[發(fā)明專利]一種基于物聯(lián)網(wǎng)的實(shí)驗(yàn)室環(huán)境自適應(yīng)調(diào)節(jié)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010299700.0
• 申請(qǐng)日: 2020-04-16
• 公開(kāi)（公告）號(hào): CN111443609B
• 公開(kāi)（公告）日: 2023-03-07
• 發(fā)明（設(shè)計(jì)）人: 李劍;楊紅
• 申請(qǐng)（專利權(quán)）人: 成都三業(yè)嘉豪科技有限公司
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 成都言成諾知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 51314
• 代理人: 張川

1.一種基于物聯(lián)網(wǎng)的實(shí)驗(yàn)室環(huán)境自適應(yīng)調(diào)節(jié)方法，其特征在于：所述自適應(yīng)調(diào)節(jié)方法包括：

實(shí)驗(yàn)室環(huán)境參數(shù)監(jiān)測(cè)采集，通過(guò)安裝在實(shí)驗(yàn)室內(nèi)的各種傳感器和監(jiān)測(cè)設(shè)備實(shí)時(shí)采集實(shí)驗(yàn)室內(nèi)的環(huán)境參數(shù)信息并發(fā)送到后臺(tái)；

生成待調(diào)節(jié)的指標(biāo)數(shù)據(jù)，通過(guò)邏輯回歸模型對(duì)當(dāng)前實(shí)驗(yàn)室內(nèi)的環(huán)境參數(shù)信息進(jìn)行分析計(jì)算生成需要調(diào)節(jié)的指標(biāo)數(shù)據(jù)，并通過(guò)相應(yīng)通訊協(xié)議下發(fā)到相應(yīng)的調(diào)節(jié)設(shè)備，實(shí)現(xiàn)環(huán)境自適應(yīng)調(diào)節(jié)；

在所述生成待調(diào)節(jié)的指標(biāo)數(shù)據(jù)之前，還需要完成能夠獲得預(yù)判環(huán)境舒適度的邏輯回歸模型構(gòu)建步驟，其包括：

對(duì)所述采集的環(huán)境參數(shù)進(jìn)行缺失值處理，保證數(shù)據(jù)的完整性，并定義舒適度；

選取對(duì)實(shí)驗(yàn)環(huán)境舒適度產(chǎn)生影響的特征值，構(gòu)建正則化類型為嶺回歸的邏輯回歸模型；

對(duì)邏輯回歸模型進(jìn)行評(píng)估和優(yōu)化，得到能夠獲得預(yù)判環(huán)境舒適度的邏輯回歸模型；

所述選取對(duì)實(shí)驗(yàn)環(huán)境舒適度產(chǎn)生影響的特征值包括：溫濕度、空氣質(zhì)量、光照亮度、門(mén)窗開(kāi)合度、空調(diào)狀態(tài)及參數(shù)、人員數(shù)量、人員密度、季節(jié)和電源電壓；

所述構(gòu)建正則化類型為嶺回歸的邏輯回歸模型包括：

根據(jù)對(duì)輸入數(shù)據(jù)的分析找到預(yù)測(cè)的分類函數(shù)h對(duì)輸入數(shù)據(jù)的判斷結(jié)果進(jìn)行預(yù)測(cè)；

構(gòu)造一個(gè)Cost函數(shù)來(lái)表示預(yù)測(cè)的輸出數(shù)據(jù)(h)與訓(xùn)練數(shù)據(jù)類別(y)之間的偏差，將Cost函數(shù)求和或者求平均后記為J(θ)函數(shù)，以表示所有訓(xùn)練數(shù)據(jù)預(yù)測(cè)值與實(shí)際類別的偏差；

通過(guò)梯度下降法計(jì)算J(θ)函數(shù)的最小值，并以最小值作為分類結(jié)果得到邏輯回歸模型

所述邏輯回歸模型的優(yōu)化包括：

通過(guò)極大似然估計(jì)所述邏輯回歸模型關(guān)于溫濕度、空氣質(zhì)量、光照亮度、門(mén)窗開(kāi)合度、空調(diào)狀態(tài)及參數(shù)、人員數(shù)量、人員密度、季節(jié)和電源電壓特征值的參數(shù)w的估計(jì)值；

并對(duì)溫濕度、空氣質(zhì)量、光照亮度、門(mén)窗開(kāi)合度、空調(diào)狀態(tài)及參數(shù)、人員數(shù)量、人員密度、季節(jié)和電源電壓特征值的參數(shù)w的估計(jì)值進(jìn)行排名；

將排名最低的特征值剔除，并重新構(gòu)建正則化類型為嶺回歸的邏輯回歸模型；

具體采用信息增益、增益率和卡方三個(gè)指標(biāo)進(jìn)行評(píng)價(jià)，得到排名最低的是電源電壓變量，此變量對(duì)目標(biāo)變量的影響是最小的，反而增加了數(shù)據(jù)的體量和外部噪聲；進(jìn)而需要消除對(duì)目標(biāo)變量影響不大的特征，減少外部噪聲；

具體地，特征值評(píng)價(jià)包括：

(1)根據(jù)卡方檢驗(yàn)變量的關(guān)聯(lián)性,排除無(wú)關(guān)變量；

A1、匯總自變量樣本數(shù)據(jù)；

A2、計(jì)算每個(gè)自變量的卡方值，卡方值的計(jì)算公式為：

χ2＝∑(A-T)2T

其中A為實(shí)際值，T為理論值，x²值描述了自變量與因變量之間的相關(guān)程度，x²值越大，相關(guān)程度也越大，所以利用x²值來(lái)做降維，保留相關(guān)程度大的變量；

A3、將每個(gè)自變量按卡方值從大到小排序，選取前k個(gè)自變量作為特征，k即特征維數(shù)；

(2)根據(jù)特征信息增益確定變量權(quán)重；

B1、匯總相關(guān)維度的特征樣本數(shù)據(jù)；

B2、計(jì)算各個(gè)維度的信息熵；

Entropy(S)＝-(p+)*log(p+)-(p-)*log(p-)

其中，p+、p-分別為正例和負(fù)例占總記錄的比例，log()是以2為底的對(duì)數(shù)；

(3)、計(jì)算每個(gè)自變量的信息增益；

C1、將每個(gè)變量按信息增益值從大到小排序，選取前k個(gè)變量作為特征，k即特征維數(shù)。

2.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)的實(shí)驗(yàn)室環(huán)境自適應(yīng)調(diào)節(jié)方法，其特征在于：所述自適應(yīng)調(diào)節(jié)方法還包括：實(shí)時(shí)監(jiān)測(cè)實(shí)驗(yàn)室內(nèi)的環(huán)境參數(shù)是否在定義的舒適度閾值范圍內(nèi)，如果超過(guò)閾值就及時(shí)報(bào)警和進(jìn)行自適應(yīng)調(diào)節(jié)實(shí)現(xiàn)自動(dòng)調(diào)節(jié)；

以及對(duì)高危性實(shí)驗(yàn)及設(shè)備實(shí)時(shí)監(jiān)測(cè)高危指標(biāo)是否在預(yù)設(shè)閾值范圍內(nèi)，如果超過(guò)閾值就及時(shí)進(jìn)行報(bào)警和自適應(yīng)調(diào)節(jié)實(shí)現(xiàn)自動(dòng)調(diào)節(jié)。

3.根據(jù)權(quán)利要求2所述的一種基于物聯(lián)網(wǎng)的實(shí)驗(yàn)室環(huán)境自適應(yīng)調(diào)節(jié)方法，其特征在于：所述方法根據(jù)自適應(yīng)調(diào)節(jié)系統(tǒng)實(shí)現(xiàn)，所述系統(tǒng)包括：

實(shí)驗(yàn)室環(huán)境檢測(cè)模塊：用于實(shí)驗(yàn)室內(nèi)的各種環(huán)境參數(shù)信息并發(fā)送到后臺(tái)，以及根據(jù)后臺(tái)發(fā)送的調(diào)節(jié)指數(shù)實(shí)現(xiàn)實(shí)驗(yàn)室環(huán)境的自適應(yīng)調(diào)節(jié)；

自適應(yīng)調(diào)節(jié)模塊：用于通過(guò)邏輯回歸模型對(duì)當(dāng)前實(shí)驗(yàn)室內(nèi)的環(huán)境參數(shù)信息進(jìn)行分析計(jì)算生成需要調(diào)節(jié)的指標(biāo)數(shù)據(jù)，并通過(guò)相應(yīng)通訊協(xié)議下發(fā)到相應(yīng)的調(diào)節(jié)設(shè)備，實(shí)現(xiàn)環(huán)境自適應(yīng)調(diào)節(jié)。