[發(fā)明專利]建筑物自動化系統(tǒng)和方法在審
| 申請?zhí)枺?/td> | 201910199272.1 | 申請日: | 2019-03-15 |
| 公開(公告)號: | CN110275442A | 公開(公告)日: | 2019-09-24 |
| 發(fā)明(設計)人: | R·C·鄺;J·V·尼科爾斯;D·J·德瓦斯;K·S·巴特多夫;D·J·范迪特馬斯;柳準相;徐立仁;A·M·斯旺頓 | 申請(專利權)人: | 臺達控制公司 |
| 主分類號: | G05B15/02 | 分類號: | G05B15/02;F24F11/89;G01K7/18 |
| 代理公司: | 隆天知識產(chǎn)權代理有限公司 72003 | 代理人: | 柴雙;石海霞 |
| 地址: | 加拿大不列*** | 國省代碼: | 加拿大;CA |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 卡爾曼濾波器 建筑物自動化系統(tǒng) 紅外傳感器 房間地板 微控制器 狀態(tài)向量 空氣溫度傳感器 線性回歸技術 感測單元 機器學習 交叉驗證 模型使用 模型提供 線性模型 驗證機器 預定距離 指數(shù)平滑 變化率 歸一化 天花板 傳感器 視場 匹配 | ||
本公開涉及一種建筑物自動化系統(tǒng)和方法,其中,安裝在天花板上的感測單元包括:(i)一個或多個空氣溫度度傳感器;(ii)紅外傳感器,其具有朝向房間地板定向的視場;(iii)微控制器,接收來自空氣溫度傳感器和紅外傳感器的讀數(shù),微控制器基于房間的模型提供在房間地板上方的預定距離處的估計的溫度。該模型可以基于通過匹配卡爾曼濾波器模型而獲得的雙指數(shù)平滑函數(shù)。或者,該模型本身可以是卡爾曼濾波器模型或使用諸如L2歸一化的線性回歸技術獲得的機器學習訓練的線性模型。卡爾曼濾波器模型使用狀態(tài)向量,該狀態(tài)向量包括估計的溫度和估計的溫度變化的變化率。可以使用k折交叉驗證技術來驗證機器訓練的模型。
相關申請的交叉引用
本發(fā)明涉及并要求2018年3月16日提交的名稱為“建筑物自動化系統(tǒng)(BuildingAutomation System)”的序列號為62/644,000的美國臨時專利申請(“臨時申請”)的優(yōu)先權。該臨時申請的全部公開內容通過引用的方式并入本文。
技術領域
本發(fā)明涉及建筑物自動化。特別地,本發(fā)明涉及建筑物自動化系統(tǒng)中感測占用率和感測居用者高度處溫度的方法。
背景技術
人們基于當時的不適或特定需要來控制他們的空間或設施的環(huán)境。然而,以這種方式,在居用者已經(jīng)不舒服或已經(jīng)受到不利影響(例如,對辦公室或工廠車間的生產(chǎn)率的不利影響)之后才進行校正。通常,居用者采取的行動很少被記錄或確認以供將來參考,因此相同的不舒適條件會持續(xù)存在。此外,現(xiàn)有的建筑物自動化系統(tǒng)不能完全認識到實際的空間利用率(例如,占用率水平),因此無法有效地部署其控制下的資源。因此,現(xiàn)有的環(huán)境調整方案導致居用者不適和被打擾,同時能源和資源效率低下甚至被浪費。優(yōu)選地是能夠通過實時預測居用者需求和空間利用來減少不利影響。
發(fā)明內容
本發(fā)明實時地進行環(huán)境調整以響應設施內預期的居用者需求,從而在居用者不適之前實現(xiàn)增加的舒適性和生產(chǎn)率。本發(fā)明的方法基于從大量收集的數(shù)據(jù)合成的模型以及通過使用對環(huán)境變化的來源作出反應的傳感器來更好地跟蹤環(huán)境變化。該系統(tǒng)還檢測占用率并有效地維持對空間的環(huán)境控制以節(jié)能。
根據(jù)本發(fā)明的另一方面,基于空氣溫度傳感器和至少一個紅外(IR)溫度傳感器的讀數(shù),方法和安裝在天花板上的感測單元估計房間中居用者高度處的溫度。在一個實施例中,安裝在天花板上的感測單元靠近房間的中心安裝。通過為IR溫度傳感器提供向下指向地板的受控視場(FOV)(例如,60°-80°),跟蹤空氣溫度和通過IR傳感器基于輻射能量檢測到的溫度的模型估計居用者高度處的室溫。可以使用圓頂形金屬板或透鏡來調節(jié)FOV,這限定了FOV并限制了背景噪聲。金屬板是導熱體。金屬板保持接近傳感器主體溫度的溫度,從而允許FOV變窄而不會顯著地影響測量。
在一個實施例中,使用機器學習技術(例如,諸如基于廣義線性模型的線性回歸)、統(tǒng)計技術(例如,卡爾曼(Kalman)濾波)或兩者來導出模型。在一個實施例中,使用居用者高度處的溫度傳感器在多個房間中進行“地面實況(ground truth)”測量。然后在幾個月內為多個房間中的每一個記錄本發(fā)明安裝在天花板上的感測單元的讀數(shù)。在預處理步驟之后,將讀數(shù)分成幾個子集,分別用于訓練、交叉驗證和測試。使用k折交叉驗證技術訓練若干機器學習模型(例如,廣義線性模型、決策樹、神經(jīng)網(wǎng)絡)。還將性能與幾種非學習方法(例如,平均、卡爾曼濾波器和霍爾特-溫特(Holt-Winters)方法)的性能進行比較。對應于最小計算負載的具有最佳精度的模型的推斷被部署在感測單元中資源受限的微控制器上。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于臺達控制公司,未經(jīng)臺達控制公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910199272.1/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





