论文部分内容阅读
现代社会,人们一天中的大部分时间是在室内中度过,随着人们生活水平的提高,人们对室内环境舒适性与家居智能性提出了更高的要求,然而,现有的空调控制系统主要是用户以个人经验设置的恒温控制,该控制方法存在着温度设置不合理的情况,并且采用这种方法的空调控制系统不能随着外界环境的变化自适应调整空调的控制温度,因此,传统的空调控制系统在舒适性、智能性与节能性方面逐渐不能满足人们对高品质生活的要求。针对这一问题,本文以热舒适作为空调控制系统的控制目标,并以树莓派为控制核心实现以热舒适为控制目标的空调控制系统。在以热舒适作为空调控制目标的控制系统中,首先需要确定热舒适的评价指标,本文在分析了多种热舒适评价指标后,选择了理论基础较成熟、应用较广的预测平均投票数(Predicted Mean Vote,PMV)作为热舒适控制的热舒适指标。影响PMV的因素包括四个环境因素和两个个人因素,影响因素在时间上具有序列性。针对这一特性,在算法上本文选取了能够处理序列特征的LSTM模型,为了利用历史数据对PMV值进行更加准确的预测,本文改进了现有的LSTM模型,并把收集到的PMV数据集在模型上进行训练,最终得到PMV预测模型。实验表明,改进后的LSTM在PMV预测中与传统的LSTM和多层感知机相比,改进后的LSTM在均方误差(MSE)、平均绝对误差(MAE)和决定系数(R~2)指标上均优于另外两种神经网络。在对热舒适指标PMV建模完成后,将PMV预测模型移植到以树莓派为控制核心的空调控制系统中。与其他嵌入式设备和PC等相比,使用树莓派作为系统控制核心具有性能利用率高、成本低、操作简单等优点。另外,通过分析得出热舒适直接控制的方式优于间接控制,此外实验表明了空气温度与气体流速对PMV的影响较大,因此,空调控制系统的控制变量为温度和风速,采用热舒适直接控制的方式。本文以树莓派作为控制核心,完成了数据采集模块、显示模块和设置模块的设计。其中数据采集模块主要对室内环境的测量收集,输入模块的功能为对PMV值和空调风速进行设置,而显示模块的功能为人机交互。实验表明,系统预测设置值与理论值得误差最大为0.5℃,验证了该设计方案具有可行性,为后续的系统实用化奠定了基础。