CN108495282A - 一种有效的室内环境舒适度检测*** - Google Patents

Abstract

一种有效的室内环境舒适度检测***，包括无线传感器网络和检测中心，所述无线传感器网络用于对检测区域内的环境指标进行感知和采集，并通过无线传感器网络将采集得到的指标数据发送至汇聚节点，所述汇聚节点采用数据融合算法对采集得到的环境指标数据进行融合，并将融合结果通过GPRS通信传输至检测中心，所述检测中心对接收到的数据进行存储并根据各汇聚节点的融合结果对室内环境舒适度进行评估，并将评估得到的结果进行显示。本发明的有益效果为：通过无线传感器节点实现对室内环境各个指标的采集，采用基于环境指标权重和模糊综合评价模型对室内环境舒适度进行综合评判，能够有效的检测出当前室内环境的舒适度。

Description

一种有效的室内环境舒适度检测***

技术领域

本发明创造涉及室内环境检测领域，具体涉及一种有效的室内环境舒适度检测***。

背景技术

近年来，随着我国经济的快速发展，我国的环境污染问题每况愈下，室内作为人们日常生活的重要场所，其环境质量越来越引起人们的关注。室内居住环境的好坏，直接影响着人们的生活质量，研制基于无线传感器网络的室内环境舒适度检测***，对改善家居的舒适度，提高人们的生活水平具有重要意义。

本发明提供一种基于无线传感器网络的室内环境舒适度检测***，通过无线传感器节点实现对室内环境各个指标的采集，采用基于环境指标权重和模糊综合评价模型对室内环境舒适度进行综合评判，能够有效的检测出当前室内环境的舒适度。

发明内容

针对上述问题，本发明旨在提供一种有效的室内环境舒适度检测***。

本发明创造的目的通过以下技术方案实现：

一种有效的室内环境舒适度检测***，包括无线传感器网络和检测中心，所述无线传感器网络由若干个传感器节点和若干个汇聚节点组成，所述传感器节点随机铺设在被检测室内的各个位置，用于对检测区域内的环境指标进行感知和采集，并通过无线传感器网络将采集得到的指标数据发送至汇聚节点，所述汇聚节点采用数据融合算法对采集得到的环境指标数据进行融合，并将融合结果传输至检测中心，所述检测中心对接收到的数据进行存储并根据各汇聚节点的融合结果对室内环境舒适度进行评估，并将评估得到的结果进行显示。

本发明创造的有益效果：提供一种基于无线传感器网络的室内环境舒适度检测***，采用传感器节点对室内环境指标进行采集，根据采集得到的指标数据采用基于环境指标权重和模糊综合评价模型对室内环境舒适度进行综合评判，能够对室内环境的舒适度进行有效的检测。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

附图标记：

无线传感器网络1；检测中心2；数据存储模块21；环境评估模块22；信息显示模块23。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种有效的室内环境舒适度检测***，包括无线传感器网络1和检测中心2，所述无线传感器网络1由若干个传感器节点和若干个汇聚节点组成，所述传感器节点随机铺设在被检测室内的各个位置，用于对检测区域内的环境指标进行感知和采集，并通过无线传感器网络将采集得到的指标数据发送至汇聚节点，所述汇聚节点采用数据融合算法对采集得到的环境指标数据进行融合，并将融合结果传输至检测中心2，所述检测中心2对接收到的数据进行存储并根据各汇聚节点的融合结果对室内环境舒适度进行评估，并将评估得到的结果进行显示。

优选地，所述检测中心2包括数据存储模块21、环境评估模块22和信息显示模块23，所述数据存储模块21用于对接收到的数据进行存储，所述环境评估模块22用于根据各汇聚节点的融合结果对室内环境舒适度进行评估，所述信息显示模块23用于对评估得到的结果进行显示。

优选地，所述环境指标包括室内温度、室内湿度、室内甲醛浓度和室内可吸入颗粒物浓度。

本优选实施例采用传感器节点对室内环境指标进行采集，并采用模糊综合评价模型对室内环境舒适度进行检测，对模糊综合评价模型中的环境指标权重的计算方法进行改进，提高了室内环境的舒适度检测的准确性。

优选地，所述无线传感器网络1中采用LEACH协议对传感器节点进行分簇，定义当前轮传感器节点i被选为簇头的概率为c(i)，则c(i)的计算公式为：

式中，p代表初始时传感器网络中簇头数与总的传感器节点数的百分比，n_i代表当前轮传感器节点i剩余的能量值，k_i代表当前轮传感器节点i距离基站的距离，N_i代表传感器节点i的初始能量值，代表当前轮传感器节点距离基站的平均距离；

根据上述计算所得的c(i)计算簇头选举机制中的阈值公式T(n)，则T(n)的计算公式为：

式中，n代表网络中传感器节点总数，r代表当前的轮数，G是目前轮数中未成为簇头的节点集合。

本优选实施例对LEACH路由协议中的簇首选取机制进行改进，改进后的簇首选取机制提高了剩余能量较高、距离基站距离较近的传感器节点成为簇首的概率，即选取的簇首具有较长的使用寿命，从而节省了传感器网络的能量。

优选地，所述数据融合算法用于对各汇聚节点的多指标数据进行融合，具体包括：

(1)计算各环境指标的权重，定义传感器网络中汇聚节点的个数为h，所述环境指标类别数为z，c_xy为汇聚节点x中环境指标y的实测值，则环境指标y的权重q_y为：

式中，z为环境指标的类别数，α_y为环境指标y的变异系数，β_y为环境指标y的信息熵；

根据采集得到的环境指标的实测值计算环境指标y的变异系数α_y，具体为：

根据采集得到的环境指标的实测值计算环境指标y的信息熵β_y，具体为：

式中，u_xy为汇聚节点x的环境指标y的实测值的归一化结果，c_xy为汇聚节点x中环境指标y的实测值，h是传感器网络中汇聚节点的个数，z是环境指标的类别数；

(2)综合环境指标权重和模糊综合评价方法对汇聚节点的环境指标数据进行融合，具体为：

a.采用柯西分布来确定汇聚节点x中各环境指标的隶属度，具体为：

式中，r_ij为环境指标i相对于评价等级j的隶属度，c_i为环境指标i的实测值，a_ij为环境指标i相对于评价等级j的标准值,α和β为常数，且α>0,β>0；

b.将上述计算所得的隶属度进行归一化处理，得到汇聚节点x的模糊评判矩阵G_x，则G_x为：

式中，g_ij为隶属度r_ij的归一化结果,z为环境指标类别数，v为室内环境舒适度评价等级；

c.根据上述确定的环境指标权重和模糊评判矩阵进行模糊综合评价，得到汇聚节点x的模糊综合评价矩阵Z_x，具体为：

Z_x＝Q_x·G_x

式中，Q_x为汇聚节点x的环境指标的权重集，且Q_x＝{q₁,q₂,…,q_z}，G_x为汇聚节点x的模糊评价矩阵；

d.根据上述计算所得的模糊综合评价矩阵Z_x计算某汇聚节点x的局部评价值P_x，则P_x的计算公式为：

P_x＝Z_x·V

式中，Z_x为汇聚节点x的模糊综合评价矩阵，V为室内环境标准类别矩阵，且V^T＝(1,2,3,4,5)。

本优选实施例综合环境指标的变异系数和信息熵进行环境指标权重的计算，综合考虑了各个环境指标对室内环境舒适度评价结果的影响，能够较为全面的反映室内环境舒适度的实际情况，增加了模糊综合评价结果的准确定。

优选地，所述检测中心2根据各汇聚节点的融合结果对室内环境舒适度进行评估，定义环境舒适度的评估指数为D，则D的计算公式为：

式中，w_x是汇聚节点x的权重，P_x为汇聚节点x的局部评价值，是所有汇聚节点局部评价值的均值，h是传感器网络中汇聚节点的个数；

定义室内环境阈值k，根据上述所得环境舒适度的评估指数D和室内环境阈值k的关系判断室内环境舒适度，具体为：

本优选实施例根据各汇聚节点的模糊综合评价结果计算各汇聚节点的权重，弱化了数据异常的汇聚节点对综合评价结果准确度的影响，此外，根据各汇聚节点权重和局部评价值对室内环境舒适度进行综合评价，能够更加实际、更客观地反映多指标共同作用下的室内环境舒适度状况。

针对上述实施例，发明人根据不同的室内环境指标数据进行了一系列的测试，测试的结果如下：

从上述试验数据可以看出，采用上述实施例根据各环境指标数据对室内环境舒适度进行评估，能够准确的判断当前的室内环境舒适度。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种有效的室内环境舒适度检测***，其特征是，包括无线传感器网络和检测中心，所述无线传感器网络由若干个传感器节点和若干个汇聚节点组成，所述传感器节点随机铺设在被检测室内的各个位置，用于对检测区域内的环境指标进行采集，并通过无线传感器网络将采集得到的指标数据发送至汇聚节点，所述汇聚节点采用数据融合算法对采集得到的环境指标数据进行融合，并将融合结果通过GPRS通信方式传输至检测中心，所述检测中心对接收到的数据进行存储并根据各汇聚节点的融合结果对室内环境舒适度进行评估，并将评估得到的结果进行显示。

2.根据权利要求1所述的一种有效的室内环境舒适度检测***，其特征是，所述检测中心包括数据存储模块、环境评估模块和信息显示模块，所述数据存储模块用于对接收到的数据进行存储，所述环境评估模块用于根据各汇聚节点的融合结果对室内环境舒适度进行评估，所述信息显示模块用于对评估得到的结果进行显示。

3.根据权利要求2所述的一种有效的室内环境舒适度检测***，其特征是，所述环境指标包括室内温度、室内湿度、室内甲醛浓度和可吸入颗粒物浓度。

4.根据权利要求1所述的一种有效的室内环境舒适度检测***，其特征是，所述无线传感器网络中采用LEACH协议对传感器节点进行分簇，定义当前轮传感器节点i被选为簇头的概率为c(i)，则c(i)的计算公式为：

式中，p代表初始时传感器网络中簇头数与总的传感器节点数的百分比，n_i代表当前轮传感器节点i剩余的能量值，k_i代表当前轮传感器节点i距离基站的距离，N_i代表传感器节点i的初始能量值，代表当前轮传感器节点距离基站的平均距离；

根据上述计算所得的c(i)计算簇头选举机制中的阈值公式T(n)，则T(n)的计算公式为：

式中，n代表网络中传感器节点总数，r代表当前的轮数，G是目前轮数中未成为簇头的节点集合。

5.根据权利要求2所述的一种有效的室内环境舒适度检测***，其特征是，所述数据融合算法用于对各汇聚节点的多指标数据进行融合，具体包括：

(1)计算各环境指标的权重，定义传感器网络中汇聚节点个数为h，所述环境指标类别数为z，c_xy为汇聚节点x中环境指标y的实测值，则环境指标y的权重q_y为：

式中，z为环境指标的类别数，α_y为环境指标y的变异系数，β_y为环境指标y的信息熵；

根据采集得到的环境指标的实测值计算环境指标y的变异系数α_y，具体为：

根据采集得到的环境指标的实测值计算环境指标y的信息熵β_y，具体为：

式中，u_xy为汇聚节点x的环境指标y的实测值的归一化结果，c_xy为汇聚节点x中环境指标y的实测值，h是传感器网络中汇聚节点的个数，z是环境指标的类别数；

(2)综合环境指标权重和模糊综合评价方法对汇聚节点的环境指标数据进行融合，具体为：

a.采用柯西分布来确定汇聚节点x中各环境指标的隶属度，具体为：

式中，r_ij为环境指标i相对于评价等级j的隶属度，c_i为环境指标i的实测值，a_ij为环境指标i相对于评价等级j的标准值,α和β为常数，且α>0,β>0；

b.将上述计算所得的隶属度进行归一化处理，得到汇聚节点x的模糊评判矩阵G_x，则G_x为：

式中，g_ij为隶属度r_ij的归一化结果,z为环境指标类别数，v为室内环境舒适度评价等级；

c.根据上述确定的环境指标权重和模糊评判矩阵进行模糊综合评价，得到汇聚节点x的模糊综合评价矩阵Z_x，具体为：

Z_x＝Q_x·G_x

式中，Q_x为汇聚节点x的环境指标的权重集，且Q_x＝{q₁,q₂,…,q_z}，G_x为汇聚节点x的模糊评价矩阵；

d.根据上述计算所得的模糊综合评价矩阵Z_x计算某汇聚节点x的局部评价值P_x，则P_x的计算公式为：

P_x＝Z_x·V

式中，Z_x为汇聚节点x的模糊综合评价矩阵，V为室内环境标准类别矩阵，且V^T＝(1,2,3,4,5)。

6.根据权利要求1所述的一种有效的室内环境舒适度检测***，其特征是，所述检测中心根据各汇聚节点的融合结果对室内环境舒适度进行评估，定义环境舒适度的评估指数为D，则D的计算公式为：

式中，w_x是汇聚节点x的权重，P_x为汇聚节点x的局部评价值，是所有汇聚节点局部评价值的均值，h是传感器网络中汇聚节点的个数；

定义室内环境阈值k，根据上述所得环境舒适度的评估指数D和室内环境阈值k的关系判断室内环境舒适度，具体为：