首页 > 论文范文 > 工程工业论文 > 建筑工程论文 > 机器学习的绿色建筑智能控制系统设计与测试分析

机器学习的绿色建筑智能控制系统设计与测试分析

2025-06-22 33 上传者：管理员

摘要：探究了基于机器学习技术的绿色建筑智能控制系统的设计方法，并对其部分功能进行了测试。该系统支持中央控制器和移动客户端的双端控制，功能模块有室内环境监测、室内家电控制与家居安防三部分，可以实现室内温湿度调节、火灾报警、门窗监控、视频录像等功能，在提升用户居住体验的同时保证建筑室内安全。从测试情况来看，该系统的室内环境控制可以实时显示温湿度、光照度等数据，并根据用户的行为习惯和选择偏好进行机器学习，从而作出符合用户需要的智能控制。

关键词：
智能控制系统
机器学习
楼宇智能化
绿色建筑
视频监控
加入收藏

在大力推广绿色建筑和楼宇智能化背景下,设计和应用以机器学习技术为核心的智能控制系统,利用安装在建筑内的各类数据采集设备获取温度､湿度､光照度､空气颗粒物浓度等信息,实现对环境的实时感知｡同时根据用户操作偏好和行为习惯,在深度学习的基础上作出符合用户期望的智能控制,在满足用户需求的同时还能实现建筑的节能降耗｡

1、绿色建筑智能控制系统的整体架构

以用户需求为导向,融合物联网技术､传感器技术和机器学习技术设计了绿色建筑智能控制系统｡该系统以中央控制子系统为核心,由智能系统中央控制器负责协调室内环境监测､室内家电控制､家居安防等功能的实现｡通过互联网实现智能系统中央控制器与移动客户端的数据交互,方便用户从手机客户端实时远程查看室内情况和控制室内设备｡例如从手机客户端上了解室内温度,并远程控制空调启动,从而改善用户居住体验｡系统的整体架构如图1所示｡

2、绿色建筑智能控制系统的软硬件设计

2.1中央控制子系统的设计

作为绿色建筑智能工控制系统的关键部分,一方面接收其他功能性子系统采集并反馈的信息(如温湿度信息､门窗开闭状态信息､烟雾浓度信息等),实现信息的处理与分析,进而生成相应的控制指令并发送给各个智能节点,实现智能控制;另一方面又能以海量信息为基础,利用机器学习技术分析并学习用户的行为习惯,最终完成对整个智能系统的调度和控制[1]｡

图1绿色建筑智能控制系统的组成结构

2.1.1硬件部分

该系统由两部分组成:其一是智能系统中央控制器,其核心设备是一台工业计算机,处理器为IntelCeleronN5095处理器,CPU为四核心四线程,自带2GB内存;采用集成显卡,支持串口､以太网等多种主流通信模式;硬盘使用64GB的三星PM830固态硬盘,最快传输速率可达160MB/s｡额定工况下功耗仅为15W,功耗较低｡其二是移动客户端,选择较为稳定的Android系统,操作系统为Android4.4.3,CPU采用英伟达Tegra3芯片,主频1.4gHz,提供2GB的RAM和32GB的ROM,基本上能满足该系统在绝大多数情况下的运行需要｡

2.1.2软件部分

与硬件设备对应的,中央控制子系统的软件部分也分为两部分,即智能中央控制器软件和移动客户端软件｡这里以移动客户端的软件设计为例,在绿色建筑智能控制系统启动后,首先调用SystemUARInit()函数完成通信串口的初始化,同时加载手机客户端上的组件｡然后基于TCP/IP协议与智能中央控制器建立通信,成功连接以后等待用户的操作指令｡用户在手机客户端的UI界面发送操作指令并同步反馈给中央控制器,然后由中央控制器协调其他功能模块执行该指令,同时将前端传感器采集的数据以及用户行为数据反馈给中央控制器[2]｡中央控制子系统的软件流程如图2所示｡

图2移动客户端的工作流程

2.2室内环境子系统的设计

2.2.1硬件部分

该系统主要依托分布在室内各处的传感器实时采集信息,并对相关环境参数进行调控,以符合用户的居住需求｡采用YS8116B型数字式温湿度一体化传感器,可以同时采集室内的温度､湿度数据,并且具有多点同时监测､超远距离传送､防护性能好等优点｡该传感器的测温精度为±0.1℃,量程为-30℃~50℃;测湿精度为±1%,量程为0~100%｡执行Modbus-RTU通信协议,通过RS485总线与上位机之间进行数据通信｡在硬件设计中,考虑到短距离传输(距离小于20m)时可能会存在电源引入的寄生振荡,因此添加了一个5kΩ的上拉电阻,以提高电源稳定性｡采用GY-30型光照度传感器,测量范围0~65000Lux,精度范围为±3%,分辨率为1Lux｡室内环境子系统的组成结构如图3所示｡

图3室内环境子系统的硬件组成

以升高室内温度为例,首先获取蓄水箱的温度(由T1测量)与水位(由F1测量),如果温度合适､水量充足,则打开电磁阀､启动采暖循环泵,让热水进入蓄热盘管,通过热交换让室内温度升高直到达到用户设定值｡此时电磁阀关闭,升温过程结束｡如果检查发现蓄水箱的水位较低,将自来水抽入蓄水箱,直到水位达到设定值;同样的,如果检查发现蓄水箱的水位达标但是温度偏低,则启动电磁阀和集热循环泵,将冷水加热到设定温度｡

2.2.2软件部分

室内环境子系统对温度､湿度的调控是基于蓄热盘管和水箱来实现的,这就决定了必须保证水箱的水位足够高,因此在该部分的软件设计中加入了水箱液位判断程序｡在绿色建筑智能控制系统启动运行后,首先打开传感器通信串口,并加载预设的模块地址号和寄存器号,并自动设置各传感器和继电器的读写命令队列｡此时执行判断程序“水箱液位不足?”如果判断为“是”,则向电磁阀发送一个启动信号,电磁阀打开次判断程序,直到当前液位达到设定液位,表明水箱液位充足,此时向电磁阀发送一个关闭信号,同时开启温度控制｡如果判断为“否”,在水箱液位达标的情况下再执行判断程序“是否需要开启电磁阀”,如果判断为“否”则进入待机状态,并每隔0.1s循环执行一次判断程序,直到判断为“是”,则将读/写命令队列发送至串口,经过校验后再上传至中央控制子系统,实现程序闭环[3]｡

2.3家居安防子系统的设计

2.3.1硬件部分

该系统由火灾预警､窗体监测和视频监控3部分组成,硬件结构如图4所示｡

图4家居安防子系统的硬件组成

在家居安防子系统中,视频监控可通过监控设备持续记录室内情况,并将视频信息同步到智能控制中心和手机客户端,方便用户随时掌握室内信息｡支持手动录像和预警录像2种工作模式的切换,采用S608网络摄像头,像素1500万,自带暗光增益效果和光度自动平衡功能,保证昏暗和强光环境下也能获取比较清晰的视频画面｡窗体监测采用红外对射报警器,在用户外出时能监测建筑窗体情况,如果窗体异常打开(风力或人力破坏),会进行报警并向客户端发送报警短信｡火灾预警则采用温度传感器与空气颗粒物传感器,当同时满足温度过高､颗粒物浓度过高两项条件后,才会进行火灾报警,并向客户端发送报警信息提醒用户进行处理[4]｡

2.3.2软件部分

对于家居安防子系统的视频监控模块,视频文件默认为MJPEG格式,所以在手机客户端播放视频时需要先进行解码｡此外,MJPEG格式的视频容量较大,为了减少对手机存储空间的占用,需要采取压缩处理｡因此在软件设计中采取调用第三方库文件AForge.NET的方式,在系统后台完成视频采集､解码､存储等操作｡当选择手动录像模式时,程序调用wmv3编码器对视频文件进行压缩后,自动转为.avi格式进行保存;当选择预警录像模式时,为了减少对视频存储空间的占用,程序设计为当监控范围内出现存在时间超过5s的运动物体时才会记录视频,直接将视频压缩并保存到默认路径下｡监控视频采集的软件流程如图5所示｡

图5视频采集软件状态机的工作流程

如图5所示,在绿色建筑智能控制系统运行后,判断摄像头的状态｡如果未打开,则连接到视频流服务器的网络,在按下“采集视频”按钮后开始采集视频;同样的,如果需要停止视频采集,则按下“关闭视频”按钮｡在视频采集时,如果处于“预警录像模式”,自动过滤短暂的运动帧画面,只有当运动帧累计到足够数量后才会开始录像｡如果在10s内没有新的运动画面被采集(累计足够静止帧),则停止录像[5]｡“手动录像”模式下同理,不再赘述｡

3、绿色建筑智能控制系统的功能测试

3.1测试方法

为了验证该系统各项功能的实现情况进行了测试,这里选取绿色建筑智能控制系统的“室内环境监测”功能展开测试｡测试内容包括读取蓄热盘管温度､室内温度､室内湿度与光照度4项数据,以及判断连接状态等｡

3.2测试分析

运行系统后,在主机界面和移动客户端界面上同步呈现室内环境监测数据,如表1所示｡

表1室内环境测试结果

在测试过程中,中央控制器还会收集用户在不同室外环境下作出的选择,并基于机器学习技术学习对于环境因子的选择偏好,将习惯参数和选择偏好输入到数学模型中,智能预测当前室内环境参数的设置,以便于根据用户偏好实现的室内环境的智能调控｡

4、结束语

绿色建筑智能控制系统融合了人工智能领域的机器学习技术,以及传感器､电子通信等技术,以实时获取的室内温湿度信息､光照度信息以及空气颗粒物浓度信息等为基础,在信息汇总与分析的基础上感知室内环境｡同时基于用户平时的行为习惯展开机器学习,按照用户的习惯与偏好作出智能控制,保证了建筑的安全性､低功耗和舒适性,符合当前提倡的绿色建筑和智能楼宇发展趋势,具有广泛的应用前景｡

参考文献:

[1]刘美霞,卞光华,陈伟,等.超高层公共建筑智能建造技术体系探索实践[J].建筑结构,2023(10):10-14.

[2]丰云涛.基于物联网技术的大型建筑照明电路智能控制系统设计与优化[J].光源与照明,2024(6):31-33.

[3]韦龙艳,梁惠.住宅小区建筑电气与智能化控制系统的规划设计研究[J].建设科技,2023(3):79-82.

[4]樊云龙.智能化技术在绿色建筑设计与规划中的应用[J].绿色建造与智能建筑,2024(3):119-121.

[5]张聪慧.绿色建筑中暖通空调系统的能效管理与优化[J].工程与建设,2024(3):695-697.

文章来源:于建松.机器学习的绿色建筑智能控制系统设计与测试分析[J].科学技术创新,2025,(15):151-154.