許曉飛，陳帥，莫桂明

(北京信息科技大學 自動化學院，北京 100192)

0 引言

目前室內(nèi)環(huán)境實時數(shù)據(jù)采集與監(jiān)測系統(tǒng)以數(shù)據(jù)采集和根據(jù)環(huán)境參數(shù)閾值進行控制終端設備為主[1-3],但系統(tǒng)通常缺乏智能決策控制功能。隨著云計算和人工智能的發(fā)展，人們對具有智能決策功能的室內(nèi)環(huán)境監(jiān)測系統(tǒng)需求日益增加[4-5]，為此本文提出一種基于云平臺的室內(nèi)環(huán)境舒適度智能決策系統(tǒng)設計方案[6-8]。

本文所設計的系統(tǒng)是以室內(nèi)環(huán)境舒適度作為判斷條件的精確智能決策控制系統(tǒng)，在實驗室條件下通過ESP32單片機采集溫度、濕度、光照強度等傳感器數(shù)據(jù)并傳輸至阿里云物聯(lián)網(wǎng)云平臺[9-12]，通過云平臺基于消息隊列遙測傳輸(message queuing telemetry transport,MQTT)協(xié)議封裝的RRPC協(xié)議將其同步至自建阿里云公網(wǎng)服務器[13-15]，在自建服務器使用智能模糊邏輯決策聚合模型結(jié)合BP(back propagation)神經(jīng)網(wǎng)絡模型預測算法生成對應控制指令，實現(xiàn)精確智能決策控制，從而使室內(nèi)環(huán)境舒適度處于最佳狀態(tài)。

1 系統(tǒng)結(jié)構(gòu)設計

基于云平臺的室內(nèi)環(huán)境智能決策控制系統(tǒng)結(jié)構(gòu)如圖1所示。使用ESP32作為終端控制核心，通過傳感器采集模塊獲取各種傳感器實時信息，依據(jù)基于舒適度的目標控制流程，如對溫度、濕度、光強等傳感器數(shù)據(jù)存儲并進行數(shù)字化信息處理，并通過MQTT協(xié)議傳輸至阿里云物聯(lián)網(wǎng)控制臺；通過阿里云物聯(lián)網(wǎng)平臺提供的RRPC協(xié)議將數(shù)據(jù)同步至自建阿里云公網(wǎng)服務器，通過智能決策控制系統(tǒng)形成輸出指令傳輸至阿里云物聯(lián)網(wǎng)平臺，進一步傳輸至終端控制模塊控制舵機模塊和其他外設。其中，智能決策控制系統(tǒng)使用改進的智能模糊決策模型結(jié)合BP神經(jīng)網(wǎng)絡模型預測算法，可以根據(jù)多個輸入?yún)?shù)，結(jié)合不同條件發(fā)出對應的控制命令。

圖1 系統(tǒng)的結(jié)構(gòu)設計

2 智能決策系統(tǒng)

2.1 室內(nèi)空間環(huán)境舒適度評價

室內(nèi)空間環(huán)境舒適度通常是指人對所處室內(nèi)環(huán)境的滿意程度[5]。通過查閱室內(nèi)人體環(huán)境舒適度參數(shù)[5]，并結(jié)合實驗分析，得出大眾化室內(nèi)環(huán)境最佳舒適參數(shù)如表1所示。根據(jù)數(shù)據(jù)融合實驗分析，得出智能決策的舒適度參數(shù)參考值如表2所示。

表1 大眾化室內(nèi)環(huán)境最佳舒適參數(shù)值

表2 智能決策的舒適度參數(shù)參考值

2.2 系統(tǒng)舒適度的計算

系統(tǒng)舒適度的定義如式(1)所示。如圖1所示的智能決策控制系統(tǒng)模塊，實時接收多種傳感器傳輸?shù)臄?shù)據(jù)，然后進行數(shù)據(jù)處理并使用智能決策控制算法進行計算，最后將處理過的數(shù)據(jù)通過模糊融合方法輸出系統(tǒng)舒適度等級，由此實現(xiàn)智能決策控制。

(1)

式中：C為室內(nèi)環(huán)境舒適度；xi為第i個傳感器檢測的被測參數(shù)的標準化數(shù)據(jù)；θi為前i個被測參數(shù)的標準化數(shù)據(jù)的平均值；ωi為第i個被測參數(shù)的標準化數(shù)據(jù)的權(quán)值；Ei(xi)為前i個被測參數(shù)的標準化數(shù)據(jù)的決策總風險；λ(di|ωi)為設定第i個被測參數(shù)的標準化數(shù)據(jù)的權(quán)值ωi時的操作di所帶來的風險。

此系統(tǒng)檢測控制過程如圖2所示，以室內(nèi)溫度(℃)、室內(nèi)相對濕度(%)、室內(nèi)相對光照強度(%)參數(shù)為輸入變量，以表2的優(yōu)良中差4個等級舒適度為中間輸出變量，以表1的輸入值為算法決策控制的最佳舒適度參數(shù)，根據(jù)最佳舒適度參數(shù)與設定的舒適度參數(shù)參考值輔助控制智能室內(nèi)空調(diào)、灑水器和風扇的運行，將室內(nèi)的溫度、濕度和光照強度控制在舒適范圍內(nèi)。

圖2 基于舒適度的目標控制流程

如圖2所示，系統(tǒng)首先將采集傳感器感知的物理量參數(shù)數(shù)據(jù)進行標準化處理，作為決策系統(tǒng)模塊的輸入端，經(jīng)過決策內(nèi)部模糊邏輯命令集合和模糊推理規(guī)則庫，再將去模糊化計算的數(shù)值的輸出根據(jù)其對人類舒適度的重要性進行加權(quán)，得出不同權(quán)值的物理參數(shù)綜合舒適度指標，計算出相應舒適度，系統(tǒng)由此實現(xiàn)決策的輸出，進而控制硬件實現(xiàn)舒適度的智能決策控制。

2.3 基于BP神經(jīng)網(wǎng)絡的舒適度訓練預測模塊

本文使用BP神經(jīng)網(wǎng)絡模型具體實現(xiàn)舒適度的預測。以室內(nèi)溫度為例，通過前3 h采集溫度數(shù)據(jù)，預測第4 h溫度。故輸入層為3個節(jié)點，輸出層為1個節(jié)點，根據(jù)隱藏層節(jié)點數(shù)的經(jīng)驗公式得出隱藏層為7個節(jié)點，模型結(jié)構(gòu)如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡模型結(jié)構(gòu)

使用式(2)進行數(shù)據(jù)歸一化:

(2)

式中:xnorm為歸一化數(shù)據(jù)；xi為輸入數(shù)據(jù)；xmax、xmin分別為輸入數(shù)據(jù)的最大值和最小值。

激活函數(shù)采取Sigmoid函數(shù)。

3 云平臺室內(nèi)環(huán)境智能決策

3.1 系統(tǒng)的測試

系統(tǒng)使用MicroPython語言作為ESP32單片機編程語言，使用PyCharm作為程序編輯器，使用Python函數(shù)庫中的模糊邏輯庫scikit-fuzzy編輯模糊融合的決策模型，使用uPyCraft作為程序燒錄器，通過ESP32單片機連接溫濕度傳感器、光照傳感器、0.96寸OLED屏幕、舵機等其他外設，通過MQTT協(xié)議與阿里云物聯(lián)網(wǎng)云平臺連接，通過Wokwi平臺實現(xiàn)仿真。

通過ESP32單片機讀取溫濕度傳感器和光照傳感器數(shù)據(jù)，通過圖2所示的基于舒適度的目標控制流程，實現(xiàn)室內(nèi)燈光自動控制、自動調(diào)整溫度和濕度。

系統(tǒng)實現(xiàn)的云平臺智能決策通過人為干預環(huán)境，進行監(jiān)測，經(jīng)過多次操作來驗證本系統(tǒng)的穩(wěn)定性及實時性。表3列出了采用人為干預措施及遠程支援服務部分操作。

表3 人為干預手段及支援服務類別

系統(tǒng)使用阿里云的IOT Studio項目控制臺進行數(shù)據(jù)可視化，同時使用控制臺業(yè)務邏輯模塊創(chuàng)建釘釘機器人實現(xiàn)手機推送功能。

3.2 神經(jīng)網(wǎng)絡訓練及預測實驗

本文系統(tǒng)依據(jù)云平臺實時存儲數(shù)據(jù)集開發(fā)神經(jīng)網(wǎng)絡預測功能模塊；通過已有多路傳感器數(shù)據(jù)存儲樣本。下面以氣溫數(shù)據(jù)訓練為例,采用BP神經(jīng)網(wǎng)絡模型進行數(shù)據(jù)訓練及預測。

通過DHT11溫濕度傳感器每隔1 h采集實驗室室內(nèi)溫度數(shù)據(jù)，連續(xù)采集30 d作為數(shù)據(jù)來源，其中前20 d采集數(shù)據(jù)作為訓練集，后10 d采集數(shù)據(jù)作為測試集。設定學習率為0.5，精度誤差為0.002。

圖4 模型訓練過程

模型訓練過程如圖4所示。由圖4可得訓練誤差逐次累積減小，訓練一定次數(shù)后誤差幾乎不變，系統(tǒng)運行耗時8.9 s。

通過DHT11溫濕度傳感器每隔1 h采集某天實驗室內(nèi)溫度數(shù)據(jù)，連續(xù)采集6 h，然后運行訓練后的BP神經(jīng)網(wǎng)絡模型，運行結(jié)果如表4所示，表4中誤差為預測溫度與測量溫度差值的絕對值除以測量溫度的百分比。

表4 模型預測結(jié)果

通過圖4模型訓練過程以及表4模型預測結(jié)果可以得出，BP神經(jīng)網(wǎng)絡模型最小均方誤差較小，模型精度較高。下一步可增加訓練數(shù)據(jù)集數(shù)量，優(yōu)化神經(jīng)網(wǎng)絡訓練模型，提高預測精度。

4 結(jié)束語

隨著大眾對室內(nèi)環(huán)境的舒適度、節(jié)能、安全事故預警的需求日益凸顯，本文結(jié)合云平臺應用技術，使用阿里云物聯(lián)網(wǎng)平臺設計智能決策控制系統(tǒng)，實現(xiàn)智能決策控制功能，依據(jù)云平臺實時存儲數(shù)據(jù)集開發(fā)神經(jīng)網(wǎng)絡訓練預測功能模塊。理論和測試實驗表明，本文設計的基于云平臺的室內(nèi)環(huán)境智能決策控制系統(tǒng)，具有一定的實時性和有效性。