CN111443609A - 一种基于物联网的实验室环境自适应调节方法 - Google Patents

Abstract

本发明涉及一种基于物联网的实验室环境自适应调节方法，所述自适应调节方法包括：实验室环境参数监测采集，通过安装在实验室内的各种传感器和监测设备实时采集实验室内的环境参数信息并发送到后台；生成待调节的指标数据，通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过相应通讯协议下发到相应的调节设备，实现环境自适应调节。本发明的优点在于：通过实现环境自适应调节方法，显著提升实验室环境管理的效性和智能性，提高了实验环境的舒适性、安全性，节约了大量的电能等；通过实验环境实时监测数据，参考自适应模型的数据范围，对实验环境异常的指标和行为进行及时报警。

Description

一种基于物联网的实验室环境自适应调节方法

技术领域

本发明涉及实验室管理技术领域，尤其涉及一种基于物联网的实验室环境自适应调节方法。

背景技术

随着信息技术及物联网传感技术的日益成熟，人们对实验室工作环境的高舒适度的要求也越来越高，再加上有一些实验需要在极端环境或者高危环境下完成，更需要实时、高质量的控制好实验环境及风险，现有技术大多采用人工或者半人工的方式来调节实验环境，其不足之处在于不能做到实时、按需调节实验室环境，另外人工难以做到精确调节而且还会浪费大量的精力和时间。

申请号为201811301611.4的中国发明专利申请中公布了“一种基于物联网学校实验室安全管理装置”，其包括实验室安全监控中心，所述实验室安全监控中心的输出端分别与用户操作系统、实验室数据库和安全监控系统的输入端电路连接，所述安全监控系统包括毒性气体传感器、温度传感器、烟雾传感器和视频监控器，所述视频监控器的输出端与网络传输系统的输入端电路连接，所述网络传输系统的输出端与GSM模块的输入端电路连接，本发明通过多种监控传输方式可靠进行实时的监测与管理，使得管理人员可以方便、快捷地了解实验室安防状态信息，极大地提高了实验室管理效率，能够对实验室的环境进行管理，从而使得实验室的利用更加科学化，有效提升实验教学的质量。但是其主要是对实验室内的安全进行监控管理，而并非对实验室内的环境进行自适应调节。

申请号为201610749285.8的中国发明专利申请中公布了“基于物联网的高危性实验室监控系统”，其包括：监控中心服务器及与监控中心服务器连接的摄像头、实验环境监测模块、高危实验仪器及实验室基础设施监控模块；摄像头用于将实验室的实时视频信息传输至监控中心服务器；实验环境监测模块用于将实验室的环境信息实时传输至监控中心服务器；高危实验仪器用于将自身的实时状态和/或实验数据发送至监控中心服务器，并接收监控中心服务器下发的仪器控制命令；实验室基础设施监控模块用于将基础设施的实时状态发送至监控中心服务器，并接收监控中心服务器下发的基础设施控制命令，以控制相应的基础设施完成相应的动作。本发明实现了对危险性实验室的物联网化、远程实时监测和控制。但是其主要是针对实验室中的高危性实验以及设备进行安全监控，也并非对实验室内的环境进行自适应调节。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种基于物联网的实验室环境自适应调节方法，解决了现有技术存在的不足。

本发明的目的通过以下技术方案来实现：一种基于物联网的实验室环境自适应调节方法，其特征在于：所述自适应调节方法包括：

实验室环境参数监测采集，通过安装在实验室内的各种传感器和监测设备实时采集实验室内的环境参数信息并发送到后台；

生成待调节的指标数据，通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过相应通讯协议下发到相应的调节设备，实现环境自适应调节。

进一步地，在所述生成待调节的指标数据之前，还需要完成能够获得预判环境舒适度的逻辑回归模型构建步骤，其包括：

对所述采集的环境参数进行缺失值处理，保证数据的完整性，并定义舒适度；

选取对实验环境舒适度产生影响的特征值，构建正则化类型为岭回归的逻辑回归模型；

对逻辑回归模型进行评估和优化，得到能够获得预判环境舒适度的逻辑回归模型。

进一步地，所述选取对实验环境舒适度产生影响的特征值包括：温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压。

进一步地，所述构建正则化类型为岭回归的逻辑回归模型包括：

根据对输入数据的分析找到预测的分类函数h对输入数据的判断结果进行预测；

构造一个Cost函数来表示预测的输出数据(h)与训练数据类别(y)之间的偏差，将Cost函数求和或者求平均后记为J(θ)函数，以表示所有训练数据预测值与实际类别的偏差；

通过梯度下降法计算J(θ)函数的最小值，并以最小值作为分类结果得到逻辑回归模型

进一步地，所述逻辑回归模型的优化包括：

通过极大似然估计所述逻辑回归模型

关于温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压特征值的参数w的估计值；

并对温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压特征值的参数w的估计值进行排名；

将排名最低的特征值剔除，并重新构建正则化类型为岭回归的逻辑回归模型。

进一步地，所述自适应调节方法还包括：实时监测实验室内的环境参数是否在定义的舒适度阈值范围内，如果超过阈值就及时报警和进行自适应调节实现自动调节；

以及对高危性实验及设备实时监测高危指标是否在预设阈值范围内，如果超过阈值就及时报警和进行自适应调节实现自动调节。

所述方法根据自适应调节系统实现，所述系统包括：

实验室环境检测模块：用于实验室内的各种环境参数信息并发送到后台，以及根据后台发送的调节指数实现实验室环境的自适应调节；

自适应调节模块：用于通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过相应通讯协议下发到相应的调节设备，实现环境自适应调节。

进一步地，还包括构建模块：用于构建能够获得预判环境舒适度的正则化类型为岭回归的逻辑回归模型，并通过所述逻辑回归模型得到调节影像环境舒适度的因变量的组合区间，进而得到实验室环境自适应调节的调节指数。

进一步地，所述构建模块包括模型构建单元和模型评估优化单元；所述模型构建单元用于构建正则化类型为岭回归的逻辑回归模型；所述模型评估优化单元用于通过极大似然估计所述逻辑回归模型的各个特征值的参数w的估计值，并剔除排名最低的特征值后重新构建正则化类型为岭回归的逻辑回归模型。

进一步地，还包括判断模块：用于判断实验室内的环境参数是否在定义的舒适度阈值范围内，以及判断高危指标是否在预设阈值范围内，并在超过阈值时及时报警和进行自适应调节实现自动调节；

以及包括智能管控平台：用于与所述实验环境监测模块中的传感设备进行搭配和管控，并对发送到后台的数据进行分析统计和信息指令发布。

本发明具有的有益效果为：一种基于物联网的实验室环境自适应调节方法，通过实现环境自适应调节方法，显著提升实验室环境管理的效性和智能性，提高了实验环境的舒适性、安全性，节约了大量的电能等；通过实验环境实时监测数据，参考自适应模型的数据范围，对实验环境异常的指标和行为进行及时报警；以物联网技术为核心，结合环境自适应计算、实时动态控制、远程监控等先进手段。

附图说明

图1为本发明方法的流程图。

具体实施方式

为使本申请实施例的目的、技术方案和有点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。

如图1所示，一种基于物联网的实验室环境自适应调节方法，其特征在于：所述自适应调节方法包括：

S1、实验室环境参数监测采集，通过安装在实验室内的各种传感器和监测设备实时采集实验室内的环境参数信息并发送到后台；

具体地，实时监测的实验室内的环境参数包括温湿度、空气质量、光亮度、门窗开合度、空调状态及参数、电源电压、电源开关、监控状态、设备情况、实验人员及分布情况、特定环境要求参数等指标，实时传输相关指标到云平台；

其中，另一人脸门禁及人体感应器监测实验室环境下人员属性及分布情况；针对人员属性及其预约位置及时准备实验基础环境，包括电源、设备准备、调节适合人体的温度和光照亮度等等。

S2、构建能够获得预判环境舒适度的逻辑回归模型，其包括：

S21、对所述采集的环境参数进行缺失值处理，保证数据的完整性，并定义舒适度；

具体地，可以选择用平均值或者众数算出缺失值；舒适度可以由空气的温度、湿度、光线亮度、气流速度、含氧量、灰尘和气味等七个因素组合在一个合理的范围内时为舒适，用1来表示，反之定义为不舒适，用0来表示。

S22、选取对实验环境舒适度产生影响的特征值，构建正则化类型为岭回归的逻辑回归模型；

S23、对逻辑回归模型进行评估和优化，得到能够获得预判环境舒适度的逻辑回归模型。

进一步地，所述选取对实验环境舒适度产生影响的特征值包括：温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压。

进一步地，所述构建正则化类型为岭回归的逻辑回归模型包括：

根据对输入数据的分析找到预测的分类函数h对输入数据的判断结果进行预测；

构造一个Cost函数来表示预测的输出数据(h)与训练数据类别(y)之间的偏差，将Cost函数求和或者求平均后记为J(θ)函数，以表示所有训练数据预测值与实际类别的偏差；

通过梯度下降法计算J(θ)函数的最小值，并以最小值作为分类结果得到逻辑回归模型

其中，J(θ)函数的值越小表示预测函数h函数越准确。

进一步地，假设有N个样本，样本的标签只有0和1两类，设y_i＝1的概率p_i，y_i＝0的概率为1-p_i，那么观测的概率为：

该公司将0和1的两种情况都包含了进去；概率有逻辑回归的公式求解，得到极大似然函数：

取对数之后得到：

对L(w)求极大值，得到w的估计值；对损失函数

求导得到：

通过梯度下降法求救最终得到的导数为：(h(x)-y)^x。

进一步地，所述逻辑回归模型的优化包括：

通过极大似然估计所述逻辑回归模型

关于温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压特征值的参数w的估计值；

并对温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压特征值的参数w的估计值进行排名；

将排名最低的特征值剔除，并重新构建正则化类型为岭回归的逻辑回归模型。

具体采用信息增益、增益率和卡方三个指标进行评价，得到排名最低的是电源电压变量，此变量对目标变量的影响是最小的，反而增加了数据的体量和外部噪声；进而需要消除对目标变量影响不大的特征，减少外部噪声。

具体地，特征值评价包括：

(1)根据卡方检验变量的关联性,排除无关变量；

A1、汇总自变量样本数据。

A2、计算每个自变量的卡方值，卡方值的计算公式为χ2＝∑(A-T)2T

其中A为实际值，T为理论值，x²值描述了自变量与因变量之间的相关程度，x²值越大，相关程度也越大，所以很自然的可以利用x²值来做降维，保留相关程度大的变量

A3、将每个自变量按卡方值从大到小排序，选取前k个自变量作为特征，k即特征维数。

(2)根据特征信息增益确定变量权重；

B1、汇总相关维度的特征样本数据。

B2、计算各个维度的信息熵；

Entropy(S)＝-(p+)*log(p+)-(p-)*log(p-)

其中，p+、p-分别为正例和负例占总记录的比例，log()是以2为底的对数；

3、计算每个自变量的信息增益；

C1、将每个变量按信息增益值从大到小排序，选取前k个变量作为特征，k即特征维数.

S3、生成待调节的指标数据，通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过MQTT通讯协议下发到相应的调节设备，实现环境自适应调节。

实时监测实验室内的环境参数是否在定义的舒适度阈值范围内，如果超过阈值就及时报警和进行自适应调节实现自动调节；

以及对高危性实验及设备实时监测高危指标是否在预设阈值范围内，如果超过阈值就及时报警和进行自适应调节实现自动调节。

本发明根据自适应调节系统实现，所述系统包括：

实验室环境检测模块：用于实验室内的各种环境参数信息并发送到后台，以及根据后台发送的调节指数实现实验室环境的自适应调节；

具体地，通过设置在门口的人脸检测相机监测进入实验室的具体人员属性，通过人体感应器监测人员在实验室的位置分布情况，从而实现智能人员的监测；通过温湿度传感器和空气检测仪自动判断空气质量，配合空调及智能管控平台实现温湿度自动控制；通过智能开关面板配合智能管控平台，实现灯具远程开关，光两端的调节，并实现一键开关控制灯具；搭配智能管控平台实现窗帘的自动开启与闭合；搭配智能管控平台实现开关的自动通断电，实验室或者实验室内的各台实验桌被预约后在预约时间内自动通电，超过预约时间则自动断电；在实验室内正中心设置一个鱼眼摄像头，监控整个实验室实时监测情况，并搭配智能管控平台及本地视频存储实现实验室实时监控及视频备份，监控视频备份可提供30天保留期；在每张实验桌正上方吊装微型摄像头，配合智能管控平台实现桌面在线视频监控，及实验后桌面整洁度评分；为每个设备配置超高频柔性抗金属标签，通过超高频手持机扫描，可实现设备自动统计，在入口处设置超高频门禁通道读写器，实现实验室设备非法调出报警。

自适应调节模块：用于通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过相应通讯协议下发到相应的调节设备，实现环境自适应调节。

进一步地，还包括构建模块：用于构建能够获得预判环境舒适度的正则化类型为岭回归的逻辑回归模型，并通过所述逻辑回归模型得到调节影像环境舒适度的因变量的组合区间，进而得到实验室环境自适应调节的调节指数。

进一步地，所述构建模块包括模型构建单元和模型评估优化单元；所述模型构建单元用于构建正则化类型为岭回归的逻辑回归模型；所述模型评估优化单元用于通过极大似然估计所述逻辑回归模型的各个特征值的参数w的估计值，并剔除排名最低的特征值后重新构建正则化类型为岭回归的逻辑回归模型。

进一步地，还包括判断模块：用于判断实验室内的环境参数是否在定义的舒适度阈值范围内，以及判断高危指标是否在预设阈值范围内，并在超过阈值时及时报警和进行自适应调节实现自动调节；

以及包括智能管控平台：用于与所述实验环境监测模块中的传感设备进行搭配和管控，并对发送到后台的数据进行分析统计和信息指令发布。

本发明可以实现：

实验室全景展示：基于PC或者微信小程序进行功能呈现，不同用户角色登录系统，首页全景展示用户的主要指标数据及功能信息，方便用户管理。

智慧实验室东环管控：物联设备指标呈现、控制、智能分析后自动控制；通过物联网技术7×24动态监控实验室的动环数据信息，异常数据指标实时预警。包括灯光、温湿度、空调、电力等信息。管理员可以实时查询相关指标信息；管理员可以简便的远程控制实验室灯光、电力、窗帘等设备操作；提供所有控制操作及动环历史数据的查询及数据分析。

无人值守实验室管控：微信一键式实验预约，人员可以通过微信预约实验室，系统自动判断该时段是否还可以预约。智慧门禁联动平台：预约人在预约时间前一定时间内通过人脸识别方式进入实验室。对未预约或非时间范围内的人员不能进入实验室。多人脸识别监控，通过人脸识别监控设备全景监控，对尾随进入、异常进入的人员进行预警处理。

智能监控系统：7×24对实验室全景监控，对异常事件可以事后现场还原、事件追踪，提供远程实时监控实验室现场。

综合信息统计分析：汇总分析实验室使用情况，综合分析实验室利用率，学生自主预约能动率等分析统计。

信息发布：系统提供信息发布功能，管理员可以发布通知信息、规章制度信息、实验说明等信息给相关人员，做到信息及时交互；用户能通过登录平台或实施室外的发布屏及时获得管理员发布的信息。

系统功能和数据安全可控：分级管理、权限清晰、数据安全可控，系统用户角色可分为管理员、教师和学生等多个角色。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种基于物联网的实验室环境自适应调节方法，其特征在于：所述自适应调节方法包括：

实验室环境参数监测采集，通过安装在实验室内的各种传感器和监测设备实时采集实验室内的环境参数信息并发送到后台；

生成待调节的指标数据，通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过相应通讯协议下发到相应的调节设备，实现环境自适应调节。

2.根据权利要求1所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：在所述生成待调节的指标数据之前，还需要完成能够获得预判环境舒适度的逻辑回归模型构建步骤，其包括：

对所述采集的环境参数进行缺失值处理，保证数据的完整性，并定义舒适度；

选取对实验环境舒适度产生影响的特征值，构建正则化类型为岭回归的逻辑回归模型；

对逻辑回归模型进行评估和优化，得到能够获得预判环境舒适度的逻辑回归模型。

3.根据权利要求2所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：所述选取对实验环境舒适度产生影响的特征值包括：温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压。

4.根据权利要求3所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：所述构建正则化类型为岭回归的逻辑回归模型包括：

根据对输入数据的分析找到预测的分类函数h对输入数据的判断结果进行预测；

构造一个Cost函数来表示预测的输出数据(h)与训练数据类别(y)之间的偏差，将Cost函数求和或者求平均后记为J(θ)函数，以表示所有训练数据预测值与实际类别的偏差；

通过梯度下降法计算J(θ)函数的最小值，并以最小值作为分类结果得到逻辑回归模型

5.根据权利要求4所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：所述逻辑回归模型的优化包括：

通过极大似然估计所述逻辑回归模型

关于温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压特征值的参数w的估计值；

并对温湿度、空气质量、光照亮度、门窗开合度、空调状态及参数、人员数量、人员密度、季节和电源电压特征值的参数w的估计值进行排名；

将排名最低的特征值剔除，并重新构建正则化类型为岭回归的逻辑回归模型。

6.根据权利要求1-5中任意一项所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：所述自适应调节方法还包括：实时监测实验室内的环境参数是否在定义的舒适度阈值范围内，如果超过阈值就及时报警和进行自适应调节实现自动调节；

以及对高危性实验及设备实时监测高危指标是否在预设阈值范围内，如果超过阈值就及时进行报警和自适应调节实现自动调节。

7.根据权利要求6所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：所述方法根据自适应调节系统实现，所述系统包括：

实验室环境检测模块：用于实验室内的各种环境参数信息并发送到后台，以及根据后台发送的调节指数实现实验室环境的自适应调节；

自适应调节模块：用于通过逻辑回归模型对当前实验室内的环境参数信息进行分析计算生成需要调节的指标数据，并通过相应通讯协议下发到相应的调节设备，实现环境自适应调节。

8.根据权利要求7所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：还包括构建模块：用于构建能够获得预判环境舒适度的正则化类型为岭回归的逻辑回归模型，并通过所述逻辑回归模型得到调节影像环境舒适度的因变量的组合区间，进而得到实验室环境自适应调节的调节指数。

9.根据权利要求8所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：所述构建模块包括模型构建单元和模型评估优化单元；所述模型构建单元用于构建正则化类型为岭回归的逻辑回归模型；所述模型评估优化单元用于通过极大似然估计所述逻辑回归模型的各个特征值的参数w的估计值，并剔除排名最低的特征值后重新构建正则化类型为岭回归的逻辑回归模型。

10.根据权利要求7所述的一种基于物联网的实验室环境自适应调节方法，其特征在于：还包括判断模块：用于判断实验室内的环境参数是否在定义的舒适度阈值范围内，以及判断高危指标是否在预设阈值范围内，并在超过阈值时及时报警和进行自适应调节实现自动调节；

以及包括智能管控平台：用于与所述实验环境监测模块中的传感设备进行搭配和管控，并对发送到后台的数据进行分析统计和信息指令发布。

Images