CN117029219A - 一种卫生间***的自适应空气调节方法及卫生间通风*** - Google Patents
一种卫生间***的自适应空气调节方法及卫生间通风*** Download PDFInfo
- Publication number
- CN117029219A CN117029219A CN202311294728.5A CN202311294728A CN117029219A CN 117029219 A CN117029219 A CN 117029219A CN 202311294728 A CN202311294728 A CN 202311294728A CN 117029219 A CN117029219 A CN 117029219A
- Authority
- CN
- China
- Prior art keywords
- toilet
- current
- return air
- pollution
- concentration data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004378 air conditioning Methods 0.000 title claims abstract description 30
- 238000009423 ventilation Methods 0.000 title claims abstract description 19
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 110
- 231100000719 pollutant Toxicity 0.000 claims abstract description 110
- 238000004140 cleaning Methods 0.000 claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 47
- 238000004088 simulation Methods 0.000 claims description 27
- 239000000356 contaminant Substances 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 25
- 239000012530 fluid Substances 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 7
- 238000005086 pumping Methods 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 4
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 238000004887 air purification Methods 0.000 description 3
- 229910021529 ammonia Inorganic materials 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/65—Electronic processing for selecting an operating mode
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
- E03D9/00—Sanitary or other accessories for lavatories ; Devices for cleaning or disinfecting the toilet room or the toilet bowl; Devices for eliminating smells
- E03D9/04—Special arrangement or operation of ventilating devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
- F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/89—Arrangement or mounting of control or safety devices
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Fluid Mechanics (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Water Supply & Treatment (AREA)
- Ventilation (AREA)
Abstract
本发明公开了一种卫生间***的自适应空气调节方法及卫生间通风***，包括步骤：获取一假设使用情况数组；利用假设使用情况数组获取仿真浓度分布三维矩阵和仿真传感器污染物浓度数据；获取卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；进行迭代优化直至获取最优解析点对应的修正使用情况数组为模拟使用情况数组；获取模拟使用情况数组对应的模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据；根据模拟浓度分布三维矩阵和所有的实体卫生间对应的模拟传感器污染物浓度数据自动确定卫生间***的污染清洁方式。本发明的卫生间***的自适应空气调节方法，无需人工操作即可实现卫生间***的实施空气调节。
Description
技术领域
本发明涉及卫生间的空气调节技术领域，尤其涉及一种生间***的自适应空气调节方法及卫生间通风***。
背景技术
目前，公共卫生间（例如客运卫生间、高铁卫生间、景区卫生间等）面临着恶臭问题，使用环境差；公共卫生间的通风***的开启或关闭通常通过工人操作完成，缺少自动控制进行卫生间空气净化，无法实现节能与污染物自动排出控制。
鉴于此，有必要提出一种生间***的自适应空气调节方法及卫生间通风***以解决或至少缓解上述缺陷。
发明内容
本发明的主要目的在于提供一种卫生间***的自适应空气调节方法及卫生间通风***，旨在解决现有的公共卫生间缺少自动控制进行卫生间空气净化、导致能耗高、体验效果差的技术问题。
为实现上述目的，本发明提供了一种卫生间***的自适应空气调节方法，包括步骤：S10，获取一假设使用情况数组，假设使用情况数组包括卫生间***中的各个实体卫生间的假设使用的情况信息；S20，利用假设使用情况数组基于快速计算流体力学仿真模型获取仿真浓度分布三维矩阵和每一个假设使用的实体卫生间对应的仿真传感器污染物浓度数据；S30，以第一预设方式偏移假设使用情况数组得到修正使用情况数组；S40，利用修正使用情况数组基于快速计算流体力学仿真模型获取修正浓度分布三维矩阵和每一个假设使用的实体卫生间对应的修正传感器污染物浓度数据；S50，获取卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；S60，若修正传感器污染物浓度数据相对于仿真传感器污染物浓度数据更接近实际传感器污染物浓度数据，将修正使用情况数组更新为当前的假设使用情况数组，并进入步骤S30；若修正传感器污染物浓度数据相对于仿真传感器污染物浓度数据更远离实际传感器污染物浓度数据，将反向的第一预设方式更新为当前的第一预设方式，并进入步骤S30；S70，重复步骤S30至S60，进行迭代优化直至获取最优解析点对应的修正使用情况数组为模拟使用情况数组；S80，获取模拟使用情况数组对应的模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据；S90，根据模拟浓度分布三维矩阵和所有的实体卫生间对应的模拟传感器污染物浓度数据自动确定卫生间***的污染清洁方式，污染清洁方式包括第一清洁方式、第二清洁方式以及第三清洁方式。
进一步地，步骤S90具体包括：根据所有的实体卫生间对应的模拟传感器污染物浓度数据确定当前超标厕所的数量；根据模拟浓度分布矩阵确定当前污染集中分布区域和当前整体污染水平；若当前污染集中分布区域处于第一区域，且当前超标厕所的数量不大于第一厕数阈值，且整体污染水平低于第一预设污染阈值时确定污染清洁方式为低频清洁方式，其中，低频清洁方式对应的动作为控制回风风机以低频运行为当前超标厕所排气；若当前污染集中分布区域处于第一区域，且当前超标厕所的数量处于第一厕数阈值和第二厕数阈值之间，且当前整体污染水平处于第一预设污染阈值和第二预设污染阈值之间时确定污染清洁方式为中频清洁方式，其中，中频清洁方式对应的动作为控制回风风机以中频运行为当前超标厕所排气；若当前污染集中分布区域大于第一区域，且当前超标厕所的数量不小于第二厕数阈值，且当前整体污染水平不低于第一预设污染阈值时确定污染清洁方式为高频清洁方式，其中，高频清洁方式对应的动作为控制回风风机以高频运行为当前超标厕所排气。
进一步地，在步骤S10之前，获取当前的通行人流信息和所处时段信息；根据通行人流信息、时段信息以及实际污染物浓度数据，基于机器学习网络模型确定假设使用情况数组，其中，机器学习网络模型的训练集中的输入数据为训练时段信息、训练通行人流信息以及训练实际污染物浓度数据，机器学习网络模型的训练集中的输出数据为训练假设使用情况数组。
进一步地，利用模拟使用情况数组采用迁移学习方式更新机器学习网络模型。
进一步地，若当前的通行人流信息中的通行人数小于第一人数阈值，当前污染集中分布区域大于第一区域，且当前超标厕所的数量小于第二厕数阈值，维持上一次的污染清洁方式进行处理。
进一步地，以卫生间***的出入口通道中心为圆心的预设半径范围内的区域为第一区域。
进一步地，第一厕数阈值的数值范围为1-6，或者第一厕数阈值的数值为0.2倍所有的实体卫生间数量，第一厕数阈值为正整数；第二厕数阈值的数值范围为7-12，或者第一厕数阈值的数值为0.2至0.45倍所有的实体卫生间数量，第二厕数阈值为正整数。
进一步地，还包括步骤：获取回风风机的当前回风功率；根据当前回风功率获取当前回风总量；获取在当前回风量的0.9-1.1倍情况下的当前送风量时对应的送风风机的当前送风功率。
本发明还提供一种卫生间通风***，包括污染物监测器、回风支管、回风主管、回风风机、污染物计算单元以及回风控制单元，卫生间***内具有呈阵列式分布的厕所单间，厕所单间上设有污染物监测器，回风支管与厕所单间一一对应布设，厕所单间具有回风口，回风支管上设有回风控制阀且回风支管连通在回风主管和对应的回风口之间，回风风机工作用于借助回风支管将厕所单间内的气流抽出至回风主管外，回风风机具有低频、中频以及高频三个工作档位，述污染物监测器用于获取卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；污染物计算单元用于进行快速计算流体力学仿真计算；回风控制单元用于实现上述的卫生间***的自适应空气调节方法的回风策略。
与现有技术相比，本发明所提供的一种卫生间***的自适应空气调节方法具有如下的有益效果：
本发明所提供的一种卫生间***的自适应空气调节方法，基于假设使用情况数组获取仿真浓度分布三维矩阵和每一个假设使用卫生间的仿真传感器污染物浓度数据，在实体卫生间假设占用与否组成的数组中获取仿真浓度分布三维矩阵和每一个假设使用的实体卫生间对应的仿真传感器污染物浓度数据；基于修正使用情况数组获取修正浓度分布三维矩阵和每一个假设使用卫生间的修正传感器污染物浓度数据；在获取每一个实体卫生间的实际污染物浓度数据后，基于第一预设方式以及修正传感器污染物浓度数据、仿真传感器污染物浓度数据和实际传感器污染物浓度数据的关联关系通过循环迭代的方式进行迭代收敛最终获取模拟使用情况数组；然后，根据模拟使用情况数组获取模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据；根据模拟浓度分布三维矩阵和所有的实体卫生间对应的模拟传感器污染物浓度数据确定卫生间***的污染程度情况，根据污染程度情况自动确定污染清洁方式；本发明的方案采用快速计算流体力学与扰动法求解的方式，在获取每一个实体卫生间的实际污染物浓度数据后即可预测污染程度情况，根据污染程度情况确定污染清洁方式，最终根据污染清洁方式自动控制回风风机的运行进行换气，回风风机根据卫生间***的当前的污染程度情况自适应地响应选择污染清洁方式，无需人工操作即可实现卫生间***的实施空气调节，无需长期开启卫生间***的送风换气功能，解决了现有的公共卫生间缺少自动控制进行卫生间空气净化、导致能耗高的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明一个实施例中的卫生间通风***的结构示意图；
图2为本发明一个实施例中的卫生间通风***的部分管路示意图；
图3为本发明一个实施例中的卫生间通风***的***示意图；
图4为本发明一个实施例中的卫生间***的自适应空气调节方法的流程示意图之一。
图例说明：
100、出入口通道；200、回风口；300、污染物监测器；400、回风主管；500、回风支管；600、回风风机。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
请参照附图1、图2和图3，本发明提供一种卫生间通风***，包括污染物监测器300、回风支管500、回风主管400、回风风机600、污染物计算单元以及回风控制单元，卫生间***内具有呈阵列式分布的厕所单间，厕所单间上设有污染物监测器300，回风支管500与厕所单间一一对应布设，厕所单间具有回风口200，回风支管500上设有回风控制阀（回风蝶阀）且回风支管500连通在回风主管400和对应的回风口200之间，回风风机600工作用于借助回风支管500将厕所单间内的气流抽出至回风主管400外，回风风机600具有低频、中频以及高频三个工作档位。
可以理解地，卫生间***可以是单层卫生间结构建筑物，也可以是多层卫生间结构建筑物，每一次卫生间结构建筑物内具有呈阵列式分布的厕所单间。
可以理解地，本发明中的卫生间***可以是在回风的过程中借助自然送风补风，也可以设置供风装置进行送风补风。
进一步地，卫生间通风***还包括送风支管、送风主管、送风风机和送风控制单元，送风支管与厕所单间一一对应布设，厕所单间具有送风口，送风支管上设有送风控制阀（送风蝶阀）且送风支管连通在送风主管和对应的送风口之间，送风风机工作用于借助送风支管外厕所单间内补风。
可选地，污染物监测器300用于获取卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；污染物计算单元用于进行FCFD仿真计算；回风控制单元用于实现卫生间***的自适应空气调节方法中的回风策略，送风控制单元用于实现（响应）卫生间***的自适应空气调节方法中的送风策略。
可以理解地，卫生间***的自适应空气调节方法用于至少一层卫生间结构建筑物，也可以是两层或三层等多层卫生间结构建筑物，例如可以是高铁站中的两层卫生间结构建筑物（生间结构建筑物的第一层用于为地下停车场通行人口提供方便，生间结构建筑物的第一层用于为地面通行人口提供方便），每一层分别设有多个实体卫生间，每一个实体卫生间具有一个门板和一个蹲坑。
可以理解地，公共卫生间可以是发明的一种实例，区分了本发明与其他产生大量污染物的工业建筑的不同。尤其与女性公共卫生间为例，其建筑组成部分复杂（由多个带门的小隔间组成高大空间），气流组织复杂（每个小隔间之间在高处、低处可能相通）、污染物复杂（小便与大便污染物不同，小便以NH3为主，大便包括NH3与H2S）、气流组织对舒适性影响大（污染物一般在低处产生，而人呼吸处约为0.6m或1.6m，分别对应蹲下与站立的成年人，因此需要控制污染物上浮或在室内对流）等问题。
在本发明的一具体实施方式中，在卫生间单间内，设置一个单独的回风口200，一个单独的污染物传感，回风口200的中心位置设置在距离地面0.1—0.5米处，一般可以取0.3米，传感器位置设置在距离地面0.5-2米处，一般可以设置在1.5米处。
通过研究发现，卫生间***的污染情况可以分为以下几种：个别单间污染物超标（即低程度的污染），在公共卫生间使用人数较少时，使用者可能会进入并使用特定的几个单间（例如靠近进出口的单间），造成个别单间污染物超标；总体污染物超标（即中等程度的污染）在公共卫生间使用人数适中时，使用者会大量进入并使用特定的几个单间（例如靠近进出口的单间），并少量使用剩下的单间，造成污染物溢出；持续污染物超标（即较高程度的污染）在公共卫生间有大量的使用人数，由于频繁的大范围的使用以及开关单间门，造成卫生间内污染物持续超标。
本发明中，若有个单间，有多个假设使用情况数组和假设污染物浓度数组，其中一个假设污染物浓度数组/>包含了n个仿真传感器污染物浓度数据/>，每一个仿真传感器污染物浓度数据内包含了硫化氢与氨气的浓度；同时，其中一个假设使用情况数组/>表明了卫生间使用情况（卫生间占用情况），同样包含了n个使用情况数据/>；将卫生间***看作是一个大长方体，则可以通过有限体积法中离散的思想，将卫生间***离散为若干个小长方体，则可以得到一个三维矩阵/>，而每一个单间内的马桶则是一个污染物释放源。卫生间内的回风口200是一个带有速度的空气出口，卫生间的窗户是一个条件为大气压力的空气自由出入口，卫生间内的进风口是一个带有速度的空气入口。若知道哪个单间被使用了，根据人均污染物释放速率与时长，则可以通过计算流体力学（CFD）或者快速计算流体力学（FCFD）的方法，通过瞬态仿真，计算出卫生间内每一处的污染物浓度，也就是获得了三位矩阵/>中每一个离散长方体的污染物浓度，在此标为浓度分布矩阵。由此可知，通过正向计算，根据卫生间结构以及污染物释放可以计算卫生间内污染物分布情况（根据三维使用信息确定污染物浓度三维分布情况），以及分布情况随时间变化的规律。而卫生间每个单间设置了污染物传感器，可以监测到传感器就近位置（离散长方体）的污染物浓度。
请参考图4，本发明的一实施例中提供了一种卫生间***的自适应空气调节方法，包括步骤：
S10，获取一假设使用情况数组，假设使用情况数组包括卫生间***中的各个实体卫生间的假设使用的情况信息；
可以理解地，假设使用的情况信息包括各个实体卫生间假设占用与否的情况。具体地，若卫生间***包括两层，每一层均包括n个卫生间，一个假设使用情况数组包括第一层n个实体卫生间和第二层n个实体卫生间的占用组合的其中一个状态。
S20，利用假设使用情况数组基于快速计算流体力学仿真模型获取仿真浓度分布三维矩阵和每一个假设使用的实体卫生间对应的仿真传感器污染物浓度数据；
可以理解地，本发明中，可以通过计算流体力学（CFD）或者快速计算流体力学（FCFD）的方法，通过瞬态仿真，考虑各个假设使用的实体卫生间的之间相互影响，计算出假设情况下卫生间***内各个实体卫生间的仿真传感器污染物浓度数据，所有的仿真传感器污染物浓度数据构成仿真浓度分布三维矩阵。各仿真传感器污染物浓度数据包括硫化氢污染情况数据和假设氨气污染情况数据。
S30，以第一预设方式偏移假设使用情况数组得到修正使用情况数组；
可以理解地，第一预设方式可以是正方向偏离的第一预设步长，也可以是负方向偏离的第一预设步长。
S40，利用修正使用情况数组基于快速计算流体力学仿真模型获取修正浓度分布三维矩阵和每一个假设使用卫生间的修正传感器污染物浓度数据；
可以理解地，本发明中，可以通过计算流体力学（CFD）或者快速计算流体力学（FCFD）的方法，通过瞬态仿真，考虑各个假设使用的实体卫生间的之间相互影响，计算出修正浓度分布三维矩阵和每一个假设使用的实体卫生间对应的修正传感器污染物浓度数据。
S50，获取卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；
可以理解地，本发明中通过每一个实体卫生间的传感器获取当前的实际污染物浓度数据，实际污染物浓度数据包括实际硫化氢污染情况数据和实际氨气污染情况数据。
S60，若修正传感器污染物浓度数据相对于仿真传感器污染物浓度数据更接近实际传感器污染物浓度数据，将修正使用情况数组更新为当前的假设使用情况数组，并进入步骤S30；若修正传感器污染物浓度数据相对于仿真传感器污染物浓度数据更远离实际传感器污染物浓度数据，将反向的第一预设方式更新为当前的第一预设方式，并进入步骤S30；
S70，重复步骤S30至S60，进行迭代优化直至获取最优解析点对应的修正使用情况数组为模拟使用情况数组；
可以理解地，本发明的方案中，步骤一，根据一假设使用情况数组，获取仿真浓度分布三维矩阵/>和每一个假设使用的实体卫生间对应的仿真传感器污染物浓度数据/>；步骤二，将假设使用情况数组/>以第一预设方式偏离，形成新的假设使用情况数组/>（即修正使用情况数组），再次通过快速计算流体力学仿真模型获得修正浓度分布三维矩阵/>与修正传感器污染物浓度数据/>。步骤三，测量目前实际的每一个实体卫生间的实际污染物浓度数据/>，若/>比/>更接近/>，则形成新的假设使用情况数组/>，新的假设使用情况数组朝着步骤二中的反向偏离；若/>比/>更接近/>，则形成新的假设使用情况数组/>，新的假设使用情况数组朝着步骤二中的方向继续偏离；步骤四，通过FCFD仿真获得新的浓度分布三维矩阵/>与传感器污染物浓度数据/>；步骤五，重复步骤三和步骤四，直到出现偏离的两个方向都造成计算的传感器污染物浓度数据背离测量得出的污染物数据（实际污染物浓度数据），则表明解析过程进入最优点，停止计算，取当前的浓度分布三维矩阵和使用情况数组作为判断依据，即获取模拟使用情况数组，最终进一步获取模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据。
S80，获取模拟使用情况数组对应的模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据；
可以理解地，本发明中，可以通过计算流体力学（CFD）或者快速计算流体力学（FCFD）的方法，通过瞬态仿真，考虑各个实体卫生间的之间相互影响，计算出模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据。
S90，根据模拟浓度分布三维矩阵和所有的实体卫生间对应的模拟传感器污染物浓度数据自动确定卫生间***的污染清洁方式，污染清洁方式包括第一清洁方式、第二清洁方式以及第三清洁方式。
可以理解地，本发明中，第一清洁方式对应较低程度的污染，采用低频清洁方式；第二清洁方式对应中等程度的污染，采用中频清洁方式，第三清洁方式对应较高程度的污染，采用高频清洁方式。
本发明所提供的一种卫生间***的自适应空气调节方法，基于假设使用情况数组获取仿真浓度分布三维矩阵和每一个假设使用卫生间的仿真传感器污染物浓度数据，在实体卫生间假设占用与否组成的数组中获取仿真浓度分布三维矩阵和每一个假设使用的实体卫生间对应的仿真传感器污染物浓度数据；基于修正使用情况数组获取修正浓度分布三维矩阵和每一个假设使用卫生间的修正传感器污染物浓度数据；在获取每一个实体卫生间的实际污染物浓度数据后，基于第一预设方式以及修正传感器污染物浓度数据、仿真传感器污染物浓度数据和实际传感器污染物浓度数据的关联关系通过循环迭代的方式进行迭代收敛最终获取模拟使用情况数组；然后，根据模拟使用情况数组获取模拟浓度分布三维矩阵和每一个实体卫生间对应的模拟传感器污染物浓度数据；根据模拟浓度分布三维矩阵和所有的实体卫生间对应的模拟传感器污染物浓度数据确定卫生间***的污染程度情况，根据污染程度情况自动确定污染清洁方式；本发明的方案采用快速计算流体力学与扰动法求解的方式，在获取每一个实体卫生间的实际污染物浓度数据后即可预测污染程度情况，根据污染程度情况确定污染清洁方式，最终根据污染清洁方式自动控制回风风机600的运行进行换气，回风风机600根据卫生间***的当前的污染程度情况自适应地响应选择污染清洁方式，无需人工操作即可实现卫生间***的实施空气调节，无需长期开启卫生间***的送风换气功能，解决了现有的公共卫生间缺少自动控制进行卫生间空气净化、导致能耗高的技术问题。
进一步地，步骤S90具体包括：根据所有的实体卫生间对应的模拟传感器污染物浓度数据确定当前超标厕所的数量；根据模拟浓度分布矩阵确定当前污染集中分布区域和当前整体污染水平；若当前污染集中分布区域处于第一区域，且当前超标厕所的数量不大于第一厕数阈值，且整体污染水平低于第一预设污染阈值时确定污染清洁方式为低频清洁方式，其中，低频清洁方式对应的动作为控制回风风机600以低频运行为当前超标厕所排气；若当前污染集中分布区域处于第一区域，且当前超标厕所的数量处于第一厕数阈值和第二厕数阈值之间，且当前整体污染水平处于第一预设污染阈值和第二预设污染阈值之间时确定污染清洁方式为中频清洁方式，其中，中频清洁方式对应的动作为控制回风风机600以中频运行为当前超标厕所排气；若当前污染集中分布区域大于第一区域，且当前超标厕所的数量不小于第二厕数阈值，且当前整体污染水平不低于第一预设污染阈值时确定污染清洁方式为高频清洁方式，其中，高频清洁方式对应的动作为控制回风风机600以高频运行为当前超标厕所排气。
可以理解地，本发明中，将卫生间***分成三个污染程度标注，并通过对应的三种污染清洁方式进行换气工作；具体地，若当前不不超过第一厕所阈值数量实体卫生间被使用（占用），当前污染集中分布区域处于第一区域，整体污染水平低于第一预设污染阈值时，判断为个别单间污染物超标，采用低频清洁方式控制回风风机600工作；其中，发明中以出入口通道100中心为圆心的预设半径范围内的区域为第一区域，预设半径根据实际情况进行设置，可以是5米，也可以是6米，还可以是其它半径值，或者预设半径为单层厕所宽度的1/6至1/4尺寸值。
可选地，本发明中，第一厕数阈值的数值范围为1-6，或者第一厕数阈值的数值为0.2倍所有的实体卫生间数量，第一厕数阈值为正整数；第二厕数阈值的数值范围为7-12，或者第一厕数阈值的数值为0.2至0.45倍所有的实体卫生间数量，第二厕数阈值为正整数。
进一步地，为了快速准确获取假设使用情况数组，减少后续获取模拟使用情况数组的迭代次数，在步骤S10之前，获取当前的通行人流信息和所处时段信息；根据通行人流信息、时段信息以及实际污染物浓度数据，基于机器学习网络模型确定假设使用情况数组，其中，机器学习网络模型的训练集中的输入数据为训练时段信息、训练通行人流信息以及训练实际污染物浓度数据，机器学习网络模型的训练集中的输出数据为训练假设使用情况数组。可以理解地，本发明中充分考虑通行时段的影响因素和通行人流的影响因素建立机器学习网络模型，在确定当前的通行人流信息和所处时段信息便于快速预估一个假设使用情况数组。
进一步地，利用模拟使用情况数组采用迁移学习方式更新机器学习网络模型。可选地，采用自适应技术对模型进行迁移，达到在囊括了原本的训练数据（也就是训练前用CFD及实验获得的数据）以及新增的训练数据（***运行阶段收集的新数据集）进行训练，并在采用最小的训练成本达成预测精度提高的目标。迁移方法为继续采用原本的网络结构，采用原有的网络参数作为初始化参数，然后将训练原网络的数据集以及新采集到的数据集同时作为样本，进行神经网络训练，获得新的网络。
在本发明的具体实施方式中，虽然FCFD比较准确，而且计算速度比传统的CFD方法较快，但是仍然需要消耗较多的计算资源，因此，需要结合机器学习来加快计算速度快速准确获取假设使用情况数组。具体地，步骤一，步假设多个使用情况数组，在计算机中通过FCFD或传统CFD仿真获得浓度分布与传感器污染物浓度数据，步骤二，通过机器学习中的神经网络建立传感器污染物浓度数据与使用情况数组、浓度分布的映射关系，，其中，公式为第k层神经网络与输入数据的对应关系，由神经网络激活函数和偏置决定，在k=1时，输入为传感器污染物浓度数据，在最后一层，为使用情况数组或浓度分布；在开始进行通过快速CFD法及扰动法求解的步骤S10时，通过神经网络并测量当前的传感器污染物浓度数据，获得一假设使用情况数组；当经历了快速CFD法及扰动法求解，代表神经网络预测精确度不够。则通过迁移神经网络方法将新的求解数据（传感器污染物浓度数据、使用情况数组、以及浓度分布）训练至神经网络中，形成新的映射关系更新机器学习网络模型。
优选地，本发明的方案采用机械送风进行补风。本发明中，包括步骤：获取回风风机的当前回风功率；根据当前回风功率获取当前回风总量；获取在当前送风量为0.9-1.1倍当前回风总量的情况下的当前送风功率，让卫生间处于良好的气流循环中，空气的流动保证室内压力平衡并保持新鲜空气的补充，保证污染物不扬起对室内造成二次污染。在具体实施时，机械补风策略是根据目前回风风机的功率，换算得到目前的回风量Qh，然后调整送风风机功率进行送风，保证送风功率Qs约等于Qh，让卫生间处于良好的气流循环中，保证污染物不扬起对室内造成二次污染更优地，在各个实体卫生间隔间上方设置单独的送风通道，并通过蝶阀开度控制送风量。送风量控制策略经由***初调节阶段标定后，掌握了送风蝶阀开度Ss、送风风机总风量Qs与回风蝶阀开度Sh、送风风机总风量Qh的函数映射关系，然后由上位机控制调整，保证在每个隔间内气流组织流向单一，污染物不对室内造成二次污染。
进一步地，为了避免污染物监测器300受损造成的干涉误差，若当前的通行人流信息中的通行人数小于第一人数阈值，当前污染集中分布区域大于第一区域，且当前超标厕所的数量小于第二厕数阈值，维持上一次的污染清洁方式进行处理。可以理解地，在当前的通行人数较少时，根据使用习惯基本上都会使用第一区域内的厕所，若存在当前的通行人数较少但是当前污染集中分布区域大于第一区域时表示污染物监测器300可能受损。可选地，为了准确监测，第一人数阈值为10至40。
可以理解地，本发明中，根据所有实体卫生间的总数量确定第一预设方式的步长。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种卫生间***的自适应空气调节方法，其特征在于，包括步骤：
S10，获取一假设使用情况数组，所述假设使用情况数组包括卫生间***中的各个实体卫生间的假设使用的情况信息；
S20，利用所述假设使用情况数组基于快速计算流体力学仿真模型获取仿真浓度分布三维矩阵和每一个假设使用的所述实体卫生间对应的仿真传感器污染物浓度数据；
S30，以第一预设方式偏移所述假设使用情况数组得到修正使用情况数组；
S40，利用所述修正使用情况数组基于所述快速计算流体力学仿真模型获取修正浓度分布三维矩阵和每一个假设使用的所述实体卫生间对应的修正传感器污染物浓度数据；
S50，获取所述卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；
S60，若所述修正传感器污染物浓度数据相对于所述仿真传感器污染物浓度数据更接近实际传感器污染物浓度数据，将所述修正使用情况数组更新为当前的所述假设使用情况数组，并进入步骤S30；若所述修正传感器污染物浓度数据相对于所述仿真传感器污染物浓度数据更远离所述实际传感器污染物浓度数据，将反向的所述第一预设方式更新为当前的所述第一预设方式，并进入步骤S30；
S70，重复步骤S30至S60，进行迭代优化直至获取最优解析点对应的所述修正使用情况数组为模拟使用情况数组；
S80，获取所述模拟使用情况数组对应的模拟浓度分布三维矩阵和每一个所述实体卫生间对应的模拟传感器污染物浓度数据；
S90，根据所述模拟浓度分布三维矩阵和所有的所述实体卫生间对应的所述模拟传感器污染物浓度数据自动确定所述卫生间***的污染清洁方式，所述污染清洁方式包括第一清洁方式、第二清洁方式以及第三清洁方式。
2.根据权利要求1所述的卫生间***的自适应空气调节方法，其特征在于，
步骤S90具体包括：
根据所有的所述实体卫生间对应的所述模拟传感器污染物浓度数据确定当前超标厕所的数量；
根据所述模拟浓度分布矩阵确定当前污染集中分布区域和当前整体污染水平；
若所述当前污染集中分布区域处于第一区域，且所述当前超标厕所的数量不大于第一厕数阈值，且所述整体污染水平低于第一预设污染阈值时确定所述污染清洁方式为低频清洁方式，其中，所述低频清洁方式对应的动作为控制回风风机以低频运行为当前超标厕所排气；
若所述当前污染集中分布区域处于所述第一区域，且所述当前超标厕所的数量处于第一厕数阈值和第二厕数阈值之间，且所述当前整体污染水平处于第一预设污染阈值和第二预设污染阈值之间时确定所述污染清洁方式为中频清洁方式，其中，所述中频清洁方式对应的动作为控制回风风机以中频运行为当前超标厕所排气；
若所述当前污染集中分布区域大于所述第一区域，且所述当前超标厕所的数量不小于第二厕数阈值，且所述当前整体污染水平不低于第一预设污染阈值时确定所述污染清洁方式为高频清洁方式，其中，所述高频清洁方式对应的动作为控制回风风机以高频运行为当前超标厕所排气。
3.根据权利要求2所述的卫生间***的自适应空气调节方法，其特征在于，在步骤S10之前，
获取当前的通行人流信息和所处时段信息；
根据所述通行人流信息、所述时段信息以及所述实际污染物浓度数据，基于机器学习网络模型确定所述假设使用情况数组，其中，所述机器学习网络模型的训练集中的输入数据为训练时段信息、训练通行人流信息以及训练实际污染物浓度数据，所述机器学习网络模型的训练集中的输出数据为训练假设使用情况数组。
4.根据权利要求3所述的卫生间***的自适应空气调节方法，其特征在于，
利用所述模拟使用情况数组采用迁移学习方式更新所述机器学习网络模型。
5.根据权利要求3所述的卫生间***的自适应空气调节方法，其特征在于，
若当前的所述通行人流信息中的通行人数小于第一人数阈值，
所述当前污染集中分布区域大于所述第一区域，且所述当前超标厕所的数量小于第二厕数阈值，维持上一次的污染清洁方式进行处理。
6.根据权利要求3所述的卫生间***的自适应空气调节方法，其特征在于，
以卫生间***的出入口通道中心为圆心的预设半径范围内的区域为所述第一区域。
7.根据权利要求5所述的卫生间***的自适应空气调节方法，其特征在于，
所述第一厕数阈值的数值范围为1-6，或者所述第一厕数阈值的数值为0.2倍所有的所述实体卫生间数量，所述第一厕数阈值为正整数；
所述第二厕数阈值的数值范围为7-12，或者所述第一厕数阈值的数值为0.2至0.45倍所有的所述实体卫生间数量，所述第二厕数阈值为正整数。
8.根据权利要求3所述的卫生间***的自适应空气调节方法，其特征在于，还包括步骤：
获取回风风机的当前回风功率；
根据所述当前回风功率获取当前回风总量；
获取在所述当前回风量的0.9-1.1倍情况下的当前送风量时对应的送风风机的当前送风功率。
9.一种卫生间通风***，其特征在于，
包括污染物监测器、回风支管、回风主管、回风风机、污染物计算单元以及回风控制单元，卫生间***内具有呈阵列式分布的厕所单间，厕所单间上设有污染物监测器，回风支管与厕所单间一一对应布设，所述厕所单间具有回风口，回风支管上设有回风控制阀且回风支管连通在回风主管和对应的回风口之间，回风风机工作用于借助回风支管将厕所单间内的气流抽出至回风主管外，回风风机具有低频、中频以及高频三个工作档位，
所述污染物监测器用于获取所述卫生间***的当前的每一个实体卫生间的实际污染物浓度数据；
所述污染物计算单元用于进行快速计算流体力学仿真计算；
所述回风控制单元用于实现如权利要求1至8任一项所述的卫生间***的自适应空气调节方法的回风策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311294728.5A CN117029219B (zh) | 2023-10-09 | 2023-10-09 | 一种卫生间***的自适应空气调节方法及卫生间通风*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311294728.5A CN117029219B (zh) | 2023-10-09 | 2023-10-09 | 一种卫生间***的自适应空气调节方法及卫生间通风*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117029219A true CN117029219A (zh) | 2023-11-10 |
| CN117029219B CN117029219B (zh) | 2023-12-26 |
Family
ID=88641589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311294728.5A Active CN117029219B (zh) | 2023-10-09 | 2023-10-09 | 一种卫生间***的自适应空气调节方法及卫生间通风*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117029219B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6687640B1 (en) * | 2001-10-23 | 2004-02-03 | Sandia Corporation | Airborne agent concentration analysis |
| US6711470B1 (en) * | 2000-11-16 | 2004-03-23 | Bechtel Bwxt Idaho, Llc | Method, system and apparatus for monitoring and adjusting the quality of indoor air |
| JP2006133121A (ja) * | 2004-11-08 | 2006-05-25 | Daikin Ind Ltd | 基地部、大気汚染情報提供システムおよび大気汚染予測方法ならびに換気装置 |
| US20160223549A1 (en) * | 2015-01-30 | 2016-08-04 | Toto Ltd. | Biological information measurement system |
| US20160341436A1 (en) * | 2015-04-21 | 2016-11-24 | Soraa, Inc. | Controlling physiological conditions through environmental control |
| US9644857B1 (en) * | 2015-12-01 | 2017-05-09 | Nasser Ashgriz | Virtual thermostat for a zonal temperature control |
| CN108803460A (zh) * | 2018-09-17 | 2018-11-13 | 华东交通大学理工学院 | 一种智慧厕所监控管理方法及*** |
| KR20190141935A (ko) * | 2018-06-15 | 2019-12-26 | (주)미래환경플랜건축사사무소 | 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 |
| US20200240668A1 (en) * | 2019-01-29 | 2020-07-30 | Urecsys- Urban Ecology Systems- Indoor Air Quality Management Ltd. | Libraries, systems, and methods for minimizing air pollution in enclosed structures |
| CN112431268A (zh) * | 2020-11-25 | 2021-03-02 | 马鞍山智森机械科技发展有限公司 | 一种公共厕所智能清洁机器人 |
| WO2021195538A1 (en) * | 2020-03-26 | 2021-09-30 | Yencho Stephen A | Infection risk simulation and control system |
| CN113883695A (zh) * | 2021-11-01 | 2022-01-04 | 东南大学 | 一种基于动态响应的高铁站卫生间自适应通风*** |
| CN114973521A (zh) * | 2022-05-23 | 2022-08-30 | 佳净洁环境科技有限公司 | 智慧云厕 |
| KR20220147168A (ko) * | 2021-04-26 | 2022-11-03 | 주식회사 디랩스 | ＩｏＴ 반려동물 화장실을 이용한 건강 관리 서비스 제공 시스템 |
| CN115439634A (zh) * | 2022-09-30 | 2022-12-06 | 如你所视(北京)科技有限公司 | 点云数据的交互呈现方法和存储介质 |
| KR20230001879A (ko) * | 2021-06-29 | 2023-01-05 | 주식회사 경동나비엔 | 공기질 관리 장치 및 방법 |
| CN116070500A (zh) * | 2022-08-03 | 2023-05-05 | 中国环境科学研究院 | 一种基于深度学习空气质量浓度场模拟仿真器 |
-
2023
- 2023-10-09 CN CN202311294728.5A patent/CN117029219B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6711470B1 (en) * | 2000-11-16 | 2004-03-23 | Bechtel Bwxt Idaho, Llc | Method, system and apparatus for monitoring and adjusting the quality of indoor air |
| US6687640B1 (en) * | 2001-10-23 | 2004-02-03 | Sandia Corporation | Airborne agent concentration analysis |
| JP2006133121A (ja) * | 2004-11-08 | 2006-05-25 | Daikin Ind Ltd | 基地部、大気汚染情報提供システムおよび大気汚染予測方法ならびに換気装置 |
| US20160223549A1 (en) * | 2015-01-30 | 2016-08-04 | Toto Ltd. | Biological information measurement system |
| US20160341436A1 (en) * | 2015-04-21 | 2016-11-24 | Soraa, Inc. | Controlling physiological conditions through environmental control |
| US9644857B1 (en) * | 2015-12-01 | 2017-05-09 | Nasser Ashgriz | Virtual thermostat for a zonal temperature control |
| KR20190141935A (ko) * | 2018-06-15 | 2019-12-26 | (주)미래환경플랜건축사사무소 | 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 |
| CN108803460A (zh) * | 2018-09-17 | 2018-11-13 | 华东交通大学理工学院 | 一种智慧厕所监控管理方法及*** |
| US20200240668A1 (en) * | 2019-01-29 | 2020-07-30 | Urecsys- Urban Ecology Systems- Indoor Air Quality Management Ltd. | Libraries, systems, and methods for minimizing air pollution in enclosed structures |
| WO2021195538A1 (en) * | 2020-03-26 | 2021-09-30 | Yencho Stephen A | Infection risk simulation and control system |
| CN112431268A (zh) * | 2020-11-25 | 2021-03-02 | 马鞍山智森机械科技发展有限公司 | 一种公共厕所智能清洁机器人 |
| KR20220147168A (ko) * | 2021-04-26 | 2022-11-03 | 주식회사 디랩스 | ＩｏＴ 반려동물 화장실을 이용한 건강 관리 서비스 제공 시스템 |
| KR20230001879A (ko) * | 2021-06-29 | 2023-01-05 | 주식회사 경동나비엔 | 공기질 관리 장치 및 방법 |
| CN113883695A (zh) * | 2021-11-01 | 2022-01-04 | 东南大学 | 一种基于动态响应的高铁站卫生间自适应通风*** |
| CN114973521A (zh) * | 2022-05-23 | 2022-08-30 | 佳净洁环境科技有限公司 | 智慧云厕 |
| CN116070500A (zh) * | 2022-08-03 | 2023-05-05 | 中国环境科学研究院 | 一种基于深度学习空气质量浓度场模拟仿真器 |
| CN115439634A (zh) * | 2022-09-30 | 2022-12-06 | 如你所视(北京)科技有限公司 | 点云数据的交互呈现方法和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117029219B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | Model predictive control strategies for buildings with mixed-mode cooling | |
| KR101837746B1 (ko) | 가상센서를 이용한 라돈가스 저감 방법 및 시스템 | |
| Yang et al. | The coupled effects of personalized occupancy profile based HVAC schedules and room reassignment on building energy use | |
| Chenari et al. | Towards sustainable, energy-efficient and healthy ventilation strategies in buildings: A review | |
| Nasrollahzadeh | Comprehensive building envelope optimization: Improving energy, daylight, and thermal comfort performance of the dwelling unit | |
| Wang et al. | Parameter estimation of internal thermal mass of building dynamic models using genetic algorithm | |
| Atthajariyakul et al. | Real-time determination of optimal indoor-air condition for thermal comfort, air quality and efficient energy usage | |
| Baldi et al. | Model-based and model-free “plug-and-play” building energy efficient control | |
| Karava et al. | Wind-induced natural ventilation analysis | |
| US9500383B2 (en) | Method for controlling a ventilation system for the ventilation of an enclosure and a ventilation system | |
| Moon et al. | Development of an artificial neural network model based thermal control logic for double skin envelopes in winter | |
| CN105320184B (zh) | 建筑室内环境智能监控*** | |
| Dai et al. | An artificial neural network model using outdoor environmental parameters and residential building characteristics for predicting the nighttime natural ventilation effect | |
| Liu et al. | Coupled simulation of natural ventilation and daylighting for a residential community design | |
| Kim et al. | Prediction and correlation analysis of ventilation performance in a residential building using artificial neural network models based on data-driven analysis | |
| CN117029219B (zh) | 一种卫生间***的自适应空气调节方法及卫生间通风*** | |
| JP6727446B2 (ja) | 空気調和システム及び空気調和方法 | |
| Kim et al. | Performance evaluation of artificial neural network-based variable control logic for double skin enveloped buildings during the heating season | |
| Abuimara et al. | Quantifying the impact of occupants’ spatial distributions on office buildings energy and comfort performance | |
| CN114110824B (zh) | 一种恒湿机智能控制方法及装置 | |
| Sepulveda et al. | Daylight and overheating prediction formulas for building design in a cold climate | |
| CN103807983A (zh) | 一种室内环境自动调节装置 | |
| Gładyszewska-Fiedoruk | Analysis of stack ventilation system effectiveness in an average kindergarten in north-eastern Poland | |
| Ahmed et al. | Actual energy performance and indoor climate in Finnish NZEB daycare and school buildings | |
| Goo et al. | Feasibility study of dynamic thermal-modeling development using measurement and validation: Case study of indoor fish farm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |