CN109657648B - 一种实时监测办公建筑开关窗情况的系统与方法 - Google Patents
一种实时监测办公建筑开关窗情况的系统与方法 Download PDFInfo
- Publication number
- CN109657648B CN109657648B CN201910024454.5A CN201910024454A CN109657648B CN 109657648 B CN109657648 B CN 109657648B CN 201910024454 A CN201910024454 A CN 201910024454A CN 109657648 B CN109657648 B CN 109657648B
- Authority
- CN
- China
- Prior art keywords
- office building
- processing unit
- data
- definition camera
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种实时监测办公建筑开关窗情况的系统,包括以下部件的系统集成:高性能图形处理单元GPU微型工作站,高清摄像头,带有神经网络逻辑处理单元的片上系统SoC,所述高清摄像头传输数据至高性能图形处理单元GPU微型工作站,上传图像数据,储存在高性能图形处理单元GPU微型工作站中;所述片上系统SoC数据传输至楼宇中央控制系统,所述楼宇中央控制系统控制待监测目标办公建筑运行;神经网络图像处理片上系统Soc与高清摄像头相连接,将高清摄像头位置进行调试后对准待监测的办公建筑立面,获得实时数据开窗数据。还公开了一种实时监测办公建筑开关窗情况的方法。本发明研究发掘办公建筑的人员开关窗随机行为规律。
Description
技术领域
本发明属于建筑信息测量技术领域,涉及一种实地实时监测统计办公建筑开窗位置与开度等规律的测量与统计系统,具体涉及一种实时监测办公建筑开关窗情况的系统与方法。
背景技术
办公建筑的日常运行能耗占到我国建筑使用能耗的一大部分,其中办公建筑的中央空调使用能耗又是建筑能耗的主要部分,由于不是所有办公建筑都配置有不可开启外窗,所以办公建筑内的人员为了达到以通风来获得合适的室内温湿度或者改善室内的空气质量等目的,会有随机开窗的行为,所以现代办公建筑的庞大能源消耗有很大一部分与建筑内人员的开窗行为有关系。如果中央空调系统无法对开窗行为导致的室内的负荷等条件的变化进行实时预测与调整,将会造成较大的能耗的浪费或者室内的不舒适度。准确得到开窗状态可以实时反馈到中央空调控制系统,及时调节供热供冷量,即为重要的节能与改善室内环境的措施。
由于人们开关窗受到多种环境参数以及人员主观能动性的影响,具有相当大的随机性。目前人们对于人员开关窗行为的规律的研究还很不充分,但是办公建筑的能源消耗又与此密切相关,因此需要一套便捷完善的系统对办公建筑的开关窗行为进行监测统计,既可以方便地得到短期实时的数据以供办公建筑的能源管理系统用作实时调整空调运行模式,又可以得到长期的监测数据为能源系统的智能化提供基础数据。
现有的开关窗监测系统主要为由单个的磁性门窗传感器对单个或者少量几扇窗户的操作动作进行记录,或者进行有线或者无线传输到终端服务器。但是该种系统存在以下问题:一是造价高昂,一栋办公建筑的外窗有几百扇,如果全部装上传感器成本相当高;二是信息传输方式要求固定与统一,若使用无线传输,用于中转信息的路由器的信号范围难以覆盖所有传感器,若使用有线传输方式,则接线走线将非常繁杂。使用基于图像识别的开关窗系统可以将人员的随机行为整合到办公建筑的能耗控制系统之中,起到节约能源的作用。
发明内容
本发明的目的在于克服现有技术的不足,提供一种实时监测办公建筑开关窗情况的系统,基于方便、长期、可靠地对办公建筑的开关窗行为进行长期监测与统计的目标,本发明提供了一种基于CNN算法的图像识别方法对办公建筑开关窗行为进行识别并用于长期监测与数据统计的系统,应用于同建筑能耗系统相结合。
本发明为解决技术背景中的技术问题,采用的技术方案是:一种实时监测办公建筑开关窗情况的系统,包括以下部件的系统集成:高性能图形处理单元GPU微型工作站、高清摄像头和带有神经网络逻辑处理单元的片上系统SoC,所述高清摄像头传输数据至高性能图形处理单元GPU微型工作站,高性能图形处理单元GPU微型工作站中带有数据储存硬盘,获得待监测目标办公建筑的实时开窗数据并上传图像数据,储存在高性能图形处理单元GPU微型工作站中;所述高性能图形处理单元GPU微型工作站将训练得到的SoC所需的基础参数输入到带有神经网络逻辑处理单元的片上系统SoC模型中,所述带有神经网络逻辑处理单元的片上系统SoC数据传输至楼宇中央控制系统,所述楼宇中央控制系统控制待监测目标办公建筑运行;
所述带有神经网络逻辑处理单元的片上系统Soc与高清摄像头相连接,将高清摄像头位置进行调试后对准待监测目标办公建筑的立面,获得实时数据开窗数据。
所述楼宇中央控制系统控制结合温湿度传感器的实时数据。
本发明的第二个技术方案是一种实时监测办公建筑开关窗情况的方法,该方法基于由以下部件构成的集成系统,包括高性能图形处理单元GPU微型工作站,高清摄像头,带有神经网络逻辑处理单元的片上系统SoC,所述高清摄像头传输数据至高性能图形处理单元GPU微型工作站,获得待监测目标办公建筑的实时开窗数据并上传图像数据,储存在高性能图形处理单元GPU微型工作站中;所述片上系统SoC数据传输至楼宇中央控制系统,所述楼宇中央控制系统控制待监测目标办公建筑运行;
该方法包括如下步骤:
1)使用高清摄像头获得大规模图像数据集,对外窗开启的位置进行定位,统计开窗的数量,对外窗的开度进行估计,对图像数据集标记开关状态与开度参数:
(1)将高清摄像头安装于待监测的办公建筑的旁的街道高处或者与之相对的楼宇上,保证电源与网络畅通,将镜头对准该办公建筑的主要立面,保证所有的外窗都在摄像头的视野范围之内,将摄像头连接到高性能图形处理单元GPU微型工作站,实时上传图像数据,并储存在高性能图形处理单元GPU微型工作站中;
(2)获得图像数据后,采用计算机自动分割、贴标签,人工审核的方式,将图像数据中的两个参数的开窗状态进行标记;
(3)将标记好的数据集进行整理归类,储存到数据库中;
2)采用图像识别的方法对办公建筑的外围护结构上外窗的开闭情况进行实时统计处理;
(1)将全部标记好的开窗图像数据库分成训练数据集与测试数据集输入到神经网络训练服务器中进行训练,训练标准为测试的正确率达到90%以上;
(2)在得到较好的训练结果后,将神经网络的各个节点的参数储存到专用的神经网络图像处理片上系统Soc中;将该系统与高清摄像头相连接,将高清摄像头位置进行调试后对准待监测的办公建筑立面,获得实时数据开窗数据;
3)将处理得到的开启外窗的位置与开度传送到楼宇中央控制系统,结合办公建筑内的室内气候传感器的实时数据,根据既有的能耗算法,计算得到办公建筑的实时负荷;
(1)将实时的开窗数据传输到办公建筑的能耗控制中心;
(2)空调控制中心通过对办公建筑的空调冷热负荷计算进行及时调整。
所述步骤1)中高清摄像头1080p以上。
所述步骤2)中处理包括使用大型计算机进行卷积神经网络图像识别训练,将训练获得的神经网络参数储存于片上处理系统Soc。
有益效果:
1、本发明研究发掘办公建筑的人员开关窗随机行为规律。
2、本发明能够大大提升办公建筑楼宇中央控制系统集成度,便于集中控制与能耗统计。
3、该实时监测系统有利于建筑节能。
附图说明
图1是本发明所提供的实时监测装置的结构示意图;
图2是本发明所提供的实时监测实施逻辑示意图。
图中:1-高性能图形处理单元GPU微型工作站,2-高清摄像头,3-带有神经网络逻辑处理单元的片上系统Soc,4-楼宇中央控制系统,5-温湿度传感器,6-待监测目标办公建筑。
具体实施方式
下面通过附图和具体实施例对本发明作进一步的说明。本发明的实施例是为了使本领域的技术人员更好地理解本发明,并不对本发明作任何的限制。
本发明一种实时监测办公建筑开关窗情况的系统是包括由以下部件的连接的系统集成,如图1所示,高性能图形处理单元GPU微型工作站1(优选型号为NVIDIA DGX小型工作站,配有Tesla V100,GPX XS8-24S1-4GPU),高清摄像头2,带有神经网络逻辑处理单元的片上系统SoC3(优选型号为NVIDIA TEGRA 4,NVIDIA Xavier),不仅限于微型工作站的硬件,外加高性能图形处理单元GPU以供带有不限于CNN算法的图像识别功能运行,能够进行神经网络等机器学习算法训练;还包括楼宇中央控制系统4(优选型号为SiemensAPOGEE系统,SiemensDesigo系统),无线传输的温湿度传感器5,待监测目标办公建筑6。
本发明所述高清摄像头2传输数据至高性能图形处理单元GPU微型工作站1,高性能图形处理单元GPU微型工作站1中带有数据储存硬盘,获得待监测目标办公建筑6的实时开窗数据并上传图像数据,储存在高性能图形处理单元GPU微型工作站1中;所述高性能图形处理单元GPU微型工作站1将训练得到的片上系统SoC3所需的基础参数输入到带有神经网络逻辑处理单元的片上系统SoC模型中;所述片上系统SoC3数据传输至楼宇中央控制系统4,所述楼宇中央控制系统4结合无线传输的温湿度传感器5的实时数据控制待监测目标办公建筑6运行。
本发明还包括一种实时监测办公建筑开关窗情况的方法,如图2所示包括如下步骤:
1.使用高清摄像头(1080p以上)获得大规模图像数据集,对外窗开启的位置进行定位,统计开窗的数量,对外窗的开度进行估计,对图像数据集标记开关状态与开度参数。
1.1将高清摄像头(1080p)安装于待监测的办公建筑的旁的街道高处或者与之相对的楼宇上,保证电源与网络畅通,将镜头对准该办公建筑的主要立面,保证所有的外窗都在摄像头的视野范围之内。将摄像头连接到高性能图形处理单元GPU微型工作站,实时上传图像数据,并储存在高性能图形处理单元GPU微型工作站中。
1.2获得一段时间的图像数据后,采用计算机自动分割、贴标签,人工审核的方式,将图像数据中的两个参数的开窗状态进行标记,如(窗的位置坐标;状态:开;开度:40%)、(窗的位置坐标;状态:关;开度:0%)
1.3将标记好的数据集进行整理归类,储存到数据库中。
2.采用图像识别的方法对办公建筑的外围护结构上外窗的开闭情况进行实时统计处理,处理包括:使用大型计算机进行卷积神经网络图像识别训练,将训练获得的神经网络参数储存于片上处理系统(Soc)并连接到高清摄像头;
2.1将全部标记好的开窗图像数据库分成训练数据集与测试数据集输入到神经网络训练服务器中进行训练,训练标准为测试的正确率达到90%以上;
2.2在得到较好的训练结果后,将神经网络的各个节点的参数储存到专用的神经网络图像处理片上系统(SoC)中;将该系统与高清摄像头相连接,将高清摄像头位置进行调试后对准待监测的办公建筑立面,获得实时数据开窗数据。
3.将处理得到的开启外窗的位置与开度传送到楼宇中央控制系统,结合办公建筑内的室内温湿度传感器的实时数据,根据既有的能耗算法,计算得到办公建筑的实时负荷。
3.1将实时的开窗数据传输到办公建筑的能耗控制中心;
3.2空调控制中心通过对办公建筑的空调冷热负荷计算进行及时调整。
尽管上面结合附图对本发明的优选实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以作出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (5)
1.一种实时监测办公建筑开关窗情况的系统,其特征在于,包括以下部件的系统集成:高性能图形处理单元GPU微型工作站、高清摄像头和带有神经网络逻辑处理单元的片上系统SoC,所述高清摄像头传输数据至高性能图形处理单元GPU微型工作站,高性能图形处理单元GPU微型工作站中带有数据储存硬盘,获得待监测目标办公建筑的实时开窗数据并上传图像数据,储存在高性能图形处理单元GPU微型工作站中;所述高性能图形处理单元GPU微型工作站将训练得到的基础参数输入到带有神经网络逻辑处理单元的片上系统SoC模型中,所述带有神经网络逻辑处理单元的片上系统SoC数据传输至楼宇中央控制系统,所述楼宇中央控制系统控制待监测目标办公建筑运行;
所述带有神经网络逻辑处理单元的片上系统Soc与高清摄像头相连接,将高清摄像头位置进行调试后对准待监测目标办公建筑的立面,获得实时数据开窗数据。
2.根据权利要求1所述的一种实时监测办公建筑开关窗情况的系统,其特征在于,所述楼宇中央控制系统控制结合温湿度传感器的实时数据。
3.一种实时监测办公建筑开关窗情况的方法,采用权利要求1所述的实时监测办公建筑开关窗情况的系统,其特征在于,该方法包括如下步骤:
1)使用高清摄像头获得大规模图像数据集,对外窗开启的位置进行定位,统计开窗的数量,对外窗的开度进行估计,对图像数据集标记开关状态与开度参数:
(1)将高清摄像头安装于待监测的办公建筑旁的街道高处或者与之相对的楼宇上,保证电源与网络畅通,将镜头对准该办公建筑的主要立面,确保所有的外窗都在摄像头的视野范围之内,将摄像头连接到高性能图形处理单元GPU微型工作站,实时上传图像数据,并储存在高性能图形处理单元GPU微型工作站中;
(2)获得图像数据后,采用计算机自动分割、贴标签,人工审核的方式,将图像数据中的两个参数的开窗状态进行标记;
(3)将标记好的数据集进行整理归类,储存到数据库中;
2)采用图像识别的方法对办公建筑的外围护结构上外窗的开闭情况进行实时统计处理;
(1)将全部标记好的开窗图像数据库分成训练数据集与测试数据集输入到神经网络训练服务器中进行训练,训练标准为测试的正确率达到90%以上;
(2)在得到较好的训练结果后,将神经网络的各个节点的参数储存到专用的神经网络图像处理片上系统Soc中;将该系统与高清摄像头相连接,将高清摄像头位置进行调试后对准待监测目标办公建筑的立面,获得实时数据开窗数据;
3)将处理得到的开启外窗的位置与开度传送到楼宇中央控制系统,结合办公建筑内的室内气候传感器的实时数据,根据既有的能耗算法,计算得到办公建筑的实时负荷;
(1)将实时的开窗数据传输到办公建筑的能耗控制中心;
(2)空调控制中心通过对办公建筑的空调冷热负荷计算进行及时调整。
4.根据权利要求3所述的一种实时监测办公建筑开关窗情况的方法,其特征在于,所述步骤1)中高清摄像头1080p以上。
5.根据权利要求3所述的一种实时监测办公建筑开关窗情况的方法,其特征在于,所述步骤2)中处理包括使用大型计算机进行卷积神经网络图像识别训练,将训练获得的神经网络参数储存于片上处理系统Soc。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024454.5A CN109657648B (zh) | 2019-01-10 | 2019-01-10 | 一种实时监测办公建筑开关窗情况的系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024454.5A CN109657648B (zh) | 2019-01-10 | 2019-01-10 | 一种实时监测办公建筑开关窗情况的系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657648A CN109657648A (zh) | 2019-04-19 |
CN109657648B true CN109657648B (zh) | 2023-04-07 |
Family
ID=66119162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910024454.5A Active CN109657648B (zh) | 2019-01-10 | 2019-01-10 | 一种实时监测办公建筑开关窗情况的系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657648B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435508B (zh) * | 2021-06-28 | 2024-01-19 | 中冶建筑研究总院(深圳)有限公司 | 玻璃幕墙开启窗开启状态检测方法、装置、设备及介质 |
CN116624065B (zh) * | 2023-07-20 | 2023-10-13 | 山东智赢门窗科技有限公司 | 一种智能门窗自动折叠调控方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103774973A (zh) * | 2014-01-13 | 2014-05-07 | 山东大学 | 一种百叶窗帘智能控制系统及控制方法 |
CN105181018A (zh) * | 2015-09-11 | 2015-12-23 | 杭州良展建筑科技有限公司 | 一种分散式空调房间的建筑用能行为测量及记录装置 |
CN105201326A (zh) * | 2015-08-28 | 2015-12-30 | 王海玲 | 一种智能检测的夜间卧室窗户开度的方法 |
CN106152986A (zh) * | 2016-07-08 | 2016-11-23 | 东南大学 | 基于拉线式位移传感器的门窗开度系统及其应用方法 |
CN107678291A (zh) * | 2017-10-31 | 2018-02-09 | 珠海格力电器股份有限公司 | 室内环境的控制方法及装置 |
-
2019
- 2019-01-10 CN CN201910024454.5A patent/CN109657648B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103774973A (zh) * | 2014-01-13 | 2014-05-07 | 山东大学 | 一种百叶窗帘智能控制系统及控制方法 |
CN105201326A (zh) * | 2015-08-28 | 2015-12-30 | 王海玲 | 一种智能检测的夜间卧室窗户开度的方法 |
CN105181018A (zh) * | 2015-09-11 | 2015-12-23 | 杭州良展建筑科技有限公司 | 一种分散式空调房间的建筑用能行为测量及记录装置 |
CN106152986A (zh) * | 2016-07-08 | 2016-11-23 | 东南大学 | 基于拉线式位移传感器的门窗开度系统及其应用方法 |
CN107678291A (zh) * | 2017-10-31 | 2018-02-09 | 珠海格力电器股份有限公司 | 室内环境的控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109657648A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023093820A1 (zh) | 设备的控制优化方法、展示平台、云服务器及存储介质 | |
CN109657648B (zh) | 一种实时监测办公建筑开关窗情况的系统与方法 | |
CN109213127A (zh) | 一种基于深度学习的hvac系统渐变故障诊断方法 | |
CN110332647A (zh) | 地铁地下车站空调系统负荷预测方法及空调系统 | |
CN107105028B (zh) | 一种基于云计算的机房环境智能调节系统 | |
CN107860102A (zh) | 一种控制中央空调的方法及装置 | |
CN111486552B (zh) | 基于分项计量数据的空调冷冻水供水温度策略识别方法 | |
Ni et al. | Improving energy efficiency while preserving historic buildings with digital twins and artificial intelligence | |
CN205227675U (zh) | 一种数据机房热环境的动态预测控制系统 | |
CN111814388B (zh) | 一种基于神经网络的下送风数据中心cfd仿真校验方法 | |
Sun et al. | Real-time detection method of window opening behavior using deep learning-based image recognition in severe cold regions | |
CN108647817B (zh) | 一种能耗负荷的预测方法及预测系统 | |
Shetty et al. | User presence estimation in multi-occupancy rooms using plug-load meters and PIR sensors | |
CN108664452B (zh) | 一种室内人员数量的确定方法及确定系统 | |
CN111189201A (zh) | 一种基于机器视觉的空调预测控制方法 | |
CN110823291A (zh) | 基于K-means聚类算法的建筑物室内温湿度环境监测方法与系统 | |
CN112050972B (zh) | 一种地铁设备机房的发热量近似计算方法 | |
CN115689171A (zh) | 一种基于窄带物联网的综合能源运行场地智能管控平台 | |
CN108595006A (zh) | 一种基于远程控制的实验设备全自动控制的交互系统 | |
CN112085284B (zh) | 一种实训室节能管理方法和装置 | |
CN113327325A (zh) | 基于大数据的5g机房智能化管理系统 | |
Chen | Enhancing Validity of Green Building Information Modeling with Artificial-neural-network-supervised Learning--Taking Construction of Adaptive Building Envelope Based on Daylight Simulation as an Example. | |
CN113221452A (zh) | 一种基于分布式光纤的办公空间温度预测系统 | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及系统 | |
CN111220205A (zh) | 一种热环境参数分布测试装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |