一种基于人工智能的空调控制系统及方法与流程

1.本发明涉及空调控制系统与方法的领域,尤其涉及一种基于人工智能的空调控制系统及方法。


背景技术：

2.空调已成为用户日常生活中不可或缺的电器产品,随着智能化时代的到来,各种各样的智能化电器走进千家万户及公共场所。但是空调控制还停留在手动控制或者遥控控制的阶段,用户通过手动或遥控对空调进行控制时,空调接收到控制指令后,即根据控制指令确定自身的当前工作状态,从而对当前的环境温度进行调节。
3.公开号为cn110901333a公开了一种空调控制系统和空调传感控制方法，该发明提供一种空调控制系统、传感器组件及其空调传感控制方法，其中所述空调控制系统应用于一车辆的一空调主体，其中所述空调控制系统包括一传感器组件，其中所述传感器组件设置在所述车辆内部；以及一红外控制电路，其中所述红外控制电路连通所述传感器组件和所述空调主体，其中所述传感器组件能够获取所述车辆内外的环境信息并且通过所述红外控制电路对所述空调主体进行调整。
4.公开号为cn105042780a公开了一种中央空调控制系统，该发明的中央空调控制系统，包括plc控制系统、执行机构和第一控制系统，第一控制系统包括第一参数采集设备和控制主机，控制主机与plc控制系统通讯连接，第一参数采集设备与控制主机通讯连接；plc控制系统上还连接有第二参数采集设备，本该发明的中央空调控制系统，通过预算中央空调所需的实时总输出功率，plc控制系统根据预计算的中央空调主机总输出功率执行控制。可以将楼宇室内温度与中央空调预设值的差值在
±
0.5℃以内，室内温度波动小，空调总输出功率降低、总耗能减少，这种工作模式在空调频繁和大量使用的当今时代，节能效果尤为明显。
5.目前现有的空调控制系统和方法都是以硬件为基础，并未提出利用算法与硬件相结合形成一套智能的空调温度与节能的方法。


技术实现要素：

6.为了克服现有技术存在的缺点与不足,本发明提供一种基于人工智能的空调控制系统及方法。
7.本发明所采用的技术方案是，一种基于人工智能的空调控制系统，该系统包括:移动应用窗口、onenet云平台上的虚拟设备、stm32f103c8t6微处理器、ad590温湿度采集传感器、esp8266无线通信模块、xk2233-1空调控制模块、sd卡读取存储模块、5v和3.3v电源，多模型融合的智能算法模块；
8.所述stm32f103c8t6微处理器利用gpio口接ad590温湿度采集传感器,采集温湿度数据,利用串口发送给esp8266无线通信模块,由esp8266无线通信模块发送给onenet云平台上的虚拟设备多模型融合的智能算法模块进行空调温度的计算与控制,再由onenet云平
台上的虚拟设备转发给移动应用窗口；移动应用窗口发出控制指令,通过onenet云平台上的虚拟设备转发给stm32f103c8t6微处理器,stm32f103c8t6微处理器根据指令构造出空调控制码,5v和3.3v电源对微处理器进行供电，通过串口发送给xk2233-1空调控制模块,xk2233-1空调控制模块调制产生红外信号,发送给空调,空调接收解调红外信号。
9.一种基于人工智能的空调控制方法，该方法步骤为：
10.步骤s1：利用ad590温湿度采集传感器进行温湿度采集，并由esp8266无线通信模块将数据传输给onenet云平台；
11.步骤s2：在onenet云平台中建立空调房间温度变化模型；
12.步骤s3：在onenet云平台中建立房间温度模糊控制器；
13.步骤s4：在onenet云平台中利用改进遗传算法对控制器进行优化，优化包括建立适应度函数、温度模糊控制器的可行解空间、温度数据筛选、温度数据编码、温度数据选择操作、温度数据交叉操作、温度数据预测操作；
14.步骤s5：在onenet云平台中建立空调调节系统的能耗优化目标函数，输出对空调温度和能耗控制的参数；
15.步骤s6：将温度和能耗控制的参数过由onenet云平台上发送给stm32f103c8t6微处理器；
16.步骤s7：由stm32f103c8t6微处理器根据指令构造出空调控制码，通过串口发送给xk2233-1空调控制模块，xk2233-1空调控制模块调制产生红外信号，发送给空调，空调接收解调红外信号，完成对空调温度和能耗的控制。
17.进一步地，所述步骤s2建立空调房间温度变化模型表达式为：
[0018][0019]
其中，af表示空调的出风大小，表示在单位时间内室内温度变化率，a表示室内氧气浓度，ik表示室内所有引起温度变化的负荷，b表示室内氧气变化率的，ij表示空调出风所能承担的最大负荷，ij＝b
·zx
·
(y
x-ce)，y
x
表示空调出风的温度，z
x
表示空调的单位时间内的最大风量，i1、i2分别表示从窗门以及墙体进入室内的室外热量，i＝k(y
0-ce)，i＝1，2，y0表示单位时间内的室外温度，k表示传热系数，gh表示空调送风的气体浓度，ce表示单位时间内室内空气温度的变化值，cf表示单位时间内空调的送风温度的变化值。
[0020]
进一步地，所述步骤s3建立房间温度模糊控制器表达式为：
[0021]
l(m)＝n(m)-o(m)
[0022]
lp(m)＝l(m)-l(m-1)
[0023]
q(r)＝q(m-1)
△q[0024]
s(m)＝s(m-1)
△s[0025]
其中，o表示房间即刻温度，n表示房间温度的预设值，m表示对房间温度的第m次采集，l表示单位时间内所采集温度的偏差，lp表示单位时间内室内温差变化率，q表示控制器输出的温度信号，是空调送风温度与回风温度的差值，
△
q表示温度差值的变化范围，s为控制器输出的出风量信号，是空调送风量与回风量的差值，
△
s表示风量差值的变化范围。
[0026]
进一步地，所述步骤s4改进遗传算法，首先建立目标函数，表达式为：
[0027][0028]
其中，c表示积分性能指标，|v(w)|表示温度输入和输出误差的绝对值，将目标函数转化为最大值作为适应度函数，表达式为：
[0029][0030]
所述温度模糊控制器的可行解空间，温度模糊控制器的输入有2个参数：t室内温度偏差和ta室内温度偏差变化率，输出有2个参数：w空调送风温度差和z空调送风量；t，ta，w的解有7个：{x
tot
1，x
tot
2，x
tot
3，x
tot
4，x
tot
5，x
tot
6，x
tot
7}，z的解有3个：{y
pop
1，y
pop
2，y
pop
3}；
[0031]
所述温度数据筛选的步骤包括：
[0032]
①
规则表矩阵，利用随机数生成法，在温度模糊控制器的可行解空间内动态生成x个规则表矩阵；
[0033]
②
适应度函数值排列，然后分别计算每个规则表矩阵下的适应度函数值，并按从低到高的顺序进行排列；
[0034]
③
个体淘汰，将排在末尾适应度低的y个个体淘汰，剩下的个体作为规模为x-y的初始种群，进行温度数据编码。
[0035]
进一步地，所述温度数据编码，在进行编码时，按照固定顺序排列两个输入变量，只对模糊规则表中的输出语言变量值w和z进行编码，w的解为：x
tot
1，x
tot
2，x
tot
3，x
tot
4，x
tot
5，x
tot
6，x
tot
7，将这7个解依次表示为：1，2，3，4，5，6，7；z的解值为：y
pop
1，y
pop
2，y
pop
3依次表示为：1，2，3，对于模糊规则中的none，表示为0；
[0036]
所述温度数据选择操作步骤包括：
[0037]
a1：计算室内所有人员对空调温度的适应度值；
[0038]
a2：累加所有人员对空调温度的适应度值，得最终的和u，并保存所有人员对空调温度适应度值的中间值；
[0039]
a3：产生1个随机数r，0《r《u；
[0040]
a4：选择对应的中间累计值的第1个人员对空调温度的适应度值进入交换集；
[0041]
a5：重复步骤3，4，直到交换集所有人员对空调温度的适应度值达到要求为止。
[0042]
进一步地，所述温度数据交叉操作，操作过程是：
[0043]
b1：对温度数据进行两两随机配对，若温度数据量总数大小为h，则共有h/2对相互配对的个体组；
[0044]
b2：在相互配对的两个个体编码串中随机设置两个交叉点；
[0045]
b3：交换两个个体的两个交叉点之间的部分温度数据；
[0046]
所述温度数据预测操作，操作过程是：
[0047]
c1：对温度数据的每一个预测值，以预测概率指定其为预测点；
[0048]
c2：对每一个指定的预测点，对其温度值做取反运算或用其他等位温度值来代替，从而产生出新的温度值。
[0049]
进一步地，所述步骤s5建立空调调节系统的能耗优化目标函数，表达式为：
3.6v,通过串口与微处理器连接.使用时,首先和普通空调对码,微处理器从sd卡中读取配置文件,获取空调型号信息,构造设置空调型号的数据帧通过串口发送给空调控制模块,该模块即被设置为该型号空调对应的遥控器。后续接收到空调控制命令时,空调控制模块会调制出与普通空调相匹配的红外信号,用于控制普通空调。
[0065]
stm32f103c8t6微处理器通过sdio口读取sd卡数据。系统使用usb接口为微处理器模块提供5v电源,通过ams1117-3.3(是一种输出电压为3.3v的正向低压降稳压器)产生3.3v的输出电压,同时可为其他模块提供5v和3.3v电源。
[0066]
移动应用窗口以android studio作为开发平台,设计登录、日志、温湿度显示、温湿度控制4个ui,移植edp协议到android平台,实现手机app以edp协议和云平台通信,使用了android的activity,thread,intent,handler,message,messagequeue等组件和特性.
[0067]
stm32f103c8t6微处理器利用gpio口接ad590温湿度采集传感器,采集温湿度数据,利用串口发送给esp8266无线通信模块,由esp8266无线通信模块发送给onenet云平台上的虚拟设备,再由onenet云平台上的虚拟设备转发给移动应用窗口；移动应用窗口发出控制指令,通过onenet云平台上的虚拟设备转发给stm32f103c8t6微处理器,stm32f103c8t6微处理器根据指令构造出空调控制码,5v和3.3v电源对微处理器进行供电，通过串口发送给xk2233-1空调控制模块,xk2233-1空调控制模块调制产生红外信号,发送给空调,空调接收解调红外信号。
[0068]
如图2所示，一种基于人工智能的空调控制方法，该方法步骤为：
[0069]
步骤s1：利用ad590温湿度采集传感器进行温湿度采集，并由esp8266无线通信模块将数据传输给onenet云平台；
[0070]
步骤s2：在onenet云平台中建立空调房间温度变化模型；
[0071]
步骤s3：在onenet云平台中建立房间温度模糊控制器；
[0072]
步骤s4：在onenet云平台中利用改进遗传算法对控制器进行优化，优化包括建立适应度函数、温度模糊控制器的可行解空间、温度数据筛选、温度数据编码、温度数据选择操作、温度数据交叉操作、温度数据预测操作；
[0073]
步骤s5：在onenet云平台中建立空调调节系统的能耗优化目标函数，输出对空调温度和能耗控制的参数；
[0074]
步骤s6：将温度和能耗控制的参数过由onenet云平台上发送给stm32f103c8t6微处理器；
[0075]
步骤s7：由stm32f103c8t6微处理器根据指令构造出空调控制码，通过串口发送给xk2233-1空调控制模块，xk2233-1空调控制模块调制产生红外信号，发送给空调，空调接收解调红外信号，完成对空调温度和能耗的控制。
[0076]
步骤s2建立空调房间温度变化模型表达式为：
[0077][0078]
其中，a表示室内氧气浓度；b表示室内氧气变化率；表示在单位时间内室内温度变化率；af表示空调的出风大小；gh表示空调送风的气体浓度；cf表示单位时间内空调的送风温度的变化值；ce表示单位时间内室内空气温度的变化值；i1、i2分别表示从窗门以及
墙体进入室内的室外热量，i＝k(y
0-ce)，i＝1,2，y0表示单位时间内的室外温度；k表示传热系数；ij表示空调出风所能承担的最大负荷；ik表示室内所有引起温度变化的负荷。
[0079]
步骤s3建立房间温度模糊控制器表达式为：
[0080]
l(m)＝n(m)-o(m)
[0081]
lp(m)＝l(m)-l(m-1)
[0082]
q(r)＝q(m-1)
△q[0083]
s(m)＝s(m-1)
△s[0084]
其中，o表示房间即刻温度，n表示房间温度的预设值，m表示对房间温度的第m次采集，l表示单位时间内所采集温度的偏差；lp表示单位时间内室内温差变化率；r表示对控制器输出温度的第r次采集,q表示控制器输出的温度信号，是空调送风温度与回风温度的差值，
△
q表示温度差值的变化范围；s为控制器输出的出风量信号，是空调送风量与回风量的差值，
△
s表示风量差值的变化范围。
[0085]
步骤s4改进遗传算法，首先建立目标函数，表达式为：
[0086][0087]
其中，c表示积分性能指标，u表示积分常数，|v(w)|表示温度输入和输出误差的绝对值，将目标函数转化为最大值作为适应度函数，表达式为：
[0088][0089]
其中，x表示适应度函数，温度模糊控制器的可行解空间，温度模糊控制器的输入有2个参数：t室内温度偏差和ta室内温度偏差变化率，输出有2个参数：w空调送风温度差和z空调送风量；t，ta，w的解有7个：{x
tot
1，x
tot
2，x
tot
3，x
tot
4，x
tot
5，x
tot
6，x
tot
7}，z的解有3个：{y
pop
1，y
pop
2，y
pop
3}，x
tot
表示高峰值，y
pop
表示低峰值。
[0090]
温度数据筛选的步骤包括：
[0091]
①
规则表矩阵，利用随机数生成法，在温度模糊控制器的可行解空间内动态生成x个规则表矩阵；
[0092]
②
适应度函数值排列，然后分别计算每个规则表矩阵下的适应度函数值，并按从低到高的顺序进行排列；
[0093]
③
个体淘汰，将排在末尾适应度低的y个个体淘汰，剩下的个体作为规模为x-y的初始种群，进行温度数据编码。
[0094]
温度数据编码，在进行编码时，按照固定顺序排列两个输入变量，只对模糊规则表中的输出语言变量值w和z进行编码，w的解为：x
tot
1，x
tot
2，x
tot
3，x
tot
4，x
tot
5，x
tot
6，x
tot
7，将这7个解依次表示为：1，2，3，4，5，6，7；z的解值为：y
pop
1，y
pop
2，y
pop
3依次表示为：1，2，3，对于模糊规则中的none，表示为0；
[0095]
温度数据选择操作步骤包括：
[0096]
a1：计算室内所有人员对空调温度的适应度值；
[0097]
a2：累加所有人员对空调温度的适应度值，得最终的和u，并保存所有人员对空调温度适应度值的中间值；
[0098]
a3：产生1个随机数r，0《r《u；
[0099]
a4：选择对应的中间累计值的第1个人员对空调温度的适应度值进入交换集；
[0100]
a5：重复步骤3，4，直到交换集所有人员对空调温度的适应度值达到要求为止。
[0101]
温度数据交叉操作，操作过程是：
[0102]
b1：对温度数据进行两两随机配对，若温度数据量总数大小为h，则共有h/2对相互配对的个体组；
[0103]
b2：在相互配对的两个个体编码串中随机设置两个交叉点；
[0104]
b3：交换两个个体的两个交叉点之间的部分温度数据；
[0105]
温度数据预测操作，操作过程是：
[0106]
c1：对温度数据的每一个预测值，以预测概率指定其为预测点；
[0107]
c2：对每一个指定的预测点，对其温度值做取反运算或用其他等位温度值来代替，从而产生出新的温度值。
[0108]
步骤s5建立空调调节系统的能耗优化目标函数，表达式为：
[0109][0110]
μfg
j，max，y
＜g
j，y
＜g
j，max，y
[0111]gg，min
＜g
g，z
＜g
g，max
[0112]ij，k
[y]∈[10，30]
[0113]
h[y] l

l-＝hm[y]
[0114]
其中，f
b，y
表示风机的耗能系数，f
f，z
表示水泵的耗能系数，i
j，k
为多个a送风温度组成的ea维向量，表示解空间中的一组可行解；g
j，y
单位时间的平均耗能，g
d，e
和g
g，h
分别为一组可行送风温度解对应的风机及水泵流量组成的向量，g
g，z
表示不同时刻的耗能；d1为系统总能耗；ea、ef分别为子系统中组合式空调箱和冷冻水泵的数量，y和z为对应编号；i
j，k
[y]为第y台空调的送风温度；hm[y]为第y台空调对应的末端负荷需求；h[y]表示平均偏差量，l

、l-分别表示较大的偏差量和较小的偏差量。
[0115]
本发明提出一种基于人工智能的空调控制系统及方法，利用算法与硬件相结合形成一套智能的空调温度与节能的方法，该系统以现有硬件作为基础，利用人工智能算法，实现对空调温度与能耗的控制，方法控制简单，可进行大规模推广。
[0116]
在本发明描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
[0117]
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。