CN117287406A - 一种数字化节能风机的节能控制系统及方法 - Google Patents
一种数字化节能风机的节能控制系统及方法 Download PDFInfo
- Publication number
- CN117287406A CN117287406A CN202311489711.5A CN202311489711A CN117287406A CN 117287406 A CN117287406 A CN 117287406A CN 202311489711 A CN202311489711 A CN 202311489711A CN 117287406 A CN117287406 A CN 117287406A
- Authority
- CN
- China
- Prior art keywords
- ventilation
- fan
- module
- data
- energy
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009423 ventilation Methods 0.000 claims abstract description 149
- 238000005065 mining Methods 0.000 claims abstract description 90
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 239000003245 coal Substances 0.000 claims abstract description 25
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008521 reorganization Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/008—Stop safety or alarm devices, e.g. stop-and-go control; Disposition of check-valves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/048—Activation functions
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Mechanical Engineering (AREA)
- Geophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种数字化节能风机的节能控制系统及方法,涉及煤矿通风技术领域,该系统包括:中央控制单元、人员检测单元、通风预测单元、风机控制单元及评估反馈单元;中央控制单元,用于集中控制和管理矿区各个设备,实现统一调度和监控;人员检测单元,用于识别矿区的人流量,并根据识别结果控制风机的关启;通风预测单元,用于根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量;风机控制单元,用于采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量;评估反馈单元,用于对矿区的通风状态进行评估。本发明在保障通风需求降低能耗的前提下,帮助矿区实现通风科学合理、节能高效的目的。
Description
技术领域
本发明涉及煤矿通风技术领域,尤其涉及一种数字化节能风机的节能控制系统及方法。
背景技术
风机是一种用于输送气体的流体机械,主要用于通风、空气压缩等领域,从结构上看,风机主要由风扇、传动装置、机架、进气口和出气口等部分组成,煤矿风机是专门用于煤矿井下通风的风机设备,主要分为主风机和辅风机,主风机用于井下采空区的主要通风系统,需要提供大量风量,负责将新风送入井下采空区,并将废气排出地面。
煤矿是人类在富含煤炭的矿区开采煤炭资源的区域,一般分为井工煤矿和露天煤矿,当煤层离地表远时,一般选择向地下开掘巷道采掘煤炭,此为井工煤矿。在煤矿开采过程中,煤矿井下温度高、湿度大,井下工作需要大量新鲜空气以保证矿工呼吸,为矿工创造良好的工作环境,风机通风是煤矿安全生产的基础和必要手段,是保障矿井安全运行的重要设备。
但是现有的煤矿风机在应用时多为单一控制,不能够根据人流量变化调节风机,无法在人流量较少时自动关停风机,易造成能源的浪费,与实际需求脱节,存在盲目供风的问题,同时缺乏智能化控制,无法根据环境变化自主优化调节出风量,依赖于人工经验控制,对煤矿的安全生产和节能降耗都将产生不利的影响。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
本发明为了解决上述问题,提出了一种数字化节能风机的节能控制系统及方法,实现通风量的精确控制的目的。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种数字化节能风机的节能控制系统,该数字化节能风机的节能控制系统包括:中央控制单元、人员检测单元、通风预测单元、风机控制单元及评估反馈单元;
其中,中央控制单元,用于通过集成单片机、无线模块和继电器,集中控制和管理矿区各个设备,实现统一调度和监控;
人员检测单元,用于通过热释电红外传感器识别矿区的人流量,并根据识别结果控制风机的关启;
通风预测单元,用于根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量;
风机控制单元,用于利用声速传感器采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量;
评估反馈单元,用于对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元。
优选的,人员检测单元包括安装设计模块、传感器识别模块、关启控制模块及人流量判断模块;
其中,安装设计模块,用于根据矿区内监测区域面积安装热释电红外传感器组成传感器阵列;
传感器识别模块,用于通过传感器阵列识别矿区监测区域内是否存在人体辐射出的红外线,若存在则通过关启控制模块进行开启风机,若不存在则继续通过传感器阵列进行识别;
关启控制模块,用于根据红外线产生的电流自动化进行风机的开启与关闭操作;
人流量判断模块,用于根据红外线辐射产生的信号判断监测区域内的人流密度。
优选的,根据红外线产生的电流自动化进行风机的开启与关闭操作包括:
根据热释电红外传感器探测的结果检测人体辐射产生的红外线产生的电流,并将电流经过IC电路转换为电压信号;
将电压信号进行放大处理并传输至无线模块,单片机将电压信号发送至继电器,继电器根据接收到的电压信号状态进行风机的开启与关闭操作;
若电压信号的电平状态高于设定值,则正常开启风机;
若电压信号的电平状态低于设定值,则预先正常开启风机,并判断10分钟内电压信号的电平状态是否高于设定值;
若判断结果高于设定值则正常开启风机,若判断结果低于设定值,则关闭风机。
优选的,根据红外线辐射产生的信号判断监测区域内的人流密度包括:
采用点阵摄像机摄取红外线探测图像,运用采集函数得到人流量的序列图像,并利用红外检测技术进行序列图像红外分析;
采用网格区域重组方式得到人流量红外线探测图像的网格分布特征,并构建人流量红外线探测图像采集输出模型;
利用边缘像素特征增强技术检测人流量的红外特征,根据图像像素序列分离和自适应块特征匹配方法,进行人流成像、特征定位与信息增强处理得到人流红外图像;
对人流红外图像进行降噪预处理后输出,以人流量的红外图谱差异性为依据,判断监测区域内的人流密度。
优选的,采集函数的表达式为:
;
式中,表示人流量序列图像的采集函数,/>表示热释电红外传感器的分布个数,/>表示热释电红外传感器的分布节点坐标,/>表示热释电红外传感器采集的红外线强度,/>表示序列图像的采集率。
优选的,通风预测单元包括数据获取模块、数据处理模块、特征提取模块及模型构建模块;
其中,数据获取模块,用于获取人流量数据及矿区内的环境数据构成数据集,环境数据包括矿区的面积与结构、温度、二氧化碳浓度、氧气浓度及湿度;
数据处理模块,用于利用周期趋势分解算法对数据集进行预处理;
特征提取模块,用于根据预测通风量的需求从数据集中提取特征值;
模型构建模块,用于基于特征值与卷积径向基网络构建通风量预测模型。
优选的,利用周期趋势分解算法对数据集进行预处理包括:
利用周期趋势分解将数据集分解成趋势项、周期项和波动项三组数据类;
采用集成经验模态分解对三组数据类分别进行分解得到数据集的长期变化趋势、周期变化趋势及局部波动性质;
根据分解结果对数据集进行重构,并比较重构数据与原始数据的离群值指标,进行异常检测。
优选的,根据预测通风量的需求从数据集中提取特征值包括:
将数据集利用最大似然参数估计的方式分别映射至正态概率密度空间,获得每个数据点的映射,并对映射结果进行归一化处理,消除数据集中的数值差异;
在正态概率密度空间中根据数据集设定对应的正态映射曲线,并寻找正态映射曲线的最高点与最低点位置;
遍历所有数据集的最高点与最低点,获得最高点与最低点之间的差值与均值,并根据差值与预设值进行比对判断;
根据比对判断结果确定数据集的点位是否符合数据特征的要求;
若符合要求,则选择数据集进行预测模型的构建,若不符合要求,则重复进行特征提取步骤。
优选的,风机控制单元包括传感器安装模块、通风量采集模块、比对模块及决策模块;
其中,传感器安装模块,用于在矿区监测区域内使用声速传感器组成检测阵列;
通风量采集模块,用于通过硬件设备读取声速传感器的检测数据,并设定通信方式将检测数据传输至中央控制单元;
比对模块,用于将通风量预测模型得到的通风量与声速传感器检测得到的通风量进行比较,并生成判断结果;
决策模块,用于根据判断结果设定调整计划,并将调整计划反馈至中央控制单元利用继电器调整风机的状态,调整计划包括当预测通风量大于实际通风量时,继电器控制风机增大出风量,当预测通风量小于实际通风量时,继电器控制风机减少出风量。
第二方面,本发明还提供了一种数字化节能风机的节能控制方法,该数字化节能风机的节能控制方法包括以下步骤:
S1、通过集成单片机、无线模块和继电器,集中控制和管理矿区各个设备,实现统一调度和监控;
S2、通过热释电红外传感器识别矿区的人流量,并根据识别结果控制风机的关启;
S3、根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量;
S4、利用声速传感器采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量;
S5、对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元。
本发明的有益效果为:
1、本发明能够实现集中监控风机在矿区内的运行参数,方便管理人员掌握风机运行状态,同时可以根据人流量调节风机,按需供风,设定当人流量少时实现风机停机的操作,进而能够避免资源的浪费,且在基于矿区环境数据与人流量的前提下预测矿区内的通风量并与实际通风量进行比较,使得风机出风量更符合矿区实际通风需求,防止盲目供风,在检测矿区内的通风量时借助声速传感器实时监测,进而实现通风量的精确控制,保证通风充足,最终在保障通风需求降低能耗的前提下,帮助矿区实现通风科学合理、节能高效的目的。
2、本发明提出的人员检测单元,通过将热释电红外传感器安装在矿区内,可以全面监测矿区人流,确保不会漏掉死角区域,实时识别人体红外辐射判断人流量,并将红外线转换为电信号,并利用单片机集成控制信号的发送,实现自动化控制,无需人工参与,且设置合理的电压阈值,同时加入10分钟的缓冲时间,可以避免人流量瞬时变化导致的频繁开关机,保证风机正常运行,实现了对风机的自动化、智能化开启控制,快速响应人流变化,显著降低风机能耗,提高了安全性和经济性。
3、本发明通过对收集到的矿区内的环境数据与人流量数据进行周期趋势分解算法,使得可以过滤数据集中的噪声提高数据质量,进而能够为后期的预测奠定了良好的基础,同时应用了卷积径向基网络构建的预测模型,实现风量的准确预测,为风机供风控制提供科学依据,持续为风机智能供风控制提供支持,实现精准节能。
4、本发明利用声速传感器组成检测阵列实现矿区内不同区域的通风监测,获取空间分布的通风数据,更全面了解矿区整体通风情况,并比对预测值与实际值,并根据比对结果设定调整计划,实现通风参数的自动调节控制,保证通风参数在设定范围内,提高工作环境质量,使得风机出风量更符合矿区实际通风需求,防止盲目供风。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是根据本发明实施例的一种数字化节能风机的节能控制系统的原理框图;
图2是根据本发明实施例的一种数字化节能风机的节能控制方法的流程图。
图中:
1、中央控制单元;2、人员检测单元;201、安装设计模块;202、传感器识别模块;203、关启控制模块;204、人流量判断模块;3、通风预测单元;301、数据获取模块;302、数据处理模块;303、特征提取模块;304、模型构建模块;4、风机控制单元;401、传感器安装模块;402、通风量采集模块;403、比对模块;404、决策模块;5、评估反馈单元。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
请参阅图1,本发明提供了一种数字化节能风机的节能控制系统,该数字化节能风机的节能控制系统包括:中央控制单元1、人员检测单元2、通风预测单元3、风机控制单元4及评估反馈单元5;
其中,中央控制单元1,用于通过集成单片机、无线模块和继电器,集中控制和管理矿区各个设备,实现统一调度和监控。
具体的,采用集成单片机、无线模块和继电器实现对矿区设备的集中控制和管理具有以下优点:
集成单片机可以实现对各种传感器和执行机构的控制,通过编程实现智能化和自动化控制。
使用无线通信模块,可以打破设备分散布置的限制,实现远程无线控制,提高系统灵活性。
继电器可以扩展单片机的驱动能力,直接驱动大功率设备的开关,例如控制风机等。
通过无线网络连接各控制点,可以实现对所有设备的集中监控和控制,将分散的设备统一协调起来。
集中控制系统可以实现对设备运行状态的实时监测,并可以进行远程故障诊断和预警。
可以根据设备实时状态和生产需求,对所有设备进行优化调度,高自动化和智能化水平。
人员检测单元2,用于通过热释电红外传感器识别矿区的人流量,并根据识别结果控制风机的关启。
在本实施例中,人员检测单元2包括安装设计模块201、传感器识别模块202、关启控制模块203及人流量判断模块204;
其中,安装设计模块201,用于根据矿区内监测区域面积安装热释电红外传感器组成传感器阵列。
具体的,根据矿区内监测区域面积安装热释电红外传感器组成传感器阵列包括以下步骤:
测量矿区内需要监测的区域面积大小,确定监测范围,根据监测区域面积计算出需要安装的传感器数量,确保区域可以被完全覆盖。
平均分配传感器位置,制定传感器的具体布置方案,覆盖监测区域的每个角落,在监测区域的关键位置,如通道和交汇处适当增加传感器数量,防止产生监测死角。
制作传感器安装支架,安装高度要适中,既要防止被碰撞,又要保证监测效果,将传感器按照预定方案架设在监测区域内,并逐一调试保证正常工作。
将传感器通过网络电缆连接起来,与中央控制单元1系统连接,在中央控制单元1中登记每个传感器的位置信息,建立监测区域模型,调试传感器阵列的联网监测功能,直至系统正常运行。
传感器识别模块202,用于通过传感器阵列识别矿区监测区域内是否存在人体辐射出的红外线,若存在则通过关启控制模块203进行开启风机,若不存在则继续通过传感器阵列进行识别。
其中,通过传感器阵列识别矿区监测区域内是否存在人体辐射出的红外线包括以下步骤:
通过热释电红外传感器阵列对监测区域进行扫描,获取区域内的红外辐射数据,将传感器采集的原始红外辐射数据发送到中央控制单元1。
中央控制单元1收集各个热释电红外传感器的数据,合并成监测区域的红外辐射分布图,通过中央控制单元1对红外辐射分布图进行图像处理和特征提取,识别出图中人体所在的位置。
提取人体区域的红外辐射强度和形状特征,根据人体红外辐射的特点进行识别,最终输出监测区域内是否存在人体。
关启控制模块203,用于根据红外线产生的电流自动化进行风机的开启与关闭操作。
其中,根据红外线产生的电流自动化进行风机的开启与关闭操作包括:
根据热释电红外传感器探测的结果检测人体辐射产生的红外线产生的电流,并将电流经过IC电路转换为电压信号;
将电压信号进行放大处理并传输至无线模块,单片机将电压信号发送至继电器,继电器根据接收到的电压信号状态进行风机的开启与关闭操作;
若电压信号的电平状态高于设定值,则正常开启风机;
若电压信号的电平状态低于设定值,则预先正常开启风机,并判断10分钟内电压信号的电平状态是否高于设定值;
若判断结果高于设定值则正常开启风机,若判断结果低于设定值,则关闭风机。
人流量判断模块204,用于根据红外线辐射产生的信号判断监测区域内的人流密度。
其中,根据红外线辐射产生的信号判断监测区域内的人流密度包括:
采用点阵摄像机摄取红外线探测图像,运用采集函数得到人流量的序列图像,并利用红外检测技术进行序列图像红外分析;
采用网格区域重组方式得到人流量红外线探测图像的网格分布特征,并构建人流量红外线探测图像采集输出模型;
利用边缘像素特征增强技术检测人流量的红外特征,根据图像像素序列分离和自适应块特征匹配方法,进行人流成像、特征定位与信息增强处理得到人流红外图像;
对人流红外图像进行降噪预处理后输出,以人流量的红外图谱差异性为依据,判断监测区域内的人流密度。
具体的,采集函数的表达式为:
;
式中,表示人流量序列图像的采集函数,/>表示热释电红外传感器的分布个数,/>表示热释电红外传感器的分布节点坐标,/>表示热释电红外传感器采集的红外线强度,/>表示序列图像的采集率。
需要说明的是,通过使用红外摄像头采集可以获得监测区域的热成像和人流动态图像,为后续分析提供数据基础,利用了红外成像的优势,实现了对人流密度的精确提取和判断,为风机供风控制提供了关键数据支持。
通风预测单元3,用于根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量。
在本实施例中,通风预测单元3包括数据获取模块301、数据处理模块302、特征提取模块303及模型构建模块304;
其中,数据获取模块301,用于获取人流量数据及矿区内的环境数据构成数据集,环境数据包括矿区的面积与结构、温度、二氧化碳浓度、氧气浓度及湿度。
其中,获取人流量数据和矿区内环境数据构成数据集包括以下步骤:
设置温湿度传感器,获取矿区内的温度和湿度信息,利用气体传感器,检测矿区内氧气、一氧化碳等气体浓度。
利用测绘设备,获取矿区的三维模型,计算出矿区的具体面积和结构信息,收集矿区的生产系统数,将数据导入数据库表中,组织成结构化的数据集。
数据处理模块302,用于利用周期趋势分解算法对数据集进行预处理。
其中,利用周期趋势分解算法对数据集进行预处理包括:
利用周期趋势分解将数据集分解成趋势项、周期项和波动项三组数据类;
采用集成经验模态分解对三组数据类分别进行分解得到数据集的长期变化趋势、周期变化趋势及局部波动性质;
根据分解结果对数据集进行重构,并比较重构数据与原始数据的离群值指标,进行异常检测。
特征提取模块303,用于根据预测通风量的需求从数据集中提取特征值。
其中,根据预测通风量的需求从数据集中提取特征值包括:
将数据集利用最大似然参数估计的方式分别映射至正态概率密度空间,获得每个数据点的映射,并对映射结果进行归一化处理,消除数据集中的数值差异;
在正态概率密度空间中根据数据集设定对应的正态映射曲线,并寻找正态映射曲线的最高点与最低点位置;
遍历所有数据集的最高点与最低点,获得最高点与最低点之间的差值与均值,并根据差值与预设值进行比对判断;
根据比对判断结果确定数据集的点位是否符合数据特征的要求;
若符合要求,则选择数据集进行预测模型的构建,若不符合要求,则重复进行特征提取步骤。
模型构建模块304,用于基于特征值与卷积径向基网络构建通风量预测模型。
其中,基于特征值和卷积径向基网络构建通风量预测模型的主要步骤包括:
建立卷积径向基网络模型,具体的模型融合了卷积神经网络对局部特征的提取和径向基函数网络对全局模式的建模。
使用提取的特征值作为网络输入,实际的通风量作为期望输出,通过误差反向传播算法训练网络模型。
使用独立的测试数据评估模型预测性能,调整网络结构和参数以提高预测精度。
在采矿现场部署经优化的通风量预测模型,实现对未来通风量的实时预测和控制。
需要说明的是,应用卷积径向基网络进行预测模型的构建,只有一层径向基隐层,避免深层网络训练难题,网络泛化能力强,模型结果易于解释,有利于结果分析,结合了卷积网络对特征的提取和RBF网络对复杂函数的逼近能力,可以获得较好的建模和预测效果。
风机控制单元4,用于利用声速传感器采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量。
在本实施例中,风机控制单元4包括传感器安装模块401、通风量采集模块402、比对模块403及决策模块404;
其中,传感器安装模块401,用于在矿区监测区域内使用声速传感器组成检测阵列。
具体的,在矿区监测区域内使用声速传感器组成检测阵列包括以下步骤:
根据矿区监测区域的大小和通风道布局,确定需要安装的声速传感器数量,在主回风道和分散回风道等关键通风区域选取合适的位置,规划传感器的分布方案。
安装传感器支架,确保传感器的检测路径可以完全贯穿通风区域,避免产生死角,按照预定方案在监测区域内部署传感器,调整传感器的方向,保证可以正确检测到空气流速。
将同一区域内的传感器用网络线连接起来,连接到采集设备,组成本地采集子网络,对不同区域的子网络进行连接,通过工业以太网交换机实现传感器网络的互联。
通风量采集模块402,用于通过硬件设备读取声速传感器的检测数据,并设定通信方式将检测数据传输至中央控制单元1。
其中,通过硬件设备读取声速传感器的检测数据,并设定通信方式将检测数据传输至中央控制单元可通过以下步骤实现:
在中央控制单元1上识别每个声速传感器的位置坐标与区域信息,建立监测区域模型,编写监测程序,采集每个传感器的实时检测数据,并上报至中央控制单元1,在中央控制单元1中统一处理和分析数组检测数据,监测矿区多个区域的风速分布情况。
比对模块403,用于将通风量预测模型得到的通风量与声速传感器检测得到的通风量进行比较,并生成判断结果。
其中,将通风量预测模型得到的通风量与声速传感器检测得到的通风量进行比较,并生成判断结果包括以下步骤:
从通风量预测模型中取出预测时间段的预计通风量值,从声速传感器的实时监测数据中取出对应时间段的实际通风量值。
对两个数据源的通风量值进行格式统一化处理,保证可比较,并设定通风量的误差容限范围,例如±10%,使用算法比较两组通风量值,计算差值。
决策模块404,用于根据判断结果设定调整计划,并将调整计划反馈至中央控制单元1利用继电器调整风机的状态,调整计划包括当预测通风量大于实际通风量时,继电器控制风机增大出风量,当预测通风量小于实际通风量时,继电器控制风机减少出风量。
具体的,根据判断结果设定调整计划,并将调整计划反馈至中央控制单元1利用继电器调整风机的状态包括以下步骤:
根据判断结果制定调整计划,如果参数超出设定范围,则制定相应的调整计划,当预测通风量大于实际通风量时,继电器控制风机增大出风量,当预测通风量小于实际通风量时,继电器控制风机减少出风量。
将调整计划发送至中央控制单元1,中央控制单元1接收并解析数据包,获取具体的调整命令,根据调整命令,中央控制单元1向对应继电器输出控制信号,实现开关控制。
接收到控制信号后,继电器按控制指令改变输出状态,从而控制风机开关或转速调整,继电器状态变化后,实现对风机运转状态的调整,如开启、关闭或转速增加等,检测环境参数是否在设定范围,判断调整效果,是否已将环境参数调整回设定范围内。
需要说明的是,利用声速传感器组成检测阵列实现矿区内不同区域的通风监测,获取空间分布的通风数据,更全面了解矿区整体通风情况,并比对预测值与实际值,并根据比对结果设定调整计划,实现通风参数的自动调节控制,保证通风参数在设定范围内,提高工作环境质量,使得风机出风量更符合矿区实际通风需求,防止盲目供风。
评估反馈单元5,用于对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元1。
具体的,对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元使得能够根据评估结果,调整通风系统,优化通风布局设计,实现提高工作环境质量和安全生产水平的目的,保证矿区内各区域空气流通,预防和减轻事故风险。
第二方面,本发明还提供了一种数字化节能风机的节能控制方法,该数字化节能风机的节能控制方法包括以下步骤:
S1、通过集成单片机、无线模块和继电器,集中控制和管理矿区各个设备,实现统一调度和监控;
S2、通过热释电红外传感器识别矿区的人流量,并根据识别结果控制风机的关启;
S3、根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量;
S4、利用声速传感器采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量;
S5、对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元。
综上所述,借助于本发明的上述技术方案,本发明能够实现集中监控风机在矿区内的运行参数,方便管理人员掌握风机运行状态,同时可以根据人流量调节风机,按需供风,设定当人流量少时实现风机停机的操作,进而能够避免资源的浪费,且在基于矿区环境数据与人流量的前提下预测矿区内的通风量并与实际通风量进行比较,使得风机出风量更符合矿区实际通风需求,防止盲目供风,在检测矿区内的通风量时借助声速传感器实时监测,进而实现通风量的精确控制,保证通风充足,最终在保障通风需求降低能耗的前提下,帮助矿区实现通风科学合理、节能高效的目的。本发明提出的人员检测单元,通过将热释电红外传感器安装在矿区内,可以全面监测矿区人流,确保不会漏掉死角区域,实时识别人体红外辐射判断人流量,并将红外线转换为电信号,并利用单片机集成控制信号的发送,实现自动化控制,无需人工参与,且设置合理的电压阈值,同时加入10分钟的缓冲时间,可以避免人流量瞬时变化导致的频繁开关机,保证风机正常运行,实现了对风机的自动化、智能化开启控制,快速响应人流变化,显著降低风机能耗,提高了安全性和经济性。
本发明通过对收集到的矿区内的环境数据与人流量数据进行周期趋势分解算法,使得可以过滤数据集中的噪声提高数据质量,进而能够为后期的预测奠定了良好的基础,同时应用了卷积径向基网络构建的预测模型,实现风量的准确预测,为风机供风控制提供科学依据,持续为风机智能供风控制提供支持,实现精准节能。本发明利用声速传感器组成检测阵列实现矿区内不同区域的通风监测,获取空间分布的通风数据,更全面了解矿区整体通风情况,并比对预测值与实际值,并根据比对结果设定调整计划,实现通风参数的自动调节控制,保证通风参数在设定范围内,提高工作环境质量,使得风机出风量更符合矿区实际通风需求,防止盲目供风。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种数字化节能风机的节能控制系统,其特征在于,该数字化节能风机的节能控制系统包括:中央控制单元(1)、人员检测单元(2)、通风预测单元(3)、风机控制单元(4)及评估反馈单元(5);
其中,所述中央控制单元(1),用于通过集成单片机、无线模块和继电器,集中控制和管理矿区各个设备,实现统一调度和监控;
所述人员检测单元(2),用于通过热释电红外传感器识别矿区的人流量,并根据识别结果控制风机的关启;
所述通风预测单元(3),用于根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量;
所述风机控制单元(4),用于利用声速传感器采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量;
所述评估反馈单元(5),用于对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元(1)。
2.根据权利要求1所述的一种数字化节能风机的节能控制系统,其特征在于,所述人员检测单元(2)包括安装设计模块(201)、传感器识别模块(202)、关启控制模块(203)及人流量判断模块(204);
其中,所述安装设计模块(201),用于根据矿区内监测区域面积安装热释电红外传感器组成传感器阵列;
所述传感器识别模块(202),用于通过传感器阵列识别矿区监测区域内是否存在人体辐射出的红外线,若存在则通过关启控制模块(203)进行开启风机,若不存在则继续通过传感器阵列进行识别;
所述关启控制模块(203),用于根据红外线产生的电流自动化进行风机的开启与关闭操作;
所述人流量判断模块(204),用于根据红外线辐射产生的信号判断监测区域内的人流密度。
3.根据权利要求2所述的一种数字化节能风机的节能控制系统,其特征在于,所述根据红外线产生的电流自动化进行风机的开启与关闭操作包括:
根据热释电红外传感器探测的结果检测人体辐射产生的红外线产生的电流,并将电流经过IC电路转换为电压信号;
将电压信号进行放大处理并传输至无线模块,单片机将电压信号发送至继电器,继电器根据接收到的电压信号状态进行风机的开启与关闭操作;
若电压信号的电平状态高于设定值,则正常开启风机;
若电压信号的电平状态低于设定值,则预先正常开启风机,并判断10分钟内电压信号的电平状态是否高于设定值;
若判断结果高于设定值则正常开启风机,若判断结果低于设定值,则关闭风机。
4.根据权利要求3所述的一种数字化节能风机的节能控制系统,其特征在于,所述根据红外线辐射产生的信号判断监测区域内的人流密度包括:
采用点阵摄像机摄取红外线探测图像,运用采集函数得到人流量的序列图像,并利用红外检测技术进行序列图像红外分析;
采用网格区域重组方式得到人流量红外线探测图像的网格分布特征,并构建人流量红外线探测图像采集输出模型;
利用边缘像素特征增强技术检测人流量的红外特征,根据图像像素序列分离和自适应块特征匹配方法,进行人流成像、特征定位与信息增强处理得到人流红外图像;
对人流红外图像进行降噪预处理后输出,以人流量的红外图谱差异性为依据,判断监测区域内的人流密度。
5.根据权利要求4所述的一种数字化节能风机的节能控制系统,其特征在于,所述采集函数的表达式为:
;
式中,表示人流量序列图像的采集函数;
表示热释电红外传感器的分布个数;
表示热释电红外传感器的分布节点坐标;
表示热释电红外传感器采集的红外线强度;
表示序列图像的采集率。
6.根据权利要求1所述的一种数字化节能风机的节能控制系统,其特征在于,所述通风预测单元(3)包括数据获取模块(301)、数据处理模块(302)、特征提取模块(303)及模型构建模块(304);
其中,所述数据获取模块(301),用于获取人流量数据及矿区内的环境数据构成数据集,所述环境数据包括矿区的面积与结构、温度、二氧化碳浓度、氧气浓度及湿度;
所述数据处理模块(302),用于利用周期趋势分解算法对数据集进行预处理;
所述特征提取模块(303),用于根据预测通风量的需求从数据集中提取特征值;
所述模型构建模块(304),用于基于特征值与卷积径向基网络构建通风量预测模型。
7.根据权利要求6所述的一种数字化节能风机的节能控制系统,其特征在于,所述利用周期趋势分解算法对数据集进行预处理包括:
利用周期趋势分解将数据集分解成趋势项、周期项和波动项三组数据类;
采用集成经验模态分解对三组数据类分别进行分解得到数据集的长期变化趋势、周期变化趋势及局部波动性质;
根据分解结果对数据集进行重构,并比较重构数据与原始数据的离群值指标,进行异常检测。
8.根据权利要求7所述的一种数字化节能风机的节能控制系统,其特征在于,所述根据预测通风量的需求从数据集中提取特征值包括:
将数据集利用最大似然参数估计的方式分别映射至正态概率密度空间,获得每个数据点的映射,并对映射结果进行归一化处理,消除数据集中的数值差异;
在正态概率密度空间中根据数据集设定对应的正态映射曲线,并寻找正态映射曲线的最高点与最低点位置;
遍历所有数据集的最高点与最低点,获得最高点与最低点之间的差值与均值,并根据差值与预设值进行比对判断;
根据比对判断结果确定数据集的点位是否符合数据特征的要求;
若符合要求,则选择数据集进行预测模型的构建,若不符合要求,则重复进行特征提取步骤。
9.根据权利要求8所述的一种数字化节能风机的节能控制系统,其特征在于,所述风机控制单元(4)包括传感器安装模块(401)、通风量采集模块(402)、比对模块(403)及决策模块(404);
其中,所述传感器安装模块(401),用于在矿区监测区域内使用声速传感器组成检测阵列;
所述通风量采集模块(402),用于通过硬件设备读取声速传感器的检测数据,并设定通信方式将检测数据传输至中央控制单元;
所述比对模块(403),用于将通风量预测模型得到的通风量与声速传感器检测得到的通风量进行比较,并生成判断结果;
所述决策模块(404),用于根据判断结果设定调整计划,并将调整计划反馈至中央控制单元利用继电器调整风机的状态,所述调整计划包括当预测通风量大于实际通风量时,继电器控制风机增大出风量,当预测通风量小于实际通风量时,继电器控制风机减少出风量。
10.一种数字化节能风机的节能控制方法,用于实现权利要求1-9中任一项所述的数字化节能风机的节能控制系统,其特征在于,该数字化节能风机的节能控制方法包括以下步骤:
S1、通过集成单片机、无线模块和继电器,集中控制和管理矿区各个设备,实现统一调度和监控;
S2、通过热释电红外传感器识别矿区的人流量,并根据识别结果控制风机的关启;
S3、根据人流量数据与矿区的环境数据预测煤矿内所需的通风量,获得通风预测量;
S4、利用声速传感器采集矿区现有通风量,并与通风预测量进行比对,根据比对结果控制风机的出风量;
S5、对矿区的通风状态进行评估,并将评估结果反馈至中央控制单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311489711.5A CN117287406B (zh) | 2023-11-10 | 2023-11-10 | 一种数字化节能风机的节能控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311489711.5A CN117287406B (zh) | 2023-11-10 | 2023-11-10 | 一种数字化节能风机的节能控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117287406A true CN117287406A (zh) | 2023-12-26 |
CN117287406B CN117287406B (zh) | 2024-02-23 |
Family
ID=89248222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311489711.5A Active CN117287406B (zh) | 2023-11-10 | 2023-11-10 | 一种数字化节能风机的节能控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117287406B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200021785A (ko) * | 2018-08-21 | 2020-03-02 | 대우조선해양 주식회사 | 분진농도 모니터링이 가능한 환기팬 제어 시스템 |
JP2020133595A (ja) * | 2019-02-26 | 2020-08-31 | パナソニックIpマネジメント株式会社 | 送風装置 |
CN111828076A (zh) * | 2020-08-18 | 2020-10-27 | 福州大学 | 一种用于地下矿山的通风自动系统 |
CN113818916A (zh) * | 2021-10-21 | 2021-12-21 | 重庆工程职业技术学院 | 一种煤矿掘进工作面智能化局部通风系统及通风控制系统 |
CN114738031A (zh) * | 2022-04-15 | 2022-07-12 | 北京科技大学 | 自然和机械通风耦合的施工隧道数字孪生智能通风方法 |
US20230011313A1 (en) * | 2021-07-09 | 2023-01-12 | Air Cool Industrial Co., Ltd. | Long-distance speed control system for brushless dc motor of fan |
CN115711148A (zh) * | 2022-09-01 | 2023-02-24 | 北京工业大学 | 一种基于车流车型的城市地下交通隧道智能通风方法与装置 |
CN116576142A (zh) * | 2023-05-31 | 2023-08-11 | 成都天仁民防科技有限公司 | 一种隧道射流风机状态监测与预测方法 |
CN116881829A (zh) * | 2023-07-20 | 2023-10-13 | 辽宁工程技术大学 | 一种基于ssa与lstm网络的风速异常波动检测方法 |
-
2023
- 2023-11-10 CN CN202311489711.5A patent/CN117287406B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200021785A (ko) * | 2018-08-21 | 2020-03-02 | 대우조선해양 주식회사 | 분진농도 모니터링이 가능한 환기팬 제어 시스템 |
JP2020133595A (ja) * | 2019-02-26 | 2020-08-31 | パナソニックIpマネジメント株式会社 | 送風装置 |
CN111828076A (zh) * | 2020-08-18 | 2020-10-27 | 福州大学 | 一种用于地下矿山的通风自动系统 |
US20230011313A1 (en) * | 2021-07-09 | 2023-01-12 | Air Cool Industrial Co., Ltd. | Long-distance speed control system for brushless dc motor of fan |
CN113818916A (zh) * | 2021-10-21 | 2021-12-21 | 重庆工程职业技术学院 | 一种煤矿掘进工作面智能化局部通风系统及通风控制系统 |
CN114738031A (zh) * | 2022-04-15 | 2022-07-12 | 北京科技大学 | 自然和机械通风耦合的施工隧道数字孪生智能通风方法 |
CN115711148A (zh) * | 2022-09-01 | 2023-02-24 | 北京工业大学 | 一种基于车流车型的城市地下交通隧道智能通风方法与装置 |
CN116576142A (zh) * | 2023-05-31 | 2023-08-11 | 成都天仁民防科技有限公司 | 一种隧道射流风机状态监测与预测方法 |
CN116881829A (zh) * | 2023-07-20 | 2023-10-13 | 辽宁工程技术大学 | 一种基于ssa与lstm网络的风速异常波动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117287406B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11620897B2 (en) | Machine learning motion sensing with auxiliary sensors | |
KR102380397B1 (ko) | IoT센서 및 인공지능을 이용한 스마트 빌딩 관리방법 | |
US10552762B2 (en) | Machine learning of physical conditions based on abstract relations and sparse labels | |
CN110067764A (zh) | 一种煤矿局部通风机远程切换与智能调控装置及控制方法 | |
CN210323870U (zh) | 一种楼宇能耗管理系统 | |
CN112728727A (zh) | 一种基于边缘计算的室内环境舒适度的智能调节系统 | |
CN107105028B (zh) | 一种基于云计算的机房环境智能调节系统 | |
CN116993060B (zh) | 一种基于物联网的智慧工地安全管理方法及系统 | |
CN117287406B (zh) | 一种数字化节能风机的节能控制系统及方法 | |
CN110107188A (zh) | 一种智能窗系统 | |
CN117714910A (zh) | 一种基于物联网的楼宇对讲机控制系统 | |
CN103529771B (zh) | 一种基于数据分析的家庭智能能耗调控系统 | |
CN113311841A (zh) | 一种数据中心机房环境监控系统 | |
US11893714B2 (en) | Precipitation removal from video | |
Udendhran et al. | Smart Energy Consumption Control in Commercial Buildings Using Machine Learning and IOT | |
CN112631354A (zh) | 绿色健康医院建筑大数据管控系统 | |
CN112161385A (zh) | 一种中央空调集控系统 | |
CN219627729U (zh) | 一种基于微波成像技术的智能客控装置 | |
CN115685844A (zh) | 一种教室集散节能控制系统与方法 | |
US20220270230A1 (en) | Detecting roof leaks | |
US11544505B1 (en) | Semi-supervised learning based on clustering objects in video from a property | |
CN117336318A (zh) | 基于aiot技术零碳智能管理方法和系统 | |
KR20240018314A (ko) | 가축질병 확산 경로 예측 및 확산 방지 시스템 및 방법 | |
CN115437410A (zh) | 一种太阳板控制系统及方法 | |
CN117311225A (zh) | 铁路车站调节设备控制方法、系统和装置 |
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 |