文献类型：期刊文章

作　　者：王晓辉[1] 刘静蕾[1] 边会娟[1] 王佳玏[1]

WANG Xiao-hui;LIU Jing-lei;BIAN Hui-juan;WANG Jia-le(National Virtual Simulation Experimental Center for Smart City Education,School of Electrical and Information Engineering,Beijing University of Civil Engineering and Architecture,Beijing 100044,China)

机构地区：[1]北京建筑大学电气与信息工程学院智慧城市国家级虚拟仿真实验教学中心,北京100044

出　　处：《控制工程》

基　　金：2020年北京市大学生毕业设计(科研类)项目;北京建筑大学校基金项目(00331616040)。

年　　份：2021

卷　　号：28

期　　号：7

起止页码：1437-1445

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、ZGKJHX、核心刊

摘　　要：在智能家居环境下,为满足用户对室内环境热舒适度的要求,对室内设备实施精准控制,对室内环境的热舒适度指标进行了预测分析。为提高数据质量,首先利用K-means聚类算法对实验数据进行处理;其次,为摆脱初始阈值与权值的随机性对模型预测精度带来的负面影响,而导致预测结果陷入局部最小,提出采用遗传算法优先寻找模型最优的初始阈值与权值,然后基于BP神经网络建立预测模型,对室内环境热舒适度进行预测,已有的实验数据证明预测效果良好。研究成果表明,系统能够根据当前热环境状况,自动改变控制策略,调整被控设备的运行状态,使得智能家居室内热环境保持在舒适、稳定且平衡的最佳状态。

关 键 词：室内环境热舒适度  K均值聚类 BP神经网络 遗传算法 联动控制  

分 类 号：TP391]