HI,欢迎来到起点商标网!
24小时服务QQ:2880605093

一种用于教室的传感器最优布置方法及其通风监控系统与流程

2021-03-09 15:03:48|407|起点商标网
一种用于教室的传感器最优布置方法及其通风监控系统与流程

[0001]
本发明属于房间通风领域,具体涉及一种用于教室的传感器最优布置方法及其通风监控系统。


背景技术:

[0002]
中小学以及高校的公共教室的室内空气品质直接影响了学生的身心健康和学习效率,在室内空气品质的研究中,人们更关注甲醛、pm
2.5
和vocs等污染物的危害,而co2作为评价室内空气卫生质量的一项重要指标,往往容易被人们所忽视。当室内co2的浓度达到1%(1000ppm)时,人们会感到沉闷,注意力开始不集中,心悸。中小学以及高校的公共教室由于人数较多且集中,并且在教室中长时间上课会使室内的co2浓度迅速升高。因此,如何高效地降低公共教室内co2浓度是当前急需解决的难题。
[0003]
当前对于公共教室的通风形式主要是独立空调器和混合通风两种形式,独立空调器可单独给公共教室提供制冷和供暖功能,但当室内存在高浓度co2时的净化作用较小。而混合通风在去除室内污染物时往往将送风量高于实际所需要的风量,因此这便造成了通风系统耗能大的问题。随着物联网监测、低成本的传感器等技术的快速发展,智能通风系统逐渐兴起,而智能通风系统对于公共教室的co2浓度在线控制仍旧面临着难题。
[0004]
针对上述提出的问题,现设计一种用于教室的传感器最优布置方法及其通风监控系统。


技术实现要素:

[0005]
针对现有技术的不足,本发明的目的在于提供一种用于教室的传感器最优布置方法及其通风监控系统,解决了现有技术中独立空调器对于室内存在高浓度co2时净化作用小的问题。
[0006]
本发明的目的可以通过以下技术方案实现:
[0007]
一种用于教室的传感器最优布置方法,包括如下步骤:
[0008]
s1、基础数据库构建—利用数值模拟软件完成所有基础通风案例的模拟计算,得到co2分布的数值结果并用于构建基础数据库;
[0009]
s2、数据库扩充及低维离散处理—根据线性叠加原理,当存在多个co2污染源时,其产生的co2分布结果等于这些co2污染源单独作用时所产生的co2分布结果的叠加,即利用该原理能够快速地得到任意大于等于数量2的co2污染源所产生的co2分布情况,并完成数据库的有效扩充;
[0010]
s3、数据库聚类分析—采用模糊聚类算法对基础的数据库和扩展后数据库进行聚类分析,可迅速得到通风环境的污染聚类信息;
[0011]
s4、制定最优传感器布置策略—室内污染监测的主要目的是获得尽可能全面的室内污染分布信息,从而为通风系统的评估和控制等决策提供参考信息,根据聚类算法中所设定的聚类数,结合实际室内的体积和布局,确定传感器数量以及设置位置;
[0012]
s5、构建智能化通风监控系统—设置具体的通风系统,实现公共教室内co2的有效排放。
[0013]
进一步的,所述s2数值模拟计算的前提是大量网格节点的确定,使用一种离散化方法来减少网格数据量,分为以下三个过程:
[0014]
s2.1—将体积为ω的数值模拟网格划分为多个体积为ωi的小立方体网格,其中i=1~n,n<<网格节点数量,而与小立方体网格相对应的(x,y,z)坐标也依次划分到数组ai中;
[0015]
s2.2—根据数组ai,将(x,y,z)坐标对应的网格节点数据也依次划分到相应的数组中,再基于各个数组ai中的网格数据,计算出每个小立方体内全部数据的体积平均值;
[0016]
s2.3—利用体积平均数据结果来表示对应小立方体的全部网格数据结果,实现高精度网格数据的离散处理,即完成对基础数据库的重构。
[0017]
进一步的,所述s3将扩充和低维离散化处理后的数据库进行特征构建并作为算法的输入,对换气次数为i的数据作为特征进行聚类分析,其他换气次数下的数据将用于测点部署的验证。
[0018]
进一步的,所述s5提出的一种用于教室的传感器最优布置方法的通风监控系统,包括置于公共教室外部上端的空调机组,所述空调机组的上端设有用于空气流通的新风单元,所述新风单元与空调机组连通。
[0019]
一种用于教室的传感器最优布置方法的通风监控系统,所述空调机组的一端设有送风管道,另一端设有回风管道,所述送风管道的一端与空调机组连通,另一端从公共教室外部上端延伸至公共教室内且设有条缝型送风口。
[0020]
进一步的,所述回风管道的一端与空调机组连通,另一端从公共教室外部侧端延伸至公共教室内且设有条缝型回风口,所述空调机组与送风管道的连通处设有风机组件,所述公共教室内设有课桌区域,所述课桌区域内设有与公共教室电性连接的传感器。
[0021]
本发明的有益效果:
[0022]
1、本发明提出的用于教室的传感器最优布置方法及其通风监控系统,基于低维线性数据处理方法,可有效减小数值计算的存储成本和时间成本;
[0023]
2、本发明提出的用于教室的传感器最优布置方法及其通风监控系统,基于无监督机器学习聚类算法,可实现对公共教室内的co2浓度聚类,并确定出合理的监测点部署方案;
[0024]
3、本发明提出的用于教室的传感器最优布置方法及其通风监控系统,针对公共教室内的co2浓度和位置,可实现对室内的通风系统在线快速控制,能够快速降低公共教室内的co2浓度。
附图说明
[0025]
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0026]
图1是本发明的面向公共教室的co2聚类控制方法流程图;
[0027]
图2是本发明的数据库扩展及低维离散处理原理示意图;
[0028]
图3是本发明的数据库聚类分析原理图;
[0029]
图4是本发明的智能化通风监控系统示意图;
[0030]
图5是本发明的污染源位置和聚类分区示意图;
[0031]
图6是本发明的传感器布置示意图。
具体实施方式
[0032]
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
[0033]
在本发明的描述中,需要理解的是,术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的组件或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。
[0034]
如图1所示,一种用于教室的传感器最优布置方法,包括如下步骤:
[0035]
s1、基础数据库构建—利用数值模拟软件完成所有基础通风案例的模拟计算,得到co2分布的数值结果并用于构建基础数据库;
[0036]
s2、数据库扩充及低维离散处理—根据线性叠加原理,当存在多个co2污染源(位置)时,其产生的co2分布结果等于这些co2污染源单独作用时所产生的co2分布结果的叠加,即利用该原理能够快速地得到任意数量(≥2)的co2污染源所产生的co2分布情况,并完成数据库的有效扩充,如图2所示;
[0037]
s3、数据库聚类分析—采用模糊聚类算法对基础的数据库和扩展后数据库进行聚类分析,可迅速得到通风环境的污染聚类信息,其中常见的模糊算法以k-means(k均值聚类算法)和fuzzy c-means(模糊c均值聚类算法)为主,如图3所示;
[0038]
s4、制定最优传感器布置策略—室内污染监测的主要目的是获得尽可能全面的室内污染分布信息,从而为通风系统的评估和控制等决策提供参考信息,根据聚类算法中所设定的聚类数,结合实际室内的体积和布局,确定传感器数量以及设置位置;
[0039]
s5、构建智能化通风监控系统—设置具体的通风系统,实现公共教室内co2的有效排放,如图4所示。
[0040]
所述s1全部通风案例考虑通风方式固定,由换气次数(送风量)和单个co2污染源位置排列组合得到。
[0041]
所述s2数值模拟计算的前提是大量网格节点的确定,因此使用一种离散化方法来减少网格数据量,其过程分为以下三个过程:
[0042]
s2.1—将体积为ω的数值模拟网格划分为多个体积为ωi的小立方体网格,其中i=1~n,n<<网格节点数量,而与小立方体网格相对应的(x,y,z)坐标也依次划分到数组ai中;
[0043]
s2.2—根据数组ai,将(x,y,z)坐标对应的网格节点数据(例如:co2含量)也依次划分到相应的数组中,然后基于各个数组ai中的网格数据,计算出每个小立方体内全部数据的体积平均值;
[0044]
s2.3—利用体积平均数据结果来表示对应小立方体的全部网格数据结果,实现高精度网格数据的离散(低维)处理,即完成对基础数据库的重构。
[0045]
所述s3将扩充和低维离散化处理后的数据库进行特征构建并作为算法的输入,对换气次数为i的数据(i=1~n,n为低维离散后的立方块个数)作为特征进行聚类分析,其他换气次数下的数据将用于测点部署的验证。
[0046]
所述s4随着测点个数的增加,可以得出更多的关于室内污染分布的信息。但是随着监测点个数增加到一定数量后,一方面传感器的成本会增加;另一方面测点所监测的数据信息存在冗余,会增加系统处理信息时的负担。因此,想要构建一个可靠、高效的室内传感器网络的第一个任务,就是确定传感器个数(即模糊聚类算法中所设定的聚类数)。
[0047]
所述s5提出的一种用于教室的传感器最优布置方法的通风监控系统,包括置于公共教室外部上端的空调机组1,所述空调机组1的上端设有用于空气流通的新风单元7,所述新风单元7与空调机组1连通。所述空调机组1的一端设有送风管道3,另一端设有回风管道4。所述送风管道3的一端与空调机组1连通,另一端从公共教室外部上端延伸至公共教室内且设有条缝型送风口5。所述回风管道4的一端与空调机组1连通,另一端从公共教室外部侧端延伸至公共教室内且设有条缝型回风口6。所述空调机组1与送风管道3的连通处设有风机组件2。所述公共教室内设有课桌区域9,所述课桌区域9内设有与公共教室电性连接的传感器8。
[0048]
实际通风时,所述传感器8实时监测课桌区域9内co2的浓度含量,启动空调机组1和风机组件2,室外新鲜空气则由新风单元7经过空调机组1和送风管道3进入公共教室内;公共教室内混浊的空气则由回风管道4经过空调机组1和新风单元7排出。实现了公共教室内气体交换的目的。
[0049]
下面列举一个实施例对本发明做进一步解释。
[0050]
实施例1
[0051]
公共教室几何尺寸为10m(长)
×
6m(宽)
×
5m(高),考虑6种换气次数,室内共设置3个不同位置的co2污染源,因此基础数据库共包括6
×
3=18个通风案例。
[0052]
采用数值模拟开源软件fluent得到所有通风案例的co2分布模拟结果,并用于基础数据库构建。然后运用线性叠加原理进行数据库扩充,即存在多个污染源(位置)时,其产生的污染物分布结果等于这些污染源单独作用时所产生的污染物分布结果的叠加。然后使用一种低维化离散化方法进行数据预处理。通风结构的网格被均匀地划分为3
×3×
3=27个小立方块来实现数据库的重构,如图5所示,并且保证了在可接受的工程误差范围内(≤10%)。
[0053]
基于低维处理得到的新数据库,可根据特定通风案例变量来进行深度的机器学习,即探究小立方体ωi内各个变量或数据之间的函数关系,例如根据某种特定的污染源位置和换气次数,通过模糊聚类算法中所设定的聚类数来确定传感器数量,如图6所示,然后基于公共教室中co2位置和浓度,快速响应智能通风系统的控制方案。
[0054]
上述实施例中,公共教室上端开设有送风口10,侧端开设有回风口12。其中a、b、c为co2污染源位置,d、e、f为传感器布置位置。
[0055]
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施
例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0056]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。

起点商标作为专业知识产权交易平台,可以帮助大家解决很多问题,如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通,为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除

tips