CN101737907A - 基于热成像技术的室内环境智能控制系统及方法 - Google Patents

Abstract

本发明公开了一种基于热成像技术的室内环境智能控制系统，包括包括：热成像传感器，人机交互界面装置和区域控制器，热成像传感器获取室内环境热成像数据，并对热成像数据进行辨识和分析，从而计算出主观辐射温度，区域控制器根据主观辐射温度和人机交互界面装置所设定的温度调节室内空调末端的制冷制热量，从而对室内环境进行优化控制以达到室内人员舒适的温度。本发明的基于热成像的室内环境智能控制系统及方法可以在得到综合环境和人员信息的情况下，调节室内环境温度，提高人员舒适度和工作效率，降低能耗，提高楼宇自控系统的管理水平。

Description

基于热成像技术的室内环境智能控制系统及方法

技术领域

本发明涉及室内环境控制技术领域，特别涉及一种基于热成像技术的室内环境智能控制系统及方法。

背景技术

室内环境的控制依靠对暖通空调末端设备的控制来实现。在目前市场上，暖通空调设备的末端控制主要是基于热电阻测温的点式温度测量进行的。点式温度传感器通常被置于被控环境内或在空调回风口处测量回风温度。然而，由于空调房间的温度分布不均匀，所测温度通常不具有代表性。此外，此类控制方法不能感知室内是否有人员存在，无法实现基于热成像视觉温度传感器所能实现的重要功能，如：判断室内人员存在与否，以及根据室内人员舒适度进行调节的能力。

热成像技术源于军用的夜视技术，热成像传感器采用非接触探测红外能量，并将其转换为电信号，然后传送给外部图像接口或者辨识算法处理芯片。热成像传感器能够将探测到的温度精确量化，远程非接触测量，解决了固定点式测温的温度传感器无法解决的众多问题。此外，热成像传感器还在本质上区别于红外点式温度传感器。热成像传感器可以提供二维的温度数据，可以使得人员辨识，位置信息测量，室内环境优化等功能得到实现。

在中国专利第02122689中，提出了一种根据红外线数量控制的空调机及其操作方法。该专利公开的技术方案是：将红外点式检测器附着在为调节空气而安装在室内的空气调节机的百叶板上后，随上述百叶板的转动，测定室内空间的红外线数量，根据其测量结果，调节空气调节机的排出方向，实现自动控制的目的。该专利局限于空调机的控制，并且依靠点式红外传感器，无法提供人员自动辨识，主观辐射温度和舒适度计算等重要功能，并且不能根据人体温度进行控制。

在中国专利第200610122815中，提出一种利用红外测温技术控制空调的方法。该专利公开的技术方案是：使用空调器上安装的点式红外测温传感器对环境温度及人体表面温度分别进行测量，进而控制空调器的送风操作。该专利仍局限于空调器的控制，并且提出需要外部接口提供室内人员位置，而在实际应用很难得到此类信息。同时，由于仍然采用点式温度测量，该专利需要采用移动部件旋转该红外温度传感器，从而增加成本并降低可靠性。此外该专利也没有提供重要的主观辐射温度计算的能力，并且优化控制部分过于简单，具有其内在的局限性。

在中国专利第200710068383中，提出一种基于全方位计算机视觉的空调节能控制装置。该专利公开的技术方案是：采用全方位视觉传感器来获得室内全景视频图像，微处理器通过对室内全方位视频图像进行识别与理解等技术识别出空调室内人数等信息，并根据室内人数对空调室外机进行占空比控制，实现节能效果。该专利仍局限于空调的控制，并且该专利采用常规视觉传感器而不是热成像传感器，不能得到室内环境温度分布，更不能计算人员主观舒适度。同时该专利对空调室外机进行简单的占空比控制。

目前控制方法还存在无法获得室内温度分布数据，无法获得室内人数，分布以及活动情况，更不能进行重要的主观舒适度计算的问题。

发明内容

(一)发明目的

本发明的目的是提供一种基于热成像的室内环境智能控制系统及方法，以解决目前控制方法无法获得室内温度分布数据，无法获得室内人数，分布以及活动情况，更不能进行重要的主观舒适度计算的问题。

(二)发明内容

一种基于热成像技术的室内环境智能控制系统，包括：

热成像传感器，用于获取室内环境的热成像数据并重建，根据热成像数据计算主观辐射温度，将主观辐射温度发送给区域控制器；

人机交互界面装置，用于设定室内温度值。

区域控制器，用于根据主观辐射温度和人机交互界面装置设定的室内温度值，调整室内的多个空调终端设备末端的制冷制热量，从而调整室内温度，并将所述温度传输到人机交互界面装置显示。

其中，所述热成像传感器采用非制冷式红外阵列。

一种基于热成像技术的室内环境智能控制方法，包括以下步骤：

S1：利用热成像传感器对室内环境进行测量，获得室内环境的热成像数据；

S2：通过对所述热成像数据进行辨识，得到室内人员数目数据，人员位置数据，人员温度数据和人员动作情况数据；

S3：对所述热成像数据和S2辨识出的数据进行分析，得到室内维护结构表面温度，并结合人员位置数据计算出主观辐射温度，该主观辐射温度为室内维护结构表面温度，根据角系数加权平均获得，所述室内维护结构表面温度为室内墙、地面、家具和门窗的温度；

S4：在已经测量的主观辐射温度基础上，结合人机界面输入温度设定值，按如下公式调整室内的多个空调终端设备末端的制冷制热量，从而对室内环境热舒适性进行优化控制，所述热舒适性包括空气温度、湿度、风速和人体感受到的周围的环境辐射温度，

$Q(S\left(T\right),T)={\mathrm{\Σ}}_{t=1}^T[E(S(t-1),S\left(t\right),t)+P(S(t-1),S\left(t\right),t)]$

其中，Q(S(T)，T)：性能评估方程，是总时间T和状态S的函数，E(S(t-1)，S(t)，t)：从状态S(t-1)迁移到状态S(t)需要的综合成本，包括能耗和舒适度两方面；P(S(t-1)，S(t))：状态迁移惩罚项；表征如果实际运行中状态如果无法实现制定的目标，所引发的惩罚成本，S(t)：系统状态；t：时间；T：总时间。

其中，所述步骤S2对所述热成像数据进行辨识包括步骤：

S21：对低分辨率数据进行高分辨率重建；

S22：对重建后的数据采用机器视觉算法对人员和周围环境进行辨识。

其中，所述步骤S3包括：

S31：根据维护结构表面温度和人员位置角度关系，进行角系数计算；

S32：根据角系数计算结果计算出主观辐射温度。

(三)有益效果

本发明的基于热成像的室内环境智能控制系统及方法可以在得到综合环境和人员信息的情况下，调节室内环境温度，提高人员舒适度和工作效率，降低能耗，提高楼宇自控系统的管理水平。

附图说明

图1是根据本发明的基于热成像的室内环境智能控制系统对空调末端控制示意图；

图2是根据本发明的基于热成像的室内环境智能控制方法的流程图；

图3是根据本发明的基于热成像的室内环境智能控制方法的热成像传感器信息重建图；

图4是根据本发明的基于热成像的室内环境智能控制方法的室内温度优化控制算法示意图。

具体实施方式

本发明提出的基于热成像的室内环境智能控制系统及方法，结合附图和实施例说明如下。

如图1所示，为基于热成像的室内环境智能控制系统对空调末端控制示意图，该系统主要包括热成像传感器1，人机交互界面装置5和区域控制器4。其中，本实施例中的4个热成像传感器1均匀分布在室内，每个热成像传感器1的测量范围为传感器范围3，每个传感器范围3覆盖室内的一部分区域，以致对整个室内区域进行覆盖。热成像传感器1对室内环境进行热成像测量，获取室内环境的热成像数据，再对热成像数据进行低分辨率到高分辨率重建(重建效果如图3所示)，然后采用机器视觉算法对重建后的数据进行辨识，得到室内人员数目数据，人员位置数据，人员温度数据和人员动作情况数据，分析上述数据得出维护结构表面温度，根据维护结构表面温度和人员位置数据计算出反映室内人员主观热舒适性的主观辐射温度，最后将主观辐射温度通过现场总线协议或者以太网协议，传输到区域控制器4。本实施例中热成像传感器1优选非制冷式红外阵列。人机交互界面装置5用于设定适合的温度值，可通过触摸式界面或是小键盘输入。区域控制器4根据主观辐射温度和人机交互界面装置5输入的温度值调整室内的多个空调终端设备进行优化控制，即控制空调末端2的制冷制热量，从而调整室内温度以适应室内人员的热舒适性(空气温度、湿度、风速和人体感受到的周围的环境辐射温度)，并将所述温度传输到人机交互界面装置显示。

如图2所示，为本发明的基于热成像的室内环境智能控制方法的流程图。步骤S1中热成像传感器对室内环境进行热成像测量，获取室内环境的热成像数据，步骤S2中对热成像数据进行辨识，得到室内环境中人员数目数据，人员位置数据，人员温度数据和人员动作情况数据，具体包括2个步骤：(1)采用数据重建经典算法对低分辨率数据进行高分辨率重建；(2)对重建后的数据采用机器视觉算法对人员和周围环境进行辨识，以得出室内环境中人员数目数据，人员位置数据，人员温度数据和人员动作情况数据。步骤S3中对热成像数据和步骤S2辨识出的数据进行分析，分析人员数目、人员温度、人员位置和人员动作对室内维护结构表面的辐射影响，得到室内维护结构表面温度，并结合人员位置数据计算出主观辐射温度，主观辐射温度反映了室内人员的主观热舒适性，具体包括2个步骤：(1)根据维护结构表面温度和人员位置角度关系，采用角系数经典算法进行角系数计算；(2)根据角系数计算结果计算出主观辐射温度。步骤S4中区域控制器根据主观辐射温度和人机界面输入温度设定值，调整室内的多个空调终端设备末端的制冷制热量，从而对室内环境温度进行优化控制。本发明采用动态规划的智能算法对室内环境进行优化控制。对建筑物反馈进行动态辨识，进行多级决策优化，调整室内温度设定值，调整室内气流组织或者末端制冷制热量，达到节约能源，提高室内人员舒适度和工作效率的效果。动态规划是一种多步决策优化算法，已经被广泛应用于电网、能源、化工等行业，是一种非常适用动态过程和分布式系统的优化问题的数学方法。本发明使用的动态规划智能算法公式如下：

$Q(S\left(T\right),T)={\mathrm{\Σ}}_{t=1}^T[E(S(t-1),S\left(t\right),t)+P(S(t-1),S\left(t\right),t)]$

其中Q(S(T)，T)：性能评估方程，是总时间T和状态S的函数，E(S(t-1)，S(t)，t)：从状态S(t-1)迁移到状态S(t)需要的综合成本，包括能耗和舒适度两方面；P(S(t-1)，S(t))：状态迁移惩罚项；表征如果实际运行中状态如果无法实现制定的目标，所引发的惩罚成本；S(t)：系统状态；t：时间；T：总时间。算法逻辑如图4所示，示出了算法过程中的状态迁移过程。图4中，S_i，j表示第i个时刻的第j种状态，在本文中，S由被控环境的温度、湿度定义。算法的目的是搜索从0时刻到m时刻的最优路径，即一系列最优设定值，代表最优的能耗和舒适度曲线。在每个时间点，有n种可能的状态可供选择，动态规划算法可以把搜索最优路径的计算要求从O(n^m)降低为O(m×n²)。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (5)

1.一种基于热成像技术的室内环境智能控制系统，其特征在于，包括：

热成像传感器，用于获取室内环境的热成像数据并重建，根据热成像数据计算主观辐射温度，将主观辐射温度发送给区域控制器；

人机交互界面装置，用于设定室内温度值；

区域控制器，用于根据主观辐射温度和人机交互界面装置设定的室内温度值，调整室内的多个空调终端设备末端的制冷制热量，从而调整室内温度，并将所述温度传输到人机交互界面装置显示。

2.如权利要求1所述的基于热成像技术的室内环境智能控制系统，其特征在于，所述热成像传感器采用非制冷式红外阵列。

3.一种基于热成像技术的室内环境智能控制方法，其特征在于，包括以下步骤：

S1：利用热成像传感器对室内环境进行测量，获得室内环境的热成像数据；

S2：通过对所述热成像数据进行辨识，得到室内人员数目数据，人员位置数据，人员温度数据和人员动作情况数据；

S3：对所述热成像数据和S2辨识出的数据进行分析，得到室内维护结构表面温度，并结合人员位置数据计算出主观辐射温度，该主观辐射温度为室内维护结构表面温度，根据角系数加权平均获得，所述室内维护结构表面温度为室内墙、地面、家具和门窗的温度；

S4：在已经测量的主观辐射温度基础上，结合人机界面输入温度设定值，按如下公式调整室内的多个空调终端设备末端的制冷制热量，从而对室内环境热舒适性进行优化控制，所述热舒适性包括空气温度、湿度、风速和人体感受到的周围的环境辐射温度，

$Q(S\left(T\right),T)={\mathrm{\Σ}}_{t=1}^T[E(S(t-1),S\left(t\right),t)+P(S(t-1),S\left(t\right),t)]$

其中，Q(S(T)，T)：性能评估方程，是总时间T和状态S的函数，E(S(t-1)，S(t)，t)：从状态S(t-1)迁移到状态S(t)需要的综合成本，包括能耗和舒适度两方面；P(S(t-1)，S(t)：状态迁移惩罚项；表征如果实际运行中状态如果无法实现制定的目标，所引发的惩罚成本，S(t)：系统状态；t：时间；T：总时间。

4.如权利要求3所述的基于热成像技术的室内环境智能控制方法，其特征在于，所述步骤S2对所述热成像数据进行辨识包括步骤：

S21：对低分辨率数据进行高分辨率重建；

S22：对重建后的数据采用机器视觉算法对人员和周围环境进行辨识。

5.如权利要求3所述的基于热成像技术的室内环境智能控制方法，其特征在于，所述步骤S3包括：

S31：根据维护结构表面温度和人员位置角度关系，进行角系数计算；

S32：根据角系数计算结果计算出主观辐射温度。

Images