[发明专利]一种基于热成像及BP神经网络的个性化空调控制系统及方法

说明书

本发明提供一种基于红外热成像技术及BP神经网络方法的个性化空调控制系统及其方法包括：所述的人机交互模块，用于各用户的初始与热舒适度反馈信息采集；所述红外热成像模块，用于采集、处理并传输热成像数据；所述的信息处理模块，用于接收来源于人机交互模块与红外热成像模块的信息，并通过BP神经网络法计算得到最优化的控制参数，传输至空调控制模块；所述的空调控制模块，用于接收传输信号并实现对空调的控制。采用本发明技术方案，使空调系统的运行能最大限度满足多人对室内环境的动态热需求。

技术领域

本发明属于空调技术领域，尤其涉及一种基于热成像及BP神经网络的个性化空调控制系统及方法。

背景技术

为控制室内热湿环境以满足人体的热舒适需求，空调系统得到了广泛的应用。空调系统的设计和运行的通常旨在于营造出均匀稳定的室内热湿环境。然而，最新的研究发现，即使在稳态的空调环境中，人体生理参数以及人体热评价会产生随时间的动态变化，相应导致人体对室内环境的热需求并非稳定在某个特定状态。于是，对于环境不可控的空调系统，由于无法向用户提供与环境系统反馈和交互作用的机会，而将产生一系列的问题。例如：在装有中央空调系统的教学楼内，教室温度通常无法由室内人员进行调节，可能出现室内人员较多时室内环境过热等情况，不但学生的学习效率降低，且产生能源浪费。对于可改变室温的空调环境，系统的环境控制参数往往由某一用户根据自身舒适度进行设定，忽略了人与人之间的个体差异性，有可能无法完全满足室内其他人的空调需求，从而产生一系列的消极作用。例如：在办公建筑中，初次空调温度设定值过高或者过低，将会引发员工对空调的二次调节行为，或者衣物的增减行为，不但影响工作效率，产生不必要的能源消耗，而且会使员工因不舒适感产生抱怨心理，降低满意率。

红外热成像技术，是指接受并处理物体发出的红外辐射，以数信号等方式显示并进行利用的一种综合技术，广泛应用于工业、农业、医疗等各领域。当红外热成像技术应用于建筑环境控制技术领域时，能够精确地得到不同表面的温度值。随着红外热成像技术的发展，出现了基于红外热成像的空调系统，这些空调系统通过精确地得到围护结构内表面温度值或人体局部部位的皮肤温度值，调节室内末端空调的制冷制热量，由此可将对室内环境的控制与人体生理参数建立起联系，但尚未将人体主观热评价的影响和作用纳入考虑，依然无法实现用户与环境系统反馈和交互作用，同时忽略了人体对热环境主观评价的个体差异。

BP神经网络是人工神经网络的一种，其特点是采用误差逆向传播的算法对多层神经网络进行训练，是应用最广泛的神经网络之一。采用BP神经网络算法，通过自身训练学习某种规则，可以实现在给定输入值时得到最佳输出值的结果，它具备大规模并行、分布式处理、自组织、自学习等优点。当其应用于暖通空调控制领域时，可以精准与高效的预测人体舒适度，提高系统的自动控制水平。

发明内容

本发明的目的在于： 就传统空调系统以及现有应用热成像的空调系统信息反馈不足以及控制不灵活所产生的问题，本发明提供一种基于红外热成像技术及BP神经网络方法的个性化空调控制系统及其方法，从而使空调系统的运行能最大限度满足多人对室内环境的动态热需求。

为达到上述发明目的，本发明所采用的技术方案如下：

一种基于热成像及BP神经网络的个性化空调控制系统，包括：人机交互模块用于各用户初始与热舒适度反馈信息采集；红外热成像模块用于采集并处理热成像信息；信息处理模块用于接收来源于人机交互模块与红外热成像模块的信息，并通过BP神经网络法计算得到最优化空调系统控制参数；空调控制模块用于接收传输信号并实现对空调系统及其末端设备的控制。

作为优选，依托手机APP或计算机软件，采集各用户的性别、年龄、身高、体重、习服、体质、办公位置、TSV投票参数。

作为优选，信息处理模块基于对各用户数据的采集分析，确定针对不同用户的皮肤温度数据点。

作为优选，采用红外热成像模块生成人体热成像信息，并转化为温度数据。