CN213119453U - 一种室内热环境控制*** - Google Patents
一种室内热环境控制*** Download PDFInfo
- Publication number
- CN213119453U CN213119453U CN202022274390.5U CN202022274390U CN213119453U CN 213119453 U CN213119453 U CN 213119453U CN 202022274390 U CN202022274390 U CN 202022274390U CN 213119453 U CN213119453 U CN 213119453U
- Authority
- CN
- China
- Prior art keywords
- indoor
- module
- temperature
- signal
- environment
- 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
- 230000035807 sensation Effects 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims description 28
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000013518 transcription Methods 0.000 claims description 2
- 230000035897 transcription Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 description 19
- 238000004378 air conditioning Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004781 supercooling Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本实用新型涉及一种室内热环境控制***,涉及建筑环境控制技术领域。该***包括:与控制装置连接的语音识别装置和检测装置;通过语音识别装置获取并识别室内声音得到舒适感信息信号;通过检测装置检测室内环境温度并生成温度信号;控制装置利用在线学习算法根据舒适感信息信号和温度信号得到针对用户的目标温度域,以及生成环境控制信号;控制装置还用于根据环境控制信号调整室内环境调节设备的设定温度。本实用新型可以为用户提供舒适的室内热环境,通过语音识别装置、检测装置和控制装置提高了刻画人员热舒适的准确性。
Description
技术领域
本实用新型涉及建筑环境控制技术领域,特别是涉及一种室内热环境控制***。
背景技术
目前空调***的控制策略大致可分为三类:基于设定值的控制和基于人员PMV的控制以及基于人体热感觉的控制。
1)基于设定值的控制
在实际应用中,最常见的控制逻辑是基于设定值的控制,即通过空调设备的运行将环境参数(如温度,湿度)控制在设定值及其合理波动的范围内。这种控制策略是从工业生产中使用的工艺空调衍变过来的,为了保证生产的需要,往往将环境参数控制在较小的区间范围。
然而这种传统的控制策略有几大难以克服的弊端:第一,建筑管理人员统一设置室内温度时,这种控制策略只能满足大部分人的热舒适(例如根据国家标准《空调通风***运行管理标准》GB50365-2019的规定设定室内温度),没有考虑个人热舒适的差异,如果出现热舒适较为特殊的使用者,这种控制很容易造成个人的热感觉抱怨。第二,用户或管理员长期的手动调节可能产生疲劳厌倦的情绪,频繁地切换与调节也会对设备的寿命产生不利的影响。第三,在实际运行中,人们通常不能准确地知道自己舒适的温度是多少,往往设定的温度值远远偏离舒适区间,造成既不舒适又不节能的结果。
2)基于人员预测平均评价(Predicted Mean Vote,PMV)的控制
基于人员PMV的控制是将人员的热舒适进行定量化,即通过代表环境和人员特性的相关参数计算出代表人员热舒适的数值,从而指导空调***的控制。最早对热舒适定量化研究的是Fanger等人,其引入了预测平均评价投票(PMV)模型和预测不满意百分比(PPD)模型,将风速、人员活动量、穿衣量、温度、湿度和平均辐射温度等相关因素纳入考量范围,量化了建筑居住者的热舒适。PMV模型与PPD模型提出了一种基于热舒适控制空调***的可能性,但这种策略并没有考虑到使用者热舒适的个性化和动态变化(如人在不同季节热偏好的变化,人对环境的适应性等)。de Dear和Brager等人提出了一种适应性模型试图解决这一问题,研究建立了室内舒适温度与室外环境温度的关系。尽管适应性模型考虑得更为全面,但在本质上与PMV模型和PDD模型类似,都是基于统计学模型,从大量的样本数据中归纳出使用者热舒适的一般规律,并没有考虑居住者个人特性的复杂性及热舒适这一概念本身的主观性(如对冷热有特殊偏好的个体,个人对环境的适应性,年龄增长带来的变化等),仍然无法准确刻画人员即时的热舒适。
3)基于热感觉的控制
一种基于人体热感觉的控制模型是通过问卷调查的方式获取人员的热感觉,这种方式能够精准地获取人员即时的热感觉,较好地反映“舒适”这一指标的主观性,相比于基于设定值的控制策略能够节省15%的能耗。但这种控制策略也存在着缺陷:一方面,这种方式没有考虑由于人员特性短时间内的变化带来的影响(如活动量的变化,衣着量的突然变化),填写问卷时并没有考虑这一因素;另一方面,人员只能通过填写问卷来反映自身的热感觉抱怨,这可能使人员出现疲劳厌倦的情绪,影响热感觉问卷结果的稳定性,也可能会出现异常值。
因此现有空调***的控制策略无法准确刻画人员的热舒适。
实用新型内容
本实用新型的目的是提供一种室内热环境控制***,提高刻画人员热舒适的准确性。
为实现上述目的,本实用新型提供了如下方案:
一种室内热环境控制***,包括:语音识别装置、检测装置、控制装置和室内环境调节设备;
所述语音识别装置、所述检测装置和所述室内环境调节设备均与所述控制装置连接;
所述语音识别装置用于获取并录制室内声音,对所述室内声音进行识别得到用户对于室内环境的舒适感信息,以及根据所述舒适感信息生成舒适感信息信号;
所述检测装置用于检测所述室内环境的温度,并根据所述温度生成温度信号;
所述控制装置用于接收所述舒适感信息信号和所述温度信号,并根据所述舒适感信息信号和所述温度信号利用在线学习算法得到所述室内环境针对所述用户的目标温度域,以及根据所述目标温度域生成环境控制信号;
所述控制装置还用于根据所述环境控制信号调整所述室内环境调节设备的设定温度,使所述室内环境的环境温度处于所述目标温度域内。
可选的,所述语音识别装置,具体包括:麦克风、监测录音模块、ASRT语音识别***识别模块和关键词提取模块;
所述麦克风与所述监测录音模块连接,所述监测录音模块与所述ASRT语音识别***识别模块连接,所述关键词提取模块与所述控制装置连接;
所述麦克风用于获取室内声音;
所述监测录音模块用于录制所述室内声音;
所述ASRT语音识别***识别模块用于对录制的室内声音进行语音识别得到语音文本;
所述关键词提取模块用于对所述语音文本进行关键词提取,得到表达热感觉的关键词;所述表达热感觉的关键词为所述舒适感信息。
可选的,所述ASRT语音识别***识别模块,具体包括:特征提取子模块、声学模型识别子模块、解码子模块和统计语言模型文本转换子模块;
所述特征提取子模块分别与所述监测录音模块和所述声学模型识别子模块连接,所述声学模型识别子模块与所述解码子模块连接,所述解码子模块与所述统计语言模型文本转换子模块连接,所述统计语言模型文本转换子模块与所述关键词提取模块连接;
所述特征提取子模块用于对录制的室内声音进行特征提取,得到语谱图;
所述声学模型识别子模块用于利用ASRT语音识别***的卷积神经网络声学模型对所述语谱图进行识别,得到噪声拼音序列;
所述解码子模块用于对所述噪声拼音序列进行连接性时序分类解码,得到实际拼音序列;
所述统计语言模型文本转换子模块用于根据所述实际拼音序列利用统计语言模型得到语音文本。
可选的,所述检测装置为温度传感器。
可选的,所述控制装置,具体包括:数据传输子装置和在线学习模块;
所述数据传输子装置和所述在线学习模块均与数据库连接;
所述数据传输子装置还分别与所述语音识别装置和所述检测装置连接,所述数据传输子装置用于接收所述舒适感信息信号和所述温度信号,并将所述舒适感信息信号和所述温度信号传输至所述数据库;
所述在线学习模块用于读取所述数据库中的所述舒适感信息信号和所述温度信号,并根据所述舒适感信息信号和所述温度信号利用在线学习算法得到所述室内环境针对所述用户的目标温度域,以及根据所述目标温度域生成环境控制信号。
可选的,所述数据传输子装置,具体包括:通信模块和模拟量输入通道;
所述通信模块、所述模拟量输入通道均与数据库连接;
所述通信模块还与所述语音识别装置连接,所述通信模块用于接收所述舒适感信息信号,并将所述舒适感信息信号传输至所述数据库;
所述模拟量输入通道还与所述检测装置连接,所述模拟量输入通道用于接收所述温度信号,并将所述温度信号传输至所述数据库。
根据本实用新型提供的具体实施例,本实用新型公开了以下技术效果:
本实用新型提供了一种室内热环境控制***。该***包括:语音识别装置、检测装置、控制装置和室内环境调节设备;语音识别装置、检测装置和室内环境调节设备均与控制装置连接;语音识别装置用于获取并录制室内声音,对室内声音进行识别得到用户对于室内环境的舒适感信息,以及根据舒适感信息生成舒适感信息信号;检测装置用于检测室内环境的温度,并根据温度生成温度信号;控制装置用于接收舒适感信息信号和温度信号,并根据舒适感信息信号和温度信号利用在线学习算法得到室内环境针对用户的目标温度域,以及根据目标温度域生成环境控制信号;控制装置还用于根据环境控制信号调整室内环境调节设备的设定温度,使室内环境的环境温度处于目标温度域内。本实用新型通过语音识别装置对用户语言表达的舒适感主观感受进行识别,得到舒适感信息,控制装置根据舒适感信息和室内环境的温度对室内环境调节设备的设定温度进行调整,为用户提供舒适、满意的室内热环境,避免室内过冷或过热,提高了刻画人员热舒适的准确性。
附图说明
为了更清楚地说明本实用新型实施例或现有技术中的技术方案,下面将对实施例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实用新型的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本实用新型实施例所提供的室内热环境控制***的结构图。
符号说明:1、语音识别装置;2、检测装置;3、控制装置;4、空调设备。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型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实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本实用新型保护的范围。
本实用新型的目的是提供一种室内热环境控制***,提高刻画人员热舒适的准确性。
为使本实用新型的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本实用新型作进一步详细的说明。
本实施例提供一种室内热环境控制***,图1为本实用新型实施例所提供的室内热环境控制***的结构图,参见图1,室内热环境控制***包括:语音识别装置1、检测装置2、控制装置3和室内环境调节设备。
语音识别装置1、检测装置2和室内环境调节设备均与控制装置3连接。
语音识别装置用于获取并录制室内声音(即用户的自然语言),对室内声音进行识别得到用户对于室内环境的舒适感信息,以及根据舒适感信息生成舒适感信息信号。
语音识别装置具体包括:麦克风、监测录音模块、ASRT语音识别***识别模块和关键词提取模块。
本实用新型的语音识别装置以ASRT(Auto Speech Recognition Tool)语音识别***为基础,ASRT语音识别***的声学模型主要采用了深度卷积网络(CNN)的算法以及连接性时序分类(CTC)的解码技术,能够实现将wav格式的音频文件转换成中文文本这一功能。在ASRT语音识别***的基础上,本实用新型添加了“监测录音”与“关键词提取”两个模块,并拓展了原ASRT语音识别***的语料库,即在原ASRT语音识别***的语料库中加入了使用空调过程中的常用语句,用以提高自然语言识别的准确性,如此构成完整的语音识别装置,能够实现自动录制使用者的语音表达并输出与热感觉相关的判断结果,传递至下一层的控制装置。
麦克风与监测录音模块连接,监测录音模块与ASRT语音识别***识别模块连接,关键词提取模块与控制装置连接。
麦克风用于获取室内声音。
监测录音模块用于录制室内声音。监测录音模块对室内声音进行录音,并保存为wav文件。
ASRT语音识别***识别模块用于对录制的室内声音进行语音识别得到语音文本。
ASRT语音识别***识别模块具体包括:特征提取子模块、声学模型识别子模块、解码子模块和统计语言模型文本转换子模块。
特征提取子模块分别与监测录音模块和声学模型识别子模块连接,声学模型识别子模块与解码子模块连接,解码子模块与统计语言模型文本转换子模块连接,统计语言模型文本转换子模块与关键词提取模块连接。
特征提取子模块用于对录制的室内声音进行特征提取,得到语谱图。特征提取子模块对wav文件进行特征提取,得到语谱图;具体为以wav文件的wav语音信号为输入,通过分帧、加窗等操作实现频谱转换,最终输出一个二维频谱图像,即语谱图。
声学模型识别子模块用于利用ASRT语音识别***的卷积神经网络声学模型对语谱图进行识别,得到噪声拼音序列。声学模型识别子模块利用事先训练好的卷积神经网络声学模型对语谱图进行识别,得到噪声拼音序列,具体为卷积神经网络声学模型对语谱图进行卷积和池化操作,得到语音的特征信息即粗糙的拼音序列(噪声拼音序列)。卷积神经网络声学模型根据预先获取的训练数据采用GitHub网上开源的python程序对声学模型进行训练得到。
解码子模块用于对噪声拼音序列进行连接性时序分类(Connectionist TemporalClassification,CTC)解码,得到实际拼音序列。
统计语言模型文本转换子模块用于根据实际拼音序列利用统计语言模型得到语音文本。
关键词提取模块用于对语音文本进行关键词提取,得到表达热感觉的关键词;表达热感觉的关键词为舒适感信息。关键词提取模块对识别出的文字,在语料库中进行搜索对比,找出有没有与热感觉相关的关键词,如“冷”或“热”等。舒适感信息包括:温暖、热、炎热、凉爽、冷或寒冷。
监测录音模块通过麦克风对室内声音(自然语言)进行监测录音,并保存为wav文件;特征提取子模块对wav文件进行特征提取,得到语谱图;声学模型识别子模块利用事先训练好的“卷积神经网络声学模型”对语谱图进行识别,得到噪声拼音序列;通过解码子模块对噪声拼音序列进行CTC解码,得到实际拼音序列;然后统计语言模型文本转换子模块通过统计语言模型得到从自然语言中识别出的文本;最后关键词提取模块对文本进行关键词提取,找出“冷”或“热”等表达热感觉的关键词。
检测装置用于检测室内环境的温度,并根据温度生成温度信号。检测装置为温度传感器。
控制装置用于接收舒适感信息信号和温度信号,并根据舒适感信息信号和温度信号利用在线学习算法得到室内环境针对用户的目标温度域,以及根据目标温度域生成环境控制信号。
控制装置具体包括:数据传输子装置和在线学习模块。
数据传输子装置和在线学习模块均与数据库连接。
数据传输子装置还分别与语音识别装置和检测装置连接,数据传输子装置用于接收舒适感信息信号和温度信号,并将舒适感信息信号和温度信号传输至数据库。
数据传输子装置具体包括:通信模块和模拟量输入通道。
通信模块、模拟量输入通道均与数据库连接。
通信模块还与语音识别装置连接,通信模块用于接收舒适感信息信号,并将舒适感信息信号传输至数据库。通信模块具体用于将语音识别装置得到的舒适感信息信号发送到数据库进行存储。通信模块与室内环境参数传感器(即检测装置)相连。当温度传感器以通信的方式传递温度信息时,通过通信模块将温度传感器检测的温度信息发送到数据库进行存储。
模拟量输入通道还与检测装置连接,模拟量输入通道用于接收温度信号,并将温度信号传输至数据库。模拟量输入通道还用于将接收的温度信号保存于数据库中。当温度传感器以模拟量的形式传递温度信息时,通过模拟量输入通道将温度传感器检测的温度信息发送到数据库进行存储。在线学习模块不与模拟量输入通道直接***,在线学习模块与模拟量输入通道通过数据库进行数据交互。
在线学习模块用于读取数据库中的舒适感信息信号和温度信号,并根据舒适感信息信号和温度信号利用在线学习算法得到室内环境针对用户的目标温度域,以及根据目标温度域生成环境控制信号。在线学习模块读取数据库中的舒适感信息信号和温度信号,通过在线学习算法,学习出用户的个性化舒适温度域,具体为根据温度信号解析出温度信号对应的温度,并根据舒适感信息和温度设置目标温度域,并生成对应于目标温度域的环境控制信号。
本实用新型的在线学习模块能够根据语音识别装置输出的舒适感信息,结合温度传感器检测到的环境温度综合决定最优的室内温度设定值。在线学习模块的在线学习方法包括:获取初始温度设定值Ts,室内热环境控制***的初始温度设定值Ts为国家标准《空调通风***运行管理标准》GB50365-2019的推荐的设定温度26℃;接收语音识别装置识别的舒适感信息;判断用户是否产生热感觉表达,即在线学习模块是否接收到语音识别装置识别的舒适感信息;在线学习模块收到舒适感信息后,会立即监测当前室内环境的环境温度Te,并结合用户的舒适感信息更新用户舒适域(即目标温度域),并根据更新后的用户舒适域计算出新的温度设定值Ts,根据新的温度设定值Ts生成环境控制信号,并返回“判断是否接收到语音识别装置识别的舒适感信息”,控制装置根据环境控制信号调整室内环境调节设备的设定温度。Tup为目标温度域的温度上限,Tdown为温度下限。目标温度域的在线学习原理采用的是模糊算法,根据用户热感觉反馈程度(即舒适感信息)采用不同的调节幅度计算目标温度域,具体的模糊算法如表1所示。
表1模糊算法
目标温度更新 | |
温暖(有点热) | Tup=Te;Tdown=Tup-2δ;Ts=(Tup+Tdown)/2 |
热 | Tup=Te-1℃;Tdown=Tup-2δ;Ts=(Tup+Tdown)/2 |
炎热(很热) | Tup=Te-2℃;Tdown=Tup-2δ;Ts=(Tup+Tdown)/2 |
凉爽(有点冷) | Tdown=Te;Tup=Tdown+2δ;Ts=(Tup+Tdown)/2 |
冷 | Tdown=Te+1℃;Tup=Tdown+2δ;Ts=(Tup+Tdown)/2 |
寒冷(很冷) | Tdown=Te+2℃;Tup=Tdown+2δ;Ts=(Tup+Tdown)/2 |
δ表示预设室内温度控制回差,控制回差可自主设定,通常取0.5℃或者1℃。在线学习模块根据自然语言识别得到的六种用户热感觉状态(舒适感信息):有点热、热、很热、有点冷、冷或很冷,针对每种热感觉状态,对当前的目标温度域进行修正,得到每个用户的个性化目标温度域。
本实施例的室内环境调节设备为空调设备4。
控制装置还用于根据环境控制信号调整室内环境调节设备的设定温度,使室内环境的环境温度处于目标温度域内。控制装置还用于根据环境控制信号执行调节动作以将环境温度调整至对应的目标温度域。
本实用新型提出一种基于自然语言处理识别热感觉的室内热环境控制***,可以基于用户通过语言表达的舒适感主观感受(舒适感信息)对室内环境调节设备的设定温度进行调整,为用户提供舒适、满意的室内热环境,避免室内过冷或过热;通过对各室内环境参数控制的集成与优化,实现建筑室内环境调节设备的能耗最小化。
随着科学技术的发展,获取人员热感觉的方法愈发丰富,一些技术的出现使得空调***在不干扰使用者日常活动的情况下获得其冷热感觉。如利用红外热成像仪探测人体的皮肤温度,进而预测人体的冷热感觉;通过测温手环预测冷热感觉,有效地减少了用户冷热抱怨的次数、同时降低了空调***能耗;利用人工智能计算机视觉技术识别并获取用户的皮肤温度,并通过人工智能机器学习的方法来确定使用者的皮肤温度舒适区间。但是,这些方法普遍面临着成本过高,使用者活动范围受限等问题。如何准确、廉价、便捷地获取人员热舒适仍是学者们一直以来关注的焦点。人工智能技术的发展,为解决这一问题提供了新的思路,即基于自然语言处理识别热感觉的室内热环境控制***。
自然语言处理技术作为人工智能的一个重要分支,指的是用计算机对自然语言信息进行处理,通俗地理解即是对文本进行“操作”和“加工”。语音识别是自然语言处理的一个重要子领域。在21世纪,语音识别技术的识别精度大大提高有赖于深度学习技术的引入,语音识别技术也因此取得更为广泛的应用。2009年,Hinton首次在语音的声学建模中使用了深度神经网络(Deep Neural Networks,DNN)技术,在TIMIT数据集的测试中上取得了当时最好的结果。2011年,俞栋、邓力等人又在大词汇量连续语音识别任务上使用了DNN技术,大大提升了语音识别准确率。至此语音识别进入DNN-HMM(隐马尔可夫模型)时代。
深度学习技术的发展,大大提高了自然语言处理的识别精度。从2006年起,深度学习技术开始受到了学术界的热切关注并且取得了长足发展。直到今天,深度学习技术已经为互联网等应用场景提供了高效的解决方案。深度学习模仿人脑并建立模型结构,从输入的数据中采集关键特征,进而建立底层信号特征与高层语义的映射关系,在语音、图像识别等领域发挥着不可替代的作用。张建华将深度学习与语音识别技术相结合,探究了深度神经网络在声学特征提取、声韵母属性提取以及声学建模中的应用。深度学习模型准确率的提高一方面依赖训练数据集数据量的增加,另一方面也依赖于模型算法的优化。随着研究的深入,各种深度神经网络模型被提出,其中最具代表性的当属深度卷积神经网络(Convolutional Neural Networks,CNN)。
在建筑领域,人工智能技术在建筑环境控制及建筑运行优化等领域中能够发挥巨大的作用,一方面能够提高用户的舒适感和满意度,另一方面也有助于实现建筑的节能减排,具有极大的应用潜力。京都大学的有关研究表明,人工智能(ArtificialIntelligence,AI)技术和大数据(Big Data,BD)技术的协同配合是建筑节能领域的趋势,并提出了深度学习算法在预测建筑能耗方面相比于传统技术更注重预测的准确性,而并非预测模型的准确性(传统的预测技术一直试图寻找更合理的物理模型模拟建筑的真实状态)。
综上,基于热感觉的空调***控制具备节能和舒适的双重优势,而人工智能技术的发展能够使热感觉的识别达到更佳的效果。所以本实用新型所提出的基于自然语言处理识别热感觉的热环境控制***,具有巨大的实用价值,在保证人员舒适的同时,又具有降低空调***能耗的巨大潜力。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本实用新型的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本实用新型的方法及其核心思想;同时,对于本领域的一般技术人员,依据本实用新型的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本实用新型的限制。
Claims (6)
1.一种室内热环境控制***,其特征在于,包括:语音识别装置、检测装置、控制装置和室内环境调节设备;
所述语音识别装置、所述检测装置和所述室内环境调节设备均与所述控制装置连接;
所述语音识别装置用于获取并录制室内声音,对所述室内声音进行识别得到用户对于室内环境的舒适感信息,以及根据所述舒适感信息生成舒适感信息信号;
所述检测装置用于检测所述室内环境的温度,并根据所述温度生成温度信号;
所述控制装置用于接收所述舒适感信息信号和所述温度信号,并根据所述舒适感信息信号和所述温度信号利用在线学习算法得到所述室内环境针对所述用户的目标温度域,以及根据所述目标温度域生成环境控制信号;
所述控制装置还用于根据所述环境控制信号调整所述室内环境调节设备的设定温度,使所述室内环境的环境温度处于所述目标温度域内。
2.根据权利要求1所述的室内热环境控制***,其特征在于,所述语音识别装置,具体包括:麦克风、监测录音模块、ASRT语音识别***识别模块和关键词提取模块;
所述麦克风与所述监测录音模块连接,所述监测录音模块与所述ASRT语音识别***识别模块连接,所述关键词提取模块与所述控制装置连接;
所述麦克风用于获取室内声音;
所述监测录音模块用于录制所述室内声音;
所述ASRT语音识别***识别模块用于对录制的室内声音进行语音识别得到语音文本;
所述关键词提取模块用于对所述语音文本进行关键词提取,得到表达热感觉的关键词;所述表达热感觉的关键词为所述舒适感信息。
3.根据权利要求2所述的室内热环境控制***,其特征在于,所述ASRT语音识别***识别模块,具体包括:特征提取子模块、声学模型识别子模块、解码子模块和统计语言模型文本转换子模块;
所述特征提取子模块分别与所述监测录音模块和所述声学模型识别子模块连接,所述声学模型识别子模块与所述解码子模块连接,所述解码子模块与所述统计语言模型文本转换子模块连接,所述统计语言模型文本转换子模块与所述关键词提取模块连接;
所述特征提取子模块用于对录制的室内声音进行特征提取,得到语谱图;
所述声学模型识别子模块用于利用ASRT语音识别***的卷积神经网络声学模型对所述语谱图进行识别,得到噪声拼音序列;
所述解码子模块用于对所述噪声拼音序列进行连接性时序分类解码,得到实际拼音序列;
所述统计语言模型文本转换子模块用于根据所述实际拼音序列利用统计语言模型得到语音文本。
4.根据权利要求1所述的室内热环境控制***,其特征在于,所述检测装置为温度传感器。
5.根据权利要求1所述的室内热环境控制***,其特征在于,所述控制装置,具体包括:数据传输子装置和在线学习模块;
所述数据传输子装置和所述在线学习模块均与数据库连接;
所述数据传输子装置还分别与所述语音识别装置和所述检测装置连接,所述数据传输子装置用于接收所述舒适感信息信号和所述温度信号,并将所述舒适感信息信号和所述温度信号传输至所述数据库;
所述在线学习模块用于读取所述数据库中的所述舒适感信息信号和所述温度信号,并根据所述舒适感信息信号和所述温度信号利用在线学习算法得到所述室内环境针对所述用户的目标温度域,以及根据所述目标温度域生成环境控制信号。
6.根据权利要求5所述的室内热环境控制***,其特征在于,所述数据传输子装置,具体包括:通信模块和模拟量输入通道;
所述通信模块、所述模拟量输入通道均与数据库连接;
所述通信模块还与所述语音识别装置连接,所述通信模块用于接收所述舒适感信息信号,并将所述舒适感信息信号传输至所述数据库;
所述模拟量输入通道还与所述检测装置连接,所述模拟量输入通道用于接收所述温度信号,并将所述温度信号传输至所述数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202022274390.5U CN213119453U (zh) | 2020-10-14 | 2020-10-14 | 一种室内热环境控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202022274390.5U CN213119453U (zh) | 2020-10-14 | 2020-10-14 | 一种室内热环境控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN213119453U true CN213119453U (zh) | 2021-05-04 |
Family
ID=75666406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202022274390.5U Active CN213119453U (zh) | 2020-10-14 | 2020-10-14 | 一种室内热环境控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN213119453U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112113317A (zh) * | 2020-10-14 | 2020-12-22 | 清华大学 | 一种室内热环境控制***及方法 |
CN117077854A (zh) * | 2023-08-15 | 2023-11-17 | 广州视声智能科技有限公司 | 基于传感器网络的楼宇能耗监控方法及*** |
-
2020
- 2020-10-14 CN CN202022274390.5U patent/CN213119453U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112113317A (zh) * | 2020-10-14 | 2020-12-22 | 清华大学 | 一种室内热环境控制***及方法 |
CN112113317B (zh) * | 2020-10-14 | 2024-05-24 | 清华大学 | 一种室内热环境控制***及方法 |
CN117077854A (zh) * | 2023-08-15 | 2023-11-17 | 广州视声智能科技有限公司 | 基于传感器网络的楼宇能耗监控方法及*** |
CN117077854B (zh) * | 2023-08-15 | 2024-04-16 | 广州视声智能科技有限公司 | 基于传感器网络的楼宇能耗监控方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112113317B (zh) | 一种室内热环境控制***及方法 | |
US20220317641A1 (en) | Device control method, conflict processing method, corresponding apparatus and electronic device | |
JP6730843B2 (ja) | コミュニケーション支援システム | |
US10013977B2 (en) | Smart home control method based on emotion recognition and the system thereof | |
CN213119453U (zh) | 一种室内热环境控制*** | |
WO2016180163A1 (zh) | 一种家居控制调节的方法及*** | |
CN108413588B (zh) | 一种基于热成像及bp神经网络的个性化空调控制***及方法 | |
KR102309682B1 (ko) | 강화학습을 통해 진화하는 ai 개체를 제공하는 방법 및 플랫폼 | |
CN110726222B (zh) | 空调控制方法、装置、存储介质以及处理器 | |
CN106815321A (zh) | 基于智能聊天机器人的聊天方法及装置 | |
CN111447124B (zh) | 基于生物特征识别的智能家居控制方法及智能控制设备 | |
CN109429415A (zh) | 照明控制方法、装置及*** | |
US11222638B2 (en) | Communication device and control program for communication device | |
CN110286600B (zh) | 智能家居操作***的场景设置方法及装置 | |
CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制***及方法 | |
KR102305177B1 (ko) | Ai 개체에 대한 정보 수집 플랫폼 및 이를 통한 정보 수집 방법 | |
Liu et al. | Research on general model of intelligence level for smart home | |
CN116105307A (zh) | 空调控制方法、装置、电子设备和存储介质 | |
CN111245690A (zh) | 基于语音控制的快捷控制*** | |
TWM580715U (zh) | Intelligent semantic creation voice output device | |
CN117889531A (zh) | 空气调节方法、装置、设备及存储介质 | |
CN117289803A (zh) | 一种家用厨房智能机器人及其控制方法 | |
CN117786079A (zh) | 一种基于自适应学习与情景感知ai代理的对话方法及*** | |
CN116578861A (zh) | 设备状态控制方法及装置、存储介质及电子装置 | |
Ferilli et al. | A Layered Architecture for Situation Aware Home Environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |