基于CS-BPNN算法的飞机客舱PMV指标预测

针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。

基于改进粒子群算法的室内热舒适度优化研究

为了使人体在室内达到最满意的热舒适度,需要满足PMV为0的这个条件。针对PMV方程中参数的复杂性及非线性,通过寻优的方法求解了PMV方程中的两个参数:衣服表面温度和衣服与空气之间的表面换热系数。运用改进的粒子群优化算法,求解出满足PMV为0的空气流速和空气温度。

南京医院风湿病房热舒适性研究

出于康复的需求,医院风湿病人对室内热湿环境的要求有其特殊性,但国内外对此研究甚少。研究应用实测、问卷调查与模拟相结合的方法,探究医院风湿病人最适宜的热湿环境。结果表明,相较于健康人,风湿病人偏向于较暖的环境,夏季PMV(预测平均投票数)为1.06~1.20,PPD(不满意者的百分数)和PD(吹风感不满意百分数)分别为28.69%~35.09%和3.10%~6.79%,冬季PMV为1.00~1.25,PPD和PD分别为26.26%~37.51%和3.83%~9.96%。冬季风湿病人与健康人的热舒适偏差下限低于夏季,而上限高于夏季;风湿病人在冬季时对吹风感的敏感性要高于夏季。

基于树莓派的自适应空调控制系统设计

针对现有空调控制系统中存在温度设置不合理且不能根据外界环境的变化自适应调整温度控制的现状,设计一种基于树莓派的自适应智能空调控制系统。该系统通过连接在树莓派上的传感器网络测量用户周围的环境数据,并使用长短时记忆神经网络(LSTM)建立的预测平均投票数(PMV)模型获得PMV预测值,进而自适应控制空调温度的大小。实验结果表明,该控制系统可以通过由传感器获得的实时数据精确地预测满足最适人体热舒适的温度值,并能对空调温度自适应控制。

基于粒子群优化的室内动态热舒适度控制方法

针对预测平均投票数(predicted mean vote,PMV)值在舒适区和节能区之间周期性交替变化的控制方法,提出了基于PMV的动态舒适度冷/热抱怨模型和能耗模型.基于此模型,根据用户设定的舒适和节能两者的协调关系,运用改进的多目标离散粒子群优化算法,得出动态舒适度控制系统输入参数的寻优方法.该方法只需实时测量热环境和居住者热感觉数据,不需建立热环境物理解析模型,普适性强.实验证明了上述控制方法的有效性,该方法可实现动态舒适度的最优控制.

落基山研究所净零能耗办公总部

落基山研究所新的创新中心总部大楼采用了被动式设计、新型热舒适度策略和先进的控制系统一体化等技术。这座位于美国最寒冷气候带——巴索尔特镇的创新中心办公大楼,没有使用中央制冷和供暖系统,仅依靠一个33kW的小型分布式供暖系统。通过专注于建筑外围护结构的气密性和隔热性能、太阳能储热控制等影响人体舒适度的6项变量因素以及系统集成过程,该建筑的能效比该气候带办公建筑平均水平高74%,同时还能够提高用户的舒适度和工作效率。