一种地铁空调环境模式检测系统和检测方法技术方案

一种地铁空调环境模式检测系统和检测方法，系统包括设置于地铁站内公共区环境中的空调系统，还包括多类传感器采集系统、空调系统上位机、神经网络环境模式检测模型、K210模块和显示模块；检测方法，包括如下步骤：选取关键变量；采集环境数据；数据预处理；构建简易模型；确定模型隐藏层神经元个数；算法优化，确立最佳模型。本发明专利技术通过优化BP神经网络模型，利用Adam优化算法，增强了反向传播神经网络的稳定性，模型处理结果通过反馈至空调系统上位机，由空调系统上位机实现当前模式指令的下发，以控制各风机、风阀及空调机组间的组合联动，实现了站内环境的调节，有效提升了地铁空调系统的环境模式检测的及时性、智能性及检测效率。效率。效率。

【技术实现步骤摘要】
一种地铁空调环境模式检测系统和检测方法


[0001]本专利技术涉及一种地铁空调环境模式检测系统和检测方法，属于检测


技术介绍

[0002]随着城市不断的发展，地铁成为城市交通的重要组成部分之一。由于地铁建设在地下，且站内人流量密集，因此，作为通风、制冷、火灾排烟的保障设备，地铁站内公共区的空调系统起着极其重要的作用。
[0003]目前地铁站内公共区空调系统中的风机、风阀以及空调间的运行均采用模式下的组合联动控制，空调系统工作在不同的环境模式下，不同的工作模式对应空调系统不同的组合工况，但空调系统环境模式的检测切换需要人为根据运营环境做出判断参与工作模式的选择调整。由于工作人员无法根据地铁站内现场环境实时快速进行空调环境模式的调整，因此，站内空调系统的环境模式检测和工作模式的调整存在不及时、效率低和不智能的问题。

技术实现思路

[0004]针对上述现有技术存在的问题，本专利技术提供一种地铁空调环境模式检测系统和检测方法，该检测系统和方法能够有效提升地铁空调系统的环境模式检测的及时性、智能性及检测效率，进而实现空调系统工作模式调整的实时与高效性，改善地铁运营环境。
[0005]为了实现上述目的，本专利技术提供一种地铁空调环境模式检测系统，包括设置于地铁站内公共区环境中的空调系统，还包括多类传感器采集系统、空调系统上位机、神经网络环境模式检测模型、K210模块和显示模块；
[0006]所述的多类传感器采集系统包括多个分布式布置的烟雾传感器、二氧化碳传感器和温度传感器，烟雾传感器实时采集站内的烟雾浓度数据，并将采集到的烟雾浓度数据信号实时发送至空调系统上位机，二氧化碳传感器实时采集站内的二氧化碳浓度数据，并将采集到的二氧化碳浓度数据信号实时发送至空调系统上位机，温度传感器实时采集站内的温度数据，并将采集到的温度数据信号实时发送至空调系统上位机；
[0007]所述神经网络环境模式检测模型部署在K210模块上，K210模块与空调系统上位机之间串口通信；
[0008]所述空调系统包括风机、风阀和空调机组，其连接于空调系统上位机的输出端；
[0009]所述显示模块连接于K210模块的输出端；
[0010]所述空调系统上位机用于实时接收多类传感器采集系统传送的烟雾浓度数据信号、二氧化碳浓度数据信号、温度数据信号，将接收到的数据信号实时发送至K210模块，由神经网络环境模式检测模型进行处理，处理后的信号反馈至空调系统上位机，空调系统上位机根据接收到的反馈信号向空调系统传达环境模式控制指令，并启动相应环境模式控制下的风机、风阀和空调机组执行组合联动，调节站内烟雾浓度、二氧化碳浓度和温度；同时，K210模块将环境模式检测结果输出至显示模块进行显示。
[0011]进一步地，所述的K210模块为嵌入式AI开发模块，芯片内置64位双核处理器、通用神经网络加速器KPU，具有8M64bitSRAM、专用外置FLASH接口和TF卡增加自身的储存空间，同时搭载FPIOA现场可编程IO阵列，支持基于Python语言的TensorFlow、Keras、Caffe主流深度学习框架。
[0012]进一步地，还包括语音模块，所述语音模块连接于K210模块的输出端，用于将环境模式检测结果输出进行语音播报。
[0013]一种地铁空调环境模式检测方法，包括如下步骤：
[0014]1)选取关键变量：根据地铁空调模式运行的条件，选择温度、二氧化碳浓度、烟雾浓度作为检测的关键环境数据,即关键变量；
[0015]2)采集环境数据：采集地铁站内关键环境数据以及在实验室采集在地铁站内无法获得的超低超高环境数据作为实验数据，用以训练和测试模型；
[0016]3)数据预处理：对采集到的实验数据进行模式分类，将其分为待机模式，通风模式、制冷模式、通风与制冷模式、排烟模式和火灾模式，并分别通过使用类别标签标定为0、1、2、3、4、5，再对分类标定好的数据进行归一化处理；
[0017]4)构建简易模型：根据采集的环境数据类别以及空调环境模式类别确定地铁环境模式神经网络的输入层和输出层；
[0018]5)确定模型隐藏层神经元个数：根据公式确定隐藏层神经元个数范围，公式中，h为隐藏层神经元数目，m和n分别为输入层和输出层神经元数目，a为1～10之间的调节常数；
[0019]a.采用反向传播以及梯度下降算法在整个数据集上对模型进行训练，公式为：
[0020]a
[1](i)
＝g(W
[1]X
(i)
+b
[1])；
[0021][0022]式中，a
[1](i)
表示第i个样本在隐藏层的输出，W
[1]表示输入层和隐藏层间的网络权重，X
(i)
表示第i个输入样本，b
[1]表示隐层神经元偏置；
[0023]a
[2](i)
表示第i个样本在输出层的预测输出，并用预测值表示，W
[2]表示隐藏层与输出层间的权重，b
[2]表示输出层神经元偏置；
[0024]以上参数均表示矩阵向量；
[0025]b.为使BP神经神经网络逼近任意的非线性函数，选取Relu作为隐藏层激活函数，为使神经网络进行多任务分类选取Softmax作为输出层激活函数，公式分别为:
[0026]g(x)＝max(0,x)；
[0027][0028]式中，g(x)表示隐藏层激活函数，f(x)表示输出层激活函数；C＝n表示输出层的神经元个数，e
x
表示各神经元线性指数输出，x为[n,1]的向量；
[0029]c.实际输出和期望输出之间的成本函数为:
[0030][0031]m表示样本总数，n表示输出层神经元个数，表示第i样本下的第j类预测值，表示第i样本下的第j类真实值；
[0032]d.采用预处理后的数据集对隐藏层神经元不同数目的神经网络进行训练，设置循环次数epoch，通过实验观察训练集样本的成本误差变化；将成本误差最小的曲线处对应的隐藏层神经元数确定为模型隐藏层神经元个数；
[0033]6)算法优化，确立最佳模型：采用Adam优化算法，以梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率，引入动量和自适应学习率使算法加快模型学习、提高网络识别精度并在收敛时减小震荡；最后将经过优化的模型作为最佳的地铁空调环境模式的检测模型。
[0034]进一步地，所述步骤3)中，采用Min
‑
Max离差标准化对数据进行归一化处理，使各采集的数据结果值映射到[0，1]之间，Min
‑
Max标准化转换函数定义如下：
[0035][0036]式中，Max为样本数据的最大值，Min为样本数据的最小值。
[0037]进一步地，所述步骤4)中，选择3层BP神经网络进行建模，选取环境温度、二氧化碳浓度、烟雾浓度作为地铁环境模式检测的关键变量，即采集的环境数据类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地铁空调环境模式检测系统，包括设置于地铁站内公共区环境中的空调系统，其特征在于，还包括多类传感器采集系统、空调系统上位机、神经网络环境模式检测模型、K210模块和显示模块；所述的多类传感器采集系统包括多个分布式布置的烟雾传感器、二氧化碳传感器和温度传感器，烟雾传感器实时采集站内的烟雾浓度数据，并将采集到的烟雾浓度数据信号实时发送至空调系统上位机，二氧化碳传感器实时采集站内的二氧化碳浓度数据，并将采集到的二氧化碳浓度数据信号实时发送至空调系统上位机，温度传感器实时采集站内的温度数据，并将采集到的温度数据信号实时发送至空调系统上位机；所述神经网络环境模式检测模型部署在K210模块上，K210模块与空调系统上位机之间串口通信；所述空调系统包括风机、风阀和空调机组，其连接于空调系统上位机的输出端；所述显示模块连接于K210模块的输出端；所述空调系统上位机用于实时接收多类传感器采集系统传送的烟雾浓度数据信号、二氧化碳浓度数据信号、温度数据信号，将接收到的数据信号实时发送至K210模块，由神经网络环境模式检测模型进行处理，处理后的信号反馈至空调系统上位机，空调系统上位机根据接收到的反馈信号向空调系统传达环境模式控制指令，并启动相应环境模式控制下的风机、风阀和空调机组执行组合联动，调节站内烟雾浓度、二氧化碳浓度和温度；同时，K210模块将环境模式检测结果输出至显示模块进行显示。2.根据权利要求1所述的一种地铁空调环境模式检测系统，其特征在于，所述的K210模块为嵌入式AI开发模块，芯片内置64位双核处理器、通用神经网络加速器KPU，具有8M64bitSRAM、专用外置FLASH接口和TF卡增加自身的储存空间，同时搭载FPIOA现场可编程IO阵列，支持基于Python语言的TensorFlow、Keras、Caffe主流深度学习框架。3.根据权利要求1或2所述的一种地铁空调环境模式检测系统，其特征在于，还包括语音模块，所述语音模块连接于K210模块的输出端，用于将环境模式检测结果输出进行语音播报。4.一种地铁空调环境模式检测方法，其特征在于，包括如下步骤：1)选取关键变量：根据地铁空调模式运行的条件，选择温度、二氧化碳浓度、烟雾浓度作为检测的关键环境数据,即关键变量；2)采集环境数据：采集地铁站内关键环境数据以及在实验室采集在地铁站内无法获得的超低超高环境数据作为实验数据，用以训练和测试模型；3)数据预处理：对采集到的实验数据进行模式分类，将其分为待机模式，通风模式、制冷模式、通风与制冷模式、排烟模式和火灾模式，并分别通过使用类别标签标定为0、1、2、3、4、5，再对分类标定好的数据进行归一化处理；4)构建简易模型：根据采集的环境数据类别以及空调环境模式类别确定地铁环境模式神经网络的输入层和输出层；5)确定模型隐藏层神经元个数：根据公式确定隐藏层神经元个数范围，公式中，h为隐藏层神经元数目，m和n分别为输入层和输出层神经元数目，a为1～10之间的调节常数；
a.采用反向传播以及梯度下降算法在整个数据集上对模型进行训练，公式为：a
[1](i)
＝g(W
[1]
X
(i)
+b
[1]
)；式中，a
[1](i)
表示第i个样本在隐藏层的输出，W
...

【专利技术属性】
技术研发人员：杨增汪，董正琪，李怡雯，姜杰，鲍锦，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：