室内环境的数据融合自适应调控方法研究
针对传统的室内环境控制方式存在抗干扰性差、耗能高、智能化程度低及融合性简单等不足,提出一种通过多数据融合技术实现的新型智能化调控方法.从卡尔曼滤波器的基本原理出发,采用多维线性滤波模型对多个传感器采集的环境指标数据进行滤波,得到当前环境状态的有效估计,然后通过神经网络进行融合,得到当前状态期望值的最优估计,最终通过动态矩阵控制(DMC)算法来根据性能指标完成优化控制.仿真结果表明,相较于现有的室内环境控制方法,此方法的滤波误差<2%,调控误差<0.01%,节能率>1%,从而能够有效提高控制精度和抗干扰能力,在尽量降低能耗的基础上实现室内环境的最优化控制,可以推广应用于对环境因素要求比较苛刻的场合的精细调节,比如医院、温室、科研实验室等.
智能建筑、神经网络、传感器数据融合、预测控制、Kalman滤波、自动控制系统
37
国家自然科学基金项目;桂林电子科技大学研究生教育创新项目
2020-05-21(万方平台首次上网日期,不代表论文的发表时间)
共10页
610-619