摘要：傳統(tǒng)的空調(diào)控制系統(tǒng),只有空氣溫度、濕度的調(diào)節(jié)，很難滿(mǎn)足人們的需要。根據(jù)熱舒適理論和熱舒適指數(shù),提出了以熱舒適指標(biāo)調(diào)節(jié)參數(shù)的空調(diào)控制方案。這個(gè)模型把六個(gè)影響因素作為輸入?yún)?shù)，PMV值作為輸出。神經(jīng)網(wǎng)絡(luò)具有高度的適應(yīng)性和在線(xiàn)自學(xué)習(xí)能力,可以逼近任意非線(xiàn)性映射。用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,我們可以得到空調(diào)控制系統(tǒng)的輸入輸出模型，實(shí)現(xiàn)智能控制。

關(guān)鍵詞：空調(diào)；熱舒適；PMV；神經(jīng)網(wǎng)絡(luò)

ApplicationofneuralnetworktothePMVindex

0引言

在中國(guó)，隨著經(jīng)濟(jì)條件的改善，居民生活水平逐漸提高，家用空調(diào)越來(lái)越普遍。同時(shí)，對(duì)空調(diào)的要求不再僅僅滿(mǎn)足于溫度調(diào)節(jié)，而且創(chuàng)造一個(gè)更加舒適的室內(nèi)環(huán)境是對(duì)空調(diào)的控制理論更高更先進(jìn)的要求。

考慮到能源的巨大消耗，對(duì)空調(diào)的設(shè)計(jì)要求舒適與能源節(jié)約并重。根據(jù)人體工程學(xué)和微生物學(xué)理論，人體新沉代謝過(guò)程產(chǎn)生熱量，人體消耗熱量和代謝產(chǎn)熱保持平衡，自身才感到舒適，并且體溫將保持在36.5℃的范圍內(nèi)，否則將感到難受。

在穩(wěn)定狀態(tài)下，成年人對(duì)于溫度的感官定義受六個(gè)因素的干擾，它們分別包括輻射溫度、室內(nèi)空氣溫度和濕度、室內(nèi)空氣周轉(zhuǎn)率、人員活動(dòng)量和著裝量。輻射溫度可以由室內(nèi)平均溫度來(lái)表示；人員活動(dòng)量由人體新陳代謝和機(jī)械工作量代表；而衣著保溫程度則由衣服熱阻值和裸體與穿衣的表面積的比值來(lái)決定。熱舒適指數(shù)研究的是人體熱舒適感及其影響因素諸如室內(nèi)溫度、濕度及其聯(lián)合作用之間的關(guān)系，以及復(fù)雜的計(jì)算公式和方法。

丹麥科技大學(xué)教授Fanger進(jìn)一步研究了熱舒適方程，并且用一個(gè)公式來(lái)制定熱感覺(jué)指標(biāo)，該指標(biāo)是由任意給定的可預(yù)測(cè)的環(huán)境變量相結(jié)合生成的，簡(jiǎn)稱(chēng)為平均預(yù)測(cè)投票并被作為控制指標(biāo)，這就是我們所說(shuō)的PMV。Fanger堅(jiān)持認(rèn)為人體在熱環(huán)境中感到舒適必須滿(mǎn)足三個(gè)基本條件，它們分別是：1）人體與環(huán)境必須達(dá)到熱平衡，即人體蓄熱速率S=0；2）皮膚平均溫度應(yīng)該維持在一個(gè)舒適的水平；3）人體出汗率應(yīng)該達(dá)到最佳狀態(tài)；出汗率是新陳代謝的函數(shù)。綜上所述，我們可以得到熱舒適問(wèn)題如下：

PMV指數(shù)和這六個(gè)因素之間的關(guān)系如下:

(3)

(4)

(5)

(6)

1神經(jīng)網(wǎng)絡(luò)在PMV值中的應(yīng)用

綜上所述，PMV與各參數(shù)之間關(guān)系復(fù)雜、計(jì)算困難，并且很難找到簡(jiǎn)便方法，因此我們引出神經(jīng)網(wǎng)絡(luò)來(lái)計(jì)算。

1.1設(shè)計(jì)輸入層和輸出層

由于PMV值由六個(gè)因素決定，因此輸入層也是六個(gè)方面，包括平均輻射溫度、室內(nèi)溫度、室內(nèi)空氣濕度、室內(nèi)空氣流速、人體活動(dòng)量和穿衣量。輸出層僅僅就有一個(gè)PMV值，因此神經(jīng)網(wǎng)絡(luò)輸出層也僅有這一個(gè)。因此，輸入層為6維，而輸出層僅1維。

1.2網(wǎng)絡(luò)隱層的選擇

包括輸入層，至少一個(gè)隱含層和一個(gè)線(xiàn)性輸出層的神經(jīng)網(wǎng)絡(luò)可以逼近任意有理函數(shù)。如果增加隱層函數(shù)，將實(shí)現(xiàn)降低誤差、提高精度，但同時(shí)也使得網(wǎng)絡(luò)更加復(fù)雜，增加了權(quán)值的訓(xùn)練時(shí)間。綜合準(zhǔn)確性和效率的考慮，最終我們采用3層網(wǎng)絡(luò)。

1.3隱層神經(jīng)元的選擇

根據(jù)建立的神經(jīng)網(wǎng)絡(luò)，隨機(jī)選取神經(jīng)元個(gè)數(shù)，然后根據(jù)實(shí)驗(yàn)結(jié)果設(shè)定數(shù)量，最終我們得到每一層是適當(dāng)數(shù)量為6，21，1。

1.4初始權(quán)值的選擇

PMV指數(shù)是一個(gè)復(fù)雜的非線(xiàn)性關(guān)系，初始權(quán)值對(duì)于研究是否能隨著訓(xùn)練時(shí)間而收斂有重要作用，關(guān)系到能否達(dá)到局部最小值。我們希望當(dāng)初始權(quán)值輸入累加時(shí)，能使得每一個(gè)神經(jīng)元值接近零，使得輸出從學(xué)習(xí)最初就不至于落在平坦范圍內(nèi)。因此，初始權(quán)值一般隨機(jī)產(chǎn)生，并且相對(duì)較小，如果輸入神經(jīng)元是q，初始權(quán)值可以設(shè)定在[-2/q，2/q]之間，從而確保神經(jīng)元從最初開(kāi)始就在激勵(lì)函數(shù)變換最大的地方學(xué)習(xí)。

1.5學(xué)習(xí)步長(zhǎng)的選擇

當(dāng)學(xué)習(xí)步長(zhǎng)選擇比較小的數(shù)值的時(shí)候，網(wǎng)絡(luò)誤差函數(shù)E將達(dá)到最小值。但是，如果步長(zhǎng)太小學(xué)習(xí)時(shí)間將延長(zhǎng)，這將使得學(xué)習(xí)過(guò)程變得很慢，如果誤差函數(shù)有許多局部極小值時(shí)，則會(huì)使網(wǎng)絡(luò)陷入局部最小或平穩(wěn)停滯狀態(tài)。如果學(xué)習(xí)步長(zhǎng)相對(duì)較大，則權(quán)值更新相對(duì)加快，同時(shí)收斂速度加快，但是，如果學(xué)習(xí)步長(zhǎng)太大，算法可能不穩(wěn)定甚至無(wú)法收斂。因此，根據(jù)PMV模型和問(wèn)題的性質(zhì)，我們選擇初始步長(zhǎng)為0.75。

綜上所述，PMV指標(biāo)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型如下圖所示：

圖1神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

2BP神經(jīng)神經(jīng)網(wǎng)絡(luò)的構(gòu)造和仿真

2.1網(wǎng)絡(luò)模型構(gòu)建和初始化

建立BP神經(jīng)網(wǎng)絡(luò)的第一步是構(gòu)建網(wǎng)絡(luò)對(duì)象并賦初始值，我們可以用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)newff創(chuàng)建一個(gè)可訓(xùn)練的單隱層BP網(wǎng)絡(luò)，其語(yǔ)法為：

net=newff(PR,[S1,...,Sn],{TF1,…,TFn},BTF,BLF,PF)

[S1,…,Sn]是一個(gè)數(shù)組，包括每一層神經(jīng)元的數(shù)量，這里每一層BP神經(jīng)元的個(gè)數(shù)為6，21，1，即S1=6,S2=21,S3=1；每一層網(wǎng)絡(luò)的加權(quán)函數(shù)是dotprod；輸入函數(shù)是netsum；（TF1,…,TFn）是用來(lái)指定各層神經(jīng)元的傳遞函數(shù)，這里用到“tansig”函數(shù)，功能是將神經(jīng)元的輸入范圍從（—∞，+∞）映射到（0，1）；BTF用于指定網(wǎng)絡(luò)訓(xùn)練函數(shù)的名字，此刻用到tranlm；BLF是權(quán)值和閾值的學(xué)習(xí)函數(shù)，采用learngdm；PF是網(wǎng)絡(luò)操作模式的表征，這里我們應(yīng)用最小誤差平方和可微函數(shù)mse。

2.2網(wǎng)絡(luò)模型的訓(xùn)練

MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中有許多BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練的函數(shù)，本文中我們采用trainlm函數(shù)，它的語(yǔ)法是[net，tr]=trinlm（net，Pd，TL）。此處，net指初始化后的網(wǎng)絡(luò)；tr是每一步長(zhǎng)的網(wǎng)絡(luò)性能在訓(xùn)練過(guò)程中的記錄；Pd指訓(xùn)練網(wǎng)絡(luò)中的輸入樣本；TL指訓(xùn)練中的輸出樣本。

2.3網(wǎng)絡(luò)模型的模擬

BP網(wǎng)絡(luò)訓(xùn)練后需要驗(yàn)證網(wǎng)絡(luò)性能。驗(yàn)證開(kāi)始時(shí)，使用sim函數(shù)來(lái)模擬訓(xùn)練網(wǎng)絡(luò)，此時(shí)新的網(wǎng)絡(luò)輸入為pnew，網(wǎng)絡(luò)對(duì)象是net，輸出是anew，語(yǔ)法如下：

[anew]=sim（net，pnew）

可以得到訓(xùn)練結(jié)果為：

TRAINLM,Epoch0/500,MSE1.10637/0.0001,Gradient128.394/1e-010

TEAINLM,Epoch25/500,MSE0.000790584/0.0001,Gradient0.67388/1e-010

TRAINLM,Epoch36/500,MSE8.7715e-005/0.0001,Gradient0.0171647/1e-010

TRAINLM,Performancegoalmet.TRAINLM,Performancegoalmet.

圖2是訓(xùn)練誤差收斂曲線(xiàn)，訓(xùn)練到36步時(shí)，網(wǎng)絡(luò)性能達(dá)到預(yù)期目標(biāo)，并且能夠得到較為準(zhǔn)確的數(shù)據(jù)。

圖2訓(xùn)練誤差收斂曲線(xiàn)

3總結(jié)

以上得到的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可以應(yīng)用到空調(diào)控制系統(tǒng)中，我們只需根據(jù)PMV指標(biāo)的變化來(lái)調(diào)整空調(diào)的控制系數(shù)，就能實(shí)現(xiàn)盡可能舒適的室內(nèi)環(huán)境。