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。
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。
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。
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。
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
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。
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
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。
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。
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.