一种基于可穿戴设备和卷积神经网络的智能空调控制系统

1.本发明涉及空调控制领域，尤其涉及一种基于可穿戴设备和卷积神经网络的智能空调控制系统。


背景技术：

2.随着智能家居的日渐普遍，处于物联网与万物互联时代下的我们，逐渐通过大数据以及人工智能来改进日常生活中的设备，提高产品的性能。对于室内环境来说，空调已成为改善室内环境不可或缺的部分，但对于目前的空调来说，只能依据人自身感觉的舒适度去自行调节空调的温度，其只能根据经验或体感冷热调节空调温度，通常无法通过一次空调温度调整使环境温度符合人体的舒适感需求。尤其是当人开着空调，处于休息时，普遍会出现热醒或者冻醒的现象，严重时会引发身体不适。因此，空调如何自动调节以降低空调调整次数，提升调整准确度是当下亟待解决的问题。
3.中国专利公开号cn106054658b公布了一种联动控制方法、联动控制系统及智能穿戴设备，包括：所述智能穿戴设备具有主模式和从模式，并基于该两种模式实现对空调器的控制；所述智能穿戴设备的联动控制方法包括：所述智能穿戴设备在所述主模式和从模式之间进行交替切换，以对空调器进行控制。由此可见，上述技术方案存在以下问题：无法根据制冷区域的实际工作环境信息以及人体生理信息对制冷端进行适应性调节导致空调调整次数多的问题。


技术实现要素：

4.为此，本发明提供一种基于可穿戴设备和卷积神经网络的智能空调控制系统，用以克服现有技术中无法根据制冷区域的实际工作环境信息以及人体生理信息对制冷端进行智能调节导致空调制冷调整后的环境温度的二次调整率高的问题。
5.为实现上述目的，本发明提供一种基于可穿戴设备和卷积神经网络的智能空调控制系统，包括：数据采集单元，包括用以采集目标采集体的人体生理数据的穿戴设备以及用以采集制冷区域环境信息的监控设备；数据分析单元，其与所述数据采集单元相连，用以根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式，以及根据各目标采集体之间的欧式距离或目标采集体数量确定制冷子区域的初始温度；热舒适模型单元，其与所述数据分析单元相连，其包括用以对用户需降噪生理信号数据进行降噪处理以确定有效生理信号数据的数据降噪子模块、用以将有效生理信号数据处理为训练集的z-score模块以及用以根据训练集的数据和对应的环境温度生成热舒适指标模型的模型生成模块；数据筛选单元，其与所述数据采集单元以及所述热舒适模型单元相连，根据制冷子区域内目标采集体的离开频率确定该目标采集体是否为热舒适参考目标体，并根据热舒
适参考目标体的有效生理信号数据确定制冷子区域的温度调节方式，其中，热舒适模型单元分别将各有效生理信号数据通过热舒适指标模型生成单体热舒适值，并且根据热舒适值均值以及热舒适标准差确定有效单体热舒适值；制冷控制单元，其与所述热舒适模型单元相连，用以根据各有效单体热舒适值计算目标热舒适值均值并对应调节制冷子区域的温度；其中，所述人体生理数据包括目标采集体的人体皮肤温度、脑电信号以及心电信号；所述需降噪生理信号数据为脑电信号以及心电信号，所述人体皮肤温度为有效生理信号数据；制冷区域环境信息包括目标采集体数量、环境温度以及目标采集体位置；制冷端包括若干具有制冷功能的制冷子区域。
6.进一步地，所述数据降噪子模块，其与所述数据采集单元相连，用以通过巴特沃斯滤波器对目标采集体的需降噪生理信号数据进行降噪以生成有效生理信号数据；所述z-score模块，其与所述数据降噪子模块相连，用以将有效生理信号数据组合输入集，并使用z-score模型对输入集进行归一化处理以获得正态输入集，将正态输入集的数据随机分配至训练集和验证集；模型生成模块，其使用训练集对cnn模型进行训练以生成符合用户需求的热舒适指标模型；所述热舒适值为当前环境温度与对应人体舒适状态的目标环境温度的差值。
7.进一步地，所述数据分析单元在第一数据分析条件根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式；若目标采集体数量的数量小于预设信号数量参考值，所述数据分析单元判定该制冷子区域开启循环制冷，并根据该制冷子区域内各目标采集体之间的欧式距离确定制冷子区域的初始温度；若目标采集体数量的数量大于或等于预设信号数量参考值，所述数据分析单元判定该制冷子区域开启持续制冷，并且根据目标采集体的数量n与预设信号数量参考值n0的数量差值
△
n确定制冷子区域的初始温度；其中，
△
n＝n-n0，所述第一数据分析条件为所述数据采集单元检测到制冷子区域存在目标采集体。
8.进一步地，所述数据分析单元在第二数据分析条件下根据各目标采集体的平面坐标位置分别计算单个目标采集体与其他目标采集体的欧式距离；数据分析单元设有预设欧式距离阈值；若其中存在两个目标采集体的欧式距离小于预设欧式距离阈值，则数据分析单元判定两个目标采集体为聚集关系；数据分析单元根据聚集关系最多的单个目标采集体的聚集关系数量确定制冷子区域的初始温度；其中，第二数据分析条件为单个制冷子区域目标采集体数量的数量小于预设信号数量参考值。
9.进一步地，所述数据降噪子模块对用户需降噪生理信号数据进行降噪处理并计算降噪后的需降噪生理信号数据中的峰检参数f，根据峰检参数f确定降噪后的需降噪生理信号数据是否为有效生理信号数据；
若f小于预设峰检参数，所述数据降噪子模块判定降噪后的需降噪生理信号数据为有效生理信号数据；其中，f的计算公式为：f＝fpr＋fnr其中，fpr为假阳性率，fnr为假阴性率，其中，心电信号和脑电信号分别对应不同的fpr以及fnr，其中，脑电信号对应的fpr以及fnr的计算公式为fpr＝（fp/tn）
×
100%，fnr＝（fn/tp）
×
100%，心电信号对应的fpr以及fnr的计算公式为fpr＝ [fp / (fp + tn)]
×
100%，fnr＝ [fn / (tp + fn)]
×
100%，其中，fp表示分类为意图但实际为非意图的次数，fn为表示分类为非意图但实际为意图的次数，tp为表示分类为意图且实际为意图的次数，tn为表示分类为非意图且实际为非意图的次数。
[0010]
进一步地，所述热舒适模型单元根据制冷子区域内目标采集体的离开频率确定目标采集体是否为热舒适参考目标体，并根据热舒适参考目标体的有效生理信号数据确定制冷子区域的若干温度调节方式；若目标采集体的离开频率处于第一预设离开频率状态，所述热舒适模型单元判定目标采集体为热舒适参考目标体。
[0011]
进一步地，所述热舒适模型单元在第一热舒适判定条件下将制冷子区域的热舒适参考目标体的有效生理信号数据通过所述热舒适指标模型生成若干单体热舒适值xi，其中，i＝1，2，3，
……
，n，n为热舒适参考目标体的总数量；其中，所述第一热舒适判定条件为热舒适参考目标体判定完成。
[0012]
进一步地，所述热舒适模型单元在第二热舒适判定条件下根据各所述单体热舒适值计算热舒适值均值以及热舒适标准差δ，并将单体热舒适值与热舒适值均值和热舒适标准差δ的比较结果，确定单体热舒适值是否为有效单体热舒适值；若，所述热舒适模型单元判定该单体热舒适值为有效单体热舒适值；其中，设定，；u为范围补偿系数，u≥1；所述第二热舒适判定条件为单体热舒适值生成完成。
[0013]
进一步地，所述制冷控制单元根据各所述有效单体热舒适值计算目标热舒适值均值，并根据确定空调需达到的环境温度；设定，xc为第c个有效单体热舒适值，cmax为有效单体热舒适值的总数。
[0014]
进一步地，所述制冷控制单元根据所述目标热舒适值均值控制空调的制冷量以使环境温度达到目标环境温度；若目标热舒适值均值为负值，所述制冷控制单元将制冷量调低以提高制冷子区域
的温度；若目标热舒适值均值为正值，所述制冷控制单元将制冷量调高以降低制冷子区域的温度；其中，所述目标热舒适值均值为当前环境温度减去目标采集体舒适状态的目标环境温度的差值。
[0015]
与现有技术相比，本发明的有益效果在于，本发明将制冷区域均匀划分为若干制冷子区域，使得信息采集以及温度控制更加精准，对于单个制冷子区域，本发明通过根据制冷子区域内目标采集体数量以及目标采集体聚集程度确定初始温度，使得制冷子区域的初始温度更加符合实际场景，并根据制冷子区域内单个目标采集体的人体生理数据，经过降噪处理以获得确定目标采集体的有效生理信号数据，以及根据制冷子区域内目标采集体的离开频率确定该目标采集体是否为热舒适参考目标体，使得热舒适参考值更加符合，进一步提高了本发明的判定精度且降低了空调二次调节率。
[0016]
进一步地，本发明中所述数据分析单元在第一数据分析条件下根据制冷子区域中的目标采集体数量确定制冷子区域是否循环开启与关闭制冷以及根据该制冷子区域内各目标采集体之间的欧式距离确定制冷子区域的初始温度，使得初始温度的判定更加符合实际场景需求。
[0017]
进一步地，本发明中所述热舒适模型单元针对用户需降噪生理信号数据进行降噪处理并根据降噪后的需降噪生理信号数据根据峰检参数与预设峰检参数的比对结果判定是否降噪后的需降噪生理信号数据为有效生理信号数据，通过去除信号中的噪声，提高信号的信噪比，从而使信号分析更加准确和可靠，进而提高本发明的判定准确度。
[0018]
进一步地，本发明中所述热舒适模型单元根据制冷子区域内目标采集体的离开频率确定该目标采集体是否为热舒适参考目标体，其中，离开频率为单位时间内目标采集体进入并离开制冷子区域的次数，减少了数据处理量的同时，也使得温度调节更加符合制冷子区域内用户的需求。
[0019]
进一步地，本发明中若，所述热舒适模型单元判定该单体热舒适值为有效单体热舒适值，避免了单体热舒适值由于个体特异或装置采集问题导致的误判，进一步提高了本发明的判定精度。
附图说明
[0020]
图1为本发明基于可穿戴设备和卷积神经网络的智能空调控制系统的单元连接图；图2为本发明实施例cnn模型的模型示意图；图3为本发明实施例制冷端的示意图；图中：1，制冷端；2，制冷子区域；3，佩戴有可穿戴设备的目标采集体。
具体实施方式
[0021]
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
[0022]
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这
些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
[0023]
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0024]
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
[0025]
请参阅图1所示，本发明提供一种基于可穿戴设备和卷积神经网络的智能空调控制系统，包括：数据采集单元，包括用以采集目标采集体的人体生理数据的穿戴设备以及用以采集制冷区域环境信息的监控设备；数据分析单元，其与所述数据采集单元相连，用以根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式，以及根据各目标采集体之间的欧式距离或目标采集体数量确定制冷子区域的初始温度；热舒适模型单元，其与所述数据分析单元相连，其包括用以对用户需降噪生理信号数据进行降噪处理以确定有效生理信号数据的数据降噪子模块、用以将有效生理信号数据处理为训练集的z-score模块以及用以根据训练集的数据和对应的环境温度生成热舒适指标模型的模型生成模块；数据筛选单元，其与所述数据采集单元以及所述热舒适模型单元相连，根据制冷子区域内目标采集体的离开频率确定该目标采集体是否为热舒适参考目标体，并根据热舒适参考目标体的有效生理信号数据确定制冷子区域的温度调节方式，其中，热舒适模型单元分别将各有效生理信号数据通过热舒适指标模型生成单体热舒适值，并且根据热舒适值均值以及热舒适标准差确定有效单体热舒适值；制冷控制单元，其与所述热舒适模型单元相连，用以根据各有效单体热舒适值计算目标热舒适值均值并对应调节制冷子区域的温度；其中，所述人体生理数据包括目标采集体的人体皮肤温度、脑电信号以及心电信号；所述需降噪生理信号数据为脑电信号以及心电信号，所述人体皮肤温度为有效生理信号数据；制冷区域环境信息包括目标采集体数量、环境温度以及目标采集体位置；制冷端包括若干具有制冷功能的制冷子区域。
[0026]
通过将制冷端划分为若干制冷子区域，以避免针对大面积区域进行制冷时，空调温度难以满足实际工作场景人员需求的问题，制冷子区域的设置，使得空调的控制调节更加符合实际工作情况。
[0027]
在实施中，可穿戴设备的设置方式不限，但应具有检测目标采集体的心电信号、脑电信号以及人体皮肤温度数据的功能。
[0028]
具体而言，所述数据降噪子模块，其与所述数据采集单元相连，用以通过巴特沃斯滤波器对目标采集体的需降噪生理信号数据进行降噪以生成有效生理信号数据；
所述z-score模块，其与所述数据降噪子模块相连，用以将有效生理信号数据组合输入集，并使用z-score模型对输入集进行归一化处理以获得正态输入集，将正态输入集的数据随机分配至训练集和验证集，在实施中，训练集一般占据正态输入集数据量的70%，验证集，占据正态输入集数据量的30%；模型生成模块，其使用训练集对cnn模型进行训练以生成符合用户需求的热舒适指标模型；所述热舒适值为当前环境温度与对应人体舒适状态的目标环境温度的差值。
[0029]
具体而言，所述数据分析单元在第一数据分析条件根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式；若目标采集体数量的数量小于预设信号数量参考值，所述数据分析单元判定该制冷子区域开启循环制冷，并根据该制冷子区域内各目标采集体之间的欧式距离确定制冷子区域的初始温度；若目标采集体数量的数量大于或等于预设信号数量参考值，所述数据分析单元判定该制冷子区域开启持续制冷，并且根据目标采集体的数量n与预设信号数量参考值n0的数量差值
△
n确定制冷子区域的初始温度；其中，
△
n＝n-n0，所述第一数据分析条件为所述数据采集单元检测到制冷子区域存在目标采集体。
[0030]
具体而言，欧式距离的计算方法是先求出两目标采集体在水平方向上的距离差，再求出两点在竖直方向上的距离差，然后对这两个距离差的平方和开平方进行计算，得到欧式距离。
[0031]
所述目标采集体数量的数量与于预设信号数量参考值，反映了单个制冷子区域内人员数量，以避免由于人员数量过多导致的制冷子区域内温度上升的问题；所述循环制冷为制冷子区域的供冷装置的开启和待机状态周期性切换且开启时间和待机时间相同；所述预设信号数量参考值的取值与单个制冷子区域的面积有关，由于固定空间内，人员数量越多，屋内温度越高，所以单个制冷子区域的面积越大，预设信号数量参考值越大。
[0032]
具体而言，所述数据分析单元在第二数据分析条件下根据各目标采集体的平面坐标位置分别计算单个目标采集体与其他目标采集体的欧式距离；数据分析单元设有预设欧式距离阈值；若其中存在两个目标采集体的欧式距离小于预设欧式距离阈值，则数据分析单元判定两个目标采集体为聚集关系；数据分析单元根据聚集关系最多的单个目标采集体的聚集关系数量确定制冷子区域的初始温度；其中，第二数据分析条件为单个制冷子区域目标采集体数量的数量小于预设信号数量参考值。
[0033]
其中，所述欧式距离表示了单个制冷子区域内各目标采集体的聚集程度，以避免由于目标采集体的聚集导致制冷子区域的温度上升以及体感温度上升的问题所述预设欧式距离阈值与用户对于制冷的需求有关，即用户能够提前根据自身需求确定影响自身舒适度的目标采集体距离确定预设欧式距离阈值。
[0034]
具体而言，所述数据降噪子模块对用户需降噪生理信号数据进行降噪处理并计算降噪后的需降噪生理信号数据中的峰检参数f，根据峰检参数f确定降噪后的需降噪生理信号数据是否为有效生理信号数据，所述脑电信号和所述心电信号分别对应不同取值的预设峰检参数；若f小于预设峰检参数，所述数据降噪子模块判定降噪后的需降噪生理信号数据为有效生理信号数据；其中，f的计算公式为：f＝fpr＋fnr其中，fpr为假阳性率，fnr为假阴性率，其中，心电信号和脑电信号分别对应不同的fpr以及fnr，其中，脑电信号对应的fpr以及fnr的计算公式为fpr＝（fp/tn）
×
100%，fnr＝（fn/tp）
×
100%，心电信号对应的fpr以及fnr的计算公式为fpr＝ [fp / (fp + tn)]
×
100%，fnr＝ [fn / (tp + fn)]
×
100%，其中，fp表示分类为意图但实际为非意图的次数，fn为表示分类为非意图但实际为意图的次数，tp为表示分类为意图且实际为意图的次数，tn为表示分类为非意图且实际为非意图的次数。
[0035]
fpr和fnr分别表示错误地将负样本预测为正样本的比例和错误地将正样本预测为负样本的比例，通过将f与预设峰检参数进行比对，避免了降噪未达到用户降噪需求导致的后续判定误差的问题。
[0036]
其中，所述预设峰检参数可以通过实验获取大量降噪后的用户需降噪生理信号数据，并记录满足用户需求的用户需降噪生理信号数据对应的f，计算其平均值作为预设峰检参数，但是值得注意的是应避免降噪后的信号模糊化，预设峰检参数的取值要保持高的分类准确率和召回率，此为本领域技术人员易理解的内容，在此不作赘述，提供一种预设峰检参数f0的取值，脑电信号对应的f0＝0.2，心电信号对应的f0＝0.15。
[0037]
具体而言，所述热舒适模型单元根据制冷子区域内目标采集体的离开频率确定目标采集体是否为热舒适参考目标体，并根据热舒适参考目标体的有效生理信号数据确定制冷子区域的温度调节方式；若目标采集体的离开频率处于第一预设离开频率状态，所述热舒适模型单元判定目标采集体为热舒适参考目标体。
[0038]
其中，所述离开频率为目标采集体单位时间内离开当前其所在的制冷子区域的次数，所述第一预设离开频率状态的取值为该制冷子区域内目标采集体的离开频率的平均值。优选的，本实施例提供一种第一预设离开频率状态的取值范围，第一预设离开频率状态为离开频率小于3次/1h。
[0039]
具体而言，所述热舒适模型单元在第一热舒适判定条件下将制冷子区域的热舒适参考目标体的有效生理信号数据通过所述热舒适指标模型生成若干单体热舒适值xi，其中，i＝1，2，3，
……
，n，n为热舒适参考目标体的总数量；其中，所述第一热舒适判定条件为热舒适参考目标体判定完成。
[0040]
针对各热舒适参考目标体生成若干单体热舒适值，以反映单个目标采集体的热舒
适程度，从而确定制冷子区域的后续温度调节方式。
[0041]
具体而言，所述热舒适模型单元在第二热舒适判定条件下根据各所述单体热舒适值计算热舒适值均值以及热舒适标准差δ，并将单体热舒适值与热舒适值均值和热舒适标准差δ的比较结果，确定单体热舒适值是否为有效单体热舒适值；若，所述热舒适模型单元判定该单体热舒适值为有效单体热舒适值；其中，设定，；u为范围补偿系数，u＝3；所述第二热舒适判定条件为单体热舒适值生成完成。
[0042]
通过针对有效单体热舒适值的判定，避免了一些由于数据采集问题导致单体热舒适值特异性较大而引起的本发明控制调节精度低的问题。
[0043]
具体而言，所述制冷控制单元根据各所述有效单体热舒适值计算目标热舒适值均值，并根据确定空调需达到的环境温度；设定，xc为第c个有效单体热舒适值，cmax为有效单体热舒适值的总数。
[0044]
具体而言，所述制冷控制单元根据所述目标热舒适值均值控制空调的制冷量以使环境温度达到目标环境温度；若目标热舒适值均值为负值，所述制冷控制单元将制冷量调低以提高制冷子区域的温度；若目标热舒适值均值为正值，所述制冷控制单元将制冷量调高以降低制冷子区域的温度；其中，所述目标热舒适值均值为当前环境温度减去目标采集体舒适状态的目标环境温度的差值。
[0045]
所述制冷控制单元根据各所述有效单体热舒适值计算目标热舒适值均值，以使得调节后的制冷子区域的温度可以满足该区域内各目标采集体的需求。
[0046]
实施例：请参阅图2至图3所示，本实施例中，制冷端1的制冷区域面积为400平方米，制冷子区域2的面积为100平方米，监控设备检测到制冷子区域2内存在佩戴有可穿戴设备的若干目标采集体3；所述数据降噪子模块针对单个目标采集体的需降噪生理信号数据使用巴特沃斯带通滤波器进行降噪，滤波器的阶数为4阶，滤波器的通带范围为150hz;z-score模块，将有效生理信号数据组合输入集，并使用z-score模型对输入集进行归一化处理以获得正态输入集，将正态输入集随机分配为训练集和验证集，训练集占正态输入集的70%，验证集占正态输入集的30%；将输入集转换为矩阵，通过cnn模型进行训练以生成符合用户需求的热舒适指标模型，其中，cnn模型包括12层，依次分别为输入层、第一层卷积层、第一层批归一化层、第一层relu层、第一层最大池化层、第二层卷积层、第二层批归一化层、第二层relu层、第二层最大池化层、全连接层、softmax层以及输出层；
将输入集输入至输入层后，在第一层卷积层内对输入层的数据进行卷积，卷积层完成之后在第一层批归一化层进行第一次归一化，接下来进入第一层relu层进行归0处理，归0处理后传入第一层最大池化层，进行最大池化，然后再继续第二层的卷积、批归一化、relu以及最大池化，最后将池化完的数据，依次进行连接，输出一维数据，最后根据softmax层进行分类，将所有的热舒适值映射至(0,1)区间内，并将我们在全连接层的输出进行比对，可以将其看成一个概率的过程，判断输出属于哪一个输出的概率较高，此过程迭代500次，以生成热舒适指标模型。
[0047]
需要注意的是，生理信号的采集和处理需要保证数据的准确性和可靠性，同时模型的训练和测试需要在充足的数据集上进行，以确保模型的泛化能力和预测效果。
[0048]
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
[0049]
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，包括：数据采集单元，包括用以采集目标采集体的人体生理数据的穿戴设备以及用以采集制冷区域环境信息的监控设备；数据分析单元，其与所述数据采集单元相连，用以根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式，以及根据各目标采集体之间的欧式距离或目标采集体数量确定制冷子区域的初始温度；热舒适模型单元，其与所述数据分析单元相连，其包括用以对用户需降噪生理信号数据进行降噪处理以确定有效生理信号数据的数据降噪子模块、用以将有效生理信号数据处理为训练集的z-score模块以及用以根据训练集的数据和对应的环境温度生成热舒适指标模型的模型生成模块；数据筛选单元，其与所述数据采集单元以及所述热舒适模型单元相连，根据制冷子区域内目标采集体的离开频率确定该目标采集体是否为热舒适参考目标体，并根据热舒适参考目标体的有效生理信号数据确定制冷子区域的温度调节方式，其中，热舒适模型单元分别将各有效生理信号数据通过热舒适指标模型生成单体热舒适值，并且根据热舒适值均值以及热舒适标准差确定有效单体热舒适值；制冷控制单元，其与所述热舒适模型单元相连，用以根据各有效单体热舒适值计算目标热舒适值均值并对应调节制冷子区域的温度；其中，所述人体生理数据包括目标采集体的人体皮肤温度、脑电信号以及心电信号；所述需降噪生理信号数据为脑电信号以及心电信号，所述人体皮肤温度为有效生理信号数据；制冷区域环境信息包括目标采集体数量、环境温度以及目标采集体位置；制冷端包括若干具有制冷功能的制冷子区域。2.根据权利要求1所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述数据降噪子模块，其与所述数据采集单元相连，用以通过巴特沃斯滤波器对目标采集体的需降噪生理信号数据进行降噪以生成有效生理信号数据；所述z-score模块，其与所述数据降噪子模块相连，用以将有效生理信号数据组合输入集，并使用z-score模型对输入集进行归一化处理以获得正态输入集，将正态输入集的数据随机分配至训练集和验证集；模型生成模块，其使用训练集对cnn模型进行训练以生成符合用户需求的热舒适指标模型；所述热舒适值为当前环境温度与对应人体舒适状态的目标环境温度的差值。3.根据权利要求2所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述数据分析单元在第一数据分析条件根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式；若目标采集体数量的数量小于预设信号数量参考值，所述数据分析单元判定该制冷子区域开启循环制冷，并根据该制冷子区域内各目标采集体之间的欧式距离确定制冷子区域的初始温度；若目标采集体数量的数量大于或等于预设信号数量参考值，所述数据分析单元判定该制冷子区域开启持续制冷，并且根据目标采集体的数量n与预设信号数量参考值n0的数量差值
△
n确定制冷子区域的初始温度；
其中，
△
n＝n-n0，所述第一数据分析条件为所述数据采集单元检测到制冷子区域存在目标采集体。4.根据权利要求3所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述数据分析单元在第二数据分析条件下根据各目标采集体的平面坐标位置分别计算单个目标采集体与其他目标采集体的欧式距离；数据分析单元设有预设欧式距离阈值；若其中存在两个目标采集体的欧式距离小于预设欧式距离阈值，则数据分析单元判定两个目标采集体为聚集关系；数据分析单元根据聚集关系最多的单个目标采集体的聚集关系数量确定制冷子区域的初始温度；其中，第二数据分析条件为单个制冷子区域目标采集体数量的数量小于预设信号数量参考值。5.根据权利要求4所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述数据降噪子模块对用户需降噪生理信号数据进行降噪处理并计算降噪后的需降噪生理信号数据中的峰检参数f，根据峰检参数f确定降噪后的需降噪生理信号数据是否为有效生理信号数据；若f小于预设峰检参数，所述数据降噪子模块判定降噪后的需降噪生理信号数据为有效生理信号数据；其中，f的计算公式为：f＝fpr＋fnr其中，fpr为假阳性率，fnr为假阴性率，其中，心电信号和脑电信号分别对应不同的fpr以及fnr，其中，脑电信号对应的fpr以及fnr的计算公式为fpr＝（fp/tn）
×
100%，fnr＝（fn/tp）
×
100%，心电信号对应的fpr以及fnr的计算公式为fpr＝ [fp / (fp + tn)]
×
100%，fnr＝ [fn / (tp + fn)]
×
100%，其中，fp表示分类为意图但实际为非意图的次数，fn为表示分类为非意图但实际为意图的次数，tp为表示分类为意图且实际为意图的次数，tn为表示分类为非意图且实际为非意图的次数。6.根据权利要求5所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述热舒适模型单元下根据制冷子区域内目标采集体的离开频率确定目标采集体是否为热舒适参考目标体，并根据热舒适参考目标体的有效生理信号数据确定制冷子区域的若干温度调节方式；若目标采集体的离开频率处于第一预设离开频率状态，所述热舒适模型单元判定目标采集体为热舒适参考目标体。7.根据权利要求6所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述热舒适模型单元在第一热舒适判定条件下将制冷子区域的热舒适参考目标体的有效生理信号数据通过所述热舒适指标模型生成若干单体热舒适值xi，其中，i＝1，2，3，
……
，n，n为热舒适参考目标体的总数量；
其中，所述第一热舒适判定条件为热舒适参考目标体判定完成。8.根据权利要求7所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述热舒适模型单元在第二热舒适判定条件下根据各所述单体热舒适值计算热舒适值均值以及热舒适标准差δ，并将单体热舒适值与热舒适值均值和热舒适标准差δ的比较结果，确定单体热舒适值是否为有效单体热舒适值；若，所述热舒适模型单元判定该单体热舒适值为有效单体热舒适值；其中，设定，；u为范围补偿系数，u≥1；所述第二热舒适判定条件为单体热舒适值生成完成。9.根据权利要求8所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述制冷控制单元根据各所述有效单体热舒适值计算目标热舒适值均值，并根据确定空调需达到的环境温度；设定，xc为第c个有效单体热舒适值，c＝1，2，3，
……
，cmax，cmax为有效单体热舒适值的总数。10.根据权利要求9所述的基于可穿戴设备和卷积神经网络的智能空调控制系统，其特征在于，所述制冷控制单元根据所述目标热舒适值均值控制空调的制冷量以使环境温度达到目标环境温度；若目标热舒适值均值为负值，所述制冷控制单元将制冷量调低以提高制冷子区域的温度；若目标热舒适值均值为正值，所述制冷控制单元将制冷量调高以降低制冷子区域的温度；其中，所述目标热舒适值均值为当前环境温度减去目标采集体舒适状态的目标环境温度的差值。

技术总结
本发明涉及空调控制领域，尤其涉及一种基于可穿戴设备和卷积神经网络的智能空调控制系统，包括：数据采集单元，用以采集目标采集体的人体生理数据和制冷区域环境信息；数据分析单元，根据制冷子区域中的目标采集体数量确定制冷子区域的制冷方式；热舒适模型单元，用以确定有效生理信号数据并且根据有效生理信号生成热舒适指标模型；数据筛选单元，根据制冷子区域内目标采集体的离开频率确定该目标采集体是否为热舒适参考目标体，并根据热舒适参考目标体的有效生理信号数据确定制冷子区域的温度调节方式；制冷控制单元，根据各有效单体热舒适值计算目标热舒适值均值并对应调节制冷子区域的温度；本发明降低了空调温度的二次调整率。次调整率。次调整率。


技术研发人员：任键林 张冉
受保护的技术使用者：河北工业大学
技术研发日：2023.08.11
技术公布日：2023/9/14