基于樹莓派的自適應(yīng)空調(diào)控制系統(tǒng)設(shè)計(jì)

王玉濤 于金星 陳鑫 葛文超 易茂祥

摘 要：針對(duì)現(xiàn)有空調(diào)控制系統(tǒng)中存在溫度設(shè)置不合理且不能根據(jù)外界環(huán)境的變化自適應(yīng)調(diào)整溫度控制的現(xiàn)狀，設(shè)計(jì)一種基于樹莓派的自適應(yīng)智能空調(diào)控制系統(tǒng)。該系統(tǒng)通過連接在樹莓派上的傳感器網(wǎng)絡(luò)測(cè)量用戶周圍的環(huán)境數(shù)據(jù)，并使用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）建立的預(yù)測(cè)平均投票數(shù)（PMV）模型獲得PMV預(yù)測(cè)值，進(jìn)而自適應(yīng)控制空調(diào)溫度的大小。實(shí)驗(yàn)結(jié)果表明，該控制系統(tǒng)可以通過由傳感器獲得的實(shí)時(shí)數(shù)據(jù)精確地預(yù)測(cè)滿足最適人體熱舒適的溫度值，并能對(duì)空調(diào)溫度自適應(yīng)控制。

關(guān)鍵詞：預(yù)測(cè)平均投票數(shù);空調(diào)控制系統(tǒng);樹莓派;人體熱舒適;LSTM;傳感器網(wǎng)絡(luò)

中圖分類號(hào)：TP242文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2020）10-00-03

0 引 言

建筑物的核心功能之一是為其居住者提供舒適的環(huán)境。舒適性是居住者的感知和行為以及建筑物能源利用的關(guān)鍵因素[1]。如今，人們90%的時(shí)間都在建筑物中度過，若在建筑物中感覺不舒適會(huì)增加患建筑物綜合癥、缺勤和認(rèn)知能力等下降的概率[2]。目前，室內(nèi)環(huán)境主要由空調(diào)系統(tǒng)控制，然而，從住宅到商業(yè)建筑的大部分空調(diào)控制系統(tǒng)主要由固定溫度設(shè)置點(diǎn)控制且不能隨著外界溫度的變化自動(dòng)更改空調(diào)控制的溫度。在傳統(tǒng)的空調(diào)控制系統(tǒng)中，空調(diào)的控制多以控制面板按鍵控制或者紅外遙控控制為主。隨著技術(shù)的發(fā)展，目前的控制多支持手機(jī)等遠(yuǎn)程終端控制，以上控制方法中空調(diào)溫度的設(shè)置基本是由用戶根據(jù)經(jīng)驗(yàn)設(shè)置，導(dǎo)致了在不同場(chǎng)景環(huán)境下設(shè)置的溫度存在著或高或低的問題。溫度設(shè)置不合理，將導(dǎo)致能源的浪費(fèi)與人的不舒適，所以需根據(jù)不同場(chǎng)景及環(huán)境合理設(shè)置溫度的固定值，采用一種更精確的空調(diào)系統(tǒng)控制方法，實(shí)現(xiàn)空調(diào)溫度的準(zhǔn)確自動(dòng)控制，來(lái)提高用戶的舒適性以及便捷性。

近年來(lái)，物聯(lián)網(wǎng)技術(shù)與人工智能的快速發(fā)展，以神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)熱舒適指標(biāo)PMV作為空調(diào)控制系統(tǒng)的控制目標(biāo)受到廣泛的關(guān)注[3-6]，然而，現(xiàn)有以PMV為指標(biāo)的控制系統(tǒng)中由于PMV的預(yù)測(cè)與參數(shù)取值精度低等原因，導(dǎo)致了其應(yīng)用場(chǎng)景單一、應(yīng)用范圍小、預(yù)測(cè)控制結(jié)果差等缺點(diǎn)。在實(shí)際應(yīng)用中，系統(tǒng)通過傳感器收集到數(shù)據(jù)后，發(fā)送到PC端進(jìn)行數(shù)據(jù)處理，進(jìn)而控制空調(diào)設(shè)置。但是，使用PC作為數(shù)據(jù)處理終端導(dǎo)致了系統(tǒng)成本的增加以及操作的不便捷性。

為了克服以上傳統(tǒng)空調(diào)控制方法中存在的能效低、成本高和溫度設(shè)置不合理等問題，本文設(shè)計(jì)了一種基于樹莓派微處理器的嵌入式控制系統(tǒng)。該系統(tǒng)與傳統(tǒng)控制系統(tǒng)相比具有控制精度高、體積小、價(jià)格低和操作便捷等優(yōu)點(diǎn)。

1 預(yù)測(cè)平均投票數(shù)PMV

影響人體舒適性的因素有很多，并不是單純的由某一個(gè)參數(shù)大小決定的，其中的關(guān)系也很復(fù)雜。為了創(chuàng)造真正的符合人體舒適的室內(nèi)環(huán)境，本文采用Fanger等人提出的熱舒適評(píng)價(jià)指標(biāo)[7]，即預(yù)測(cè)平均投票數(shù)（Predicted Mean Vote，PMV）作為評(píng)價(jià)指標(biāo)。PMV利用6個(gè)因素對(duì)熱舒適性進(jìn)行建模，包括4個(gè)環(huán)境因素（室內(nèi)溫度、室內(nèi)濕度、平均輻射溫度和空氣流速）和2個(gè)個(gè)人因素（人體新陳代謝和服裝熱阻）。以熱舒適指標(biāo)PMV作為空調(diào)控制系統(tǒng)的控制目標(biāo)，能夠很大程度上實(shí)現(xiàn)舒適與節(jié)能的統(tǒng)一。

PMV指數(shù)處于-3～3時(shí)人體的冷熱感分度見表1所列。當(dāng)PMV為0時(shí)，人體達(dá)到最舒適狀態(tài)，表明在不同環(huán)境下，人在不同活動(dòng)量條件下的熱中性，在實(shí)際應(yīng)用中取PMV值為[-0.5，0.5]表示人體熱中性[8]。

然而，PMV的值并不能由傳感器直接測(cè)得，需要根據(jù)多個(gè)參數(shù)通過繁瑣的迭代計(jì)算得到，并且采用程序計(jì)算方式所得到的值與現(xiàn)實(shí)相比具有一定誤差[9]。因此，本文通過LSTM建立PMV模型獲得PMV預(yù)測(cè)值，進(jìn)而自適應(yīng)控制空調(diào)溫度的大小。

2系統(tǒng)總體設(shè)計(jì)方案

自適應(yīng)空調(diào)控制系統(tǒng)主要以樹莓派微處理器為智能控制核心，外圍電路主要包括傳感器模塊、按鍵模塊、顯示模塊和攝像頭模塊等，系統(tǒng)總體設(shè)計(jì)框圖如圖1所示。

該系統(tǒng)通過傳感器直接或者間接測(cè)量影響PMV值的因素（室內(nèi)溫濕度、室外溫度、平均輻射度以及著衣量）。另外，在初始使用時(shí)，通過按鍵選擇來(lái)確定空調(diào)應(yīng)用場(chǎng)景進(jìn)而確定人體新陳代謝率，并將以上測(cè)量值和設(shè)置值記錄到數(shù)據(jù)庫(kù)中。在空調(diào)設(shè)置溫度的預(yù)測(cè)中，該系統(tǒng)使用了基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）[10]建立的PMV預(yù)測(cè)模型。該預(yù)測(cè)模型在PC計(jì)算機(jī)中訓(xùn)練得到，并將最終訓(xùn)練得到的模型移植到樹莓派操作系統(tǒng)中。該預(yù)測(cè)模型通過傳感器收集到的數(shù)據(jù)和人為設(shè)置的數(shù)據(jù)預(yù)測(cè)距離人體達(dá)到最舒適狀態(tài)的偏差，進(jìn)而確定空調(diào)溫度的設(shè)置值。為達(dá)到空調(diào)的自動(dòng)啟動(dòng)與關(guān)閉的目的，減少人為操作，該系統(tǒng)另加入攝像頭模塊進(jìn)行判斷是否有用戶進(jìn)入室內(nèi)以及離開房間。

3 硬件設(shè)計(jì)與實(shí)現(xiàn)

硬件電路主要分為主控模塊、傳感器模塊、攝像頭模塊、顯示模塊、按鍵模塊。

3.1 主控模塊

本系統(tǒng)選用基于Linux操作系統(tǒng)的樹莓派3b+作為主控核心，其本質(zhì)是一種體型很小的卡片式電腦，具備所有PC的基本功能。其CPU為64位1.4 GHz的ARM Cortex-A53的四核處理器。該處理器的性能能夠運(yùn)行本設(shè)計(jì)中訓(xùn)練完成的PMV預(yù)測(cè)模型;另外，還包含1 GB的RAM、40位引腳擴(kuò)展GPIO接口、4個(gè)USB接口等，用戶可以通過GPIO口和硬件進(jìn)行數(shù)據(jù)交互、讀取硬件工作狀態(tài)等。此外，其成本低，便于部署和安裝。

3.2 傳感器模塊

傳感器模塊主要是溫濕度傳感器DHT11，該傳感器可以直接連接到樹莓派上進(jìn)行數(shù)據(jù)收集。本文系統(tǒng)使用了3個(gè)溫濕度傳感器，其中一個(gè)用于室內(nèi)溫濕度測(cè)量，測(cè)量數(shù)據(jù)分別是室內(nèi)溫度和室內(nèi)濕度兩個(gè)影響PMV的因素。人體一天的著衣量的多少與早晨7時(shí)的溫度有著密切的關(guān)系[3]，因此，第二個(gè)傳感器用于室外溫度的測(cè)量，測(cè)量結(jié)果用來(lái)間接確定人體著衣量。第三個(gè)傳感器主要用于近似測(cè)量平均輻射度，平均輻射度的測(cè)量可以通過測(cè)量貼近墻體表面的溫度近似估計(jì)[11]。

3.3 攝像頭模塊

攝像頭模塊由樹莓派3b+配套的USB攝像頭構(gòu)成，與樹莓派之間通過USB接口相連接，具有可調(diào)焦，170°的視角的特點(diǎn)。通過攝像頭模塊采集到的數(shù)據(jù)，經(jīng)由人體檢測(cè)算法判斷早晨室內(nèi)用戶初次進(jìn)入的時(shí)間以及晚上用戶離開的時(shí)間，進(jìn)而判定空調(diào)的開啟與關(guān)閉時(shí)間。

3.4 顯示模塊

顯示模塊采用分辨率為128×64的OLED液晶顯示屏，顯示單元能自發(fā)光，采用SPI或I2C通信方式。該模塊主要用于人機(jī)交互，顯示用戶設(shè)置的空調(diào)風(fēng)速和空調(diào)的應(yīng)用場(chǎng)景以及預(yù)測(cè)系統(tǒng)輸出的空調(diào)設(shè)置溫度，如圖2所示。

3.5 按鍵模塊

按鍵模塊由一個(gè)矩陣鍵盤構(gòu)成，共有4個(gè)按鍵，分別是“確認(rèn)”“復(fù)位”“上”“下”功能，用于用戶更改空調(diào)風(fēng)速和空調(diào)的應(yīng)用場(chǎng)景。

4 系統(tǒng)的軟件設(shè)計(jì)

系統(tǒng)軟件主要包括PMV預(yù)測(cè)模型算法的實(shí)現(xiàn)和數(shù)據(jù)采集。

4.1 PMV預(yù)測(cè)模型

本文的PMV預(yù)測(cè)模型訓(xùn)練與性能評(píng)估在PC計(jì)算機(jī)中完成。在PyTorch框架下搭建LSTM模型，通過多次實(shí)驗(yàn)預(yù)測(cè)模型的超參數(shù)設(shè)置見表2所列。

將PMV預(yù)測(cè)模型導(dǎo)出，移植到樹莓派操作系統(tǒng)中，通過由硬件獲取的數(shù)據(jù)預(yù)測(cè)得到PMV的值，進(jìn)而判斷輸出溫度值。為了更加接近熱中性，本設(shè)計(jì)PMV的取值范圍設(shè)為[-0.2，0.2]之間，溫度計(jì)算流程如圖3所示。

4.2 數(shù)據(jù)采集程序

在樹莓派上DHT11溫濕度的讀取需要遵循特定的信號(hào)協(xié)議，為了方便讀取數(shù)據(jù)，該系統(tǒng)導(dǎo)入AdafruitDHT庫(kù)。在讀取數(shù)據(jù)時(shí)，為了節(jié)省系統(tǒng)存儲(chǔ)空間、延長(zhǎng)器件使用壽命，系統(tǒng)每隔10 min記錄1次數(shù)據(jù)。傳感器部分關(guān)鍵代碼如下：

importAdafruit_DHT//導(dǎo)入Adafruit_DHT庫(kù)

sensor=Adafruit_DHT.DHT11//設(shè)置傳感器類型

gpio=17//設(shè)置連接引腳

humidity，temperature = Adafruit_DHT.read_retry（sensor，gpio）

//讀取濕度和溫度

在讀取室外溫度時(shí)只需設(shè)置讀取每天早晨7時(shí)的溫度以確定用戶當(dāng)日著衣量情況即可。

5 系統(tǒng)功能實(shí)現(xiàn)

圖4為系統(tǒng)實(shí)物連接圖。一般情況下，控制系統(tǒng)安裝在實(shí)驗(yàn)室、辦公室、賓館等室內(nèi)后，初次設(shè)置后，在不更改應(yīng)用場(chǎng)景時(shí)，無(wú)需對(duì)系統(tǒng)再次設(shè)置。為了短時(shí)間驗(yàn)證系統(tǒng)功能能夠準(zhǔn)確執(zhí)行控制結(jié)果，在系統(tǒng)硬件實(shí)驗(yàn)時(shí)，將系統(tǒng)傳感器置于不同溫濕度條件下并通過按鍵與顯示屏設(shè)置不同風(fēng)速與應(yīng)用場(chǎng)景，通過多次實(shí)驗(yàn)表明，其溫度控制誤差均在±0.6 ℃以內(nèi)。

6 結(jié) 語(yǔ)

本文通過LSTM神經(jīng)網(wǎng)絡(luò)算法建立了PMV預(yù)測(cè)模型，并進(jìn)行了實(shí)驗(yàn)。該模型實(shí)現(xiàn)了以熱舒適指標(biāo)PMV作為空調(diào)控制系統(tǒng)的舒適與節(jié)能統(tǒng)一的控制目標(biāo)。將預(yù)測(cè)模型移植到成本低、性能高的樹莓派中，通過連接在樹莓派上的傳感器獲取用戶周圍相關(guān)環(huán)境數(shù)據(jù)，經(jīng)由預(yù)測(cè)模型計(jì)算得到最適人體舒適的空調(diào)溫度設(shè)置值?？朔藗鹘y(tǒng)空調(diào)控制方法中人為溫度設(shè)置的問題，滿足了室內(nèi)人體熱舒適的要求。但該系統(tǒng)依然需要人為輸入?yún)?shù)的操作以及存在空調(diào)系統(tǒng)動(dòng)作滯后的現(xiàn)象，針對(duì)這個(gè)問題，未來(lái)的工作主要根據(jù)系統(tǒng)收集到的用戶喜好，更加智能的啟動(dòng)、控制空調(diào)。

參考文獻(xiàn)

[1] NICOL F，STEVENSON F. Adaptive comfort in an unpredictable world[J].Building research & information，2013，41（6）：661-666.

[2] DEAR D R J，AKIMOTO T，ARENS E A，et al. Progress in thermal comfort research over the last twenty years [J]. Indoor air，2013，23（6）：442-461.

[3] YOON Hyunjung，LEE Dongseok，CHO Hyun，et al. Prediction of thermal environment in a large space using artificial neural network [J]. Energies，2018，11（2）：418.

[4]姚凱學(xué).基于自適應(yīng)方法的智能家居熱舒適度的研究[D].貴陽(yáng)：貴州大學(xué)，2018.

[5] WANG Xingjuan，LIANG Mengfan. Design and Implementation of Core Processing System for Smart Home Control [C]// 11th International Conference on Measuring Technology and Mechatronics Automation（ICMTMA）.2019.

[6]郭彤穎，陳露.基于鳥群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的熱舒適度預(yù)測(cè)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2018，27（4）：162-166.

[7] FANGER P O. Thermal comfort：analysis and applications in environmental engineering [J]. Thermal comfort analysis & applications in environmental engineering，1972，1：225-240.

[8] European Standard. Ergonomics of the thermal environments：analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria：ISO 7730 [S]. Geneva，Switzerland：British Standards Institution，2005.

[9]蔣延煒. 基于PMV指標(biāo)的建筑智能熱濕環(huán)境控制原理及方法的研究[D]. 西安：長(zhǎng)安大學(xué)，2015.

[10] GRAVES Alex. Long short-term memory supervised sequence labelling with recurrent neural networks [J]. Springer，2012，385：1735-1780.

[11] RUANO A，SILVA S，DUARTE H，et al. Wireless sensors and IoT platform for intelligent HVAC control [J]. Applied sciences，2018，8（3）：1-31.