所述ai深度學習單元以一個自然周為周期統計用戶的非接觸式開鎖秘鑰的輸入頻次和輸入時間段，創建以自然天為周期的用戶周期模型，并在所述用戶周期模型創建常用時間段、非常用時間段和靜默時間段；

26、所述非接觸式開鎖秘鑰的感應心跳在所述常用時間段啟用高頻心跳模式，所述非接觸式開鎖秘鑰的感應心跳在所述非常用時間段啟用低頻心跳模式，所述非接觸式開鎖秘鑰的感應心跳在所述靜默時間段啟用停止心跳模式。

27、優選地，若所述非接觸式開鎖秘鑰輸入時的電池壓降小于設置閾值，則所述非接觸式開鎖秘鑰的感應心跳停止。

28、優選地，所述高頻心跳模式的感應心跳周期f(t1)為300ms-1000ms，所述低頻心跳模式的感應心跳周期f(t2)為1min-10min；

29、在所述高頻心跳模式中，確定最快感應心跳f(tmin)；

30、在所述f(tmin)±xmin范圍內，所述f(t1)＝300ms-500ms；

31、在所述f(tmin)±xmin范圍外，所述f(t1)以f(tmin)±xmin為中心逐漸擴大至1000ms。

32、基于相同的發明原理，為實現上述第三個發明目的，本發明提供了一種智能鎖，包括第二發明創造所述的基于ai深度學習的智能鎖能耗控制系統。

33、與現有技術相比，本發明技術效果如下：

34、基于用戶的生活習慣及開鎖習慣，根據一個自然周內非接觸式開鎖秘鑰的輸入頻次和輸入時間段，創建以自然天為周期的用戶周期模型，在用戶周期模型創建常用時間段、非常用時間段和靜默時間段；在常用時間段，采用高頻心跳模式，非接觸式開鎖秘鑰的感應心跳周期為f(t1)；在非常用時間段，采用低頻心跳模式，非接觸式開鎖秘鑰的感應心跳周期為f(t2)，f(t1)小于f(t2)；在靜默時間段，采用停止心跳模式；使用戶在常用時間段，非接觸式開鎖秘鑰的感應心跳周期短，能夠非常靈敏地使用非接觸方式開啟智能鎖；而在非常用時間段，非接觸式開鎖秘鑰的感應心跳周期較長，即f(t2)間隔更長，感應心跳頻次降低，在靜默時間段，感應心跳停止，從而大幅減少智能鎖的功耗。

技術特征：

1.基于ai深度學習的智能鎖能耗控制方法，其特征在于，包括以下步驟：

2.基于ai深度學習的智能鎖能耗控制方法，其特征在于，包括以下步驟：

3.如權利要求1或2所述的基于ai深度學習的智能鎖能耗控制方法，其特征在于，在步驟s1中，若智能鎖未添加非接觸式開鎖秘鑰，則檢卡模塊、雷達模塊和藍牙模塊不啟用。

4.如權利要求1或2所述的基于ai深度學習的智能鎖能耗控制方法，其特征在于，所述非接觸式開鎖秘鑰為ic卡秘鑰、人臉識別秘鑰或藍牙秘鑰中的至少一種。

5.如權利要求1或2所述的基于ai深度學習的智能鎖能耗控制方法，其特征在于，所述f(t2)＝1min-10min，所述f(t1)＝300ms-1000ms。

6.如權利要求1或2所述的基于ai深度學習的智能鎖能耗控制方法，其特征在于，在所述常用時間段內確定最快感應心跳f(tmin)；

7.基于ai深度學習的智能鎖能耗控制系統，其特征在于，包括ic卡識別單元、人臉識別單元、藍牙識別單元和ai深度學習單元；

8.如權利要求7所述的基于ai深度學習的智能鎖能耗控制系統，其特征在于，若所述非接觸式開鎖秘鑰輸入時的電池壓降小于設置閾值，則所述非接觸式開鎖秘鑰的感應心跳停止。

9.如權利要求7或8所述的基于ai深度學習的智能鎖能耗控制系統，其特征在于，所述高頻心跳模式的感應心跳周期f(t1)為300ms-1000ms，所述低頻心跳模式的感應心跳周期f(t2)為1min-10min；

10.智能鎖，其特征在于，包括權利要求7-9任一所述的基于ai深度學習的智能鎖能耗控制系統。

技術總結
本發明的目的在于揭示一種基于AI深度學習的智能鎖能耗控制方法、系統及智能鎖，涉及智能具控制技術領域，包括以下步驟：S1：智能鎖添加并啟用至少一種非接觸式開鎖秘鑰；S2：通過AI深度學習一個自然周內所述非接觸式開鎖秘鑰的輸入頻次和輸入時間段，創建以自然天為周期的用戶周期模型；S3：在用戶周期模型創建常用時間段、非常用時間段和靜默時間段；S4：在常用時間段，設定所述非接觸式開鎖秘鑰的感應心跳周期為f(T<subgt;1</subgt;)，在非常用時間段，設定所述非接觸式開鎖秘鑰的感應心跳周期為f(T<subgt;2</subgt;)，f(T<subgt;1</subgt;)小于f(T<subgt;2</subgt;)，技術效果：在常用時間段，采用高頻心跳模式；在非常用時間段，采用低頻心跳模式；在靜默時間段，心跳停止，大幅減少功耗。

技術研發人員：鄧武倉,胡琴琴,潘賢
受保護的技術使用者：蘇州琨山通用鎖具有限公司
技術研發日：
技術公布日：2025/4/24