CN109711068B - 建筑立面智能化设计*** - Google Patents

Abstract

本发明提供一种建筑立面智能化设计***，包括：外层幕墙，安装于建筑物的外侧；内层幕墙，安装于建筑物的内侧，由多个可翻转开闭的玻璃悬窗组成，每个钢框架的内部设有控制玻璃悬窗翻转开闭的驱动电机；自动更新气候信息传感器，固定于外层幕墙上，用于采集温度、湿度、风速、风向、PM2.5、PM10等各种相关气候信息；以及人工智能自动更新信息处理中心，与自动更新气候信息传感器通过电路连接，并通过该电路接收各种相关气候信息，并生成实时操作指令后发送至每个驱动电机，从而驱动每个玻璃悬窗翻转，并根据实时操作指令实施后监测到的气候信息对该实时操作指令不断更新和自我学习，进而自我更新适应不断变化的环境，得到一个舒适健康的室内环境。

Description

建筑立面智能化设计***

技术领域

本发明属于建筑技术领域，具体涉及一种建筑立面智能化设计***。

背景技术

伴随着我国改革开放事业的进展,中国建筑幕墙行业从无到有,逐步发展壮大,已经历30年的发展历程。幕墙工程从建筑高度、体量、材料类型、幕墙***、支承结构体系、保温节能性能等方面均有了长足的进步,幕墙技术不断创新和进步。随着城市进程的不断发展，人们对于随时空间的需求越来越强烈，建筑幕墙在建筑上的应用也越来越广泛。传统的幕墙的结构形式较为单一且功能较为有限并且会消耗大量的能源在建筑制冷取暖和空气交换上，不利于可持续发展，不符合绿色节能的建筑理念。

针对日益严酷的生态环境、快速发展的人工智能物联网技术以及日益迫切的绿色可持续建筑发展理念，现需要建筑幕墙达到节能、健康、智能化的特征。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种建筑立面智能化设计***。

本发明提供了一种建筑立面智能化设计***，安装于建筑物表面，用于采集气候信息并调节建筑物的室内气候，具有这样的特征，包括：外层幕墙，安装于建筑物的外侧；内层幕墙，安装于建筑物的内侧，由多个具有钢框架并且可翻转开闭的玻璃悬窗组成，每个钢框架的内部设有控制玻璃悬窗翻转开闭的驱动电机；钢立柱，设置于外层幕墙与内层幕墙之间，用于支撑外层幕墙和内层幕墙；自动更新气候信息传感器，固定于外层幕墙上，用于采集气候信息；以及人工智能自动更新信息处理中心，与自动更新气候信息传感器通过电路连接，用于接收自动更新气候信息传感器反馈和传递的气候信息，并根据气候信息得出室内应当需要的气候作为目标气候，进一步根据目标气候、气候信息以及初始操作指令通过设定的操作指令算法生成实时操作指令，获得该实时操作指令后发送至每个玻璃悬窗开闭对应的操作指令后发送至每个驱动电机，从而驱动每个玻璃悬窗翻转，通过玻璃悬窗的开启程度来控制交换气流的速率，进而对建筑物的室内气候进行调节。

在本发明提供的建筑立面智能化设计***中，可以具有这样的特征，还包括：其中，历史气候数据库，与人工智能自动更新信息处理中心通信连接；以及历史操作指令库，与人工智能自动更新信息处理中心通信连接，其中，一旦人工智能自动更新信息处理中心生成实时操作指令，人工智能自动更新信息处理中心就将实时操作指令作为历史操作指令发送至历史操作指令库，同时将发送该历史操作指令时的气候信息作为初始气候信息以及发送历史操作指令后的气候信息作为指令实施后气候信息发送至历史气候数据库，历史气候数据库接收初始气候信息以及指令实施后气候信息并进行存储，历史操作指令库接收历史操作指令并进行存储，一旦人工智能自动更新信息处理中心接收到气候信息，人工智能自动更新信息处理中心就将历史气候数据库中与气候信息相似的历史气候信息对应的历史操作指令库中的历史操作指令作为新的初始操作指令，从而实现人工智能自动更新信息处理中心的自我更新和不断学习。

在本发明提供的建筑立面智能化设计***中，还可以具有这样的特征：其中，设定操作指令的算法为深度学习算法，该算法包括以下步骤：步骤1，在整个网络的输入层输入无标注的训练数据，训练出第一个隐层的网络参数，激活网络参数作为第一个隐层的输出；步骤2，将第一个隐层的输出作为第二个隐层的输入，同理训练出第二个隐层的输出；步骤3，重复步骤2，对各个隐层的输入进行训练，直至训练出所有隐层的输出；步骤4，将最后隐层的输出作为输出层模型的输入，采用有标注的测试数据来训练最后隐层的网络参数，得到输出层模型的网络参数；步骤5，对所有隐层的网络参数和输出层模型的网络参数进行整合，得到整合参数；步骤6，采用整合参数对输出层模型的网络参数进行初始化，得到初始化参数；步骤7，通过最优化理论对初始化参数进行迭代求解，得到整个网络的代价函数，而后对全部的网络参数进行微调，得到整个网络的优化参数，其中，输入为自动更新气候信息传感器采集到的外层幕墙，内层幕墙以及建筑物表面的气候信息，训练数据为气象信息统计、归纳、整理后的数据集中的一个具有典型的中间数据，该中间数据可以用来进行迭代计算，网络参数为训练输入层的数据集后得到的关于数据集的描述特征参数，隐层为与人体舒适度相关的舒适度数据，输出为人工智能信息处理中心发出的实时操作指令。

在本发明提供的建筑立面智能化设计***中，还可以具有这样的特征：其中，外层幕墙与内层幕墙之间通过面板支撑件连接。

在本发明提供的建筑立面智能化设计***中，还可以具有这样的特征：其中，面板支撑件由多个钢材制成的连接杆件组成。

在本发明提供的建筑立面智能化设计***中，还可以具有这样的特征：其中，内层幕墙的两侧边的玻璃悬窗的外侧的钢框架固定于内侧钢立柱上。

在本发明提供的建筑立面智能化设计***中，还可以具有这样的特征：其中，气候信息包括温度、湿度、风速、风向、PM2.5以及PM10。

在本发明提供的建筑立面智能化设计***中，还可以具有这样的特征：其中，人工智能自动更新信息处理中心由人工智能算法的计算机组成。

发明的作用与效果

根据本发明所涉及的建筑立面智能化设计***，因为具有封闭的外层幕墙，所以能够保持建筑整洁完整的外立面和抵御恶劣气候；因为具有由多个具有钢框架并且可翻转开闭的玻璃悬窗组成的内层幕墙，所以能够每个玻璃悬窗具有独立性，可以根据需要通过驱动电机的驱动每个玻璃悬窗开启不同的角度；因为具有钢立柱，所以能够增强整个***的整体性和刚度；因为具有自动更新气候信息传感器，所以能够采集气候信息；由于具有与自动更新气候信息传感器通信连接的人工智能自动更新信息处理中心，所以能够接收气候信息并基于该气候信息得出室内需要的气候作为目标气候，进一步根据该目标气候、以及新的操控指令通过设定的操控指令算法生成最终的操控指令，并将该最终的操控指令发送给驱动电机，从而驱动每个玻璃悬窗翻转，通过玻璃悬窗的开启程度来控制交换气流的速率，进而实现对建筑物的室内气候进行调节。因此，本实施例的建筑立面智能化设计***，随着工作时间的增加，人工智能自动更新信息处理中心能够不断进行自我更新和学习，实现全局特征和分布式特征的提取，从而变得越来越聪明，使得发出的指令越来越高效和迅速，能够更加精准和迅速的实现空气的交换，提高室内空气质量，提供一个更加舒适健康的室内环境，进而改善人体所处的环境，更有利于建筑的可持续化发展。

附图说明

图1是本发明的实施例中建筑立面智能化设计***的***信息传递示意图；

图2是本发明的实施例中建筑立面智能化设计***的气流流动示意图；

图3是本发明的实施例中建筑立面智能化设计***的内层幕墙上的玻璃悬窗全部关闭的状态示意图；

图4是本发明的实施例中建筑立面智能化设计***的内层幕墙上的玻璃悬窗部分开启的状态示意图；

图5是本发明的实施例中建筑立面智能化设计***的面板支承结构的细部结构示意图；

图6是本发明实施例中建筑立面智能化设计***的人工智能自动更新信息处理中心的工作原理示意图；

图7是本发明的实施例中建筑立面智能化设计***的算法原理示意图。

具体实施方式

为了使本发明实现的技术手段与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。

实施例：

图1是本发明的实施例中建筑立面智能化设计***的***信息传递示意图，图2是本发明的实施例中建筑立面智能化设计***的气流流动示意图。

如图1和图2所示，一种建筑立面智能化设计***100，安装于建筑物200表面，用于采集气候信息并调节建筑物200的室内气候，包括：外层幕墙10、内层幕墙20、钢立柱30、自动更新气候信息传感器40、人工智能自动更新信息处理中心50、历史气候数据库60以及历史操作指令库70。

外层幕墙10，安装于建筑物200的外侧，其玻璃面板是无法开启的，形成抵御恶劣气候的封闭的保护层。

内层幕墙20，安装于建筑物200的内侧，由多个具有钢框架201并且可翻转开闭的玻璃悬窗202组成，每个钢框架201的内部设有控制玻璃悬窗202翻转开闭的驱动电机(图中未示出)。

内层幕墙20的两侧边的玻璃悬窗202的外侧的钢框架201固定于内侧钢立柱80上。

玻璃悬窗202绕横置与其上方的钢框架的轴进行翻转。

图3是本发明的实施例中建筑立面智能化设计***的内层幕墙上的玻璃悬窗全部关闭的状态示意图。

如图3所示，内空气与双层幕墙之间的空气通道的空气不发生交换，此时的状态与传统的双层幕墙是一样的，这是一个极端的状态，在这种状态下空气的交换速率最低。

图4是本发明的实施例中建筑立面智能化设计***的内层幕墙上的玻璃悬窗部分开启的状态示意图。

如图4所示，内层幕墙20上的玻璃悬窗202都是独立运作的，彼此间都不受影响，每一个玻璃悬窗202直接受人工智能自动更新信息处理中心50控制，所以可以根据需要通过人工智能自动更新信息处理中心50来控制各玻璃悬窗202开启不同的角度，从而调整不同区域的空气流通速率，进而改变室内不同区域的室内微气候，达到分区调控，智能调节的目的。

图5是本发明的实施例中建筑立面智能化设计***的面板支支承结构的细部结构示意图。

如图5所示，外层幕墙10与内层幕墙20之间通过面板支撑件90连接。

面板支撑件90由多个钢材制成的连接杆件组成，可以根据外层幕墙10的玻璃面板的尺寸来进行合理的布局。

钢立柱30，设置于外层幕墙10与内层幕墙20之间，用于支撑外层幕墙10和内层幕墙20。

自动更新气候信息传感器40，固定于外层幕墙10上，用于采集气候信息。

气候信息包括温度、湿度、风速、风向、PM2.5以及PM10。

图6是本发明实施例中建筑立面智能化设计***的人工智能自动更新信息处理中心的工作原理示意图。

如图6所示，人工智能自动更新信息处理中心50由人工智能算法的计算机组成，是中枢信息处理部分，可以安装于建筑物的机房中或者多个建筑物的人工智能自动更新信息处理中心50进行集成运作。

人工智能自动更新信息处理中心50与自动更新气候信息传感器40通过电路连接，用于接收自动更新气候信息传感器40反馈和传递的气候信息，并根据气候信息得出室内应当需要的气候作为目标气候，进一步根据目标气候、气候信息以及初始操作指令通过设定的操作指令算法生成实时操作指令，获得该实时操作指令后发送至每个玻璃悬窗202开闭对应的操作指令后发送至每个驱动电机，从而驱动每个玻璃悬窗202翻转，通过玻璃悬窗202的开启程度来控制交换气流的速率，进而对建筑物200的室内气候进行调节。

历史气候数据库60，与人工智能自动更新信息处理中心50通信连接，可以是云端数据库或者本地数据库。

历史操作指令库70，与人工智能自动更新信息处理中心50通信连接。

一旦人工智能自动更新信息处理中心50生成实时操作指令，人工智能自动更新信息处理中心50就将实时操作指令作为历史操作指令发送至历史操作指令库70，同时将发送该历史操作指令时的气候信息作为初始气候信息以及发送历史操作指令后的气候信息作为指令实施后气候信息发送至历史气候数据库60，

历史气候数据库60接收初始气候信息以及指令实施后气候信息并进行存储，历史操作指令库70接收历史操作指令并进行存储，

一旦人工智能自动更新信息处理中心50接收到气候信息，人工智能自动更新信息处理中心50就将历史气候数据库中与气候信息相似的历史气候信息对应的历史操作指令库中的历史操作指令作为新的初始操作指令，从而实现人工智能自动更新信息处理中心的自我更新和不断学习。

设定操作指令的算法为深度学习算法，该算法具体为自底向上的过程，包括以下步骤：

步骤1，在整个网络的输入层输入无标注的训练数据，训练出第一个隐层的网络参数，激活网络参数作为第一个隐层的输出；

步骤2，将第一个隐层的输出作为第二个隐层的输入，同理训练出第二个隐层的输出；

步骤3，重复步骤2，对各个隐层的输入进行训练，直至训练出所有隐层的输出；

步骤4，将最后隐层的输出作为输出层模型的输入，采用有标注的测试数据来训练最后隐层的网络参数，得到输出层模型的网络参数；

步骤5，对所有隐层的网络参数和输出层模型的网络参数进行整合，得到整合参数；

步骤6，采用整合参数对输出层模型的网络参数进行初始化，得到初始化参数；

步骤7，通过最优化理论对初始化参数进行迭代求解，得到整个网络的代价函数，而后对全部的网络参数进行微调，得到整个网络的优化参数。

在本实施例中，输入为自动更新气候信息传感器采集到的外层幕墙，内层幕墙以及建筑物表面的气候信息。

训练数据为气象信息统计、归纳、整理后的数据集中的一个具有典型的中间数据，该中间数据可以用来进行迭代计算。

网络参数为训练输入层的数据集后得到的关于数据集的描述特征参数。

隐层为与人体舒适度相关的舒适度数据，比如说人体舒适度等等，这些数据并不直接与***相关，但是对于评价整个***的工作性能有十分重要的作用。

输出为人工智能信息处理中心发出的实时操作指令，该实时操作指令包括各玻璃悬窗202开启不同的角度。

整合参数为对隐层的网络参数和输出层的网络参数的合集，便于导入历史气候数据库60中进行存储。

初始化参数为在进行一次迭代，计算完之后，将得到的数据导入相关的数据库中，并将原始计算的输入层归零重置。

优化参数为能够在***在经过一轮学习之后，并根据所得到的结果和输入层的数据进行比对，进而调整自身的训练数据，使得下一轮的计算更加准确和迅速，从而使***智能化，具有自我学习的能力。

图7是本发明的实施例中建筑立面智能化设计***的算法原理示意图。

具体的计算算法的原理涉及贝叶斯公式：与其他统计学方法不同，贝叶斯方法建立在主观判断的基础上，可以先估计一个值，然后根据客观事实不断修正：

P(A∩B)＝P(B|A)×P(A)

该公式表示在B事件发生的条件下A事件发生的条件概率，等于A事件发生条件下B事件发生的条件概率乘以A事件的概率，再除以B事件发生的概率。公式中，P(A)也叫做先验概率，P(B|A)叫做后验概率，原理示意图如图6所示。

本实施例中，建筑立面智能化设计***100的调节建筑物的室内气候的动作流程包含如下步骤：

步骤一，自动更新气候信息传感器40采集气候信息，并将该气候信息发送给人工智能自动更新信息处理中心50。

步骤二，人工智能自动更新信息处理中心50接收气候信息并基于该气候信息获取历史气候数据库60中与该气候信息相似的历史气候信息并将与该历史气候信息对应的历史操作指令库70中的历史操作指令作为当前的初始操作指令。

步骤三，人工智能自动更新信息处理中心50基于气候信息得出室内需要的气候作为目标气候，进一步根据该目标气候、室内对应的气候信息初始操作指令通过设定的操作指令算法生成实时操作指令，并将开启程度控制指令发送给对应的驱动电机，驱动电机驱动各玻璃悬窗202翻转开启不同的角度。

步骤四，人工智能自动更新信息处理中心50将实时操作指令作为历史操作指令发送至历史操作指令库70，并将发送该历史操作指令时的气候信息作为初始气候气息和发送历史操作指令后的气候信息作为指令实施后气候信息发送至历史气候数据库60。

步骤五，历史操作指令库70对历史操作指令进行接收并对应存储，历史气候数据库60对初始气候气息和指令实施后气候信息进行接收并对应存储，然后将指令实施后气候信息与目标气候进行对比，若两者之间存在偏差，则返回步骤三，直至玻璃悬窗202呈现最理想的开启角度，为室内提供最适合的空气流动速率和空气交换频率，从而达到目标气候，若两者之间没有偏差，则进入结束状态。

实施例的作用与效果

根据本实施例所涉及的建筑立面智能化设计***，因为具有封闭的外层幕墙，所以能够保持建筑整洁完整的外立面和抵御恶劣气候；因为具有由多个具有钢框架并且可翻转开闭的玻璃悬窗组成的内层幕墙，所以能够每个玻璃悬窗具有独立性，可以根据需要通过驱动电机的驱动每个玻璃悬窗开启不同的角度；因为具有钢立柱，所以能够增强整个***的整体性和刚度；因为具有自动更新气候信息传感器，所以能够采集气候信息；由于具有与自动更新气候信息传感器通过电路连接的人工智能自动更新信息处理中心，所以能够接收气候信息并基于该气候信息得出室内需要的气候作为目标气候，进一步根据该目标气候、以及新的操作指令通过设定的操作指令算法生成实时操作指令，并将该实时操作指令发送给驱动电机，从而驱动每个玻璃悬窗翻转，通过玻璃悬窗的开启程度来控制交换气流的速率，进而实现对建筑物的室内气候进行调节。

根据本实施例所涉及的建筑立面智能化设计***，因为具有与人工智能自动更新信息处理中心通信连接的历史气候数据库和历史操作指令库，所以能够存储历史气候信息和历史操作指令，从而能够直接调用与即刻的气候信息相似的历史气候信息所对应的历史操作指令，进而快速控制驱动电机驱动玻璃悬窗的运作，达到快速智能的目的。

根据本实施例所涉及的建筑立面智能化设计***，因为具有由多个钢材制成的连接杆件组成的面板支撑件，所以能够为外层幕墙提供强有力的支撑。

根据本实施例所涉及的建筑立面智能化设计***，因为内层幕墙的两侧边的玻璃悬窗的外侧的钢框架固定于内侧钢立柱上，所以能够增加***的牢固性。

因此，本实施例的建筑立面智能化设计***，随着工作时间的增加，人工智能自动更新信息处理中心能够不断进行自我学习，实现全局特征和分布式特征的提取，从而变得越来越聪明，使得发出的指令越来越高效和迅速，能够更加精准和迅速的实现空气的交换，提高室内空气质量，提供一个更加舒适健康的室内环境，进而改善人体所处的环境，更有利于建筑的可持续化发展。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (6)

1.一种建筑立面智能化设计***，安装于建筑物表面，用于采集气候信息并调节所述建筑物的室内气候，其特征在于，包括：

外层幕墙，安装于所述建筑物的外侧；

内层幕墙，安装于所述建筑物的内侧，由多个具有钢框架并且可翻转开闭的玻璃悬窗组成，每个所述钢框架的内部设有控制所述玻璃悬窗翻转开闭的驱动电机；

钢立柱，设置于所述外层幕墙与所述内层幕墙之间，用于支撑所述外层幕墙和所述内层幕墙；

自动更新气候信息传感器，固定于所述外层幕墙上，用于采集所述气候信息；

人工智能自动更新信息处理中心，与所述自动更新气候信息传感器通过电路连接，用于接收所述自动更新气候信息传感器反馈和传递的所述气候信息，并根据所述气候信息得出所述室内应当需要的气候作为目标气候，进一步根据所述目标气候、所述气候信息以及初始操作指令通过设定的操作指令算法生成实时操作指令，获得该实时操作指令后发送至每个所述玻璃悬窗开闭对应的操作指令后发送至每个所述驱动电机，从而驱动每个所述玻璃悬窗翻转，通过所述玻璃悬窗的开启程度来控制交换气流的速率，进而对所述建筑物的室内气候进行调节；

历史气候数据库，与所述人工智能自动更新信息处理中心通信连接；以及

历史操作指令库，与所述人工智能自动更新信息处理中心通信连接，

其中，一旦所述人工智能自动更新信息处理中心生成所述实时操作指令，所述人工智能自动更新信息处理中心就将所述实时操作指令作为历史操作指令发送至所述历史操作指令库，同时将发送该历史操作指令时的所述气候信息作为初始气候信息以及发送所述历史操作指令后的气候信息作为指令实施后气候信息发送至所述历史气候数据库，

所述历史气候数据库接收所述初始气候信息以及指令实施后气候信息并进行存储，所述历史操作指令库接收所述历史操作指令并进行存储，

一旦所述人工智能自动更新信息处理中心接收到所述气候信息，所述人工智能自动更新信息处理中心就将所述历史气候数据库中与所述气候信息相似的历史气候信息对应的所述历史操作指令库中的所述历史操作指令作为新的初始操作指令，从而实现所述人工智能自动更新信息处理中心的自我更新和不断学习，

设定所述操作指令的算法为深度学习算法，该算法包括以下步骤：

步骤1，在整个网络的输入层输入无标注的训练数据，训练出第一个隐层的网络参数，激活所述网络参数作为第一个隐层的输出；

步骤2，将所述第一个隐层的输出作为第二个隐层的输入，同理训练出所述第二个隐层的输出；

步骤3，重复所述步骤2，对各个隐层的输入进行训练，直至训练出所有隐层的输出；

步骤4，将最后隐层的输出作为输出层模型的输入，采用有标注的测试数据来训练所述最后隐层的网络参数，得到所述输出层模型的网络参数；

步骤5，对所述所有隐层的网络参数和所述输出层模型的网络参数进行整合，得到整合参数；

步骤6，采用所述整合参数对所述输出层模型的网络参数进行初始化，得到初始化参数；

步骤7，通过最优化理论对所述初始化参数进行迭代求解，得到所述整个网络的代价函数，而后对全部的所述网络参数进行微调，得到所述整个网络的优化参数，

其中，所述输入为自动更新气候信息传感器采集到的所述外层幕墙，所述内层幕墙以及所述建筑物表面的气候信息，

所述训练数据为统计、归纳、整理所述气候 信息后得到的数据集中的一个具有典型的中间数据，

所述网络参数为训练所述输入层的所述数据集后得到的关于所述数据集的描述特征参数，

所述隐层为与人体舒适度相关的舒适度数据，

所述输出为所述人工智能信息处理中心发出的实时操作指令。

2.根据权利要求1所述的建筑立面智能化设计***，其特征在于：

其中，所述外层幕墙与所述内层幕墙之间通过面板支撑件连接。

3.根据权利要求2所述的建筑立面智能化设计***，其特征在于：

其中，所述面板支撑件由多个钢材制成的连接杆件组成。

4.根据权利要求1所述的建筑立面智能化设计***，其特征在于：

其中，所述内层幕墙的两侧边的所述玻璃悬窗的外侧的钢框架固定于内侧钢立柱上。

5.根据权利要求1所述的建筑立面智能化设计***，其特征在于：

其中，所述气候信息包括温度、湿度、风速、风向、PM2.5以及PM10。

6.根据权利要求1所述的建筑立面智能化设计***，其特征在于：

其中，所述人工智能自动更新信息处理中心由人工智能算法的计算机组成。

Images