基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法和系統(tǒng)
文章來源：http://www.gxshunjiang.com/ 2024年11月04日 點(diǎn)擊數(shù)：384
基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法和系統(tǒng)
技術(shù)領(lǐng)域
本發(fā)明涉及送風(fēng)調(diào)節(jié)技術(shù)領(lǐng)域，尤其涉及一種基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法和系統(tǒng)。
背景技術(shù)
隨著各個(gè)行業(yè)的不斷發(fā)展和社會(huì)對(duì)產(chǎn)品質(zhì)量和安全性的要求不斷提高，潔凈室的應(yīng)用在醫(yī)藥、半導(dǎo)體、食品、航天航空前領(lǐng)域前景越來越廣闊，送風(fēng)氣流組件是潔凈室氣流組件的重要組成部分，其目的是將經(jīng)過處理的空氣以一定的方式送入潔凈室內(nèi)，為了保證潔凈室內(nèi)空氣的潔凈度和均勻度，需要對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)。
現(xiàn)有的潔凈室送風(fēng)調(diào)節(jié)方法多為基于手動(dòng)控制的送風(fēng)調(diào)節(jié)方法，通過人員手動(dòng)控制送風(fēng)量來維持潔凈室內(nèi)的壓力和空氣質(zhì)量，實(shí)際應(yīng)用中，基于手動(dòng)控制的送風(fēng)調(diào)節(jié)方法需要人員多次進(jìn)行調(diào)整，增加了人員的工作量，且大多數(shù)人員在初次設(shè)置后后期基本不再調(diào)整由于風(fēng)量固定，即使?jié)崈羰覂?nèi)的負(fù)荷變化，系統(tǒng)仍然會(huì)以恒定的風(fēng)量運(yùn)行，導(dǎo)致不必要的能源消耗，可能導(dǎo)致進(jìn)行送風(fēng)調(diào)節(jié)時(shí)的效率較低。
發(fā)明內(nèi)容
本發(fā)明提供一種基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法和系統(tǒng)，其主要目的在于解決導(dǎo)致進(jìn)行送風(fēng)調(diào)節(jié)時(shí)的效率較低的問題。
為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法，包括：
分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出人員時(shí)序特征以及環(huán)境時(shí)序特征；
分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，得到分析環(huán)境數(shù)據(jù)以及分析人員數(shù)據(jù)；
根據(jù)所述分析環(huán)境數(shù)據(jù)以及所述分析人員數(shù)據(jù)生成分析傳感數(shù)據(jù)，對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，其中，所述對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，包括：將所述分析傳感數(shù)據(jù)向量化成傳感狀態(tài)特征；利用如下的徑向傳播算法對(duì)所述傳感狀態(tài)特征進(jìn)行前向傳播，得到送風(fēng)策略特征：
其中，是指所述送風(fēng)策略特征中的第個(gè)時(shí)間步的特征，是時(shí)間步索引，是節(jié)點(diǎn)索引，是所述徑向傳播算法對(duì)應(yīng)的隱藏層的節(jié)點(diǎn)總數(shù)，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的權(quán)重，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的中心向量，是指數(shù)函數(shù)符號(hào)，是所述徑向傳播算法的徑向基核寬度，是所述傳感狀態(tài)特征中的第個(gè)時(shí)間步的特征；對(duì)所述送風(fēng)策略特征進(jìn)行特征映射，得到分析送風(fēng)策略；
根據(jù)所述分析傳感數(shù)據(jù)對(duì)所述分析送風(fēng)策略進(jìn)行策略評(píng)估，得到策略獎(jiǎng)勵(lì)；
利用所述策略獎(jiǎng)勵(lì)將所述分析送風(fēng)策略更新成標(biāo)準(zhǔn)送風(fēng)策略，根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)。
可選地，所述分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出人員時(shí)序特征以及環(huán)境時(shí)序特征，包括：
分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出傳感環(huán)境數(shù)據(jù)以及傳感人員數(shù)據(jù)；
分別對(duì)所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)進(jìn)行平穩(wěn)性校驗(yàn)以及差分操作，得到平穩(wěn)環(huán)境數(shù)據(jù)以及平穩(wěn)人員數(shù)據(jù)；
對(duì)所述平穩(wěn)環(huán)境數(shù)據(jù)以及所述平穩(wěn)人員數(shù)據(jù)進(jìn)行自回歸運(yùn)算，得到滯后算子矩陣；
利用所述滯后算子矩陣對(duì)所述平穩(wěn)環(huán)境數(shù)據(jù)以及所述平穩(wěn)人員數(shù)據(jù)進(jìn)行最大似然運(yùn)算，得到移動(dòng)平均矩陣；
利用所述滯后算子矩陣和所述移動(dòng)平均矩陣對(duì)所述平穩(wěn)人員數(shù)據(jù)進(jìn)行遞歸擬合，得到人員時(shí)序特征；
利用所述滯后算子矩陣和所述移動(dòng)平均矩陣對(duì)所述平穩(wěn)環(huán)境數(shù)據(jù)進(jìn)行遞歸擬合，得到環(huán)境時(shí)序特征。
可選地，所述分別對(duì)所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)進(jìn)行平穩(wěn)性校驗(yàn)以及差分操作，得到平穩(wěn)環(huán)境數(shù)據(jù)以及平穩(wěn)人員數(shù)據(jù)，包括：
分別對(duì)所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)進(jìn)行數(shù)據(jù)趨勢(shì)擬合，得到擬合環(huán)境數(shù)據(jù)以及擬合人員數(shù)據(jù)；
利用如下的殘差統(tǒng)計(jì)算法根據(jù)所述擬合環(huán)境數(shù)據(jù)計(jì)算出所述傳感環(huán)境數(shù)據(jù)的環(huán)境平穩(wěn)系數(shù)：
其中，是指所述環(huán)境平穩(wěn)系數(shù)，是所述傳感環(huán)境數(shù)據(jù)的數(shù)據(jù)長度，、是序號(hào)索引，是所述傳感環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)，是所述擬合環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)，是所述傳感環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)，是所述擬合環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)；
根據(jù)所述環(huán)境平穩(wěn)系數(shù)對(duì)所述傳感環(huán)境數(shù)據(jù)進(jìn)行差分操作，得到平穩(wěn)環(huán)境數(shù)據(jù)；
根據(jù)所述擬合人員數(shù)據(jù)計(jì)算出所述傳感人員數(shù)據(jù)的人員平穩(wěn)系數(shù)；
根據(jù)所述人員平穩(wěn)系數(shù)對(duì)所述傳感人員數(shù)據(jù)進(jìn)行差分操作，得到平穩(wěn)人員數(shù)據(jù)。
可選地，所述分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，得到分析環(huán)境數(shù)據(jù)以及分析人員數(shù)據(jù)，包括：
分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及反差分操作，得到線性環(huán)境數(shù)據(jù)以及線性人員數(shù)據(jù)；
將所述線性環(huán)境數(shù)據(jù)拆分成線性傳感環(huán)境數(shù)據(jù)以及線性分析環(huán)境數(shù)據(jù)，將所述線性人員數(shù)據(jù)拆分成線性傳感人員數(shù)據(jù)以及線性分析人員數(shù)據(jù)；
分別計(jì)算出所述線性傳感人員數(shù)據(jù)對(duì)應(yīng)的人員殘差數(shù)據(jù)以及所述線性傳感環(huán)境數(shù)據(jù)對(duì)應(yīng)的環(huán)境殘差數(shù)據(jù)；
分別提取出所述人員殘差數(shù)據(jù)對(duì)應(yīng)的非線性人員時(shí)序特征以及所述環(huán)境殘差數(shù)據(jù)對(duì)應(yīng)的非線性環(huán)境時(shí)序特征；
利用所述非線性人員時(shí)序特征對(duì)所述線性分析人員數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析人員數(shù)據(jù)；
利用所述非線性環(huán)境時(shí)序特征對(duì)所述線性分析環(huán)境數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析環(huán)境數(shù)據(jù)。
可選地，所述分別提取出所述人員殘差數(shù)據(jù)對(duì)應(yīng)的非線性人員時(shí)序特征以及所述環(huán)境殘差數(shù)據(jù)對(duì)應(yīng)的非線性環(huán)境時(shí)序特征，包括：
分別提取出所述人員殘差數(shù)據(jù)對(duì)應(yīng)的長期人員時(shí)序特征以及短期人員時(shí)序特征；
將所述長期人員時(shí)序特征以及所述短期人員時(shí)序特征全連接成長短人員時(shí)序特征；
對(duì)所述長短人員時(shí)序特征進(jìn)行自注意力加權(quán)，得到非線性人員時(shí)序特征；
分別提取出所述環(huán)境殘差數(shù)據(jù)對(duì)應(yīng)的長期環(huán)境時(shí)序特征以及短期環(huán)境時(shí)序特征；
將所述長期環(huán)境時(shí)序特征以及所述短期環(huán)境時(shí)序特征全連接成長短環(huán)境時(shí)序特征；
對(duì)所述長短環(huán)境時(shí)序特征進(jìn)行自注意力加權(quán)，得到非線性環(huán)境時(shí)序特征。
可選地，所述利用所述非線性人員時(shí)序特征對(duì)所述線性分析人員數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析人員數(shù)據(jù)，包括：
對(duì)所述非線性人員時(shí)序特征進(jìn)行全連接映射，得到映射非線性人員特征；
對(duì)所述映射非線性人員特征進(jìn)行線性激活，得到非線性分析人員數(shù)據(jù)；
對(duì)所述線性分析人員數(shù)據(jù)以及所述非線性分析人員數(shù)據(jù)進(jìn)行加權(quán)融合，得到分析人員數(shù)據(jù)。
可選地，所述根據(jù)所述分析傳感數(shù)據(jù)對(duì)所述分析送風(fēng)策略進(jìn)行策略評(píng)估，得到策略獎(jiǎng)勵(lì)，包括：
對(duì)所述分析送風(fēng)策略進(jìn)行能耗分析，得到分析送風(fēng)能耗；
從所述分析傳感數(shù)據(jù)中提取出分析傳感溫度、分析傳感濕度以及分析傳感壓力；
利用如下的策略獎(jiǎng)勵(lì)算法根據(jù)所述分析送風(fēng)能耗、所述分析傳感溫度、所述分析傳感濕度以及所述分析傳感壓力計(jì)算出策略獎(jiǎng)勵(lì)：
其中，是所述策略獎(jiǎng)勵(lì)，是所述分析傳感數(shù)據(jù)的時(shí)間步長度，且所述分析傳感數(shù)據(jù)的時(shí)間步長度等于所述分析送風(fēng)策略的時(shí)間步長度，是時(shí)間步索引，是預(yù)設(shè)的第個(gè)時(shí)間步的折扣因子，是所述分析傳感溫度中第個(gè)時(shí)間步的溫度值，是預(yù)設(shè)的適宜溫度，是所述分析傳感濕度中第個(gè)時(shí)間步的濕度值，是預(yù)設(shè)的適宜濕度，是所述分析傳感壓力中第個(gè)時(shí)間步的壓力值，是預(yù)設(shè)的適宜壓力，、是預(yù)設(shè)的獎(jiǎng)勵(lì)權(quán)重，是所述分析送風(fēng)能耗。
可選地，所述利用所述策略獎(jiǎng)勵(lì)將所述分析送風(fēng)策略更新成標(biāo)準(zhǔn)送風(fēng)策略，包括：
判斷所述策略獎(jiǎng)勵(lì)是否大于預(yù)設(shè)的獎(jiǎng)勵(lì)閾值；
若是，則根據(jù)所述策略獎(jiǎng)勵(lì)對(duì)所述徑向傳播算法的參數(shù)進(jìn)行更新，并返回所述對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略的步驟；
若否，則將所述分析送風(fēng)策略作為所述標(biāo)準(zhǔn)送風(fēng)策略。
可選地，所述根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)，包括：
從所述標(biāo)準(zhǔn)送風(fēng)策略中提取出標(biāo)準(zhǔn)送風(fēng)量以及標(biāo)準(zhǔn)送風(fēng)角度；
對(duì)所述潔凈室的出風(fēng)口進(jìn)行全壓測(cè)量，得到出風(fēng)口全壓；
將所述出風(fēng)口全壓減去預(yù)設(shè)的出口風(fēng)靜壓，得到出風(fēng)口動(dòng)壓；
根據(jù)所述出風(fēng)口動(dòng)壓計(jì)算出初級(jí)送風(fēng)風(fēng)速；
根據(jù)所述標(biāo)準(zhǔn)送風(fēng)量以及初級(jí)送風(fēng)風(fēng)速計(jì)算出標(biāo)準(zhǔn)風(fēng)口面積；
根據(jù)所述標(biāo)準(zhǔn)風(fēng)口面積以及所述標(biāo)準(zhǔn)送風(fēng)角度對(duì)所述潔凈室進(jìn)行送風(fēng)。
為了解決上述問題，本發(fā)明還提供一種基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)系統(tǒng)，所述系統(tǒng)包括：
特征提取模塊，用于分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出人員時(shí)序特征以及環(huán)境時(shí)序特征；
誤差校正模塊，用于分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，得到分析環(huán)境數(shù)據(jù)以及分析人員數(shù)據(jù)；
策略生成模塊，用于根據(jù)所述分析環(huán)境數(shù)據(jù)以及所述分析人員數(shù)據(jù)生成分析傳感數(shù)據(jù)，對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，其中，所述對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，包括：將所述分析傳感數(shù)據(jù)向量化成傳感狀態(tài)特征；利用如下的徑向傳播算法對(duì)所述傳感狀態(tài)特征進(jìn)行前向傳播，得到送風(fēng)策略特征：
其中，是指所述送風(fēng)策略特征中的第個(gè)時(shí)間步的特征，是時(shí)間步索引，是節(jié)點(diǎn)索引，是所述徑向傳播算法對(duì)應(yīng)的隱藏層的節(jié)點(diǎn)總數(shù)，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的權(quán)重，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的中心向量，是指數(shù)函數(shù)符號(hào)，是所述徑向傳播算法的徑向基核寬度，是所述傳感狀態(tài)特征中的第個(gè)時(shí)間步的特征；對(duì)所述送風(fēng)策略特征進(jìn)行特征映射，得到分析送風(fēng)策略；
策略評(píng)估模塊，用于根據(jù)所述分析傳感數(shù)據(jù)對(duì)所述分析送風(fēng)策略進(jìn)行策略評(píng)估，得到策略獎(jiǎng)勵(lì)；
送風(fēng)調(diào)節(jié)模塊，用于利用所述策略獎(jiǎng)勵(lì)將所述分析送風(fēng)策略更新成標(biāo)準(zhǔn)送風(fēng)策略，根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)。
本發(fā)明實(shí)施例通過提取出人員時(shí)序特征以及環(huán)境時(shí)序特征，能夠結(jié)合人員數(shù)據(jù)對(duì)環(huán)境數(shù)據(jù)的交互關(guān)系進(jìn)行時(shí)序特征的提取，并利用差分以及移動(dòng)平均的方法提取出人員數(shù)據(jù)與環(huán)境數(shù)據(jù)的線性時(shí)序關(guān)系，從而提高時(shí)序特征的細(xì)節(jié)，通過進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，能夠提取出潔凈室傳感數(shù)據(jù)中的非線性變化的部分時(shí)序特征，從而對(duì)分析的結(jié)果進(jìn)行進(jìn)一步校正，提高傳感數(shù)據(jù)分析的準(zhǔn)確性，通過對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，能夠利用徑向基函數(shù)提高送風(fēng)策略的非線性特征，并通過強(qiáng)化學(xué)習(xí)模型實(shí)現(xiàn)送風(fēng)策略的靈活性。
通過進(jìn)行策略評(píng)估，能夠結(jié)合分析的傳感參數(shù)和人員的適宜參數(shù)之間的差值以及能耗數(shù)據(jù)進(jìn)行策略評(píng)判，從而提高送風(fēng)策略的效率，通過進(jìn)行策略更新，能夠?qū)崟r(shí)對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行更新調(diào)整，得到能效更高的送風(fēng)策略，通過根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)，能夠通過調(diào)整導(dǎo)流風(fēng)口實(shí)現(xiàn)送風(fēng)調(diào)節(jié)，從而依靠調(diào)整送風(fēng)風(fēng)機(jī)頻率節(jié)省機(jī)組能耗，提升送風(fēng)調(diào)節(jié)的效率。因此本發(fā)明提出的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法和系統(tǒng)，可以解決導(dǎo)致進(jìn)行送風(fēng)調(diào)節(jié)時(shí)的效率較低的問題。
附圖說明
圖1為本發(fā)明一實(shí)施例提供的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法的流程示意圖；
圖2為本發(fā)明一實(shí)施例提供的提取人員時(shí)序特征以及環(huán)境時(shí)序特征的流程示意圖；
圖3為本發(fā)明一實(shí)施例提供的進(jìn)行平穩(wěn)性校驗(yàn)以及差分操作的流程示意圖；
圖4為本發(fā)明一實(shí)施例提供的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)系統(tǒng)的功能模塊圖；
本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。
具體實(shí)施方式
應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
本申請(qǐng)實(shí)施例提供一種基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法。所述基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法的執(zhí)行主體包括但不限于服務(wù)端、終端等能夠被配置為執(zhí)行本申請(qǐng)實(shí)施例提供的該方法的電子設(shè)備中的至少一種。換言之，所述基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法可以由安裝在終端設(shè)備或服務(wù)端設(shè)備的軟件或硬件來執(zhí)行，所述軟件可以是區(qū)塊鏈平臺(tái)。所述服務(wù)端包括但不限于：單臺(tái)服務(wù)器、服務(wù)器集群、云端服務(wù)器或云端服務(wù)器集群等。所述服務(wù)器可以是獨(dú)立的服務(wù)器，也可以是提供云服務(wù)、云數(shù)據(jù)庫、云計(jì)算、云函數(shù)、云存儲(chǔ)、網(wǎng)絡(luò)服務(wù)、云通信、中間件服務(wù)、域名服務(wù)、安全服務(wù)、內(nèi)容分發(fā)網(wǎng)絡(luò)(ContentDelivery Network，CDN)、以及大數(shù)據(jù)和人工智能平臺(tái)等基礎(chǔ)云計(jì)算服務(wù)的云服務(wù)器。
參照?qǐng)D1所示，為本發(fā)明一實(shí)施例提供的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法的流程示意圖。在本實(shí)施例中，所述基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法包括：
S1、分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出人員時(shí)序特征以及環(huán)境時(shí)序特征。
詳細(xì)地，所述潔凈室傳感數(shù)據(jù)是針對(duì)潔凈室進(jìn)行多種類型的數(shù)據(jù)監(jiān)測(cè)得到的時(shí)序數(shù)據(jù)，所述潔凈室傳感數(shù)據(jù)中包括傳感環(huán)境數(shù)據(jù)以及傳感人員數(shù)據(jù)，其中，所述傳感環(huán)境數(shù)據(jù)中包括一段時(shí)間內(nèi)潔凈室的溫度、濕度以及壓力等環(huán)境數(shù)據(jù)，所述傳感人員數(shù)據(jù)包括一段時(shí)間內(nèi)潔凈室的人員數(shù)量、人員位置以及人員活動(dòng)頻率等人員數(shù)據(jù)。
具體地，所述人員時(shí)序特征是指所述傳感人員數(shù)據(jù)隨時(shí)間變化的線性特征，所述環(huán)境時(shí)序特征是所述傳感環(huán)境數(shù)據(jù)隨時(shí)間變化的線性特征。
本發(fā)明實(shí)施例中，參照?qǐng)D2所示，所述分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出人員時(shí)序特征以及環(huán)境時(shí)序特征，包括：
S21、分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出傳感環(huán)境數(shù)據(jù)以及傳感人員數(shù)據(jù)；
S22、分別對(duì)所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)進(jìn)行平穩(wěn)性校驗(yàn)以及差分操作，得到平穩(wěn)環(huán)境數(shù)據(jù)以及平穩(wěn)人員數(shù)據(jù)；
S23、對(duì)所述平穩(wěn)環(huán)境數(shù)據(jù)以及所述平穩(wěn)人員數(shù)據(jù)進(jìn)行自回歸運(yùn)算，得到滯后算子矩陣；
S24、利用所述滯后算子矩陣對(duì)所述平穩(wěn)環(huán)境數(shù)據(jù)以及所述平穩(wěn)人員數(shù)據(jù)進(jìn)行最大似然運(yùn)算，得到移動(dòng)平均矩陣；
S25、利用所述滯后算子矩陣和所述移動(dòng)平均矩陣對(duì)所述平穩(wěn)人員數(shù)據(jù)進(jìn)行遞歸擬合，得到人員時(shí)序特征；
S26、利用所述滯后算子矩陣和所述移動(dòng)平均矩陣對(duì)所述平穩(wěn)環(huán)境數(shù)據(jù)進(jìn)行遞歸擬合，得到環(huán)境時(shí)序特征。
詳細(xì)地，所述傳感環(huán)境數(shù)據(jù)和所述傳感人員數(shù)據(jù)中的數(shù)據(jù)按照時(shí)序排序，為了更好地提取人員數(shù)據(jù)以及環(huán)境數(shù)據(jù)的時(shí)序特征，需要對(duì)人員數(shù)據(jù)以及環(huán)境數(shù)據(jù)進(jìn)行平穩(wěn)化處理，所述平穩(wěn)環(huán)境數(shù)據(jù)以及所述平穩(wěn)人員數(shù)據(jù)分別是平穩(wěn)后的所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)。
具體地，參照?qǐng)D3所示，所述分別對(duì)所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)進(jìn)行平穩(wěn)性校驗(yàn)以及差分操作，得到平穩(wěn)環(huán)境數(shù)據(jù)以及平穩(wěn)人員數(shù)據(jù)，包括：
S31、分別對(duì)所述傳感環(huán)境數(shù)據(jù)以及所述傳感人員數(shù)據(jù)進(jìn)行數(shù)據(jù)趨勢(shì)擬合，得到擬合環(huán)境數(shù)據(jù)以及擬合人員數(shù)據(jù)；
S32、根據(jù)所述擬合環(huán)境數(shù)據(jù)計(jì)算出所述傳感環(huán)境數(shù)據(jù)的環(huán)境平穩(wěn)系數(shù)；
S33、根據(jù)所述環(huán)境平穩(wěn)系數(shù)對(duì)所述傳感環(huán)境數(shù)據(jù)進(jìn)行差分操作，得到平穩(wěn)環(huán)境數(shù)據(jù)；
S34、根據(jù)所述擬合人員數(shù)據(jù)計(jì)算出所述傳感人員數(shù)據(jù)的人員平穩(wěn)系數(shù)；
S35、根據(jù)所述人員平穩(wěn)系數(shù)對(duì)所述傳感人員數(shù)據(jù)進(jìn)行差分操作，得到平穩(wěn)人員數(shù)據(jù)。
詳細(xì)地，可以利用最小二乘法或線性回歸模型進(jìn)行數(shù)據(jù)趨勢(shì)擬合，所述擬合環(huán)境數(shù)據(jù)是擬合出的具有所述傳感環(huán)境數(shù)據(jù)的趨勢(shì)的環(huán)境數(shù)據(jù)序列，所述擬合人員數(shù)據(jù)是擬合出的具有所述傳感人員數(shù)據(jù)的趨勢(shì)的人員數(shù)據(jù)序列。
具體地，利用如下的殘差統(tǒng)計(jì)算法計(jì)算出環(huán)境平穩(wěn)系數(shù)：
其中，是指所述環(huán)境平穩(wěn)系數(shù)，是所述傳感環(huán)境數(shù)據(jù)的數(shù)據(jù)長度，、是序號(hào)索引，是所述傳感環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)，是所述擬合環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)，是所述傳感環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)，是所述擬合環(huán)境數(shù)據(jù)中的第個(gè)環(huán)境數(shù)據(jù)。
詳細(xì)地，所述殘差統(tǒng)計(jì)算法能夠利用殘差的累計(jì)和反應(yīng)環(huán)境數(shù)據(jù)的偏差累計(jì)，并根據(jù)殘差的累計(jì)和的平方與殘差的方差之間的比值衡量序列的波動(dòng)性，從而提高環(huán)境平穩(wěn)系數(shù)計(jì)算的直觀性。
具體地，所述差分操作是一種常用的時(shí)間序列數(shù)據(jù)預(yù)處理方法，用于消除時(shí)間序列中的趨勢(shì)和季節(jié)性成分，以使數(shù)據(jù)更加平穩(wěn)，差分操作通過計(jì)算時(shí)間序列的當(dāng)前值與其滯后值之間的差異，從而去除時(shí)間序列中的趨勢(shì)性變化或季節(jié)性成分。
詳細(xì)地，所述根據(jù)所述環(huán)境平穩(wěn)系數(shù)對(duì)所述傳感環(huán)境數(shù)據(jù)進(jìn)行差分操作是指判斷所述環(huán)境平穩(wěn)系數(shù)是否大于預(yù)設(shè)的平穩(wěn)閾值，若是，則進(jìn)行差分操作，若否，則將所述傳感環(huán)境數(shù)據(jù)作為平穩(wěn)環(huán)境數(shù)據(jù)。
詳細(xì)地，所述根據(jù)所述擬合人員數(shù)據(jù)計(jì)算出所述傳感人員數(shù)據(jù)的人員平穩(wěn)系數(shù)的方法與上述步驟中所述根據(jù)所述擬合環(huán)境數(shù)據(jù)計(jì)算出所述傳感環(huán)境數(shù)據(jù)的環(huán)境平穩(wěn)系數(shù)的方法相同，所述根據(jù)所述人員平穩(wěn)系數(shù)對(duì)所述傳感人員數(shù)據(jù)進(jìn)行差分操作，得到平穩(wěn)人員數(shù)據(jù)，得到平穩(wěn)環(huán)境數(shù)據(jù)的方法與上述步驟中所述根據(jù)所述環(huán)境平穩(wěn)系數(shù)對(duì)所述傳感環(huán)境數(shù)據(jù)進(jìn)行差分操作的方法相同，這里不再贅述。
具體地，可以利用向量自回歸模型（Vector Autoregression，簡稱VAR）進(jìn)行自回歸運(yùn)算，所述滯后算子矩陣（Lag Operator Matrix）是一種用于表示時(shí)間序列數(shù)據(jù)中的滯后關(guān)系的數(shù)學(xué)工具，所述滯后算子矩陣能夠捕捉所述平穩(wěn)環(huán)境數(shù)據(jù)與所述平穩(wěn)人員數(shù)據(jù)之間的依賴關(guān)系，所述移動(dòng)平均矩陣（Moving Average Matrix）是用來表示多元時(shí)間序列模型中，當(dāng)前值與過去的誤差項(xiàng)之間的關(guān)系的數(shù)學(xué)工具。
本發(fā)明實(shí)施例中，通過提取出人員時(shí)序特征以及環(huán)境時(shí)序特征，能夠結(jié)合人員數(shù)據(jù)對(duì)環(huán)境數(shù)據(jù)的交互關(guān)系進(jìn)行時(shí)序特征的提取，并利用差分以及移動(dòng)平均的方法提取出人員數(shù)據(jù)與環(huán)境數(shù)據(jù)的線性時(shí)序關(guān)系，從而提高時(shí)序特征的細(xì)節(jié)。
S2、分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，得到分析環(huán)境數(shù)據(jù)以及分析人員數(shù)據(jù)。
詳細(xì)地，所述分析環(huán)境數(shù)據(jù)是指分析出的未來時(shí)間段的傳感環(huán)境數(shù)據(jù)，所述分析人員數(shù)據(jù)是指分析出的未來時(shí)間段內(nèi)的傳感人員數(shù)據(jù)。
本發(fā)明實(shí)施例中，所述分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，得到分析環(huán)境數(shù)據(jù)以及分析人員數(shù)據(jù)，包括：
分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及反差分操作，得到線性環(huán)境數(shù)據(jù)以及線性人員數(shù)據(jù)；
將所述線性環(huán)境數(shù)據(jù)拆分成線性傳感環(huán)境數(shù)據(jù)以及線性分析環(huán)境數(shù)據(jù)，將所述線性人員數(shù)據(jù)拆分成線性傳感人員數(shù)據(jù)以及線性分析人員數(shù)據(jù)；
分別計(jì)算出所述線性傳感人員數(shù)據(jù)對(duì)應(yīng)的人員殘差數(shù)據(jù)以及所述線性傳感環(huán)境數(shù)據(jù)對(duì)應(yīng)的環(huán)境殘差數(shù)據(jù)；
分別提取出所述人員殘差數(shù)據(jù)對(duì)應(yīng)的非線性人員時(shí)序特征以及所述環(huán)境殘差數(shù)據(jù)對(duì)應(yīng)的非線性環(huán)境時(shí)序特征；
利用所述非線性人員時(shí)序特征對(duì)所述線性分析人員數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析人員數(shù)據(jù)；
利用所述非線性環(huán)境時(shí)序特征對(duì)所述線性分析環(huán)境數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析環(huán)境數(shù)據(jù)。
具體地，所述線性數(shù)據(jù)分析是指利用所述滯后算子矩陣對(duì)所述人員時(shí)序特征進(jìn)行迭代的線性運(yùn)算，以及利用所述滯后算子矩陣對(duì)所述環(huán)境時(shí)序特征進(jìn)行迭代的線性運(yùn)算，所述反差分操作是所述差分操作的逆向操作。
詳細(xì)地，所述線性傳感環(huán)境數(shù)據(jù)是所述線性環(huán)境數(shù)據(jù)中與所述傳感環(huán)境數(shù)據(jù)的時(shí)間步相同的環(huán)境數(shù)據(jù)，所述線性分析環(huán)境數(shù)據(jù)是所述線性環(huán)境數(shù)據(jù)中在所述傳感環(huán)境數(shù)據(jù)的時(shí)間步之后的環(huán)境數(shù)據(jù)，所述線性傳感人員數(shù)據(jù)是所述線性人員數(shù)據(jù)中與所述傳感人員數(shù)據(jù)的時(shí)間步相同的人員數(shù)據(jù)，所述線性分析人員數(shù)據(jù)是所述線性人員數(shù)據(jù)中在所述傳感人員數(shù)據(jù)的時(shí)間步之后的人員數(shù)據(jù)。
具體地，所述人員殘差數(shù)據(jù)是所述傳感人員數(shù)據(jù)與所述線性分析人員數(shù)據(jù)的殘差數(shù)據(jù)，所述環(huán)境殘差數(shù)據(jù)是所述傳感環(huán)境數(shù)據(jù)與所述線性分析環(huán)境數(shù)據(jù)的殘差數(shù)據(jù)。
詳細(xì)地，所述分別提取出所述人員殘差數(shù)據(jù)對(duì)應(yīng)的非線性人員時(shí)序特征以及所述環(huán)境殘差數(shù)據(jù)對(duì)應(yīng)的非線性環(huán)境時(shí)序特征，包括：
分別提取出所述人員殘差數(shù)據(jù)對(duì)應(yīng)的長期人員時(shí)序特征以及短期人員時(shí)序特征；
將所述長期人員時(shí)序特征以及所述短期人員時(shí)序特征全連接成長短人員時(shí)序特征；
對(duì)所述長短人員時(shí)序特征進(jìn)行自注意力加權(quán)，得到非線性人員時(shí)序特征；
分別提取出所述環(huán)境殘差數(shù)據(jù)對(duì)應(yīng)的長期環(huán)境時(shí)序特征以及短期環(huán)境時(shí)序特征；
將所述長期環(huán)境時(shí)序特征以及所述短期環(huán)境時(shí)序特征全連接成長短環(huán)境時(shí)序特征；
對(duì)所述長短環(huán)境時(shí)序特征進(jìn)行自注意力加權(quán)，得到非線性環(huán)境時(shí)序特征。
詳細(xì)地，可以利用長短時(shí)序神經(jīng)網(wǎng)絡(luò)模型（Long Short-Term Memory，簡稱LSTM）的記憶單元以及門結(jié)構(gòu)提取出長期人員時(shí)序特征、短期人員時(shí)序特征、長期環(huán)境時(shí)序特征以及短期環(huán)境時(shí)序特征，可以利用自注意力機(jī)制進(jìn)行自注意力加權(quán)。
具體地，所述利用所述非線性人員時(shí)序特征對(duì)所述線性分析人員數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析人員數(shù)據(jù)，包括：
對(duì)所述非線性人員時(shí)序特征進(jìn)行全連接映射，得到映射非線性人員特征；
對(duì)所述映射非線性人員特征進(jìn)行線性激活，得到非線性分析人員數(shù)據(jù)；
對(duì)所述線性分析人員數(shù)據(jù)以及所述非線性分析人員數(shù)據(jù)進(jìn)行加權(quán)融合，得到分析人員數(shù)據(jù)。
詳細(xì)地，可以利用LSTM模型的輸出層的全連接層進(jìn)行全連接映射，可以利用softmax函數(shù)或sigmoid函數(shù)進(jìn)行線性激活。
具體地，所述利用所述非線性環(huán)境時(shí)序特征對(duì)所述線性分析環(huán)境數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析環(huán)境數(shù)據(jù)的方法與上述步驟中所述利用所述非線性人員時(shí)序特征對(duì)所述線性分析人員數(shù)據(jù)進(jìn)行非線性誤差矯正，得到分析人員數(shù)據(jù)的方法相同，這里不再贅述。
本發(fā)明實(shí)施例中，通過進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，能夠提取出潔凈室傳感數(shù)據(jù)中的非線性變化的部分時(shí)序特征，從而對(duì)分析的結(jié)果進(jìn)行進(jìn)一步校正，提高傳感數(shù)據(jù)分析的準(zhǔn)確性。
S3、根據(jù)所述分析環(huán)境數(shù)據(jù)以及所述分析人員數(shù)據(jù)生成分析傳感數(shù)據(jù)，對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略。
詳細(xì)地，所述分析傳感數(shù)據(jù)是所述分析環(huán)境數(shù)據(jù)和所述分析人員數(shù)據(jù)的組合數(shù)據(jù)，所述分析送風(fēng)策略是根據(jù)所述分析傳感數(shù)據(jù)生成的用于調(diào)節(jié)所述分析傳感數(shù)據(jù)的時(shí)間段內(nèi)潔凈室送風(fēng)組件的送風(fēng)角度以及送風(fēng)流量的策略。
本發(fā)明實(shí)施例中，所述對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，包括：
將所述分析傳感數(shù)據(jù)向量化成傳感狀態(tài)特征；
對(duì)所述傳感狀態(tài)特征進(jìn)行前向傳播，得到送風(fēng)策略特征；
對(duì)所述送風(fēng)策略特征進(jìn)行特征映射，得到分析送風(fēng)策略。
具體地，所述徑向傳播算法是由預(yù)先訓(xùn)練的強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)中的深度確定性策略梯度模型（Deep Deterministic Pflicy Gradient，簡稱DDPG）確定出的算法，其中，所述隱藏層的權(quán)重和所述隱藏層的中心向量是訓(xùn)練得到的參數(shù)。
詳細(xì)地，利用如下的徑向傳播算法計(jì)算出送風(fēng)策略特征：
其中，是指所述送風(fēng)策略特征中的第個(gè)時(shí)間步的特征，是時(shí)間步索引，是節(jié)點(diǎn)索引，是所述徑向傳播算法對(duì)應(yīng)的隱藏層的節(jié)點(diǎn)總數(shù)，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的權(quán)重，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的中心向量，是指數(shù)函數(shù)符號(hào)，是所述徑向傳播算法的徑向基核寬度，是所述傳感狀態(tài)特征中的第個(gè)時(shí)間步的特征,是絕對(duì)值符號(hào)。
具體地，所述徑向傳播算法能夠?qū)⑤斎胩卣饔成涞礁呔S特征空間，從而捕捉特征中的非線性特征，提高深度確定性策略梯度模型的泛化能力以及對(duì)復(fù)雜環(huán)境的適應(yīng)性。
詳細(xì)地，所述特征映射是指將所述送風(fēng)策略特征映射到預(yù)設(shè)的送風(fēng)策略數(shù)據(jù)庫中，所述送風(fēng)策略數(shù)據(jù)庫中的各個(gè)送風(fēng)策略對(duì)應(yīng)一個(gè)送風(fēng)策略特征。
本發(fā)明實(shí)施例中，通過對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，能夠利用徑向基函數(shù)提高送風(fēng)策略的非線性特征，并通過強(qiáng)化學(xué)習(xí)模型實(shí)現(xiàn)送風(fēng)策略的靈活性。
S4、根據(jù)所述分析傳感數(shù)據(jù)對(duì)所述分析送風(fēng)策略進(jìn)行策略評(píng)估，得到策略獎(jiǎng)勵(lì)。
詳細(xì)地，所述策略獎(jiǎng)勵(lì)是用于反映所述分析送風(fēng)策略的優(yōu)劣的數(shù)值，所述策略獎(jiǎng)勵(lì)能夠?qū)崿F(xiàn)對(duì)所述深度確定性策略梯度模型的模型參數(shù)進(jìn)行實(shí)施調(diào)節(jié)。
本發(fā)明實(shí)施例中，所述根據(jù)所述分析傳感數(shù)據(jù)對(duì)所述分析送風(fēng)策略進(jìn)行策略評(píng)估，得到策略獎(jiǎng)勵(lì)，包括：
對(duì)所述分析送風(fēng)策略進(jìn)行能耗分析，得到分析送風(fēng)能耗；
從所述分析傳感數(shù)據(jù)中提取出分析傳感溫度、分析傳感濕度以及分析傳感壓力；
根據(jù)所述分析送風(fēng)能耗、所述分析傳感溫度、所述分析傳感濕度以及所述分析傳感壓力計(jì)算出策略獎(jiǎng)勵(lì)。
詳細(xì)地，可以根據(jù)潔凈室送風(fēng)組件的能耗模型進(jìn)行能耗分析，所述分析傳感溫度、所述分析傳感濕度以及所述分析傳感壓力分別是所述分析傳感數(shù)據(jù)中分析出的溫度、濕度以及壓力。
具體地，利用如下的策略獎(jiǎng)勵(lì)算法計(jì)算出策略獎(jiǎng)勵(lì)：
其中，是所述策略獎(jiǎng)勵(lì)，是所述分析傳感數(shù)據(jù)的時(shí)間步長度，且所述分析傳感數(shù)據(jù)的時(shí)間步長度等于所述分析送風(fēng)策略的時(shí)間步長度，是時(shí)間步索引，是預(yù)設(shè)的第個(gè)時(shí)間步的折扣因子，是所述分析傳感溫度中第個(gè)時(shí)間步的溫度值，是預(yù)設(shè)的適宜溫度，是所述分析傳感濕度中第個(gè)時(shí)間步的濕度值，是預(yù)設(shè)的適宜濕度，是所述分析傳感壓力中第個(gè)時(shí)間步的壓力值，是預(yù)設(shè)的適宜壓力，、是預(yù)設(shè)的獎(jiǎng)勵(lì)權(quán)重，是所述分析送風(fēng)能耗。
詳細(xì)地，所述適宜溫度、適宜濕度以及所述適宜壓力是預(yù)設(shè)的人員覺得適宜環(huán)境下的溫度、濕度以及壓力，所述策略獎(jiǎng)勵(lì)算法能夠結(jié)合分析的傳感參數(shù)和人員的適宜參數(shù)之間的差值以及能耗數(shù)據(jù)進(jìn)行策略評(píng)判，從而提高送風(fēng)策略的效率。
本發(fā)明實(shí)施例中，通過進(jìn)行策略評(píng)估，能夠結(jié)合分析的傳感參數(shù)和人員的適宜參數(shù)之間的差值以及能耗數(shù)據(jù)進(jìn)行策略評(píng)判，從而提高送風(fēng)策略的效率。
S5、利用所述策略獎(jiǎng)勵(lì)將所述分析送風(fēng)策略更新成標(biāo)準(zhǔn)送風(fēng)策略，根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)。
本發(fā)明實(shí)施例中，所述利用所述策略獎(jiǎng)勵(lì)將所述分析送風(fēng)策略更新成標(biāo)準(zhǔn)送風(fēng)策略，包括：
判斷所述策略獎(jiǎng)勵(lì)是否大于預(yù)設(shè)的獎(jiǎng)勵(lì)閾值；
若是，則根據(jù)所述策略獎(jiǎng)勵(lì)對(duì)所述徑向傳播算法的參數(shù)進(jìn)行更新，并返回所述對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略的步驟；
若否，則將所述分析送風(fēng)策略作為所述標(biāo)準(zhǔn)送風(fēng)策略。
詳細(xì)地，所述獎(jiǎng)勵(lì)閾值是預(yù)設(shè)的用于衡量所述分析送風(fēng)策略的策略獎(jiǎng)勵(lì)是否合格的閾值，可以利用梯度下降算法對(duì)所述徑向傳播算法的參數(shù)進(jìn)行更新。
具體地，所述根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)，包括：
從所述標(biāo)準(zhǔn)送風(fēng)策略中提取出標(biāo)準(zhǔn)送風(fēng)量以及標(biāo)準(zhǔn)送風(fēng)角度；
對(duì)所述潔凈室的出風(fēng)口進(jìn)行全壓測(cè)量，得到出風(fēng)口全壓；
將所述出風(fēng)口全壓減去預(yù)設(shè)的出口風(fēng)靜壓，得到出風(fēng)口動(dòng)壓；
根據(jù)所述出風(fēng)口動(dòng)壓計(jì)算出初級(jí)送風(fēng)風(fēng)速；
根據(jù)所述標(biāo)準(zhǔn)送風(fēng)量以及初級(jí)送風(fēng)風(fēng)速計(jì)算出標(biāo)準(zhǔn)風(fēng)口面積；
根據(jù)所述標(biāo)準(zhǔn)風(fēng)口面積以及所述標(biāo)準(zhǔn)送風(fēng)角度對(duì)所述潔凈室進(jìn)行送風(fēng)。
詳細(xì)地，所述標(biāo)準(zhǔn)送風(fēng)量是指所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)應(yīng)的需要對(duì)潔凈室進(jìn)行送風(fēng)的風(fēng)量，所述標(biāo)準(zhǔn)送風(fēng)角度是指所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)應(yīng)的需要對(duì)潔凈室進(jìn)行送風(fēng)的角度。
具體地，可以利用畢托管原理進(jìn)行全壓測(cè)量，所述出風(fēng)口全壓是所述潔凈室送風(fēng)組件的出風(fēng)口的空氣流體的總能量密度的表示，所述出風(fēng)口靜壓是空氣流體的內(nèi)部壓力，所述出風(fēng)口動(dòng)壓時(shí)所述空氣流體運(yùn)動(dòng)速度引起的額外壓力。
詳細(xì)地，可以利用動(dòng)壓公式根據(jù)所述出風(fēng)口動(dòng)壓計(jì)算出初級(jí)送風(fēng)風(fēng)速，所述標(biāo)準(zhǔn)風(fēng)口面積等于所述標(biāo)準(zhǔn)送風(fēng)量除以所述初級(jí)送風(fēng)風(fēng)速，可以改變所述出風(fēng)口的導(dǎo)流葉片角度，使得所述出風(fēng)口的有效送風(fēng)面積為所述標(biāo)準(zhǔn)風(fēng)口面積，所述出風(fēng)口的有效送風(fēng)角度為所述標(biāo)準(zhǔn)送風(fēng)角度，從而實(shí)現(xiàn)送風(fēng)調(diào)節(jié)。
本發(fā)明實(shí)施例中，通過進(jìn)行策略更新，能夠?qū)崟r(shí)對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行更新調(diào)整，得到能效更高的送風(fēng)策略，通過根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)，能夠通過調(diào)整導(dǎo)流風(fēng)口實(shí)現(xiàn)送風(fēng)調(diào)節(jié)，從而依靠調(diào)整送風(fēng)風(fēng)機(jī)頻率節(jié)省機(jī)組能耗，提升送風(fēng)調(diào)節(jié)的效率。
本發(fā)明實(shí)施例通過提取出人員時(shí)序特征以及環(huán)境時(shí)序特征，能夠結(jié)合人員數(shù)據(jù)對(duì)環(huán)境數(shù)據(jù)的交互關(guān)系進(jìn)行時(shí)序特征的提取，并利用差分以及移動(dòng)平均的方法提取出人員數(shù)據(jù)與環(huán)境數(shù)據(jù)的線性時(shí)序關(guān)系，從而提高時(shí)序特征的細(xì)節(jié)，通過進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，能夠提取出潔凈室傳感數(shù)據(jù)中的非線性變化的部分時(shí)序特征，從而對(duì)分析的結(jié)果進(jìn)行進(jìn)一步校正，提高傳感數(shù)據(jù)分析的準(zhǔn)確性，通過對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，能夠利用徑向基函數(shù)提高送風(fēng)策略的非線性特征，并通過強(qiáng)化學(xué)習(xí)模型實(shí)現(xiàn)送風(fēng)策略的靈活性。
通過進(jìn)行策略評(píng)估，能夠結(jié)合分析的傳感參數(shù)和人員的適宜參數(shù)之間的差值以及能耗數(shù)據(jù)進(jìn)行策略評(píng)判，從而提高送風(fēng)策略的效率，通過進(jìn)行策略更新，能夠?qū)崟r(shí)對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行更新調(diào)整，得到能效更高的送風(fēng)策略，通過根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)，能夠通過調(diào)整導(dǎo)流風(fēng)口實(shí)現(xiàn)送風(fēng)調(diào)節(jié)，從而依靠調(diào)整送風(fēng)風(fēng)機(jī)頻率節(jié)省機(jī)組能耗，提升送風(fēng)調(diào)節(jié)的效率。因此本發(fā)明提出的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法，可以解決導(dǎo)致進(jìn)行送風(fēng)調(diào)節(jié)時(shí)的效率較低的問題。
如圖4所示，是本發(fā)明一實(shí)施例提供的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)系統(tǒng)的功能模塊圖。
本發(fā)明所述基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)系統(tǒng)100可以安裝于電子設(shè)備中。根據(jù)實(shí)現(xiàn)的功能，所述基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)系統(tǒng)100可以包括特征提取模塊101、誤差校正模塊102、策略生成模塊103、策略評(píng)估模塊104及送風(fēng)調(diào)節(jié)模塊105。本發(fā)明所述模塊也可以稱之為單元，是指一種能夠被電子設(shè)備處理器所執(zhí)行，并且能夠完成固定功能的一系列計(jì)算機(jī)程序段，其存儲(chǔ)在電子設(shè)備的存儲(chǔ)器中。
在本實(shí)施例中，關(guān)于各模塊/單元的功能如下：
所述特征提取模塊101，用于分別從實(shí)時(shí)獲取的潔凈室傳感數(shù)據(jù)中提取出人員時(shí)序特征以及環(huán)境時(shí)序特征；
所述誤差校正模塊102，用于分別對(duì)所述人員時(shí)序特征和所述環(huán)境時(shí)序特征進(jìn)行線性數(shù)據(jù)分析以及非線性誤差校正，得到分析環(huán)境數(shù)據(jù)以及分析人員數(shù)據(jù)；
所述策略生成模塊103，用于根據(jù)所述分析環(huán)境數(shù)據(jù)以及所述分析人員數(shù)據(jù)生成分析傳感數(shù)據(jù)，對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，其中，所述對(duì)所述分析傳感數(shù)據(jù)進(jìn)行前向傳播，得到分析送風(fēng)策略，包括：將所述分析傳感數(shù)據(jù)向量化成傳感狀態(tài)特征；利用如下的徑向傳播算法對(duì)所述傳感狀態(tài)特征進(jìn)行前向傳播，得到送風(fēng)策略特征：
其中，是指所述送風(fēng)策略特征中的第個(gè)時(shí)間步的特征，是時(shí)間步索引，是節(jié)點(diǎn)索引，是所述徑向傳播算法對(duì)應(yīng)的隱藏層的節(jié)點(diǎn)總數(shù)，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的權(quán)重，是所述徑向傳播算法對(duì)應(yīng)的第個(gè)隱藏層的中心向量，是指數(shù)函數(shù)符號(hào)，是所述徑向傳播算法的徑向基核寬度，是所述傳感狀態(tài)特征中的第個(gè)時(shí)間步的特征；對(duì)所述送風(fēng)策略特征進(jìn)行特征映射，得到分析送風(fēng)策略；
所述策略評(píng)估模塊104，用于根據(jù)所述分析傳感數(shù)據(jù)對(duì)所述分析送風(fēng)策略進(jìn)行策略評(píng)估，得到策略獎(jiǎng)勵(lì)；
所述送風(fēng)調(diào)節(jié)模塊105，用于利用所述策略獎(jiǎng)勵(lì)將所述分析送風(fēng)策略更新成標(biāo)準(zhǔn)送風(fēng)策略，根據(jù)所述標(biāo)準(zhǔn)送風(fēng)策略對(duì)潔凈室進(jìn)行送風(fēng)調(diào)節(jié)。
詳細(xì)地，本發(fā)明實(shí)施例中所述基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)系統(tǒng)100中所述的各模塊在使用時(shí)采用與上述圖1至圖3中所述的基于強(qiáng)化學(xué)習(xí)的潔凈室送風(fēng)調(diào)節(jié)方法一樣的技術(shù)手段，并能夠產(chǎn)生相同的技術(shù)效果，這里不再贅述。
在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的設(shè)備，系統(tǒng)和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的系統(tǒng)實(shí)施例僅僅是示意性的，例如，所述模塊的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式。
所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上�？梢愿鶕�(jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。
另外，在本發(fā)明各個(gè)實(shí)施例中的各功能模塊可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能模塊的形式實(shí)現(xiàn)。
對(duì)于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。
本申請(qǐng)實(shí)施例可以基于人工智能技術(shù)對(duì)相關(guān)的數(shù)據(jù)進(jìn)行獲取和處理。其中，人工智能（Artificial Intelligence，AI)是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。
此外，顯然“包括”一詞不排除其他單元或步驟，單數(shù)不排除復(fù)數(shù)。系統(tǒng)實(shí)施例中陳述的多個(gè)單元或系統(tǒng)也可以由一個(gè)單元或系統(tǒng)通過軟件或者硬件來實(shí)現(xiàn)。第一、第二等詞語用來表示名稱，而并不表示任何特定的順序。
最后應(yīng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍。
相關(guān)文章：
Tags：
上一條：一種基于新風(fēng)系統(tǒng)過濾效率的污染物溯源方法下一條：潔凈室的溫濕度控制系統(tǒng)及控制方法
