基于树莓派的自适应空调控制系统设计.docx

?

?

基于树莓派的自适应空调控制系统设计

?

?

王玉涛于金星陈鑫葛文超易茂祥

摘要：针对现有空调控制系统中存在温度设置不合理且不能根据外界环境的变化自适应调整温度控制的现状，设计一种基于树莓派的自适应智能空调控制系统。该系统通过连接在树莓派上的传感器网络测量用户周围的环境数据，并使用长短时记忆神经网络（LSTM）建立的预测平均投票数（PMV）模型获得PMV预测值，进而自适应控制空调温度的大小。实验结果表明，该控制系统可以通过由传感器获得的实时数据精确地预测满足最适人体热舒适的温度值，并能对空调温度自适应控制。

关键词：预测平均投票数;空调控制系统;树莓派;人体热舒适;LSTM;传感器网络

中图分类号：TP242文献标识码：A文章编号：2095-1302（2020）10-00-03

0引言

建筑物的核心功能之一是为其居住者提供舒适的环境。舒适性是居住者的感知和行为以及建筑物能源利用的关键因素[1]。如今，人们90%的时间都在建筑物中度过，若在建筑物中感觉不舒适会增加患建筑物综合症、缺勤和认知能力等下降的概率[2]。目前，室内环境主要由空调系统控制，然而，从住宅到商业建筑的大部分空调控制系统主要由固定温度设置点控制且不能随着外界温度的变化自动更改空调控制的温度。在传统的空调控制系统中，空调的控制多以控制面板按键控制或者红外遥控控制为主。随着技术的发展，目前的控制多支持手机等远程终端控制，以上控制方法中空调温度的设置基本是由用户根据经验设置，导致了在不同场景环境下设置的温度存在着或高或低的问题。温度设置不合理，将导致能源的浪费与人的不舒适，所以需根据不同场景及环境合理设置温度的固定值，采用一种更精确的空调系统控制方法，实现空调温度的准确自动控制，来提高用户的舒适性以及便捷性。

近年来，物联网技术与人工智能的快速发展，以神经网络预测热舒适指标PMV作为空调控制系统的控制目标受到广泛的关注[3-6]，然而，现有以PMV为指标的控制系统中由于PMV的预测与参数取值精度低等原因，导致了其应用场景单一、应用范围小、预测控制结果差等缺点。在实际应用中，系统通过传感器收集到数据后，发送到PC端进行数据处理，进而控制空调设置。但是，使用PC作为数据处理终端导致了系统成本的增加以及操作的不便捷性。

为了克服以上传统空调控制方法中存在的能效低、成本高和温度设置不合理等问题，本文设计了一种基于树莓派微处理器的嵌入式控制系统。该系统与传统控制系统相比具有控制精度高、体积小、价格低和操作便捷等优点。

1预测平均投票数PMV

影响人体舒适性的因素有很多，并不是单纯的由某一个参数大小决定的，其中的关系也很复杂。为了创造真正的符合人体舒适的室内环境，本文采用Fanger等人提出的热舒适评价指标[7]，即预测平均投票数（PredictedMeanVote，PMV）作为评价指标。PMV利用6个因素对热舒适性进行建模，包括4个环境因素（室内温度、室内湿度、平均辐射温度和空气流速）和2个个人因素（人体新陈代谢和服装热阻）。以热舒适指标PMV作为空调控制系统的控制目标，能够很大程度上实现舒适与节能的统一。

PMV指数处于-3～3时人体的冷热感分度见表1所列。当PMV为0时，人体达到最舒适状态，表明在不同环境下，人在不同活动量条件下的热中性，在实际应用中取PMV值为[-0.5，0.5]表示人体热中性[8]。

然而，PMV的值并不能由传感器直接测得，需要根据多个参数通过繁琐的迭代计算得到，并且采用程序计算方式所得到的值与现实相比具有一定误差[9]。因此，本文通过LSTM建立PMV模型获得PMV预测值，进而自适应控制空调温度的大小。

2系统总体设计方案

自适应空调控制系统主要以树莓派微处理器为智能控制核心，外围电路主要包括传感器模块、按键模块、显示模块和摄像头模块等，系统总体设计框图如图1所示。

该系统通过传感器直接或者间接测量影响PMV值的因素（室内温湿度、室外温度、平均辐射度以及着衣量）。另外，在初始使用时，通过按键选择来确定空调应用场景进而确定人体新陈代谢率，并将以上测量值和设置值记录到数据库中。在空调设置温度的预测中，该系统使用了基于长短时记忆神经网络（LSTM）[10]建立的PMV预测模型。该预测模型在PC计算机中训练得到，并将最终训练得到的模型移植到树莓派操作系统中。该预测模型通过传感器收集到的数据和人为设置的数据预测距离人体达到最舒适状态的偏差，进而确定空调温度的设置值。为达到空调的自动启动与关闭的目的，减少人为操作，该系统另加入摄像头模块进行判断是否有用户进入室内以及离开房间。

3硬件设计与实现

硬件电路主要分为主控模块、传感器模块、摄像头模块、显示模块、按键模块。

3.1主控模块

本系统选用基于Linux操作系统的树莓派3b+