CN117569710B - 用于智能通风天窗控制方法及*** - Google Patents
用于智能通风天窗控制方法及*** Download PDFInfo
- Publication number
- CN117569710B CN117569710B CN202410058767.3A CN202410058767A CN117569710B CN 117569710 B CN117569710 B CN 117569710B CN 202410058767 A CN202410058767 A CN 202410058767A CN 117569710 B CN117569710 B CN 117569710B
- Authority
- CN
- China
- Prior art keywords
- data
- decomposition
- degree
- independent
- current 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.)
- Active
Links
- 238000009423 ventilation Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 152
- 238000009826 distribution Methods 0.000 claims abstract description 80
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 7
- 238000012880 independent component analysis Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E04—BUILDING
- E04D—ROOF COVERINGS; SKY-LIGHTS; GUTTERS; ROOF-WORKING TOOLS
- E04D13/00—Special arrangements or devices in connection with roof coverings; Protection against birds; Roof drainage ; Sky-lights
- E04D13/03—Sky-lights; Domes; Ventilating sky-lights
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
- E05F15/00—Power-operated mechanisms for wings
- E05F15/70—Power-operated mechanisms for wings with automatic actuation
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES E05D AND E05F, RELATING TO CONSTRUCTION ELEMENTS, ELECTRIC CONTROL, POWER SUPPLY, POWER SIGNAL OR TRANSMISSION, USER INTERFACES, MOUNTING OR COUPLING, DETAILS, ACCESSORIES, AUXILIARY OPERATIONS NOT OTHERWISE PROVIDED FOR, APPLICATION THEREOF
- E05Y2900/00—Application of doors, windows, wings or fittings thereof
- E05Y2900/10—Application of doors, windows, wings or fittings thereof for buildings or parts thereof
- E05Y2900/13—Type of wing
- E05Y2900/148—Windows
- E05Y2900/152—Roof windows
- E05Y2900/154—Skylights
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及通风天窗智能控制技术领域，具体涉及一种用于智能通风天窗控制方法及***。本发明获取通风天窗的电流数据；对电流数据进行不同分解数量下的独立成分分析，获得每种分解数量下的独立成分；根据独立成分之间的数据分布差异程度筛选出目标成分；获得非目标成分构成的重构数据；根据每种分解数量下重构数据与电流数据之间的数据差异与目标成分的数据分布获得每种分解数量下的数据优化程度，进而获得最优分解数量；获得最优分解数量下的优化电流数据；利用优化电流数据对通风天窗进行智能控制。本发明能够将噪声尽可能地分解到目标成分中，从而获得理想的电流数据去噪结果，能够对通风天窗进行良好地控制。
Description
技术领域
本发明涉及用于智能通风天窗控制技术领域，具体涉及一种用于智能通风天窗控制方法及***。
背景技术
目前，通风天窗的控制方式主要有手动控制、传感器控制和定时控制等，手动控制方法中，操作过程可能存在误差，且无法自动识别环境变化，不能实现智能控制；定时控制方法可以实现通风天窗的自动化控制，但是无法根据环境变化进行实时调整，能源利用效率较低，所以常利用传感器数据对室内通风天窗进行智能控制。
在利用传感器数据对室内通风天窗进行智能控制的过程中，由于室内环境以及其他设备的影响，自动调整通风天窗的开角时，设备需要在短时间内调整或者供电***的不稳定，都会出现电流数据发生波动的情况，再加上电流数据中存在的噪声成分，会导致传感器的信号数据测量结果不准确。在利用独立成分分析对电流数据进行常规去噪时，会将原始信号分解成不同的独立成分，然而现有技术中，无法获得最优分解数量，会出现将噪声成分分解到不同的成分中的情况，导致电流数据去噪不理想，无法获得理想的电流数据，进而影响对通风天窗的智能控制。
发明内容
为了解决在利用独立成分分析对电流数据进行常规去噪时，无法获得最优分解数量，会出现将噪声成分分解到不同的成分中，导致电流数据去噪不理想，无法获得理想的电流数据，进而影响对通风天窗的智能控制技术问题，本发明的目的在于提供一种用于智能通风天窗控制方法及***，所采用的技术方案具体如下：
一种用于智能通风天窗控制方法，该方法包括：
获取通风天窗***的电流数据；
对所述电流数据进行不同分解数量下的独立成分分析，获取每种分解数量下所述电流数据的所有独立成分；根据每种分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分；
将每种分解数量对应的非目标成分进行重构获得重构数据；根据每种分解数量中所述重构数据与所述电流数据之间的数据差异程度，以及所述目标成分的数据分布程度，获得每种分解数量的数据优化程度；根据所述数据优化程度，从所有分解数量种类中筛选出最优分解数量；将所述最优分解数量中独立成分内的目标成分进行筛除，其他独立成分进行重构获得通风天窗的优化电流数据；
利用所述优化电流数据对通风天窗进行智能控制。
进一步地，所述数据分布差异程度的获取方法包括：
根据每个独立成分的数据分布特征获得每个独立成分的独立性特征；
获得每个独立成分的瞬时频率与所述电流数据的主频率，计算所述瞬时频率与所述主频率之间的频率差异程度；
根据不同分解数量下每个独立成分与其他独立成分之间的独立性特征差异、每个独立成分与所述电流数据之间的频率差异程度及每个独立成分的数据波动程度，获得不同分解数量下所有独立成分的数据分布差异程度。
进一步地，所述独立性特征的获取方法包括：
获取所述电流数据的每个独立成分中的所有极值点；将极值点作为分割点对独立成分进行划分，获得每个数据分段；
计算相邻数据分段中所有相邻端点的连线组成的夹角值；将夹角值相同的相邻数据分段之间的夹角作为同一类夹角；计算所有种类夹角的信息熵，将所述信息熵的倒数作为每个独立成分的趋势分布特征；
计算每个独立成分中每个数据分段中端点的数据幅值的平均值，作为每个独立成分的强度变化特征；
计算每个独立成分中所有数据值的中位数与平均值之间的差异，作为每个独立成分的非高斯性特征；
将所述趋势分布特征、所述强度变化特征与所述非高斯性特征的乘积作为每个独立成分的独立性特征。
进一步地，所述电流数据主频率的获取方法包括：
获得所述电流数据的频谱图；所述频率图的横轴为电流数据频率，纵轴为电流数据的幅值；
获得所述频谱图内的最大幅值峰值，将所述最大幅值峰值沿着频率变大方向上的相邻幅值谷值对应的电流数据频率作为电流数据的主频率。
进一步地，所述数据分布差异程度的获取方法包括：
根据数据分布差异程度计算公式获得所述数据分布差异程度，所述数据分布差异程度计算公式如下所示：
；式中，/>表示每种分解数量中第/>个独立成分的数据分布差异程度；/>表示每种分解数量中第/>个独立成分以外的其他独立成分数量；/>表示每种分解数量中第/>个独立成分以外的其他独立成分序号；/>表示每种分解数量中第/>个独立成分的独立性特征；/>表示每种分解数量中第/>个独立成分的独立性特征，/>表示每种分解数量中第/>个独立成分的瞬时频率；/>表示电流数据的主频率；/>表示每种分解数量中第/>个独立成分中所有数据幅值的方差。
进一步地，所述重构数据与所述电流数据之间的数据差异程度的获取方法包括：
将每种分解数量中所述重构数据与所述电流数据之间每个时刻的数据值差异的平方求平均，获得所述重构数据与所述电流数据之间的数据差异程度。
进一步地，所述数据分布程度的获取方法包括：
获得所述目标成分中每个数据分段的时间间隔；将所述目标成分中所有数据分段的时间间隔求平均，获得所述目标成分的数据频率特征；将所述目标成分的所述数据频率特征与所述独立性特征的乘积作为所述目标成分的所述数据分布程度。
进一步地，所述数据优化程度的获取方法包括：
将每种分解数量中所述重构数据与所述电流数据之间的所述数据差异程度，以及所述目标成分的所述独立性特征与所述数据频率特征之间的乘积作为每种分解数量对应的所述数据优化程度。
进一步地，所述目标成分与所述最优分解数量的获取方法包括：
将所述数据分布差异程度最大值对应的独立成分作为目标成分；
将所述数据优化程度最小值对应的分解数量作为最优分解数量。
一种用于智能通风天窗控制***，所述***包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种用于智能通风天窗控制方法的所有步骤。
本发明具有如下有益效果：
本发明需要考虑通风天窗***的电流数据波动，获取通风天窗***的电流数据；不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，获取不同分解数量下电流数据的所有独立成分；由于目标成分包含噪声，数据分布与其他独立成分的数据分布存在差异，所以可以根据不同分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分；由于不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，需要对重构数据与电流数据进行比较，所以将每种分解数量对应的非目标成分进行重构获得重构数据；由于重构数据与电流数据之间的数据差异能够反映重构数据与电流数据之间的相似程度，且不同分解数量下目标成分中的数据分布有较大不同，所以根据每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的数据分布程度，获得每种分解数量的数据优化程度，进而获得最优分解数量；将最优分解数量中独立成分内的目标成分筛除，其他独立成分进行重构获得通风天窗的优化电流数据；利用优化电流数据对通风天窗进行智能控制。本发明能够将噪声尽可能地分解到目标成分中，从而获得理想的电流数据去噪结果，能够对通风天窗进行良好地控制。
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和优点，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的介绍，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获得其它附图。
图1为本发明一个实施例所提供的一种用于智能通风天窗控制方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于智能通风天窗控制方法及***，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于智能通风天窗控制方法及***的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种用于智能通风天窗控制方法流程图，该方法包括：
步骤S1：获取通风天窗***的电流数据。
本发明实施例提供了一种用于智能通风天窗控制方法。由于通风天窗的自动调整依赖于传感器的采集数据，而如果通风天窗***的电流数据发生波动，会导致传感器采集数据不准确，且电流不稳定会导致通风天窗移动时容易发生卡顿等不良情况。针对于通风天窗进行智能控制，需要考虑通风天窗***的电流数据波动，所以需要获取通风天窗***的电流数据进行后续分析。
本发明一个实施例中，提供一种通风天窗***电流数据的获取步骤，步骤包括：
在通风天窗***中的电源线路中安装电流传感器，并将电流传感器的输出连接到数据采集设备中，将电流数据传输到计算机中进行处理和记录；电流传感器采集数据的横轴为时间，纵轴为电流数据。
需要说明的是，本发明可以将电流互感器作为电流传感器的选择，可以将专用的能源检测***作为数据采集设备，在此不做限定。
步骤S2：对电流数据进行不同分解数量下的独立成分分析，获取每种分解数量下电流数据的所有独立成分；根据每种分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分。
在独立成分分析的实际应用中，期望达到的效果便是将噪声成分分离到目标成分中，而将电流数据分解成不同数量的独立成分，不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，本发明实施例中，需要获取不同分解数量下电流数据的所有独立成分，由于目标成分包含噪声，数据分布与其他独立成分的数据分布存在差异，所以可以根据不同分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分。
优选地，本发明一个实施例中，数据分布差异程度的获取方法包括：
由于独立成分内的独立性特征能够反映出电流数据的非高斯性，而非高斯性表现为独立成分中的数据分布特征，所以根据每个独立成分的数据分布特征获得每个独立成分的独立性特征；
因为噪声常表现为高频形式，目标成分的数据频率要大于原始的电流数据的主频率，获得每个独立成分的瞬时频率与电流数据的主频率，计算瞬时频率与主频率之间的频率差异程度；
根据不同分解数量下每个独立成分与其他独立成分之间的独立性特征差异、每个独立成分与电流数据之间的频率差异程度及每个独立成分的数据波动程度，获得不同分解数量下所有独立成分的数据分布差异程度。
优选地，本发明一个实施例中，独立性特征的获取方法包括：
获取电流数据的每个独立成分中的所有极值点；将极值点作为分割点对独立成分进行划分，获得每个数据分段；计算相邻数据分段中所有相邻端点的连线组成的夹角值；由于每个夹角值对应独立成分中每个相邻数据分段，而相邻数据分段反映了独立成分每部分的趋势特征，将夹角值相同的相邻数据分段之间的夹角作为同一类夹角；计算所有种类夹角的信息熵，将信息熵的倒数作为每个独立成分的趋势分布特征，信息熵可以反映出每类夹角的分布情况，即每种相同变化趋势独立成分的所有部分的分布情况，信息熵越小，说明趋势分布越均匀，此时该独立成分越不具有高斯性；由于数据幅值反映出独立成分中的数据波动强度，计算每个独立成分中每个数据分段中端点之间数据幅值的平均值，平均值可以反映出每个独立成分整体的数据强度变化，作为每个独立成分的强度变化特征；计算每个独立成分中所有数据值的中位数与平均值之间的差异，作为每个独立成分的非高斯性特征，若独立成分具备高斯性的特征，则独立成分中的所有数据值的中位数与所有数据值的平均数应该差异很小，那么如果所有数据值的中位数与平均值之间的差异越大，说明独立成分越具有非高斯性，即该独立成分越不符合正态分布；将趋势分布特征、强度变化特征与非高斯性特征的乘积作为每个独立成分的独立性特征。
本发明一个实施例中，相邻端点的连线组成的夹角计算公式如下所示：
式中，表示第/>组相邻数据分段相邻端点的连线组成的夹角；/>表示第/>组相邻数据分段中前一个数据分段端点之间的直线斜率，/>表示第/>组相邻数据分段中后一个数据分段端点之间的直线斜率。
需要说明的是，夹角为两条直线构成的锐角夹角。
所以，本发明一个实施例中，独立性特征计算公式如下所示：
式中，表示第/>个独立成分的独立性特征；/>表示第/>个独立成分中数据分段的端点数量；/>表示第/>个独立成分中极值点的序号；/>表示第/>个独立成分中第/>个数据分段中端点的数据幅值；/>表示第/>个独立成分中夹角种类的数量；/>表示第/>个独立成分中夹角种类的序号；/>表示第/>类夹角的数量；/>表示第/>个独立成分中所有电流数据的数据值中位数；/>表示第/>个独立成分中所有电流数据的数据值平均数；/>表示以自然常数为底数的对数函数；/>表示第/>个独立成分中的强度变化特征；/>表示第/>个独立成分中的非高斯性特征；/>表示第/>个独立成分中所有种类夹角的信息熵。
在独立性特征计算公式中，由于实际情况中，非高斯性数据的整体数据强度变化要大于高斯性数据的整体数据强度变化，越大，说明第/>个独立成分整体的强度变化越大，说明第/>个独立成分中的强度变化特征越高，即第/>个独立成分越具有非高斯性，即第/>个独立成分的独立性特征越明显；/>越小，说明夹角分布越均匀，此时/>越大，第/>个独立成分越具有非高斯性，即第/>个独立成分的独立性特征越明显；/>越大，说明第/>个独立成分与高斯分布特征差异越大，第/>个独立成分越具有非高斯性，即第/>个独立成分的独立性特征越明显。
至此，获得每个独立成分的独立性特征。
优选地，本发明一个实施例中，电流数据主频率频率的获取方法包括：
获得电流数据的频谱图；频率图横轴为电流数据频率，纵轴为电流数据的幅值；获得频谱图内的最大幅值峰值，将最大幅值峰值沿着频率变大方向上的相邻幅值谷值对应的电流数据频率作为电流数据的主频率。
优选地，本发明一个实施例中，数据分布差异程度的获取方法包括：
根据数据分布差异程度计算公式获得数据分布差异程度，数据分布差异程度计算公式如下所示：
式中，表示每种分解数量中第/>个独立成分的数据分布差异程度；/>表示每种分解数量中第/>个独立成分以外的其他独立成分数量；/>表示每种分解数量中第/>个独立成分以外的其他独立成分序号；/>表示每种分解数量中第/>个独立成分的独立性特征；/>表示每种分解数量中第/>个独立成分的独立性特征，/>表示每种分解数量中第/>个独立成分的瞬时频率；/>表示电流数据的主频率；/>表示每种分解数量中第/>个独立成分中所有数据幅值的方差，即第/>个独立成分中的数据波动程度；/>表示第/>个独立成分与其他独立成分之间的独立性特征差异；/>表示第/>个独立成分的瞬时频率与电流数据的主频率之间的数据频率差异程度。
本发明一个实施例中，独立成分的瞬时频率获取方法包括：
对独立成分进行傅里叶变换获得独立成分的频谱图，然后利用希尔伯特变换，在独立成分中引入90度相移的虚部，生成解析信号，从而计算独立成分的瞬时频率。
在数据分布差异程度计算公式中，计算第个独立成分与其他的独立成分的独立性特征值的平均差异，平均差异越大，即第/>个独立成分的独立性相比于其他独立成分而言越明显，此时第/>个独立成分的数据分布差异程度越大，即第/>个独立成分作为目标成分的可能性越大；第/>个独立成分的瞬时频率与电流数据的主频率之间的数据频率差异程度越大，说明第/>个独立成分的数据频率与原始电流数据相差越大，越有可能包含噪声，此时第/>个独立成分的数据分布差异程度越大，即第/>个独立成分作为目标成分的可能性越大；由于噪声是随机的，会使得目标成分的数据波动程度大于其他独立成分，若第/>个独立成分中所有数据幅值的方差越大，说明第/>个独立成分数据波动越强烈，即第/>个独立成分中的数据波动程度越大，越有可能包含噪声，此时第/>个独立成分的数据分布差异程度越大，即第/>个独立成分作为目标成分的可能性越大。
利用每个独立成分的数据分布差异程度可以从中选取包含噪声的目标成分。
优选地，本发明一个实施例中，将数据分布差异程度最大的独立成分作为目标成分。
至此，获得独立成分中的目标成分。
步骤S3：将每种分解数量对应的非目标成分进行重构获得重构数据；根据每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的数据分布程度，获得每种分解数量的数据优化程度；根据数据优化程度，从所有分解数量种类中筛选出最优分解数量；将最优分解数量中独立成分内的目标成分进行筛除，其他独立成分进行重构获得通风天窗的优化电流数据。
在独立成分分析的实际应用中，期望达到的效果便是将噪声成分分离目标成分中，从而使电流数据内其他独立成分重构的重构数据更加稳定，且不破坏电流数据的基本结构。而将电流数据分解成不同数量的独立成分，不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，需要对重构数据与电流数据进行比较，因此将每种分解数量对应的非目标成分进行重构获得重构数据。
本发明一个实施例中，将初始分解数量设置为3，即将电流数据分解为3个独立成分；分解数量从3开始迭代，迭代步长为1，直至分解数量为10时停止迭代，获取每种分解数量下的所有目标成分与其他独立成分重构获得的重构数据。需要说明的是，分解数量可以由实施人员依据具体实施场景自行设置，在此不做限定。
由于重构数据具备电流数据的基本结构且噪声为电流数据中的较少成分，所以重构数据的数据值应当与电流数据相差很小；而不同分解数量下的目标成分数据分布不同，包含噪声成分越多，说明此时目标成分内的数据分布越具备高斯性且数据频率越大，此时该分解数量下的数据优化程度越高。因此本发明实施例中，根据每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的数据分布程度，获得每种分解数量的数据优化程度。
优选地，本发明一个实施例中，重构数据与电流数据之间的数据差异程度的获取方法包括：
将每种分解数量中重构数据与电流数据之间每个时刻的数据值差异的平方求平均，获得重构数据与电流数据之间的数据差异程度，数据差异程度越小，说明重构数据与电流数据的整体差异较小，此时重构数据的噪声越少，而目标成分内的噪声成分越多。
优选地，本发明一个实施例中，数据分布程度的获取方法包括：
获得目标成分中每个数据分段的时间间隔；将目标成分中所有数据分段的时间间隔求平均，平均时间间隔越小，说明目标成分的数据频率越高，获得目标成分的数据频率特征，能够一定程度反映目标成分包含的噪声成分；将目标成分的数据频率特征与独立性特征的乘积作为目标成分的数据分布程度。
优选地，本发明一个实施例中，数据优化程度的获取方法包括：
由于重构数据要求不破坏电流数据的基本结构，所以重构数据与电流数据之间的数据数量相同，计算每种分解数量中重构数据与电流数据之间的数据差异程度；由于常规独立成分分析分解电流数据时，各独立成分之间具有最大非高斯性，但是若存在噪声成分，独立成分内会产生一些随机的波动，导致独立成分中存在一定的高斯性，目标成分的独立性特征反映出目标成分的非高斯性与高斯性特点，能够说明目标成分包含的噪声多少，所以计算目标成分的独立性特征；而由于噪声会呈现高频率的特点，目标成分的数据频率特征能够反映出目标成分的频率特点，也可以说明目标成分包含的噪声多少，而目标成分内噪声成分越多，说明重构数据内噪声成分越少，此时该分解数量下的数据优化程度越高，所以计算目标成分的数据频率特征，将每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的独立性特征与数据频率特征之间的的乘积作为每种分解数量对应的数据优化程度。本发明一个实施例中，数据优化程度的计算公式如下所示：
式中，表示每种分解数量下的数据优化程度；/>表示电流数据与重构数据内的数据数量；/>表示电流数据与重构数据内的数据序号；/>表示每种分解数量下重构数据的第个数据的数据值；/>表示每种分解数量下电流数据的第/>个数据的数据值；/>表示每种分解数量下目标成分的独立性特征；/>表示每种分解数量下目标成分内数据分段的时间间隔数量；/>表示每种分解数量下目标成分内数据分段的时间间隔序号；/>表示每种分解数量下目标成分内数据分段的时间间隔；/>表示每种分解数量下重构数据与电流数据之间的数据差异程度；/>表示每种分解数量下目标成分的数据频率特征。
在数据优化程度的计算公式中，越小，即每种分解数量下重构数据与电流数据之间的数据差异程度越小，此时重构数据与电流数据的数据曲线较为拟合，目标成分包含噪声成分越多，此时数据优化程度越高；/>越小，说明目标成分独立性越差，即目标成分越不具备非高斯性，此时目标成分越具备高斯性，即目标成分中包含越多噪声成分，此时数据优化程度越高；/>越小，每种分解数量下目标成分的数据频率特征越高，此时目标成分包含的噪声成分越多，数据优化程度越高。
优选地，本发明一个实施例中，将数据优化程度最小值对应的分解数量作为最优分解数量。
将最优分解数量中独立成分中的目标成分进行筛除，可以认为此时其他独立成分内几乎不包含噪声成分，此时将其他独立成分进行重构，获得的重构数据便是通风天窗的优化电流数据。
至此，获得通风天窗的优化电流数据。
步骤S4：利用优化电流数据对通风天窗进行智能控制。
在具体实施场景中，需要基于用户的行为偏好获得最优的温度数据和湿度数据，并基于当前环境的温度数据与湿度数据，结合最优的温度数据与湿度数据获得通风天窗开角的控制模型。
本发明一个实施例中，控制模型的获取方法包括：
将基于用户的行为偏好获得最优的温度数据和湿度数据的欧式范数作为阈值环境条件；将实时监测到室内的温度数据与湿度数据的欧式范数作为当前环境条件；将当前环境条件与阈值环境条件之间的差异归一化获得通风天窗开角的调节系数；将调节系数与通风天窗的最大开角之间的乘积作为通风天窗开角的控制模型。
当前环境条件大于阈值环境条件时，对通风天窗进行调节。而在通风天窗进行调节时，可以根据通风天窗设备中的优化电流数据的变化情况，使用稳压器对通风天窗设备中的电流波动进行补偿，使在调节通风天窗开角的过程中不会出现卡顿或剧烈抖动的情况，保证控制***的稳定运行。
至此，完成了通风天窗的智能控制。
综上，本发明需要考虑通风天窗***的电流数据波动，获取通风天窗***的电流数据；不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，获取不同分解数量下电流数据的所有独立成分；由于目标成分包含噪声，数据分布与其他独立成分的数据分布存在差异，所以可以根据不同分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分；由于不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，需要对重构数据与电流数据进行比较，所以将每种分解数量对应的非目标成分进行重构获得重构数据；由于重构数据与电流数据之间的数据差异能够反映重构数据与电流数据之间的相似程度，且不同分解数量下目标成分中的数据分布有较大不同，所以根据每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的数据分布程度，获得每种分解数量的数据优化程度，进而获得最优分解数量；将最优分解数量中独立成分内的目标成分筛除，其他独立成分进行重构获得通风天窗的优化电流数据；利用优化电流数据对通风天窗进行智能控制。本发明能够将噪声尽可能地分解到目标成分中，从而获得理想的电流数据去噪结果，能够对通风天窗进行良好地控制。
一种通风天窗***的电流数据的优化方法实施例：
在现有技术中，在利用独立成分分析对通风天窗***中的电流数据进行常规去噪时，无法获得最优分解数量，会将噪声成分分解到不同的成分中，导致电流数据去噪不理想，无法获得理想的通风天窗***电流数据的技术问题。为了解决该技术问题，提供了一种通风天窗***的电流数据的优化方法实施例：
步骤S1:获取通风天窗***的电流数据。
步骤S2：对电流数据进行不同分解数量下的独立成分分析，获取每种分解数量下电流数据的所有独立成分；根据每种分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分。
步骤S3：将每种分解数量对应的非目标成分进行重构获得重构数据；根据每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的数据分布程度，获得每种分解数量的数据优化程度；根据数据优化程度，从所有分解数量种类中筛选出最优分解数量；将最优分解数量中独立成分内的目标成分进行筛除，其他独立成分进行重构获得通风天窗的优化电流数据。
由于步骤S1-步骤S3的所有内容均在上述一种用于智能通风天窗控制方法及***中提及，在此不做赘述。
本实施例的技术效果：本实施例需要考虑通风天窗***的电流数据波动，获取通风天窗***的电流数据；不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，获取不同分解数量下电流数据的所有独立成分；由于目标成分包含噪声，数据分布与其他独立成分的数据分布存在差异，所以可以根据不同分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分；由于不同分解数量下的独立成分的去噪效果不同，为了选取包含最多噪声的目标成分，需要对重构数据与电流数据进行比较，所以将每种分解数量对应的非目标成分进行重构获得重构数据；由于重构数据与电流数据之间的数据差异能够反映重构数据与电流数据之间的相似程度，且不同分解数量下目标成分中的数据分布有较大不同，所以根据每种分解数量中重构数据与电流数据之间的数据差异程度，以及目标成分的数据分布程度，获得每种分解数量的数据优化程度，进而获得最优分解数量；将最优分解数量中独立成分内的目标成分筛除，其他独立成分进行重构获得通风天窗的优化电流数据。本实施例能够将噪声尽可能地分解到目标成分中，对原始电流数据进行优化，从而获得理想的通风***的电流数据去噪结果。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (5)
1.一种用于智能通风天窗控制方法，其特征在于，所述方法包括：
获取通风天窗***的电流数据；
对所述电流数据进行不同分解数量下的独立成分分析，获取每种分解数量下所述电流数据的所有独立成分；根据每种分解数量下独立成分之间的数据分布差异程度筛选出不同分解数量下包含噪声的目标成分；
将每种分解数量对应的非目标成分进行重构获得重构数据；根据每种分解数量中所述重构数据与所述电流数据之间的数据差异程度，以及所述目标成分的数据分布程度，获得每种分解数量的数据优化程度；根据所述数据优化程度，从所有分解数量种类中筛选出最优分解数量；将所述最优分解数量中独立成分内的目标成分进行筛除，其他独立成分进行重构获得通风天窗的优化电流数据；
利用所述优化电流数据对通风天窗进行智能控制；
所述目标成分与所述最优分解数量的获取方法包括：
将所述数据分布差异程度最大值对应的独立成分作为目标成分；
将所述数据优化程度最小值对应的分解数量作为最优分解数量；
所述数据分布差异程度的获取方法包括：
根据每个独立成分的数据分布特征获得每个独立成分的独立性特征；
获得每个独立成分的瞬时频率与所述电流数据的主频率，计算所述瞬时频率与所述主频率之间的频率差异程度；
根据不同分解数量下每个独立成分与其他独立成分之间的独立性特征差异、每个独立成分与所述电流数据之间的频率差异程度及每个独立成分的数据波动程度，获得不同分解数量下所有独立成分的数据分布差异程度；
所述独立性特征的获取方法包括：
获取所述电流数据的每个独立成分中的所有极值点；将极值点作为分割点对独立成分进行划分，获得每个数据分段；
计算相邻数据分段中所有相邻端点的连线组成的夹角值；将夹角值相同的相邻数据分段之间的夹角作为同一类夹角；计算所有种类夹角的信息熵，将所述信息熵的倒数作为每个独立成分的趋势分布特征；
计算每个独立成分中每个数据分段中端点的数据幅值的平均值，作为每个独立成分的强度变化特征；
计算每个独立成分中所有数据值的中位数与平均值之间的差异，作为每个独立成分的非高斯性特征；
将所述趋势分布特征、所述强度变化特征与所述非高斯性特征的乘积作为每个独立成分的独立性特征；
所述数据分布程度的获取方法包括：
获得所述目标成分中每个数据分段的时间间隔；将所述目标成分中所有数据分段的时间间隔求平均，获得所述目标成分的数据频率特征；将所述目标成分的所述数据频率特征与所述独立性特征的乘积作为所述目标成分的所述数据分布程度；
所述数据优化程度的获取方法包括：
将每种分解数量中所述重构数据与所述电流数据之间的所述数据差异程度，以及所述目标成分的所述独立性特征与所述数据频率特征之间的乘积作为每种分解数量对应的所述数据优化程度。
2.根据权利要求1所述的一种用于智能通风天窗控制方法，其特征在于，电流数据主频率的获取方法包括：
获得所述电流数据的频谱图；所述频谱图的横轴为电流数据频率，纵轴为电流数据的幅值；
获得所述频谱图内的最大幅值峰值，将所述最大幅值峰值沿着频率变大方向上的相邻幅值谷值对应的电流数据频率作为电流数据的主频率。
3.根据权利要求1所述的一种用于智能通风天窗控制方法，其特征在于，所述数据分布差异程度的获取方法包括：
根据数据分布差异程度计算公式获得所述数据分布差异程度，所述数据分布差异程度计算公式如下所示：
；式中，/>表示每种分解数量中第/>个独立成分的数据分布差异程度；/>表示每种分解数量中第/>个独立成分以外的其他独立成分数量；表示每种分解数量中第/>个独立成分以外的其他独立成分序号；/>表示每种分解数量中第/>个独立成分的独立性特征；/>表示每种分解数量中第/>个独立成分的独立性特征，/>表示每种分解数量中第/>个独立成分的瞬时频率；/>表示电流数据的主频率；/>表示每种分解数量中第/>个独立成分中所有数据幅值的方差。
4.根据权利要求1所述的一种用于智能通风天窗控制方法，其特征在于，所述重构数据与所述电流数据之间的数据差异程度的获取方法包括：
将每种分解数量中所述重构数据与所述电流数据之间每个时刻的数据值差异的平方求平均，获得所述重构数据与所述电流数据之间的数据差异程度。
5.一种用于智能通风天窗控制***，所述***包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~4任意一项所述一种用于智能通风天窗控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410058767.3A CN117569710B (zh) | 2024-01-16 | 2024-01-16 | 用于智能通风天窗控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410058767.3A CN117569710B (zh) | 2024-01-16 | 2024-01-16 | 用于智能通风天窗控制方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117569710A CN117569710A (zh) | 2024-02-20 |
| CN117569710B true CN117569710B (zh) | 2024-05-17 |
Family
ID=89862824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410058767.3A Active CN117569710B (zh) | 2024-01-16 | 2024-01-16 | 用于智能通风天窗控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117569710B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446518A (zh) * | 2019-08-30 | 2021-03-05 | 华北电力大学（保定） | 基于EMD分解的EMD-XGBoost中长期风电电量预测方法 |
| CN116905924A (zh) * | 2023-08-08 | 2023-10-20 | 深圳好博窗控技术股份有限公司 | 降噪有刷摇臂电机的控制方法、装置、介质及设备 |
| CN116915216A (zh) * | 2023-07-17 | 2023-10-20 | 广东电网有限责任公司 | 一种大电压电流脉冲发生器的降噪方法及装置 |
| CN116935199A (zh) * | 2023-09-18 | 2023-10-24 | 铁正检测科技有限公司 | 一种公路施工水平度智能检测方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11255922B2 (en) * | 2019-08-20 | 2022-02-22 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Real-time detection of high-impedance faults |
-
2024
- 2024-01-16 CN CN202410058767.3A patent/CN117569710B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446518A (zh) * | 2019-08-30 | 2021-03-05 | 华北电力大学（保定） | 基于EMD分解的EMD-XGBoost中长期风电电量预测方法 |
| CN116915216A (zh) * | 2023-07-17 | 2023-10-20 | 广东电网有限责任公司 | 一种大电压电流脉冲发生器的降噪方法及装置 |
| CN116905924A (zh) * | 2023-08-08 | 2023-10-20 | 深圳好博窗控技术股份有限公司 | 降噪有刷摇臂电机的控制方法、装置、介质及设备 |
| CN116935199A (zh) * | 2023-09-18 | 2023-10-24 | 铁正检测科技有限公司 | 一种公路施工水平度智能检测方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117569710A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1217196C (zh) | 用于示波器带宽自动调整的灵敏探测器设备和方法 | |
| CN116703183B (zh) | 一种新型配电网***用电负荷评估方法 | |
| Messenger et al. | Random template banks and relaxed lattice coverings | |
| CN117569710B (zh) | 用于智能通风天窗控制方法及*** | |
| CN108540136B (zh) | 一种适用于农业传感数据的压缩方法 | |
| CN114330850B (zh) | 一种用于气候预测的异常相对倾向生成方法与*** | |
| CN110378624B (zh) | 基于趋势提取的火电机组一次调频指标计算方法及*** | |
| CN110716167B (zh) | 任意波形发生器幅度扫频自适应分辨率校准方法及*** | |
| Wagstaff et al. | Man-made noise measurement programme | |
| CN115795302B (zh) | 一种无线电跳频信号识别方法、***、终端及介质 | |
| CN108983301B (zh) | 一种k指数现报方法 | |
| US7412384B2 (en) | Digital signal processing method, learning method, apparatuses for them, and program storage medium | |
| CN115601603A (zh) | 模型训练和用电器类别识别方法、设备及存储介质 | |
| CN113825221B (zh) | 功率控制方法及装置 | |
| CN117542370B (zh) | 一种用于智能客服机器人的语音信号智能处理方法及*** | |
| CN116930808B (zh) | 一种电源环路的稳定性测试方法、装置、设备及存储介质 | |
| CN117727314B (zh) | 用于生态音频信息的滤波增强方法 | |
| CN117927459B (zh) | 一种注浆泵注浆流量优化控制方法 | |
| Younis et al. | Determining the optimum compromise between SAR data compression and radiometric performance-An approach based on the analysis of TerraSAR-X data | |
| CN115718327B (zh) | 岩体完整性系数获取方法、***、电子设备及存储介质 | |
| CN111490829B (zh) | 信号动态调节方法和***及其在光纤传感中的应用 | |
| Younis et al. | Determening the optimum compromise between SAR data compression and radiometric performance-An approach based on the analysis of TerraSAR-X data | |
| CN117353316B (zh) | 一种模块化电气智能控制方法及*** | |
| CN117150224B (zh) | 基于物联网的用户行为数据存储分析方法 | |
| CN118228134A (zh) | 基于遗传算法的分布式光伏异常暂态波形数据的压缩参数优化方法 |
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 |