[发明专利]用于控制操作的系统和方法

权利要求书

1.一种用于为环境中的居住者控制加热通风和空调HVAC系统的操作的系统，该系统包括收发器和存储器，所述收发器发送和接收数据，所述存储器存储个性化数据库和历史数据库，所述历史数据库包括从其他用户的标记数据学习的通用热舒适模型，所述标记数据的各个实例根据在至少一个环境的不同条件下至少一个其他用户的热舒适等级来指示热舒适度，所述系统包括：

硬件处理器，其被配置为：

在来自所述居住者的所有标记数据被假设为不可访问或未知的同时利用来自所述其他用户的所述标记数据以及使用所述通用热舒适模型进行迁移学习的迁移主动学习框架来将预训练的个性化热舒适PPTC模型初始化，并且将所述PPTC模型存储在所述存储器中；

接收一系列未标记实时数据，所述一系列未标记实时数据包括所述居住者的生物特征数据的测量以及所述居住者所在的环境中的环境数据的测量；

当与所述未标记实时数据相似的所存储的来自所述其他用户的标记数据的标签与未标记实时数据实例的预测的标签之间的不一致超过预定不一致阈值时，请求所述居住者标记所述未标记实时数据实例，

接收对标记所述未标记实时数据实例的响应，并且将所标记的未标记实时数据实例作为个性化标记数据存储在所述个性化数据库中；

通过与所存储的来自所述其他用户的标记数据相比使用所存储的来自所述居住者的标记数据的不同模型训练所述PPTC模型来发起所述迁移主动学习框架的主动学习，并且对于初始化时段期间的各个迭代，利用所述个性化标记数据来更新所述个性化数据库，并且使用所述历史数据库和所更新的个性化数据库来重新训练所述PPTC模型；以及

控制器，该控制器基于重新训练的个性化热舒适模型来控制所述HVAC系统；

所述硬件处理器还被配置为：

通过标识各个未标记实时数据点与来自所述其他用户的所述标记数据中的所有数据点之间的距离来计算不一致得分，将所述距离按照向量存储并从最小距离开始排序，为各个未标记实时数据点选择K个最小距离并从所述历史数据库获得其标签，预测未标记数据点的标签，并使用所述PPTC模型利用来自所述历史数据库的标签和所预测的所述未标记实时数据点的标签来计算所述不一致得分。

2.根据权利要求1 所述的系统，其中，所述PPTC模型是回归函数、神经网络、分类器或支持向量机中的一个或组合。

3.根据权利要求1 所述的系统，其中，所述PPTC模型在被存储在所述存储器中之前基于所述PPTC模型相对于所存储的来自所述其他用户的标记数据的正则化来被预训练，这限制了在所述初始化时段期间用于训练所述PPTC模型的搜索空间。

4.根据权利要求1 所述的系统，其中，所述PPTC模型的模型对应于包括回归函数、神经网络、分类器、支持向量机中的一个的机器学习模型的参数。

5.根据权利要求1 所述的系统，其中，所述居住者标记的数据的测量包括受所述HVAC系统控制的受控参数以及不受所述HVAC系统控制的参数，其中，所述受控参数包括温度、湿度或空速中的一个或组合，并且非受控参数包括心率、皮肤温度、皮肤电反应、高度计读数、陀螺仪读数、加速度计读数、光级指示器或衣服传感器中的一个或组合。

6.根据权利要求1 所述的系统，其中，所述居住者标记的数据的测量包括受所述HVAC系统控制的受控参数以及不受所述HVAC系统控制的参数，其中，如下根据所述PPTC模型优化所预测的所述居住者的热舒适度来确定所述受控参数：

在所述未标记实时数据实例内将非受控参数和所述受控参数分组，

使用优化方法来确定所述受控参数的各个受控参数的值，以使得所得的PPTC模型根据所述热舒适等级来输出使所述居住者的舒适最大化的所预测的所述居住者的热舒适度，并且

然后，所述控制器根据一组最优受控参数中的至少一个参数来引导所述HVAC系统。