CN106528986A - 一种人体动态热舒适的追踪***及方法 - Google Patents
一种人体动态热舒适的追踪***及方法 Download PDFInfo
- Publication number
- CN106528986A CN106528986A CN201610953775.XA CN201610953775A CN106528986A CN 106528986 A CN106528986 A CN 106528986A CN 201610953775 A CN201610953775 A CN 201610953775A CN 106528986 A CN106528986 A CN 106528986A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- human body
- body dynamic
- dynamic thermal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及人体动态热舒适的追踪***及方法,该***由设备端、平台端和用户端组成,设备端包括场景参数采集模块、生理参数测试模块、背景信息数据收集模块和行为信息采集模块,平台端包括数据库存储模块、数据完整性判断模块、数据处理模块、数据分析模块和设备通讯模块,用户端包括人机交互显示屏以及智能手机、平板电脑或电脑。本发明借助人工智能技术搭建追踪数据的采集平台,满足在动态热环境下能获取影响人体动态热舒适的长期真实数据及耦合关系,解析不同热经历及适应性对热反应的作用机理,解决现有人体热舒适评价及热湿环境调控方法忽略人体动态热需求的问题。
Description
技术领域
本发明属于节能环保技术领域,涉及人体动态热舒适研究技术,具体涉及一种人体动态热舒适的追踪***及方法。
背景技术
室内热环境研究一直是国外专家学者关注的重点,旨在为人们营造一种更舒适的室内环境以方便工作生活,同时满足建筑节能需求。上世纪60年代以来,丹麦工业大学Fanger教授已经在室内热舒适研究方面取得了国际公认的成就。他通过建立人体热平衡方程,利用人体热感觉指标来评价室内热环境的舒适性,并提出了房间平均热舒适预测投票PMV与热舒适预测不满意百分率PPD间的经验关系,成为国际热舒适标准中室内热环境评价的主要理论依据。
基于实验室实验和理论得到的PMV-PPD热舒适预测模型能较好地预测稳态空调环境下的热舒适,对于建筑动态热环境预测侧存在较大偏差。现有的热舒适研究方法,无论是以人体热平衡和人体热调节为基础还是以人体热适应性为基础,均很少顾及居住者的动态需求,没有考虑到随着身体状况、生理和心理等方面的变化以及所生活的环境动态变化,居住者对周围热环境的热感觉可能会发生相应的变化。
大量研究表明,尽管大多数空调***设计都符合相关规范和标准,但是仍然有很多人对室内环境表示不满意。适应性理论的提出,使得国内外学者开始重视动态热环境的研究。将动态热舒适的研究成果应用于空调***可以降低能耗,并结合自然通风或被动式冷却等手段的应用,所带来的直接和潜在的社会经济效益是难以估量的。因此,研究室内动态热环境以及人员舒适性的动态特性,构建一个更加舒适、健康、节能的室内环境是非常重要的。
然而,现有动态热舒适研究尚存在不足。首先,现有热舒适研究方法无论是以人工气候室为基础的实验室研究还是置于真实被调查环境中的现场调查研究,基本上都是选取全年的某一时间截面或者多个时间截面上人体热舒适状态进行研究,大多是对于环境参数以及人体生理参数进行一次性随机调查或静态采集,缺乏长期追踪研究,无法获取完整的人体的动态信息,也无法研究不同热经历下的人体实际热反应,更无法深入阐释真实动态热环境下人体的热适应机理。
其次,现有研究主要针对动态热环境下温度开展了量化研究,而对其他因素,如湿度、风速、人的活动水平、着装及行为习惯、人体生理参数、社会经济习俗等,相互间耦合与补偿的***研究相对匮乏,因此无法量化多因素影响下的人体舒适性需求,从而忽略了由于人体热适应性存在对环境营造产生的巨大节能潜力。
鉴于现有技术的上述技术缺陷,迫切需要研制一种研究人体动态热舒适新技术。
发明内容
本发明的目的在于克服现有技术中存在的缺点,提供一种人体动态热舒适的追踪***及方法,其解决了现有人体热舒适评价及热湿环境调控方法忽略人体动态热需求的问题。
为了实现上述目的,本发明提供如下技术方案:一种人体动态热舒适的追踪***,其由设备端、平台端和用户端组成,其特征是,
所述设备端包括场景参数采集模块、生理参数测试模块、背景信息数据收集模块和行为信息采集模块,其中,所述场景参数采集模块固定安装在场景内,用于采集场景的瞬时环境参数;所述生理参数测试模块佩戴在场景内人员的身上,用于测试场景内人员的生理参数;所述背景信息数据收集模块用于收集室外气候信息、人员物理水平和热期望信息,所述行为信息采集模块固定安装在场景内,用于测试环境控制水平;
所述平台端包括数据库存储模块、数据完整性判断模块、数据处理模块、数据分析模块和设备通讯模块,其中,从所述设备端获得的各种数据信息通过所述设备通讯模块传至所述数据库存储模块,所述数据完整性判断模块用于判断获得的各种数据信息是否真实完整,所述数据处理模块用于对数据进行处理从而将数据补充完整,所述数据分析模块用于根据数据对人体动态热舒适进行预测分析;
所述用户端包括人机交互显示屏以及智能手机、平板电脑或电脑,所述人机交互显示屏用于进行人机交互,所述智能手机、平板电脑或电脑用于显示预测分析结果并供用户查看自己的生理参数及室内外热环境参数。
进一步地,其中,所述场景参数采集模块包括膨胀式温度感应器、露点式湿度感应器、球形黑球温度计、风速探头和无线智能传感器。
更进一步地,其中,所述生理参数测试模块包括光电式心率感应器、心率-新陈代谢转换器、电子脉搏压力传感器和热电偶皮肤温度传感器。
再进一步地,其中,所述室外气候信息由气象站数据库导入,包括室外计算干球温度、室外计算湿度、海拔和大气压力参数,所述人员物理水平和热期望信息通过电子问卷推送的形式在参与人参与测试之前进行填写。
再更进一步地,其中,所述行为信息采集模块包括空调启停开关信息传感器和门窗启闭监测传感器。
另一方面,所述数据处理模块采用多重借补技术对缺失值进行填补,从而将数据补充完整。
进一步地,其中,所述数据库存储模块为云端数据库,从所述设备端获得的各种数据信息通过所述设备通讯模块的Zigbee无线网络和智能通讯网关连接互联网传至所述云端数据库。
此外,本发明还提供一种采用上述人体动态热舒适的追踪***进行人体动态热舒适追踪的方法,其特征是,包括以下步骤:
(1)、通过所述场景参数采集模块采集场景的瞬时环境参数,通过所述生理参数测试模块测试场景内人员的生理参数,通过所述背景信息数据收集模块收集室外气候信息、人员物理水平和热期望信息,通过所述行为信息采集模块测试环境控制水平;
(2)、通过所述设备通讯模块将获得的各种数据信息传至所述数据库存储模块;
(3)、通过所述数据完整性判断模块判断获得的各种数据信息是否真实完整,如果真是完整,则转入步骤(4),否则,通过所述数据处理模块对数据进行处理从而将数据补充完整,然后再进入步骤(4);
(4)、通过所述数据分析模块根据数据对人体动态热舒适进行预测分析;
(5)、通过所述智能手机、平板电脑或电脑显示预测分析结果并供用户查看自己的生理参数及室内外热环境参数。
进一步地,其中,所述方法进一步通过所述人机交互显示屏对所述设备端进行设定。
与现有的海鲜蒸柜相比,本发明的燃气高效海鲜蒸柜具有如下有益技术效果:其属于适应性理论求解和动态热舒适长期追踪***及方法,借助人工智能技术搭建追踪数据的采集平台,满足在动态热环境下,能够获取影响人体动态热舒适的长期真实立体数据及耦合关系,解析人体不同热经历及适应性对热反应的作用机理,解决了现有人体热舒适评价及热湿环境调控方法忽略人体动态热需求的问题。
附图说明
图1是本发明的人体动态热舒适的追踪***的组成示意图。
图2是追踪要素划分图。
图3是设备端的组成示意图。
图4是场景参数采集模块的组成示意图。
图5是生理参数测试模块的组成示意图。
图6是行为信息采集模块的组成示意图。
图7是平台端的组成示意图。
图8是采用多重借补技术进行多元数据填补的步骤图。
图9是立体数据流获取概念图。
图10是自适应系数随时间变化图。
图11是影响因素拓扑图。
图12是根据数据对人体动态热舒适进行预测分析的流程图。
图13是用户端的组成示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,实施例的内容不作为对本发明的保护范围的限制。
图1示出了本发明的人体动态热舒适的追踪***的组成示意图。如图1所示,本发明的人体动态热舒适的追踪***由设备端A、平台端B和用户端C组成。
要进行人体动态热舒适的追踪,首先要对动态热舒适的多重追踪要素进行选取。其中,动态热舒适的适应性可区分为三种情况:
1、生理适应:人体响应不同热环境中的生理调节反应,如皮肤温度的改变,排汗量的提高等情况。
2、行为适应:人体有意识地行为调节来重新建立人体热平衡,从而使自身达到舒适水平,如加减衣物、开关冷热源设备、改变姿势等。
3、心理适应:一种对于热环境的主观评价或热环境满意度,包含人员过去的热经历和环境的热期望。
在三种适应性调节分类下,可进一步将影响热舒适的要素分为六类:
(1)、生理参数;(2)、室内环境参数;(3)、室外环境信息;(4)、个人物理因素;(5)、行为习惯;(6)热期望。
根据以上划分,得到的追踪要素划分图如图2所示。
所述设备端A用于获得各种影响热舒适的要素。根据上述影响要素,在本发明中,如图3所示,所述设备端A包括场景参数采集模块1、生理参数测试模块2、背景信息数据收集模块3和行为信息采集模块4。
其中,所述场景参数采集模块1固定安装在场景内,用于采集场景的瞬时环境参数。具体地,如图4所示,所述场景参数采集模块1包括膨胀式温度感应器1.1、露点式湿度感应器1.2、球形黑球温度计1.3、风速探头1.4和无线智能传感器1.5。其中,所述膨胀式温度感应器1.1用于检测场景的瞬时空气温度。所述露点式湿度感应器1.2用于检测场景的瞬时空气相对湿度。所述球形黑球温度计1.3用于检测场景的瞬时平均辐射温度。所述风速探头1.4用于检测场景的瞬时风速。所述无线智能传感器1.5用于检测场景的CO2浓度及PM2.5。
所述生理参数测试模块2佩戴在场景内人员的身上,用于测试场景内人员的生理参数。具体地,如图5所示,所述生理参数测试模块2包括光电式心率感应器2.1、心率-新陈代谢转换器2.2、电子脉搏压力传感器2.3和热电偶皮肤温度传感器2.4。其中,所述光电式心率感应器2.1用于检测参与人员的心率。所述心率-新陈代谢转换器2.2的输入端记录心率,通过公式转换,在输出端显示新陈代谢。所述电子脉搏压力传感器2.3通过记录血液流动状态转化为血压。所述热电偶皮肤温度传感器2.4用于测试皮肤表面温度。
所述背景信息数据收集模块3用于收集室外气候信息、人员物理水平和热期望信息。其中,所述室外气候信息由气象站数据库导入,包括室外计算干球温度、室外计算湿度、海拔和大气压力参数。所述人员物理水平和热期望信息通过电子问卷推送的形式在参与人参与测试之前进行填写。具体地,人员背景信息,如年龄、性别、体重、过去居住地及时间、现居住地及时间可通过电子问卷推送的形式在参与人参与测试之前进行填写。由于人员穿着的实时性需由参与人在每次测试时在后述的人机交互显示屏C1处填写此时的着装,***将着装转换为服装热阻上传至数据库。
所述行为信息采集模块4固定安装在场景内,用于测试环境控制水平。具体地,如图6所示,所述行为信息采集模块4包括空调启停开关信息传感器4.1和门窗启闭监测传感器4.2。其中,所述空调启停开关信息传感器4.1安装在原空调插座位置,用于监测各房间空调开关机状态、运行模式、设定温度及设定风力。该传感器的巡检频率为:数据变化立即上传,数据无变化最长4分钟上传一次。所述门窗启闭监测传感器4.2是在门窗上安装两块永磁体,用于监测门窗的开闭状态,从而获取人员的行为状态。
如图7所示,所述平台端B包括数据库存储模块B1、数据完整性判断模块B2、数据处理模块B3、数据分析模块B4和设备通讯模块B5。
其中,从所述设备端A获得的各种数据信息通过所述设备通讯模块B5传至所述数据库存储模块B1。在本发明中,优选地,所述数据库存储模块B1为云端数据库。从所述设备端A获得的各种数据信息通过所述设备通讯模块B5的Zigbee无线网络和智能通讯网关连接互联网传至所述云端数据库。智能通信网关是连接Zigbee无线网络与互联网的中枢,可连接建筑或住宅内的路由器,也可通过3G路由器连接互联网。在所述数据库存储模块B1内,按测试人对各种数据信息进行分类,再根据测试人按时间对各种数据信息进行分类。
所述数据完整性判断模块B2用于判断获得的各种数据信息是否真实完整。如果各种数据信息是真实完整的,可直接将各种数据信息输出为追踪数据,以供所述数据分析模块B4进行分析。但在长期动态追踪过程中,信息数据难免会丢失,这是,需由所述数据处理模块B3对数据进行处理从而将数据补充完整。
在本发明中,当发生某时间段的数据缺失时,采用多重借补技术对缺失值进行填补,数据真实有效后才可输出为追踪数据。如图7所示,采用多重借补技术进行多元数据填补共分为三个阶段。
填补阶段:令完整数据集表示为Ycom,其中不含缺失值的部分为Yobs,含缺失值部分为Ymis。抽取填补值时,从给定观测值条件下的缺失值的后验预测分布中抽取填补值。令P(θ|Yobs)为其参数是未知的完整数据的模型,那么Ymis的后预测分布即可表示为P(Ymis|Yobs)=∫P(Ymis|Yobs,θ)P(θ|Yobs)dθ;其中P(θ|Yobs)∝P(θ)∫P(Yobs,Ymis|θ)dYmis是给定观测值情况下θ的后验分布,P(θ)是先验分布。从P(θ|Yobs)抽取θ(t),再从P(Ymis|Yobs,θ)抽取Ymis (t),通过重复这两过程来抽取填补值,t=1,2,…,m次。
分析阶段:针对随机缺失将数据集填补m次(m>1),产生m个填补了随机缺失的数据集,然后使用填补后的多个数据集与选择性偏倚导致的因变量为虚假0(视为缺失)数据合并进行样本选择模型分析以解决选择性偏倚导致的那部分缺失,继而得出m个不同的参数估计值和方差估计值参数估计值可以包括回归系数,OR值等。
合并阶段:将参数和方差估计值合并。m个不同参数估计值的算术平均为方差的估计值为 统计量近似服从自由度为νm的t分布,总体参数的可信区间为其中
由多元追踪要素选取所得数据与数据填补方法结合,可以将传统的点数据获取转变为立体数据流,立体数据流获取的概念图如图9。
在得到立体数据关联通道后,即可采用所述数据分析模块B4对稳态环境热舒适及动态适应性热舒适进行预测分析,修正相关自适应系数的准确性。
在本发明中,所采用的动态适应性热舒适研究方法如下:
在人工冷热源环境下,可使用预计平均热感觉PMV指标进行研究,PMV计算公式为:
其中,exp(i)=ei;M为所述活动代谢率。新陈代谢M的测量,可通过测试心率进行估算,公式为M=69.67+0.1×HR,HR为心率。W为人体所做的机械功,取值为0;Pa为环境水蒸气分压力,ta为所述室内空气温度,H为所述室内空气相对湿度;fcl为服装的面积系数,fcl为服装的面积系数, Icl为服装热阻;tcl为衣服外表面温度;为所述室内平均辐射温度,hc为对流换热系数,计算公式为:v为所述室内风速;不同压力下对流换热系数计算修正如下:hcc=hc(pt/101.33)0.55,pt为空气压力。
由于在非人工冷热源环境下人体存在着适应性,PMV模型不再适用。此时为了更准确预测动态环境中人体热舒适状态,需要对PMV进行人体适应性修正,评价方法为预计适应性平均热感觉(aPMV),计算公式如下:
其中,PMV可基于前述理论公式进行计算。公式引入动态自适应系数λi,表征人体在动态环境中的适应性大小。λi取值应按如下方法进行计算:
1、静态自适应系数λ的影响因素遴选收集
由于λ表征的是人体自适应能力大小,由上述动态适应性理论可知,λ影响因素也应包括生理适应、心理适应以及行为适应三大类,具体影响及表征指标包括:(1)生理参数;(2)室内环境参数;(3)室外环境信息;(4)个人物理因素;(5)行为习惯;(6)热期望6个方面。在追踪调查中需要逐一获取相关要素。
2、动态自适应系数λi对时间维度信息解读
由上述分析可知,影响λi的各因素在时间维度上动态变化,因此理论上反映人体动态适应性的λi不应该是一常数,而应是一个与时间相关的函数,因此定义λi如下:
λt=f(t,λi)
λt表示人体适应性大小不仅受λi影响(i表示三类适应性的调节因素),同时随时间变量t(天,月,季节,年等)呈现一定变化规律,且时间变量t反映了在纵向维度上室外热环境的周期性变化,因而也会间接影响λi变化。
对获得的λ函数f(t,λi)对时间变量t求偏导,将得到的偏导率定
义为e,即
自适应系数λ在全年时间维度上变化示意图如图10所示。
根据适应性理论,当环境出现引起人体不舒适感觉时,人体会积极响应外界环境变化,并通过行为适应、生理适应、心理适应调节,来满足人体舒适性需求,并向舒适范围靠近,建立新的舒适状态。因此,自适应性系数λ对时间变化率e的大小反映了人体自身适应能力对时间引起的外界环境变化的响应趋势,当e大于零或者小于零时,表明外界环境向不舒适一端偏移,|e|越大,表明环境偏离刺激人体主动产生适应性调节的影响就越明显,人体需要更强的适应性来适应环境;当e等于零时或者逐渐趋近于零时,表明环境逐渐向舒适区间靠近,人体的适应性能力逐渐减弱,不需要适应性调节即可满足舒适状态,λ为零表明此时λ为不随时间变化的常数,人体适应性已经形成,通过各种适应性调节建立了新的热平衡。
3、基于动态关联规则的自适应性系数λi的研究
影响因素λi同时与时间通过室内外环境变化存在间接相关性,且不同阶段影响λi的各因素存在交互关联作用,比如瞬时的环境刺激首先会引起人体行为调节来缓冲外界环境变化对人体的影响,当人体行为调节作用受限或者单纯行为调节不能维持人体热平衡时,人体生理适应性调节就会响应变化,重新构建平衡,同时心理适应性也会发挥作用,促使人体适应环境变化,达到自身舒适状态。因此需要构建不同时期影响λi变化的主要影响因子的关系,基于此给出人体积极应对措施。
本发明在动态关联规则的基础上研究影响λi变化的主要因子的关系,动态关联规则是一种可以描述自身随着时间变化过程并能预测自身发展趋势的规则。
上述分析可知适应性存在3大类,6个方面,10余种变量,包括室内外温度、湿度、风速、辐射温度、服装热阻、活动水平、人体生理指标(皮肤温度、心率、血压等)、主观环境评价(热感觉、热舒适、满意度等)等,但并不是每个变量对λi的影响都很显著,并且在不同的阶段可能存在某些因素的相互交联关系,故需对研究的所有的影响因素进行大致分类,运用数据挖掘的算法产生所有的频繁项集,由频繁项集产生关联规则。对不满足兴趣度阈值的关联规则进行剔除,运用回归分析理论对满足的规则进行分析预测,从而得出每个阶段影响λi的因素有哪些以及是如何关联的。具体处理流程图如图12所示。
各因素之间相互影响关联的示意图如图11所示,其中字母代表λi的影响因素。若两个结点没有有向边相连,则说明两者之间没有超链接;若两个结点相距较远,则说明两者之间关联性较弱。
如图13所示,所述用户端C包括人机交互显示屏C1以及智能手机、平板电脑或电脑C2。其中,所述人机交互显示屏C1用于进行人机交互。例如,在每次测试时在所述人机交互显示屏C1处填写此时的着装。所述智能手机、平板电脑或电脑C2用于显示预测分析结果并供用户查看自己的生理参数及室内外热环境参数。
最后,本发明提供一种采用上述人体动态热舒适的追踪***进行人体动态热舒适追踪的方法,该方法包括以下步骤:
(1)、获得各种数据信息:通过所述场景参数采集模块1采集场景的瞬时环境参数,通过所述生理参数测试模块2测试场景内人员的生理参数,通过所述背景信息数据收集模块3收集室外气候信息、人员物理水平和热期望信息,通过所述行为信息采集模块4测试环境控制水平。
(2)、通过所述设备通讯模块B5将获得的各种数据信息传至所述数据库存储模块B1,由所述数据库存储模块B1存储。
(3)、通过所述数据完整性判断模块B2判断所述数据库存储模块B1中存储的各种数据信息是否真实完整,如果真是完整,则转入步骤(4),否则,通过所述数据处理模块B3对数据进行处理从而将数据补充完整,然后再进入步骤(4)。
(4)、通过所述数据分析模块B4根据数据对人体动态热舒适进行预测分析。
(5)、通过所述智能手机、平板电脑或电脑C2显示预测分析结果并供用户查看自己的生理参数及室内外热环境参数。
此外,该方法可以进一步通过所述人机交互显示屏C1对所述设备端A进行设定。例如,填写着装。
本发明的人体动态热舒适的追踪***及方法属于适应性理论求解和动态热舒适长期追踪***及方法,其借助人工智能技术搭建追踪数据的采集平台,满足在动态热环境下,能够获取影响人体动态热舒适的长期真实立体数据及耦合关系,解析人体不同热经历及适应性对热反应的作用机理,解决了现有人体热舒适评价及热湿环境调控方法忽略人体动态热需求的问题。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种人体动态热舒适的追踪***,其由设备端(A)、平台端(B)和用户端(C)组成,其特征是,
所述设备端(A)包括所述场景参数采集模块(1)、生理参数测试模块(2)、背景信息数据收集模块(3)和行为信息采集模块(4),其中,所述场景参数采集模块(1)固定安装在场景内,用于采集场景的瞬时环境参数;所述生理参数测试模块(2)佩戴在场景内人员的身上,用于测试场景内人员的生理参数;所述背景信息数据收集模块(3)用于收集室外气候信息、人员物理水平和热期望信息,所述行为信息采集模块(4)固定安装在场景内,用于测试环境控制水平。
所述平台端(B)包括数据库存储模块(B1)、数据完整性判断模块(B2)、数据处理模块(B3)、数据分析模块(B4)和设备通讯模块(B5),其中,从所述设备端(A)获得的各种数据信息通过所述设备通讯模块(B5)传至所述数据库存储模块(B1),所述数据完整性判断模块(B2)用于判断获得的各种数据信息是否真实完整,所述数据处理模块(B3)用于对数据进行处理从而将数据补充完整,所述数据分析模块(B4)用于根据数据对人体动态热舒适进行预测分析;
所述用户端(C)包括人机交互显示屏(C1)以及智能手机、平板电脑或电脑(C2),所述人机交互显示屏(C1)用于进行人机交互,所述智能手机、平板电脑或电脑(C2)用于显示预测分析结果并供用户查看自己的生理参数及室内外热环境参数。
2.根据权利要求1所述的人体动态热舒适的追踪***,其特征是,所述场景参数采集模块(1)包括膨胀式温度感应器(1.1)、露点式湿度感应器(1.2)、球形黑球温度计(1.3)、风速探头(1.4)和无线智能传感器(1.5)。
3.根据权利要求2所述的人体动态热舒适的追踪***,其特征是,所述生理参数测试模块(2)包括光电式心率感应器(2.1)、心率-新陈代谢转换器(2.2)、电子脉搏压力传感器(2.3)和热电偶皮肤温度传感器(2.4)。
4.根据权利要求3所述的人体动态热舒适的追踪***,其特征是,所述室外气候信息由气象站数据库导入,包括室外计算干球温度、室外计算湿度、海拔和大气压力参数,所述人员物理水平和热期望信息通过电子问卷推送的形式在参与人参与测试之前进行填写。
5.根据权利要求4所述的人体动态热舒适的追踪***,其特征是,所述行为信息采集模块(4)包括空调启停开关信息传感器(4.1)和门窗启闭监测传感器(4.2)。
6.根据权利要求5所述的人体动态热舒适的追踪***,其特征是,所述数据处理模块(B3)采用多重借补技术对缺失值进行填补,从而将数据补充完整。
7.根据权利要求6所述的人体动态热舒适的追踪***,其特征是,所述数据库存储模块(B1)为云端数据库,从所述设备端(A)获得的各种数据信息通过所述设备通讯模块(B5)的Zigbee无线网络和智能通讯网关连接互联网传至所述云端数据库。
8.一种采用权利要求7所述的人体动态热舒适的追踪***进行人体动态热舒适追踪的方法,其特征是,包括以下步骤:
(1)、通过所述场景参数采集模块(1)采集场景的瞬时环境参数,通过所述生理参数测试模块(2)测试场景内人员的生理参数,通过所述背景信息数据收集模块(3)收集室外气候信息、人员物理水平和热期望信息,通过所述行为信息采集模块(4)测试环境控制水平;
(2)、通过所述设备通讯模块(B5)将获得的各种数据信息传至所述数据库存储模块(B1);
(3)、通过所述数据完整性判断模块(B2)判断获得的各种数据信息是否真实完整,如果真是完整,则转入步骤(4),否则,通过所述数据处理模块(B3)对数据进行处理从而将数据补充完整,然后再进入步骤(4);
(4)、通过所述数据分析模块(B4)根据数据对人体动态热舒适进行预测分析;
(5)、通过所述智能手机、平板电脑或电脑(C2)显示预测分析结果并供用户查看自己的生理参数及室内外热环境参数。
根据权利要求8所述的方法,其特征是,进一步通过所述人机交互显示屏(C1)对所述设备端(A)进行设定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610953775.XA CN106528986A (zh) | 2016-10-26 | 2016-10-26 | 一种人体动态热舒适的追踪***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610953775.XA CN106528986A (zh) | 2016-10-26 | 2016-10-26 | 一种人体动态热舒适的追踪***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106528986A true CN106528986A (zh) | 2017-03-22 |
Family
ID=58325331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610953775.XA Pending CN106528986A (zh) | 2016-10-26 | 2016-10-26 | 一种人体动态热舒适的追踪***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106528986A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109632004A (zh) * | 2019-01-08 | 2019-04-16 | 哈尔滨工业大学 | 一种基于局地修正utci的严寒地区室外热舒适度实时评价方法 |
CN109708227A (zh) * | 2019-01-25 | 2019-05-03 | 天津大学 | 一种基于动线热环境的人体动态热舒适实验平台 |
CN109730660A (zh) * | 2019-01-07 | 2019-05-10 | 吴浩宇 | 一种婴幼儿穿戴设备和用户端 |
CN111051787A (zh) * | 2017-07-24 | 2020-04-21 | 株式会社电装 | 温感计算装置、温感计算方法、空调装置以及程序 |
CN111220203A (zh) * | 2018-11-26 | 2020-06-02 | 湖南城市学院 | 基于用户体验的环境舒适性监测*** |
CN112395723A (zh) * | 2019-07-30 | 2021-02-23 | 波司登羽绒服装有限公司 | 一种羽绒服适应环境温度的预测方法 |
CN113627448A (zh) * | 2020-05-07 | 2021-11-09 | 香港大学浙江科学技术研究院 | 构建人体热舒适预测模型的方法、预测方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202075431U (zh) * | 2011-03-07 | 2011-12-14 | 北京世纪建通技术开发有限公司 | 一种室内热环境舒适度测试*** |
CN104102789A (zh) * | 2014-07-28 | 2014-10-15 | 重庆大学 | 一种建筑热湿环境等级的评估***及方法 |
CN104456841A (zh) * | 2014-11-13 | 2015-03-25 | 重庆大学 | 一种基于热舒适评价的热湿环境综合控制空调***及方法 |
CN104633866A (zh) * | 2015-02-15 | 2015-05-20 | 重庆大学 | 基于环境参数和人体生理参数的热舒适度测评*** |
CN104749963A (zh) * | 2015-03-16 | 2015-07-01 | 盐城市科成光电科技有限公司 | 一种基于智能手机的多功能居室节能检查仪及其检查方法 |
CN105509264A (zh) * | 2015-12-30 | 2016-04-20 | 重庆大学 | 基于室内热舒适状态的空调***启停控制装置及控制方法 |
-
2016
- 2016-10-26 CN CN201610953775.XA patent/CN106528986A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202075431U (zh) * | 2011-03-07 | 2011-12-14 | 北京世纪建通技术开发有限公司 | 一种室内热环境舒适度测试*** |
CN104102789A (zh) * | 2014-07-28 | 2014-10-15 | 重庆大学 | 一种建筑热湿环境等级的评估***及方法 |
CN104456841A (zh) * | 2014-11-13 | 2015-03-25 | 重庆大学 | 一种基于热舒适评价的热湿环境综合控制空调***及方法 |
CN104633866A (zh) * | 2015-02-15 | 2015-05-20 | 重庆大学 | 基于环境参数和人体生理参数的热舒适度测评*** |
CN104749963A (zh) * | 2015-03-16 | 2015-07-01 | 盐城市科成光电科技有限公司 | 一种基于智能手机的多功能居室节能检查仪及其检查方法 |
CN105509264A (zh) * | 2015-12-30 | 2016-04-20 | 重庆大学 | 基于室内热舒适状态的空调***启停控制装置及控制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111051787A (zh) * | 2017-07-24 | 2020-04-21 | 株式会社电装 | 温感计算装置、温感计算方法、空调装置以及程序 |
CN111220203A (zh) * | 2018-11-26 | 2020-06-02 | 湖南城市学院 | 基于用户体验的环境舒适性监测*** |
CN109730660A (zh) * | 2019-01-07 | 2019-05-10 | 吴浩宇 | 一种婴幼儿穿戴设备和用户端 |
CN109730660B (zh) * | 2019-01-07 | 2021-12-28 | 吴浩宇 | 一种婴幼儿穿戴设备和用户端 |
CN109632004A (zh) * | 2019-01-08 | 2019-04-16 | 哈尔滨工业大学 | 一种基于局地修正utci的严寒地区室外热舒适度实时评价方法 |
CN109708227A (zh) * | 2019-01-25 | 2019-05-03 | 天津大学 | 一种基于动线热环境的人体动态热舒适实验平台 |
CN112395723A (zh) * | 2019-07-30 | 2021-02-23 | 波司登羽绒服装有限公司 | 一种羽绒服适应环境温度的预测方法 |
CN112395723B (zh) * | 2019-07-30 | 2024-03-29 | 波司登羽绒服装有限公司 | 一种羽绒服适应环境温度的预测方法 |
CN113627448A (zh) * | 2020-05-07 | 2021-11-09 | 香港大学浙江科学技术研究院 | 构建人体热舒适预测模型的方法、预测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106528986A (zh) | 一种人体动态热舒适的追踪***及方法 | |
CN104633866B (zh) | 基于环境参数和人体生理参数的热舒适度测评*** | |
Chai et al. | Using machine learning algorithms to predict occupants’ thermal comfort in naturally ventilated residential buildings | |
Fard et al. | Application of machine learning in thermal comfort studies: A review of methods, performance and challenges | |
Zhang et al. | A review on occupancy prediction through machine learning for enhancing energy efficiency, air quality and thermal comfort in the built environment | |
Cheng et al. | NIDL: a pilot study of contactless measurement of skin temperature for intelligent building | |
Ghahramani et al. | Towards unsupervised learning of thermal comfort using infrared thermography | |
CN104490371B (zh) | 一种基于人体生理参数的热舒适检测方法 | |
Liu et al. | A machine learning approach to predict outdoor thermal comfort using local skin temperatures | |
CN104102789B (zh) | 一种建筑热湿环境等级的评估***及方法 | |
Li et al. | Experimental study of an indoor temperature fuzzy control method for thermal comfort and energy saving using wristband device | |
Sung et al. | Construction of indoor thermal comfort environmental monitoring system based on the IoT architecture | |
WO2020151732A1 (zh) | 一种非侵入式人体热舒适的ai感知方法 | |
CN204853818U (zh) | 一种交互式空调环境舒适度检测装置 | |
Kang et al. | Correlations in thermal comfort and natural wind | |
Jian et al. | Occupants’ tolerance of thermal discomfort before turning on air conditioning in summer and the effects of age and gender | |
Gauthier et al. | Behavioural responses to cold thermal discomfort | |
Martins et al. | Performance evaluation of personal thermal comfort models for older people based on skin temperature, health perception, behavioural and environmental variables | |
Li et al. | Experimental study of human thermal sensation estimation model in built environment based on the Takagi–Sugeno fuzzy model | |
Li et al. | Correlation analysis and modeling of human thermal sensation with multiple physiological markers: An experimental study | |
Gong et al. | Investigating spatial impact on indoor personal thermal comfort | |
Liu et al. | Non-invasive measurements of thermal discomfort for thermal preference prediction based on occupants' adaptive behavior recognition | |
Luo et al. | Data-driven thermal preference prediction model with embodied air-conditioning sensors and historical usage behaviors | |
Lyu et al. | Where should the thermal image sensor of a smart A/C look?-Occupant thermal sensation model based on thermal imaging data | |
Xu et al. | Action-based personalized dynamic thermal demand prediction with video cameras |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |