如今的大数据时代最显著的特征就是“互联网+”，在这样的大背景下，家电产品的工业设计也逐渐趋向于智能化，随着人们对生活品质的追求，智能家电也成为了更多家庭的新选择[1]。现有的家电产品工业设计的智能化程度比较低，多数情况下需要用户进行操作干预，为了解决这类问题，本文提出大数据背景下的家电产品工业设计研究。

为了使家电产品的智能化程度更高，需要对海量数据进行处理，数据处理模块采用迅为 iMX6Q开发板实现数据的采集，设计数据库表以便于数据存储，设计数据序列结构得到激活函数，通过行为预测算法计算出人体三轴加速度参数，最后通过服务器和终端的程序完成行为预测以及匹配，发送到节点终端完成行为的执行。

1 大数据背景下的家电产品工业设计

大数据背景下的家电产品是基于传统家电的基础功能，将传感器与网络通信技术引入到工业设计中[2⁃3]。智能家电的优势主要体现在交互设计上，它的发展主要经历以下三个阶段，如表 1所示。

表 1 智能家电的发展阶段

从以上的发展阶段能够看出，随着大数据和信息化的提高，智能家电将朝着更高级的状态发展[4⁃5]。由此对大数据背景下的家电产品进行新的工业设计。

1.1 数据处理与存储

在家电产品的工业设计中，为了实现其智能化，需要有海量数据作为支撑，主要包括数据的处理与存储[6]。因此既要实现远程 WiFi 通信，又要能够获取各类传感器的数据，因而对开发板的性能要求较高。在家电产品的数据处理部分，选择的是迅为 iMX6Q 开发板，型号为飞思卡尔 Linux，采用工业级 ARM 四核 PLUS 增强版，它的优点是操作便捷灵活，其硬件电路板如图 1所示。

图 1 iMX6Q 开发板

本文设计中使用的 iMX6Q开发板拥有 14个数字 I/O引脚，从端口输出数据，实现串口通信、计时[7⁃8]。iMX6Q开发板能够将各种传感器采集到的数据实时发送到上位机，实现数据的接收。数据完成处理之后，要使用关系型数据库储存接收到的智能家电设备数据。需要存入数据库的信息如表 2所示。

表 2 数据库表结构设计

图 2 数据序列结构图

在数据表设计完成之后，将开发板接口和 Java对象映射成数据模块中的记录，并与实体类相对应，在相关配置文件中直接实现对数据进行增删改查[9]。至此完成了数据处理模块的设计。

1.2 行为预测

家电产品工业设计智能化的重要一步就是行为的识别与预测，随着大数据技术的发展，已经能够使用计算机来理解自然语言，本文在多用户的智能环境下，将类似于神经网络模型应用到行为识别与预测中[10⁃11]。神经网络中的数据序列通常使用 RNN 模型来处理，在此基础上，引入遗忘门的概念，解决原有的梯度消失问题，数据序列的结构图如图 2所示。

在图 2 的数据结构中，蕴含着一个 tanh ( x )激活函数，在数据序列中给神经网络加入一些非线性元素[12]，能够提升解决问题的复杂度，tanh 激活函数为双曲线正切函数，表示为：

式中，e为一个自然常数，表示为：

该函数的优点在于，能够保证数据输入和输出都是同样可微的。人体在发生一定的行为时会经过发生动作时身体部位的失重、动作停止时惯性导致的超重、动作完成时的静止这三个阶段[13]，在这三个阶段中，加速度的值也在改变，示意图如图 3所示。

图 3 人体三轴加速度示意图

在加速度示意图的基础上对人的行为做出加速度分析，测量日常生活中各种行为的加速度值，作为行为预测算法的特征参数，利用信号向量模来表示：

式中：a_x ( t )，a_y ( t )，a_z ( t )分别表示三个轴方向的加速度值；ω_x ( t )，ω_y ( t )，ω_z ( t )分别表示三个轴方向的角速度值。

将加速度和角速度的行为预测算法进行计算与融合，弥补了单一数值预测的不足，使行为的识别与预测更加准确。

1.3 程序设计

家电产品要实现指令的自动发出，在程序设计中要对各个服务器和控制终端做出应答，家电作为终端节点，要通过大数据的分析结果进行判断[14]。当目的行为不匹配时，要将接收到的数据丢弃，设计的程序如图4所示。

图 4 自动指令发出程序设计图

在行为匹配时要将携带的数据进一步挖掘，判断接收到的指令是否符合本节点的家电类型，然后再经串口发送到执行节点完成指令的自动发出[15]。至此实现了大数据背景下的家电产品工业设计研究。

2 仿真实验

为了验证本文提出的家电产品工业设计在提高家电智能化程度方面的有效性，选取传统的家电产品作为参照，通过对比实验进行验证。

2.1 搭建测试环境

测试环境需要模拟生活中用户的真实家居环境，本文的测试环境中主要测试主卧室灯与床头灯，在房间的入口与床头设置电子传感器、运动传感器和光敏传感器，都与测试中的两盏灯通过 WiFi 相连以保证交互。在卧室中涉及到用户的以下行为：休息、阅读、走路、不在场和其他，每种行为下灯应有的状态如表 3所示。

表 3 每种行为对应的灯的状态

在完成以上设置之后，开始进行为期 24 h 的实验，并将实验结果进行记录。

2.2 实验结果与分析

在上述的测试环境下，记录传统的家电产品自动发出指令的次数与人为发出指令的次数，和本文设计的家电产品自动发出指令的次数与人为发出指令的次数，对比结果如图 5所示。

图5 实验结果对比图

从图 5 可以明显看出，在测试的时间内，本文设计的家电自动发出的指令数量占比明显高于传统家电，经过进一步的计算，本文设计的家电自动发出的指令数量占比为 87.3%，传统家电自动发出的指令数量占比为36.5%，验证了本文的家电产品工业设计的智能化程度有所提高。

3 结语

随着大数据的发展，智能家电热潮来临，本文在查阅相关文献的基础上，对目前我国家电产品工业设计上的一些缺陷进行重新设计。实验结果表明，本文设计的家电自动发出的指令数量占比比传统家电高出 50.8%，验证了本文的家电产品工业设计的智能化程度有所提高，但是还有一些不足之处，期望在日后的研究实验中，能够将家电产品设计更加完善。

本文发布在《现代电子技术》2020年第 43卷第 21期，作者杨雪

本文来源于网络，本着学习交流的目的进行转载，已标注原始作者和出处，如存在异议，请联系editor@xingongye.cn。如您对内容有疑问，请告之，以便我们及时处理。