基于機器學(xué)習(xí)的空調(diào)控制研究

趙啟彤 馬嘉林 蔣 勇 覃宏波

（珠海拓芯科技有限公司 珠海 519000）

前言

隨著居民消費能力的提升，消費者對生活品質(zhì)的追求大幅提高，對家電的需求從原本的滿足單一功能逐漸轉(zhuǎn)換為追求多功能、智能化、互聯(lián)化。據(jù)9 月14 日工信部數(shù)據(jù)顯示，我國智能家電市場規(guī)模已達5 000 億元，越來越多消費者的更愿意購買智能家電[1]，隨著華為小米等陸續(xù)推出家居整體智能化解決方案，家電的智能化已經(jīng)是大勢所趨。

隨著計算機技術(shù)的發(fā)展，越來越多的新技術(shù)被運用到傳統(tǒng)家電上。目前在傳統(tǒng)家電主要運用的有兩種智能化技術(shù)，一種是互聯(lián)網(wǎng)技術(shù)，一種是機器學(xué)習(xí)技術(shù)。互聯(lián)網(wǎng)技術(shù)主要應(yīng)用在傳統(tǒng)家電的互聯(lián)化上，使家用電器變?yōu)橐粋€完整的生態(tài)鏈。例如小米旗下的米家品牌推出的智能電視、智能門鎖、智能晾衣架等智能家居，讓傳統(tǒng)的家居通過網(wǎng)絡(luò)進行互聯(lián)，讓用戶能夠擁有一個手機控制全屋家電的使用感。機器學(xué)習(xí)技術(shù)，主要應(yīng)用在傳統(tǒng)家電的智能化上，例如華為和小米推出的智能音箱和各個空調(diào)品牌推出的智能語音空調(diào)[2]。

機器學(xué)習(xí)主要運用在預(yù)測和識別上，例如體育賽事的預(yù)測、天氣預(yù)測、車流量預(yù)測。如果能夠通過機器學(xué)習(xí)對使用者的使用習(xí)慣進行提前預(yù)測，并能夠提前將預(yù)測的信息設(shè)置在設(shè)備上，就能夠使用戶擁有“想睡覺了就有人遞枕頭”的人性化、智能化體驗。本文是對機器學(xué)習(xí)在空調(diào)控制上應(yīng)用的研究。通過采集用戶的空調(diào)使用信息并加以機器學(xué)習(xí)技術(shù)，使空調(diào)的用戶能夠得到上述的體驗。

1 機器學(xué)習(xí)模型分析

BP 神經(jīng)網(wǎng)路算法是一種按誤差反向傳播訓(xùn)練的多層前饋網(wǎng)絡(luò)，包括輸入層、輸出層、隱含層，層與層之間采用全互聯(lián)方式連接。BP 神經(jīng)網(wǎng)絡(luò)算法包含前向傳播和反向傳播兩部分。理論上只要有足夠多的隱含層和隱含層節(jié)點，BP 神經(jīng)網(wǎng)絡(luò)算法可以逼近任意的非線性映射關(guān)系，并且BP 神經(jīng)網(wǎng)絡(luò)算法做成的模型輸入與輸出之間的關(guān)聯(lián)信息是分布式存儲的，單個神經(jīng)元受損只會對整體造成很小的影響，具有很高的容錯性，同時BP 神經(jīng)網(wǎng)絡(luò)算法具有很強的泛化能力。因此BP 神經(jīng)網(wǎng)絡(luò)算法適合用于此項研究。需要注意的是BP 神經(jīng)網(wǎng)絡(luò)也有一些缺點，比如當(dāng)目標(biāo)函數(shù)存在多個極值點時，BP 神經(jīng)網(wǎng)絡(luò)算法容易陷入局部極小值，以及目前沒有一種科學(xué)和工程上的方法準(zhǔn)確的確定隱含層和隱含層節(jié)點的數(shù)目[3]，如圖1 所示。

圖1 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖[5]

圖2 空調(diào)習(xí)慣學(xué)習(xí)流程圖

2 模型使用方法

2.1 采集的數(shù)據(jù)選取

據(jù)雷婭平、李念平等在《長沙市辦公室空調(diào)使用行為分析與預(yù)測》一文中的分析與研究，影響用戶使用空調(diào)的幾個主要因素為：月份、時間、瞬時室內(nèi)溫度、瞬時室外濕度、瞬時室內(nèi)濕度、室外2MIN 平均風(fēng)速[4]。該文的研究地點單一，月份溫度變化較固定，空調(diào)在實際使用中范圍廣，各地區(qū)的環(huán)境差別大，故增加地區(qū)因素。該文使用了較為專業(yè)的氣象站對風(fēng)速進行測定，而在空調(diào)實際的使用情況中不可能做到如此精確的測定，因此去除掉風(fēng)速因素。

在空調(diào)實際使用過程中不僅要考慮用戶的舒適性，也需考慮環(huán)保與健康因素，故將空調(diào)在某一環(huán)境下的節(jié)能和健康設(shè)置作為參考因素之一。

綜上所述，空調(diào)的學(xué)習(xí)模型輸入特征為：地區(qū)、月份、時間、瞬時室內(nèi)溫度、瞬時室內(nèi)濕度、瞬時室外溫度、瞬時室內(nèi)濕度、在這一室內(nèi)溫濕度情況下空調(diào)的節(jié)能溫度和風(fēng)速檔位、在這在這一室內(nèi)溫濕度情況下空調(diào)的健康溫度和風(fēng)速檔位，模型輸出特征為：空調(diào)設(shè)置的溫度、空調(diào)設(shè)置的風(fēng)速檔位、除濕模式啟閉情況。模型的輸入特征總計11 個，輸出特征總計3 個。

2.2 數(shù)據(jù)采集的方法

通過在空調(diào)的內(nèi)外機中增設(shè)傳感器進行數(shù)據(jù)采集，例如在內(nèi)機的外部增設(shè)熱敏電阻檢測室內(nèi)的瞬時溫度，月份、時間等參數(shù)可通過檢測空調(diào)的計時器定期向服務(wù)器發(fā)送的信息確定。通過在空調(diào)的內(nèi)機中增加WIFI 模塊，將采集到的參數(shù)和信息發(fā)送到服務(wù)器中，服務(wù)器計算完成后的參數(shù)再通過WIFI 模塊發(fā)送到空調(diào)中。

3 應(yīng)用方法分析

3.1 應(yīng)用方法

機器學(xué)習(xí)在空調(diào)智能化上的應(yīng)用有兩種方法：方法一：

在大范圍內(nèi)采集用戶使用空調(diào)時所設(shè)置的溫度、風(fēng)速、除濕信息以及設(shè)置這些參數(shù)時的外部環(huán)境信息，通過對這些數(shù)據(jù)信息進行機器學(xué)習(xí)，得到一種在各個環(huán)境下用戶普遍覺得舒適的空調(diào)設(shè)置；

方法二：

僅采集某一用戶使用空調(diào)時所設(shè)置的溫度、風(fēng)速、除濕參數(shù)信息以及設(shè)置這些參數(shù)時的外部環(huán)境信息，通過對這一用戶使用習(xí)慣進行學(xué)習(xí)，得到一種適用于這一客戶使用習(xí)慣的空調(diào)設(shè)置。

兩種應(yīng)用方法進行對比：

1）適用性：方法一所采集的空調(diào)使用習(xí)慣數(shù)據(jù)是大范圍內(nèi)采集的，使得機器學(xué)習(xí)得出的空調(diào)設(shè)置能夠在辦公室、機場、火車站等公共場所和絕大多數(shù)家庭環(huán)境下適用，方法二采集的空調(diào)使用習(xí)慣數(shù)據(jù)為單一用戶的，所以得到的空調(diào)設(shè)置更加的個性化，能夠使空調(diào)的參數(shù)設(shè)置更貼近用戶的使用習(xí)慣；

2）計算量：方法一數(shù)據(jù)量要比方法二的大，所以方法一需要的計算工具性能要求高于方法二；

3）時效性：方法一的數(shù)據(jù)采集和參數(shù)計算可提前進行，將計算的設(shè)置提前燒錄到空調(diào)中，用戶安裝好空調(diào)后即可使用該功能，方法二是對單個用戶的習(xí)慣進行學(xué)習(xí)，對用戶的空調(diào)使用習(xí)慣需要一段時間進行采集和學(xué)習(xí)，需使用一段時間后才能夠使用該功能。

兩種方法的共同點是都需要對用戶的空調(diào)使用習(xí)慣和外部環(huán)境進行信息采集和機器學(xué)習(xí)，在數(shù)據(jù)采集方法和機器學(xué)習(xí)模式等方面無太大區(qū)別，區(qū)別在于數(shù)據(jù)量的大小，這會影響兩種方法實施所需要付出的成本和適用性。方法一需要性能強的計算機來解決海量的數(shù)據(jù)計算問題，計算成本高。方法二計算需求小，能夠滿足較低的計算性能即可，問題在于方法二的數(shù)據(jù)較為獨立，每個空調(diào)的用戶都需要一個處理器為其進行計算，因此需要一定數(shù)量的處理器來滿足需求，通過合理的編排處理器使用，可降低處理器的數(shù)量需求。

3.2 模式的設(shè)計

在空調(diào)的遙控器上增加智慧模式按鈕和個人模式按鈕，按下智慧模式后空調(diào)通過上述的方法一模式運行，空調(diào)將通過檢測環(huán)境參數(shù)自行設(shè)置空調(diào)的溫度和風(fēng)速等。個人模式按鈕通過上述的方法二的模式運行，但該模式需在空調(diào)使用一段時間后才可使用，便于空調(diào)對個人的使用習(xí)慣進行采集和學(xué)習(xí)。

4 總結(jié)

使用機器學(xué)習(xí)技術(shù)與空調(diào)結(jié)合后，通過對空調(diào)使用設(shè)置的自動化，提升使用者的智能化和個性化感受，減少空調(diào)的能量消耗，同時使用方法一的智慧模式后可使一些對空調(diào)設(shè)置模糊的用戶，能夠一鍵對空調(diào)進行設(shè)置，有效降低了空調(diào)的使用門檻。

5 展望

結(jié)合上述的兩種方法，可以通過對特定用戶進行信息采集來對特定用戶提供一些專用的模式設(shè)置，例如通過采集學(xué)習(xí)老人的使用習(xí)慣，結(jié)合對于老人而言相對更健康的溫度設(shè)置，給老人提供一種更健康更舒適的空調(diào)模式。通過機器學(xué)習(xí)技術(shù)也可以為某些公共場所的空調(diào)系統(tǒng)設(shè)計提供更多的幫助和參考，例如某一火車站的空調(diào)系統(tǒng)，其空調(diào)的參數(shù)設(shè)置可通過學(xué)習(xí)其他空調(diào)的參數(shù)設(shè)置、讓旅客填寫對火車站內(nèi)的溫度設(shè)置意見等方法采集數(shù)據(jù)源，通過機器學(xué)習(xí)技術(shù)，使火車站的空調(diào)溫度控制能夠使絕大多數(shù)旅客都能感到舒適。隨著單片機技術(shù)和空調(diào)的工藝技術(shù)的提高，空調(diào)與機器學(xué)習(xí)技術(shù)相結(jié)合必然可以為用戶提供更舒適更健康更節(jié)能的使用體驗。