一種有效的室內空氣品質評估系統的製作方法
2023-10-26 06:18:12
本發明創造涉及室內空氣品質監測領域，具體涉及一種有效的室內空氣品質評估系統。
背景技術：
隨著社會和工業的發展，我國的經濟得到了快速的發展，但與此同時大量有害氣體被釋放到空氣中，造成大氣汙染，在建築物和室內等相對封閉的局部環境中，空氣品質也遭受了同樣的嚴重汙染，此外，由於建築物和室內的相對封閉性的特點，室內空氣不易流通，長期處於汙染了的空氣中會對人體的健康造成不可估量的傷害，因此，對室內空氣中的有害氣體濃度進行實時監測，從而根據監測結果進行空氣品質評估，對於用戶實時了解室內的空氣品質以及利用智能家居等及時改變空氣品質情況有著重要的意義。
技術實現要素：
針對上述問題，本發明旨在提供一種有效的室內空氣品質評估系統。
本發明創造的目的通過以下技術方案實現：
一種有效的室內空氣品質評估系統，包括監測模塊、控制器模塊、數據傳輸模塊和遠程終端，所述監測模塊用實時監測室內各類氣體的濃度，所述控制器模塊包括數據處理單元、空氣品質評估單元和指令執行單元，所述數據處理單元用於對監測所得的數據進行處理，所述空氣品質評估單元用於根據處理後的數據進行室內空氣品質的評估，並將評估結果通過數據傳輸模塊發送到遠程終端，用戶即可通過遠程終端實時了解室內的空氣品質並可通過遠程終端向控制器模塊下達指令，所述指令執行單元用於根據所述指令改變室內智能家居的工作狀態。
優選地，所述遠程終端為安裝有相關應用的智慧型手機或平板電腦。
優選地，所述數據傳輸模塊採用2G、3G、4G或WiFi中任一種無線傳輸方式。
優選地，所述監測模塊用於實時監測室內的二氧化碳濃度、二氧化硫濃度、粉塵濃度、一氧化碳濃度、煤氣濃度和甲醛濃度。
優選地，所述數據處理單元採用小波去噪算法對數據進行濾波，其採用一種改進的閾值函數，具體包括：
a.選取小波去噪算法中的閾值h，則h為：
式中，a(j,k)為原始小波係數，為第j層分解的所有小波係數p(j,k)幅值的中值，ω＝0.6745，為高斯白噪聲標準差的調整係數，L為信號的長度，j為分解尺度；
b.提出一種改進的閾值函數，具體為：
式中，a(j,k)為原始的小波係數，a′(j,k)為濾波後得到的小波係數，h為閾值。
優選地，所述空氣品質評估單元用於根據處理後的數據進行空氣品質的評估，具體包括：
a.根據處理後的數據組建參數集合，具體為：
式中，ri代表從i時刻採集得到的數據中提取的參數集合，ri1、ri2……ri6分別代表室內的二氧化碳濃度、二氧化硫濃度、粉塵濃度、一氧化碳濃度、煤氣濃度和甲醛濃度；
b.制定室內空氣品質的參量值，具體為：
式中，bi1、bi2、……、bi5分別為優秀、良好、一般、存在風險和危險這5種空氣品質的參量值；
c.採用RBF神經網絡構建分類器，用於根據所述參數集合進行空氣品質評估，其採用一種改進的遺傳算法訓練RBF神經網絡，定義i時刻的參數集合作為RBF神經網絡的輸入變量，則RBF神經網絡的實際輸出為則其適應度函數為：
式中，θ1、θ2為固定係數，分別為θ1＝0.59、β＝0.41，H為隱藏神經元個數，K為輸入樣本個數,di為RBF神經網絡的實際輸出，bi為空氣品質的參量值；
d.計算RBF神經網絡實際輸出和對應空氣品質的參量值的最小均方根誤差，具體為：
式中，din為RBF神經網絡的實際輸出，bin為空氣品質的參量值，K為樣本輸入個數，n為空氣品質分類；
e.最小均方根誤差P′所對應的空氣品質類別即為輸入參數所屬的類別，從而達到空氣品質評估的目的。
本發明的有益效果為：本系統通過對室內空氣中的各類氣體濃度進行採集和處理，採用RBF神經網絡構建分類器，用於通過所述氣體濃度進行空氣品質評估，實現了對室內空氣品質的有效評估，方便用戶實時了解室內的空氣品質，並根據自身需要遠程控制智能家居改變運行狀態從而改善室內空氣品質。
附圖說明
利用附圖對發明創造作進一步說明，但附圖中的實施例不構成對本發明創造的任何限制，對於本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。
圖1是本發明結構示意圖；
附圖標記：
監測模塊1、控制器模塊2、數據傳輸模塊3、遠程終端4、數據處理單元21、空氣品質評估單元22、指令執行單元23。
具體實施方式
結合以下實施例對本發明作進一步描述。
參見圖1，本實施例的一種有效的室內空氣品質評估系統，包括監測模塊1、控制器模塊2、數據傳輸模塊3和遠程終端4，所述監測模塊1用於實時監測室內的各類氣體的濃度，所述控制器模塊2包括數據處理單元21、空氣品質評估單元22和指令執行單元23，所述數據處理單元21用於對監測所得的數據進行處理，所述空氣品質評估單元22用於根據處理後的數據進行室內空氣品質的評估，並將評估結果通過數據傳輸模塊發送到遠程終端4，用戶即可通過遠程終端4實時了解室內的空氣品質並可通過遠程終端4向控制器模塊2下達指令，所述指令執行單元23用於根據所述指令改變室內智能家居的工作狀態。
優選地，所述遠程終端4為安裝有相關應用的智慧型手機或平板電腦。
優選地，所述數據傳輸模塊3採用2G、3G、4G或WiFi中任一種無線傳輸方式。
優選地，所述監測模塊1用於實時監測室內的二氧化碳濃度、二氧化硫濃度、粉塵濃度、一氧化碳濃度、煤氣濃度和甲醛濃度。
本優選實施例通過對室內空氣中的各類氣體濃度進行採集和處理，採用RBF神經網絡構建分類器，用於通過所述氣體濃度進行空氣品質評估，實現了對室內空氣品質的有效評估，方便用戶實時了解室內的空氣品質，並根據自身需要遠程控制智能家居改變運行狀態從而改善室內空氣品質。
優選地，所述數據處理單元21採用小波去噪算法對數據進行濾波，其採用一種改進的閾值函數，具體包括：
a.選取小波去噪算法中的閾值h，則h為：
式中，a(j,k)為原始小波係數，為第j層分解的所有小波係數p(j,k)幅值的中值，ω＝0.6745，為高斯白噪聲標準差的調整係數，L為信號的長度，j為分解尺度；
b.提出一種改進的閾值函數，具體為：
式中，a(j,k)為原始的小波係數，a′(j,k)為濾波後得到的小波係數，h為閾值。
本優選實施例克服採用傳統閾值函數造成的信號不連續性和重構信號存在固有偏差的缺陷，在濾除噪聲的同時，控制了信號的衰減程度，具有更好的濾波效果。
優選地，所述空氣品質評估單元22用於根據處理後的數據進行空氣品質的評估，具體包括：
a.根據處理後的數據組建參數集合，具體為：
式中，ri代表從i時刻採集得到的數據中提取的參數集合，ri1、ri2……ri6分別代表室內的二氧化碳濃度、二氧化硫濃度、粉塵濃度、一氧化碳濃度、煤氣濃度和甲醛濃度；
b.制定室內空氣品質的參量值，具體為：
式中，bi1、bi2、……、bi5分別為優秀、良好、一般、存在風險和危險這5種空氣品質的參量值；
c.採用RBF神經網絡構建分類器，用於根據所述參數集合進行空氣品質評估，其採用一種改進的遺傳算法訓練RBF神經網絡，定義i時刻的參數集合作為RBF神經網絡的輸入變量，則RBF神經網絡的實際輸出為則其適應度函數為：
式中，θ1、θ2為固定係數，分別為θ1＝0.59、θ2＝0.41，H為隱藏神經元個數，K為輸入樣本個數,di為RBF神經網絡的實際輸出，bi為空氣品質的參量值；
d.計算RBF神經網絡實際輸出和對應空氣品質的參量值的最小均方根誤差，具體為：
式中，din為RBF神經網絡的實際輸出，bin為空氣品質的參量值，K為樣本輸入個數，m為空氣品質分類；
e.最小均方根誤差P′所對應的空氣品質類別即為輸入參數所屬的類別，從而達到空氣品質評估的目的。
本優選實施例提出一種改進的適應度函數訓練BPF神經網絡，獲得的網絡結構較為精簡，同時具有較小的輸出誤差，在空氣品質評估系統中，能夠較為精確進行室內空氣品質的評估。
最後應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護範圍的限制，儘管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和範圍。