孫文勝 ，陳宇洋

(杭州電子科技大學通信工程學院，杭州310018)

隨著計算機網(wǎng)絡(luò)技術(shù)和信息技術(shù)的日益進步，現(xiàn)今智能家居的“智能”應(yīng)該表現(xiàn)在系統(tǒng)可以通過對用戶的生活習慣進行學習和分析，對受控設(shè)備進行調(diào)整，以便更好的滿足用戶需求［1］。所以，隨著處理器能力的不斷增強以及集成技術(shù)的進步，以多功能的網(wǎng)關(guān)來實現(xiàn)控制終端與網(wǎng)關(guān)的融合，也將成為必然趨勢［2］。本文以下采用基于BP 算法優(yōu)化的模糊神經(jīng)控制技術(shù)，構(gòu)造了網(wǎng)關(guān)智能控制系統(tǒng)，并以室內(nèi)空氣質(zhì)量分析為例，運用“LmNet FP 神經(jīng)網(wǎng)絡(luò)通用平臺”軟件進行了模擬仿真，輸出室內(nèi)空氣質(zhì)量等級。

1 智能家居

智能家居網(wǎng)絡(luò)借助了現(xiàn)有的計算機網(wǎng)絡(luò)技術(shù)，將家庭內(nèi)各種家電和設(shè)備(如照明系統(tǒng)、環(huán)境控制、安防系統(tǒng)、網(wǎng)絡(luò)家電)連接到一起，并通過外部網(wǎng)絡(luò)為人們提供各種豐富、多樣化、個性化、方便、舒適、安全和高效的服務(wù)。

家庭網(wǎng)關(guān)是整個智能家庭網(wǎng)絡(luò)的核心，負責所有智能應(yīng)用終端的控制和管理。而通過家庭網(wǎng)關(guān)也可以實現(xiàn)遠程控制。例如，用戶可以通過手機等便攜智能設(shè)備進入家庭網(wǎng)關(guān)，以此來對家居系統(tǒng)中的各類受控設(shè)備進行狀態(tài)查詢和控制管理。

2 模糊神經(jīng)網(wǎng)絡(luò)

2.1 模糊神經(jīng)網(wǎng)絡(luò)綜述

模糊神經(jīng)網(wǎng)絡(luò)是一種集模糊邏輯推理的強大結(jié)構(gòu)性知識表達能力與神經(jīng)網(wǎng)絡(luò)的強大自學習能力于一體的新技術(shù)。模糊辨識是一種不依賴于被辨識對象數(shù)學模型的仿人思維的辨識技術(shù)，它利用了該領(lǐng)域?qū)＜业南闰炛R進行近似推理。而神經(jīng)網(wǎng)絡(luò)的最大特點就是它的學習能力。在定義網(wǎng)絡(luò)結(jié)構(gòu)以后，它可以根據(jù)樣本進行自學習、自我修正偏差，根據(jù)樣本數(shù)據(jù)自行“總結(jié)規(guī)則”，并將規(guī)則隱含在其權(quán)值矩陣中。

運用基于模糊神經(jīng)網(wǎng)絡(luò)的家庭網(wǎng)關(guān)時，在模糊系統(tǒng)之前再加上一級神經(jīng)網(wǎng)絡(luò)，給不同的傳感器賦予不同的權(quán)值，可以提高系統(tǒng)的適應(yīng)能力，降低誤報率。

2.2 神經(jīng)網(wǎng)絡(luò)和BP 算法

這里的神經(jīng)網(wǎng)絡(luò)采用BP 算法實現(xiàn)。本文運用的BP 算法的實現(xiàn)按下述步驟進行:

(1)初始化網(wǎng)絡(luò)所有權(quán)值Wij，其中Wij為第i 個單元與第j 個單元的連接權(quán)值;

(2)給定訓練數(shù)據(jù)集，即提供輸入向量X 和期望輸出Y;

(3)計算實際輸出yj，其中yj為輸出層中第j 個單元的輸出

(4)計算網(wǎng)絡(luò)輸出誤差;

(5)調(diào)整權(quán)值，按誤差反向傳播方向，從輸出節(jié)點開始返回到隱層修正權(quán)值［7］，

式中η 為大于零的增益，δj為j 單元的誤差，δj的計算根據(jù)j 單元的形式不同;

當使用沖量時，調(diào)整權(quán)值公式變?yōu)橄率?

其中α 為動量因子，0＜α＜1。

(6)判斷誤差是否滿足要求，若滿足則轉(zhuǎn)到(7)，否則返回第(3)步重復計算，直至誤差滿足要求為止。

(7)結(jié)束。

3 基于模糊神經(jīng)網(wǎng)絡(luò)的智能家庭網(wǎng)關(guān)

基于模糊神經(jīng)網(wǎng)絡(luò)技術(shù)的智能控制是智能網(wǎng)關(guān)的一個重要組成部分。經(jīng)過神經(jīng)網(wǎng)絡(luò)BP 算法的計算、設(shè)置、調(diào)整權(quán)值之后，具體流程如圖1 所示，將神經(jīng)網(wǎng)絡(luò)的輸出接入到模糊系統(tǒng)。

圖1 BP 算法流程圖

再由已定義好規(guī)則的模糊系統(tǒng)對數(shù)據(jù)進行處理。最后智能網(wǎng)關(guān)利用IPv6 通信協(xié)議將經(jīng)過模糊化的數(shù)據(jù)傳輸至家庭電器，以完成對各個設(shè)備的控制。家庭網(wǎng)關(guān)的智能控制流程圖如圖2 所示。

圖2 網(wǎng)關(guān)智能控制流程圖

4 模糊神經(jīng)網(wǎng)絡(luò)在家庭網(wǎng)絡(luò)中的應(yīng)用

在日常家庭生活中，人們通常在室內(nèi)活動。一般來說，個人對室內(nèi)的舒適程度的需求大致有以下幾方面:室內(nèi)溫度、室內(nèi)濕度、室內(nèi)的空氣清新度、室內(nèi)光照強度。我們可以通過溫度傳感器、濕度傳感器、二氧化碳濃度傳感器、光敏傳感器得到實時數(shù)據(jù)對室內(nèi)的環(huán)境進行監(jiān)控。將數(shù)據(jù)傳至家庭網(wǎng)關(guān)，再由IPv6網(wǎng)關(guān)通過控制空調(diào)、加濕器、開關(guān)窗戶、燈、換氣扇、窗簾，來調(diào)節(jié)室內(nèi)環(huán)境［3］。由于家庭網(wǎng)絡(luò)內(nèi)部所需控制家電設(shè)備非常多，所以本文只以室內(nèi)空氣質(zhì)量分析為例，分析智能網(wǎng)關(guān)內(nèi)部BP 神經(jīng)網(wǎng)絡(luò)部分，并使用2nsoft(埃恩科技)公司推出的“LmNet FP 神經(jīng)網(wǎng)絡(luò)通用平臺”軟件模擬BP 網(wǎng)絡(luò)模型［4－5］，給出仿真結(jié)果。

4.1 樣本數(shù)據(jù)準備

本系統(tǒng)以室內(nèi)空氣質(zhì)量為例，構(gòu)造了一個3 層BP 網(wǎng)絡(luò)［6］，如圖3 所示，輸入節(jié)點為3 個，分別為甲醛含量，氨含量，以及TVOC 含量;中間層為5 個節(jié)點;輸出層為1 個節(jié)點。

根據(jù)室內(nèi)環(huán)境國家標準《GB50325—2001》，如表1 所示，其構(gòu)成了3 對訓練樣本。以此3 對訓練樣本為依據(jù)隨機生成60 對訓練樣本，對訓練樣本集進行擴展。

圖3 室內(nèi)空氣質(zhì)量評價BP 網(wǎng)絡(luò)模型

網(wǎng)絡(luò)訓練具體步驟為:(1)產(chǎn)生用于網(wǎng)絡(luò)訓練的輸入樣本和期望輸出序列;(2)對各層連接權(quán)值和神經(jīng)元閾值初始化;(3)設(shè)置學習因子大小;(4)根據(jù)設(shè)定好的誤差，結(jié)合權(quán)值和閾值調(diào)節(jié)規(guī)律，進行權(quán)值和閾值的調(diào)節(jié);(5)如果訓練誤差收斂速度較慢，可考慮增加學習因子的值［7］，或增加各層神經(jīng)元數(shù)目。

表1 室內(nèi)環(huán)境國家標準BP 網(wǎng)絡(luò)模型訓練樣本集

4.2 測試樣本準備與導入

隨機生成一組樣本集，并通過菜單中“操作/導入測試數(shù)據(jù)”命令將測試樣本導入網(wǎng)絡(luò)模型。

4.3 網(wǎng)絡(luò)評價

通過菜單:“操作/數(shù)據(jù)預(yù)測”命令對測試樣本數(shù)據(jù)進行測試，測試結(jié)果如表2 所示。

表2 室內(nèi)環(huán)境BP 網(wǎng)絡(luò)模型測試樣本集及預(yù)測結(jié)果

數(shù)據(jù)經(jīng)過神經(jīng)網(wǎng)絡(luò)計算結(jié)束后，將結(jié)果輸入模糊系統(tǒng)，再定義相應(yīng)模糊規(guī)則，將神經(jīng)網(wǎng)絡(luò)的輸出經(jīng)過模糊處理后［8］，最終輸出室內(nèi)空氣質(zhì)量等級。以空氣質(zhì)量等級(識別結(jié)果)為依據(jù)，由網(wǎng)關(guān)控制家中各種與環(huán)境有關(guān)的家用智能設(shè)備，實現(xiàn)優(yōu)質(zhì)的室內(nèi)空氣環(huán)境。

從上述數(shù)據(jù)可以看出，通過神經(jīng)網(wǎng)絡(luò)對輸入網(wǎng)關(guān)信號的處理，系統(tǒng)可以實現(xiàn)對家庭環(huán)境的學習、預(yù)測和評價。相對于普通網(wǎng)關(guān)來說，擁有神經(jīng)網(wǎng)絡(luò)的家庭網(wǎng)關(guān)能夠?qū)崿F(xiàn)更精確，更安全，更智能地服務(wù)于智能家居系統(tǒng)中。

5 結(jié)束語

本文提出的智能家庭網(wǎng)關(guān)是對現(xiàn)代家庭智能系統(tǒng)的一種改進和完善。尤其是在家庭智能網(wǎng)關(guān)中運用了模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合的控制方法，使家庭網(wǎng)關(guān)擁有了較為可靠的自我控制、調(diào)節(jié)家庭內(nèi)部環(huán)境的能力。并以實驗?zāi)M出室內(nèi)空氣質(zhì)量檢測的BP 算法網(wǎng)絡(luò)模型。相信在不久的將來，基于模糊神經(jīng)網(wǎng)絡(luò)的各項智能產(chǎn)品必將得到更廣泛的應(yīng)用。

［1］ 苗碩.遠程智能家居管理系統(tǒng)的研究與設(shè)計［D］. 西安:西安建筑科技大學，2006.

［2］ 于澗，黃喆，唐文晶.基于IPv6 的家庭網(wǎng)絡(luò)研究和應(yīng)用［J］. 沈陽師范大學學報(自然科學版)，2008，26(1):75－78.

［3］ Bilhanan Silverajan，Karri Huhtanen，Jarmo Harju.IPv6 Experiments in Deploying and Accessing Services from Home Networks［C］//Korea:Asia－Pacific Conference on Communications，2006:1－5.

［4］ Li Zhu，Lei Qin，Kouying Xue.A Novel BP Neural Network Model for Traffic Prediction of Next Generation Network［C］//China:2009 Fifth International Conference on Natural Computation，2009:32－38.

［5］ 何璠.基于BP 人工神經(jīng)網(wǎng)絡(luò)的環(huán)境質(zhì)量評價模型研究［D］.成都:四川大學，2007.

［6］ 李曉華，趙現(xiàn)綱.一種基于多Agent 的智能家居系統(tǒng)研究與設(shè)計［J］.計算機工程，2006，32(21):233－234.

［7］ 王棟，廖開俊，孫勇.一種基于BP 神經(jīng)網(wǎng)絡(luò)的多傳感器系統(tǒng)信號降噪算法［J］.傳感技術(shù)學報，2006，19(6):2716－2718.

［8］ 王美玲，王念平，李曉.BP 神經(jīng)網(wǎng)絡(luò)算法的改進及應(yīng)用［J］.計算機工程與應(yīng)用，2009，45(35):47－48.