CN105605746A

CN105605746A - 一种基于拟人情感的在线决策控制温湿度方法

Info

Publication number: CN105605746A
Application number: CN201610131211.8A
Authority: CN
Inventors: 肖昌克; 严志; 滕伟杰; 刘媚
Original assignee: ZHEJIANG AOLE INTELLIGENT SYSTEM CO LTD
Current assignee: ZHEJIANG AOLE INTELLIGENT SYSTEM CO LTD
Priority date: 2016-03-09
Filing date: 2016-03-09
Publication date: 2016-05-25

Abstract

本发明涉及一种基于拟人情感的在线决策控制温湿度方法，首先利用室内传感器采集温湿度；接着利用情绪状态刺激转移过程的隐马尔可夫模型，根据温湿度对人心理上的影响，将消沉、烦躁和不满三种状态的改变，与室内温度差、湿度差和环境状态改变耗时这3个刺激事件关联；然后利用基于情感的决策算法，加强和削弱温湿度调整的幅度，从而使其调整更满足人的感受。进行仿真实验结果表明：通过调整情感模型的转移加速因子，能够满足用户的个性化温湿度决策的需求。本发明方法减少或避免智能家居中虚拟管家与温湿度调节设备交互时人的参与，解决了室内温湿度变化后环境如何被感知这个问题。

Description

一种基于拟人情感的在线决策控制温湿度方法

技术领域

本发明涉及智能家居领域，尤其涉及一种基于拟人情感的在线决策控制温湿度方法。

背景技术

网络机器人是一种将不同类型的机器人通过网络协作协调起来，实现以单体形式不能完成的服务的机器人。在网络机器人研究领域，虚拟管家系统作为虚拟型机器人，是一种运行在PC上的管理系统，主要任务是提供良好的人机交互平台，将整个智能数字家居系统的功能加以综合，以更加友好的智能方式向用户提供服务。也就是说，以虚拟机器管家的形式，结合人脸识别、语音交互、网络等技术来实现对智能家居设备的管理、控制和人机交互。虚拟管家系统能够实现对多种智能家居设备的管理与控制，其中对智能家居系统的拟人情感决策方法是十分重要的。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于拟人情感的在线决策控制温湿度方法，本方法首先利用室内传感器采集温湿度；接着利用情绪状态刺激转移过程的隐马尔可夫模型，根据温湿度对人心理上的影响，将消沉、烦躁和不满三种状态的改变，与室内温度差、湿度差和环境状态改变耗时这3个刺激事件关联；然后利用基于情感的决策算法，加强和削弱温湿度调整的幅度，从而使其调整更满足人的感受。

本发明是通过以下技术方案达到上述目的：一种基于拟人情感的在线决策控制温湿度方法，包括步骤如下：

(1)利用室内传感器采集温湿度，加权计算得到室内温度T_indoor、室内湿度H_indoor；并基于LS-SVM的温湿度多源数据融合，确定适宜温度T-mid与适宜湿度H-mid；

(2)判断T_indoor与H_indoor是否在临界温湿度范围内，若在则不进行温湿度的调控；若不在，则开启对温度或者湿度的调整，进入步骤(3)；

(3)根据温湿度对人情绪心理上的影响，将人的三种情绪心理分别与温度差、湿度差、环境状态改变耗时相关，得到隐马尔可夫模型；

(4)利用情绪状态刺激转移过程的隐马尔可夫模型分别计算消沉心理刺激强度V_ue，烦躁心理刺激强度V_f，不满心理刺激强度V_us；

(5)基于消沉心理刺激强度V_ue，烦躁心理刺激强度V_f，不满心理刺激强度V_us，利用基于情感的决策算法计算温湿度调节值，并根据调节值完成温湿度调节。

作为优选，所述的适宜温度T-mid为18～25℃，适宜湿度H-mid为40％RH～70％RH。

作为优选，所述人的三种情绪心理为消沉心理E_ue、烦躁心理E_f、不满心理E_us，消沉心理E_ue与温度差相关，烦躁心理E_f与温度差、湿度差相关；不满心理E_us与环境状态改变耗时相关。

作为优选，所述的情绪状态刺激转移过程的隐马尔可夫模型在事件刺激下，心理情感状态将发生转移，消沉、烦躁和不满心理是相关的，随着刺激强度的增大，消沉心理状态值不断提高，同时其他两种心理受到抑制，但三种心理的总值为恒定值，E_ue+E_f+E_us＝1,E.∈[0,1]。

作为优选，所述刺激强度V_ue为消沉心理E_ue所对应的刺激强度，其计算公式如下：

V_{u e} = \{\begin{matrix} k_{1}^{T} \cdot \frac{Δ T}{T_{h i g h_\max} - T_{h i g h_\min}} = k_{1}^{T} \cdot \frac{T_{i n d o o r} - 25}{40 - 25} = k_{1}^{T} \cdot \frac{T_{i n d o o r} - 25}{15}, T_{i n d o o r} &GreaterEqual; T_{h i g h_\min} \\ k_{2}^{T} \cdot \frac{Δ T}{T_{l o w_\max} - T_{l o w_\min}} = k_{2}^{T} \cdot \frac{18 - T_{i n d o o r}}{18 - 10} = k_{2}^{T} \cdot \frac{18 - T_{i n d o o r}}{8}, T_{i n d o o r} \leq T_{h i g h_\min} \end{matrix}

其中，T_{high_max}、T_{high_min}分别为高温状态的上下限，T_{high_max}＝40℃，下限为T_{high_min}＝25℃；T_{low_max}、T_{low_min}分别为低温状态的上下限，T_{low_max}＝18℃，T_{high_min}＝10℃。

作为优选，所述刺激强度V_f为烦躁心理E_f所对应的刺激强度，其计算公式如下：

V_{f} = \{\begin{matrix} k_{1}^{H} \cdot \frac{Δ H}{H_{h i g h_\max} - H_{h i g h_\min}} = k_{1}^{H} \cdot \frac{T_{i n d o o r} - 0.7}{1 - 0.7} = k_{1}^{H} \cdot \frac{H_{i n d o o r} - 0.7}{0.3}, H_{i n d o o r} &GreaterEqual; H_{h i g h_\min} \\ k_{2}^{H} \cdot \frac{Δ H}{H_{l o w_\max} - H_{l o w_\min}} = k_{2}^{H} \cdot \frac{H_{l o w_\max} - H_{i n d o o r}}{0.4 - 0} = k_{2}^{H} \cdot \frac{0.4 - H_{i n d o o r}}{0.4}, T_{i n d o o r} \leq T_{h i g h_\max} \end{matrix}

其中，H_{high_max}、H_{high_min}分别为高湿状态的上下限，H_{high_max}＝100％，H_{high_min}＝70％；H_{low_max}、H_{low_min}分别为低湿状态的上下限，H_{low_max}＝40％，H_{low_min}＝0％。

作为优选，所述刺激强度V_us为不满心理E_us所对应的刺激强度，其计算公式如下：

V_{u s} = \{\begin{matrix} [\begin{matrix} ψ & ζ \end{matrix}] [\exp [\begin{matrix} \frac{{ΔTime}_{T}}{10} & 0 \\ 0 & \frac{{ΔTime}_{H}}{10} \end{matrix}] - I] [\begin{matrix} {(e - 1)}^{- 1} \\ {(e - 1)}^{- 1} \end{matrix}], 0 < {ΔTime}_{T} \leq 10 a n d 0 < {ΔTime}_{H} \leq 10 \\ 1.0, {ΔTime}_{T} > 10 {orΔTime}_{H} > 10 \end{matrix}

其中，ΔTime＝ΔTime_i2-ΔTime_i1(i∈{T,H})，表示环境的温湿度处于临界范围之外的持续采样周期个数；ψ,ζ分别是温湿度久未变化对用户心情的影响程度因子，取ψ＝ζ＝0.5。

作为优选，所述基于情感的决策算法如下：

1)通过比较消沉心理刺激强度V_ue，烦躁心理刺激强度V_f，不满心理刺激强度V_us的大小，找出最大的刺激强度；

2)在最大刺激强度所对应事件的刺激下，心理情感状态发生变化，心理情感状态变化遵循隐马尔可夫模型；

3)根据心理情感值的大小综合评估得到温湿度的调节值。

作为优选，所述综合评估得到温湿度的调节值的公式如下：

T_{s e t} = \{\begin{matrix} T_{m i d_\min} + \frac{T_{m i d_\max} - T_{m i d_\min}}{2} + (T_{h i g h_\max} - T_{h i g h_\min}) (1 - E_{u e}) = (36.5 - 15 E_{u e}), E_{u s} \leq E_{u s_t h r e s h o l d} \\ T_{m i d_\min} + \frac{T_{m i d_\max} - T_{m i d_\min}}{2} = 21.5, E_{u s} > E_{u s_t h r e s o l d} \end{matrix};

H_{s e t} = \{\begin{matrix} H_{m i d_\min} + \frac{H_{m i d_\max} - H_{m i d_\min}}{2} + (H_{h i g h_\max} - H_{h i g h_\min}) (1 - E_{f}) = (85 - 30 E_{f}), E_{u s} \leq E_{u s_t h r e s h o l d} \\ H_{m i d_\min} + \frac{H_{m i d_\max} - H_{m i d_\min}}{2} = 55, E_{u s} > E_{u s_t h r e s o l d} \end{matrix} .

其中，E_{us_thresold}是不满情感E_us的阈值；当E_us＞E_{us_thresold}时，说明环境的温湿度处于适宜温湿度之外且久未改变，此时将温湿度T_set，H_set直接设定为最佳温湿度值；反之，则按照计算结果设定。

本发明的有益效果在于：本发明方法实现了人机交互，可以通过微小的心理情绪变化来达到控制家居环境，减少或避免了智能家居中虚拟管家与温湿度调节设备交互时人的参与，解决了室内温湿度变化后环境如何被感知的问题。

附图说明

图1是本发明方法的流程示意图；

图2是本发明实施例的各状态之间的转换关系示意图；

图3是本发明实施例的各状态之间的决策情感对应关系示意图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

实施例：如图1所示，一种基于拟人情感的在线决策控制温湿度方法，首先利用室内传感器采集温湿度，加权计算结果作为目前室内温湿度T_indoor，H_indoor；基于LS-SVM的温湿度多源数据融合，确定适宜温湿度的临界值，其中，最小二乘支持向量机(LS-SVM)是一种遵循结构风险最小化原则的核函数(径向基函,RBF)学习机器，其算法是最小二乘法，其原理是结构风险最小化。根据人体适宜温湿度设T_{mid_min}＝18,T_{mid_max}＝25,H_{mid_min}＝40％,H_{mid_max}＝70％，以及H_{high_max}，H_{low_max}，H_{high_min}，H_{low_min}，T_{high_max}，T_{low_max}，T_{high_min}，T_{low_min}；然后利用情绪状态刺激转移过程的隐马尔可夫模型，根据温湿度对人心理上的影响，将消沉、烦躁和不满三种状态的改变，与室内温度差、湿度差和环境状态改变耗时这3个刺激事件关联；之后判断T_indoor＝T-mid且H_indoor＝H-mid，若成立则保持该状态，不进行温湿度的调控，若不成立，按照图2中所划分的八种情况，依据图3启动协调控制，开启对温度或者湿度的调整。

若开启对温度或者湿度的调整，则分别计算3种类型刺激事件的刺激强度V_ue,V_f,V_us；并且比较V_ue,V_f,V_us的大小，找出最大的刺激事件；在此事件的刺激下，情感状态发生变化，情感值E_i∝V_i,i∈{ue,f,us}，情感状态变化遵循隐马尔可夫模型；

最后根据情感值的大小计算室内温湿度的设定值。根据人体适宜温湿度，设

T_{s e t} = \{\begin{matrix} T_{m i d_\min} + \frac{T_{m i d_\max} - T_{m i d_\min}}{2} + (T_{h i g h_\max} - T_{h i g h_\min}) (1 - E_{u e}) = (36.5 - 15 E_{u e}), E_{u s} \leq E_{u s_t h r e s h o l d} \\ T_{m i d_\min} + \frac{T_{m i d_\max} - T_{m i d_\min}}{2} = 21.5, E_{u s} > E_{u s_t h r e s o l d} \end{matrix};

H_{s e t} = \{\begin{matrix} H_{m i d_\min} + \frac{H_{m i d_\max} - H_{m i d_\min}}{2} + (H_{h i g h_\max} - H_{h i g h_\min}) (1 - E_{f}) = (85 - 30 E_{f}), E_{u s} \leq E_{u s_t h r e s h o l d} \\ H_{m i d_\min} + \frac{H_{m i d_\max} - H_{m i d_\min}}{2} = 55, E_{u s} > E_{u s_t h r e s o l d} \end{matrix} .

其中，E_{us_thresold}是不满情感E_us的阈值。当E_us＞E_{us_thresold}时，说明环境的温湿度处于用户的不适状态且久未改变，此时温湿度的改变成为首要任务，因此，T_set，H_set直接设定为最佳温湿度值；反之，则按照消沉和烦躁情感来计算。

结合上面公式对算法进行说明。当处于图2中的T-high、T-mid状态时，按照图3，采用调温优先的原则，对温度进行控制，计算设定温度值。室温降低到T-mid后，空气相对湿度将增大，这时会出现两种情况：①转移到H-high状态；②转移到H-mid状态。即可能出现从H-high、H-mid状态转移到T-mid、H-high状态，或从T-high、H-mid状态转移到T-mid、H-mid状态，这取决于T-high温度时空气的含湿量，若处于T-mid、H-high状态时，则对湿度进行控制，计算设定湿度值；若处于T-mid、H-mid状态时，则保持状态，不进行下一步调整。

在本发明的实施例中提出的情绪状态刺激转移过程的隐马尔可夫模型，在外界事件的刺激下，情感状态发生变化。根据温湿度对人心理上的影响，情感系统包括3种基本心理：消沉(unexciting)、烦躁(fretful)和不满(unsatisfied)，这3种状态的改变，与室内温度差、湿度差和环境状态改变耗时这3个刺激事件相关。用户对过大的温湿度调整和环境状态久未改变感到不适。

1)人体最适宜的温度在18～25℃，当室内温度高于此区间为高温状态，设高温状态的上限为T_{high_max}＝40℃，下限为T_{high_min}＝25℃，则消沉心理E_ue的刺激事件为室温与适宜温度的差异，刺激强度V_ue随着ΔT＝T_indoor-T_{high_min}的增加而增加，ΔT越大，说明从T_indoor一步调整至25℃的调整幅度越大，用户越会感到不适，相应事件的V_ue也越大，导致越强的消沉心理，反之类似。与此相应，当室内温度低于此区间则为低温状态，设低温状态的上限为T_{low_max}＝18℃，低温状态的下限为T_{high_min}＝10℃，则刺激强度V_ue随着ΔT＝T_{low_max}-T_indoor的增加而增加，ΔT越大，说明从T_indoor一步调整至18℃的调整幅度越大，用户越会感到不适，相应事件的V_ue也越大，导致越强的消沉心理，反之类似。可知

V_{u e} = \{\begin{matrix} k_{1}^{T} \cdot \frac{Δ T}{T_{h i g h_\max} - T_{h i g h_\min}} = k_{1}^{T} \cdot \frac{T_{i n d o o r} - 25}{40 - 25} = k_{1}^{T} \cdot \frac{T_{i n d o o r} - 25}{15}, T_{i n d o o r} &GreaterEqual; T_{h i g h_\min} \\ k_{2}^{T} \cdot \frac{Δ T}{T_{l o w_\max} - T_{l o w_\min}} = k_{2}^{T} \cdot \frac{18 - T_{i n d o o r}}{18 - 10} = k_{2}^{T} \cdot \frac{18 - T_{i n d o o r}}{8}, T_{i n d o o r} \leq T_{h i g h_\min} \end{matrix}

2)人体最适宜的健康湿度值为40％RH～70％RH。当室内湿度高于此区间段为高湿状态，设高湿状态的上限为H_{high_max}＝100％，高湿状态的下限为H_{high_min}＝70％，则烦躁心理E_f的刺激事件为室内湿度与适宜湿度的差异，刺激强度V_f随着ΔH＝H_indoor-H_{high_min}的增加而增加，反之类似。与此相应，当室内湿度低于此区间段则为低湿状态，设低湿状态的上限为H_{low_max}＝40％，低湿状态的下限为H_{low_min}＝0％，则刺激强度V_f随着ΔH＝H_{low_max}-H_indoor的增加而增加，反之类似。可知

V_{f} = \{\begin{matrix} k_{1}^{H} \cdot \frac{Δ H}{H_{h i g h_\max} - H_{h i g h_\min}} = k_{1}^{H} \cdot \frac{T_{i n d o o r} - 0.7}{1 - 0.7} = k_{1}^{H} \cdot \frac{H_{i n d o o r} - 0.7}{0.3}, H_{i n d o o r} &GreaterEqual; H_{h i g h_\min} \\ k_{2}^{H} \cdot \frac{Δ H}{H_{l o w_\max} - H_{l o w_\min}} = k_{2}^{H} \cdot \frac{H_{l o w_\max} - H_{i n d o o r}}{0.4 - 0} = k_{2}^{H} \cdot \frac{0.4 - H_{i n d o o r}}{0.4}, T_{i n d o o r} \leq T_{h i g h_\max} \end{matrix}

3)当环境的温湿度处于用户的不适状态且久未改变时，用户的不满心理E_us将会增加，以期待环境状态的改变，即环境状态改变ΔS是E_us的刺激事件。其强度V_us为

V_{u s} = \{\begin{matrix} [\begin{matrix} ψ & ζ \end{matrix}] [\exp [\begin{matrix} \frac{{ΔTime}_{T}}{10} & 0 \\ 0 & \frac{{ΔTime}_{H}}{10} \end{matrix}] - I] [\begin{matrix} {(e - 1)}^{- 1} \\ {(e - 1)}^{- 1} \end{matrix}], 0 < {ΔTime}_{T} \leq 10 a n d 0 < {ΔTime}_{H} \leq 10 \\ 1.0, {ΔTime}_{T} > 10 {orΔTime}_{H} > 10 \end{matrix}

其中：ΔTime＝ΔTime_i2-ΔTime_i1(i∈{T,H})环境的温湿度处于用户不适状态的持续采样周期个数；ψ,ζ分别是温湿度久未变化对用户心情的影响程度因子，这里取ψ＝ζ＝0.5。根据隐马尔可夫模型，在一定刺激强度的事件刺激下，情感状态将发生转移，得到一组新的情感状态值E_ue,E_f,E_us。

消沉、烦躁和不满情感是相关的，随着刺激强度的增大，消沉情感状态值也在不断提高，同时，其他两种情感会受到抑制，数值不断降低，且E_ue+E_f+E_us＝1,E.∈[0,1]。3种情感的变化过程都是非线性的。

图2列出了9种温湿度的组合状态、处于此状态时所应采取的调整策略以及拟人情感值，具体地，当此时环境是T_indoor>T-mid且H_indoor>H-mid时，判定为T-high&H-high情况，调整方式是同时降低温度和湿度，调整前拟人情感值为E_ue和E_f。调整策略的上下箭头表示温度或湿度的调整方向，由于T-mid，H-mid是对于用户较为适宜的温湿度，因此，处于此状态时不进行调整；图2中的横坐标表示湿度，正方向是湿度增大的方向；纵坐标表示温度，正方向是温度增大的方向。9种温湿度组合状态能够在此H-T坐标平面上表示出来，其中的箭头表示了各状态之间的转换关系。

在本发明的实施例中提出基于情感的决策算法，已有的人体舒适度指数是温度、相对湿度、风速和气压的非线性函数，根据这4个量认知环境状态较为繁琐，本文假设风速和气压不变，人体最适宜的温度为18～25℃，人体最适宜的健康湿度为40％RH～70％RH，把温度和湿度各分为中高低3个等级，共9种状态，如图1所示，各状态之间的转换关系如图3所示。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims

1.一种基于拟人情感的在线决策控制温湿度方法，其特征在于包括步骤如下：

2.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述的适宜温度T-mid为18～25℃，适宜湿度H-mid为40％RH～70％RH。

3.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述人的三种情绪心理为消沉心理E_ue、烦躁心理E_f、不满心理E_us，消沉心理E_ue与温度差相关，烦躁心理E_f与温度差、湿度差相关；不满心理E_us与环境状态改变耗时相关。

4.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述的情绪状态刺激转移过程的隐马尔可夫模型在事件刺激下，心理情感状态将发生转移，消沉、烦躁和不满心理是相关的，随着刺激强度的增大，消沉心理状态值不断提高，同时其他两种心理受到抑制，但三种心理的总值为恒定值，E_ue+E_f+E_us＝1,E.∈[0,1]。

5.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述消沉心理刺激强度V_ue为消沉心理E_ue所对应的刺激强度，其计算公式如下：

V_{u e} = \{\begin{matrix} k_{1}^{T} \cdot \frac{Δ T}{T_{h i g h_\max} - T_{h i g h_\min}} = k_{1}^{T} \cdot \frac{T_{i n d o o r} - 25}{40 - 25} = k_{1}^{T} \cdot \frac{T_{i n d o o r} - 25}{15}, T_{i n d o o r} &GreaterEqual; T_{h i g h_\min} \\ k_{2}^{T} \cdot \frac{Δ T}{T_{l o w_\max} - T_{l o w_\min}} = k_{2}^{T} \cdot \frac{18 - T_{i n d o o r}}{18 - 10} = k_{2}^{T} \cdot \frac{18 - T_{i n d o o r}}{8}, T_{i n d o o r} \leq T_{h i g h_\min} \end{matrix}

6.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述烦躁心理刺激强度V_f为烦躁心理E_f所对应的刺激强度，其计算公式如下：

V_{f} = \{\begin{matrix} k_{1}^{H} \cdot \frac{Δ H}{H_{h i g h_\max} - H_{h i g h_\min}} = k_{1}^{H} \cdot \frac{T_{i n d o o r} - 0.7}{1 - 0.7} = k_{1}^{H} \cdot \frac{H_{i n d o o r} - 0.7}{0.3}, H_{i n d o o r} &GreaterEqual; H_{h i g h_\min} \\ k_{2}^{H} \cdot \frac{Δ H}{H_{l o w_\max} - H_{l o w_\min}} = k_{2}^{H} \cdot \frac{H_{l o w_\max} - H_{i n d o o r}}{0.4 - 0} = k_{2}^{H} \cdot \frac{0.4 - H_{i n d o o r}}{0.4}, T_{i n d o o r} \leq T_{h i g h_\max} \end{matrix}

7.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述不满心理刺激强度V_us为不满心理E_us所对应的刺激强度，其计算公式如下：

V_{u s} = \{\begin{matrix} [\begin{matrix} ψ & ζ \end{matrix}] [\exp [\begin{matrix} \frac{{ΔTime}_{T}}{10} & 0 \\ 0 & \frac{{ΔTime}_{H}}{10} \end{matrix}] - I] [\begin{matrix} {(e - 1)}^{- 1} \\ {(e - 1)}^{- 1} \end{matrix}], 0 < {ΔTime}_{T} \leq 10 a n d 0 < {ΔTime}_{H} \leq 10 \\ 1.0, {ΔTime}_{T} > 10 {orΔTime}_{H} > 10 \end{matrix}

8.根据权利要求1所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述基于情感的决策算法如下：

3)根据心理情感值的大小综合评估得到温湿度的调节值。

9.根据权利要求8所述的一种基于拟人情感的在线决策控制温湿度方法，其特征在于：所述综合评估得到温湿度的调节值的公式如下：

T_{s e t} = \{\begin{matrix} T_{m i d_\min} + \frac{T_{m i d_\max} - T_{m i d_\min}}{2} + (T_{h i g h_\max} - T_{h i g h_\min}) (1 - E_{u e}) = (36.5 - 15 E_{u e}), E_{u s} \leq E_{u s_t h r e s h o l d} \\ T_{m i d_\min} + \frac{T_{m i d_\max} - T_{m i d_\min}}{2} = 21.5, E_{u s} > E_{u s_t h r e s o l d} \end{matrix};

H_{s e t} = \{\begin{matrix} H_{m i d_\min} + \frac{H_{m i d_\max} - H_{m i d_\min}}{2} + (H_{h i g h_\max} - H_{h i g h_\min}) (1 - E_{f}) = (85 - 30 E_{f}), E_{u s} \leq E_{u s_t h r e s h o l d} \\ H_{m i d_\min} + \frac{H_{m i d_\max} - H_{m i d_\min}}{2} = 55, E_{u s} > E_{u s_t h r e s o l d} \end{matrix} .