个人空间中结合人员偏好的空调自学习控制方法

室内环境影响着人们的身心健康和工作效率,而热舒适度是影响室内环境质量的最重要因素,但个体间热舒适存在很大差异,有明显的人员偏好。随着智能时代的到来,人们对空调的个性化和智能化需求也不断增长。因此本文设计并实现了一种适用于个人空间的结合人员偏好的空调自学习控制方法,基于人员历史空调使用行为对人员偏好分类,基于朴素贝叶斯分类器和神经网络模型的人员偏好预测模型来刻画和学习人员的温度偏好和降温/升温速率偏好,将人员偏好分类和预测模型集成到空调控制系统中,结合多阶跃输入的空调控制方法,提供不同人员所需的室内环境条件。在实际运行中,随着人员空调使用行为反馈和模型更新,将持续优化学习结果并且实现更优的控制效果。同时,该方法在现有空调系统的基础上无需增加额外的传感器,利于推广和应用。通过模拟和实验的方式验证了结合人员偏好的空调自学习控制方法的有效性和准确性;通过能耗模拟验证了结合人员偏好的空调自学习控制方法在提高人员舒适度的前提下不会增加许多能耗,甚至可以节省能耗。研究表明,结合人员偏好的空调自学习控制方法能够准确预测人员偏好,提供个性化舒适的室内环境,且具有一定的节能潜力。

基于知识相似度的产品开发任务分配方法

针对产品开发的任务分配中知识不对等问题,提出一种基于任务与人员双边匹配的产品开发任务分配方法。首先,从知识量化的角度把任务与人员的匹配转化为任务与人员之间的知识相似度,建立序值矩阵,转换成任务对人员匹配的满意度矩阵;其次,根据人员在不同任务属性下对任务的偏好程度,获得人员对任务满意度的序值矩阵;然后,以双方之间的满意度最大为原则,构建基于双边匹配的任务分配多目标优化模型,采用基于隶属度函数的加权和方法转化为线性规划,并通过Matlab编程求解该模型;最后以某企业生产曲轴连杆机构为例,求解4项任务与7名人员双方满意度最大的匹配结果,确定最终的分配方案,与基于聚类分析和双边匹配的产品开发任务分配方法相比,结果显示人员3和人员7之间的知识相似度、人员偏好存在明显差值,表明所提方案能更高效地分配任务。