本發(fā)明涉空調(diào)，具體涉及一種恒溫恒濕空調(diào)機(jī)組除濕熱補(bǔ)償?shù)目刂品椒把b置。

背景技術(shù)：

1、恒溫恒濕空調(diào)機(jī)組是現(xiàn)代化建筑中常見的環(huán)境控制設(shè)備，廣泛應(yīng)用于需要嚴(yán)格控制溫度和濕度的場(chǎng)所，如實(shí)驗(yàn)室、博物館、數(shù)據(jù)中心、潔凈室等。其基本功能是通過調(diào)節(jié)空氣的溫濕度來維持恒定的室內(nèi)環(huán)境。然而，隨著建筑技術(shù)的進(jìn)步和用戶對(duì)環(huán)境舒適度要求的提高，傳統(tǒng)的恒溫恒濕空調(diào)機(jī)組在應(yīng)對(duì)復(fù)雜、多變的環(huán)境因素時(shí)，往往面臨許多技術(shù)挑戰(zhàn)。

2、首先，溫度和濕度的控制是相互關(guān)聯(lián)的，在除濕過程中，通常會(huì)伴隨溫度的降低，因此需要相應(yīng)的熱補(bǔ)償功能來維持溫度的穩(wěn)定性。傳統(tǒng)的空調(diào)機(jī)組多采用簡(jiǎn)單的溫度或濕度控制系統(tǒng)，分別調(diào)節(jié)除濕和加熱功能。然而，隨著環(huán)境的復(fù)雜性增加，例如室內(nèi)人數(shù)的變化、室外氣象條件的影響，單一的控制方式已經(jīng)難以滿足恒溫恒濕的精確要求。特別是在溫度和濕度波動(dòng)較大的情況下，傳統(tǒng)的空調(diào)系統(tǒng)可能難以快速響應(yīng)，從而導(dǎo)致環(huán)境不穩(wěn)定，影響使用場(chǎng)所的功能需求。其次，現(xiàn)有的空調(diào)系統(tǒng)通常依賴靜態(tài)控制方法，未能充分利用現(xiàn)代智能技術(shù)進(jìn)行預(yù)測(cè)性調(diào)節(jié)。例如，傳統(tǒng)的空調(diào)機(jī)組通常通過實(shí)時(shí)檢測(cè)當(dāng)前的溫濕度數(shù)據(jù)，簡(jiǎn)單地進(jìn)行反饋控制，缺乏對(duì)未來溫濕度變化的預(yù)見性。因此，當(dāng)環(huán)境條件突然變化時(shí)，系統(tǒng)的響應(yīng)速度較慢，容易導(dǎo)致環(huán)境的溫濕度波動(dòng)，難以保證長(zhǎng)時(shí)間的恒溫恒濕效果。此外，隨著智能建筑的發(fā)展，室內(nèi)人數(shù)等動(dòng)態(tài)因素對(duì)環(huán)境控制的影響越來越大，如何通過智能算法預(yù)先調(diào)整空調(diào)系統(tǒng)，滿足未來變化的需求，成為行業(yè)亟需解決的問題。

3、近年來，智能控制技術(shù)逐漸應(yīng)用于恒溫恒濕空調(diào)機(jī)組中，通過引入人工智能和深度學(xué)習(xí)技術(shù)，空調(diào)系統(tǒng)能夠根據(jù)歷史數(shù)據(jù)和當(dāng)前狀態(tài)，預(yù)測(cè)未來溫濕度的變化，從而提前調(diào)整系統(tǒng)的運(yùn)行參數(shù)。然而，現(xiàn)有的智能空調(diào)控制系統(tǒng)仍有較多的局限性。例如，當(dāng)前多數(shù)智能控制系統(tǒng)僅基于簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)或傳統(tǒng)的pid控制，未能充分考慮復(fù)雜的環(huán)境影響因素，如室內(nèi)人數(shù)的動(dòng)態(tài)變化和外界氣候條件的波動(dòng)。此外，現(xiàn)有系統(tǒng)通常僅依賴靜態(tài)的環(huán)境數(shù)據(jù)，無法動(dòng)態(tài)調(diào)整控制策略，導(dǎo)致在實(shí)際應(yīng)用中無法實(shí)現(xiàn)精細(xì)化控制。此外，現(xiàn)有的音質(zhì)增強(qiáng)系統(tǒng)通常缺乏對(duì)用戶聽力特征的全面分析，未能充分考慮到耳道結(jié)構(gòu)對(duì)音頻傳輸?shù)挠绊?，?dǎo)致音質(zhì)增強(qiáng)效果不夠理想。且現(xiàn)有的恒溫恒濕空調(diào)在調(diào)節(jié)方面考慮因素較少，沒有根據(jù)歷史室內(nèi)室外溫度濕度的數(shù)據(jù)進(jìn)行綜合考慮，當(dāng)室外溫濕度較高時(shí)則室內(nèi)需要調(diào)節(jié)的功率較高，且沒有根據(jù)室內(nèi)人數(shù)進(jìn)行未來預(yù)測(cè)值的確定，通過對(duì)未來預(yù)測(cè)值的確定提前進(jìn)行空調(diào)機(jī)的溫濕度調(diào)節(jié)，從而使得室內(nèi)溫濕度保持在較小的波動(dòng)范圍，且現(xiàn)有技術(shù)沒有涉及精細(xì)調(diào)整模式進(jìn)行綜合調(diào)節(jié)，導(dǎo)致溫濕度調(diào)整效率大大降低，針對(duì)現(xiàn)有空調(diào)溫濕度調(diào)節(jié)局限性，精細(xì)化自動(dòng)化實(shí)時(shí)溫濕度調(diào)節(jié)處理方法迫切需要一種新的解決方案，以提高處理的效率和準(zhǔn)確度，對(duì)于提升用戶滿意度。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中提到的上述問題，本發(fā)明提供一種恒溫恒濕空調(diào)機(jī)組除濕熱補(bǔ)償?shù)目刂品椒把b置，該方法首先通過記錄室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc和歷史溫濕度數(shù)據(jù)集xh；其次，將溫濕度數(shù)據(jù)集xc、室內(nèi)人數(shù)和歷史溫濕度數(shù)據(jù)集xh輸入至訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型，卷積神經(jīng)網(wǎng)絡(luò)模型輸出室內(nèi)溫度預(yù)測(cè)值tf和濕度預(yù)測(cè)值hf；然后，與預(yù)設(shè)的溫度范圍、濕度范圍進(jìn)行對(duì)比；當(dāng)溫度預(yù)測(cè)值tf或濕度預(yù)測(cè)值hf超過對(duì)應(yīng)預(yù)設(shè)范圍的上限或下限時(shí)，啟動(dòng)濕度調(diào)整模式或溫度調(diào)整模式，當(dāng)在預(yù)設(shè)范圍內(nèi)時(shí)，系統(tǒng)進(jìn)入高精度微調(diào)模式；最后，顯示器顯示當(dāng)前溫度和濕度。本技術(shù)通采用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型，實(shí)時(shí)計(jì)算溫濕度預(yù)測(cè)值并與預(yù)設(shè)范圍對(duì)比，選擇啟動(dòng)濕度調(diào)整模式或溫度調(diào)整模式或高精度微調(diào)模式；大大提高了空調(diào)溫濕度調(diào)整精確度及效率，極大增加用戶體驗(yàn)。

2、本技術(shù)提供一種恒溫恒濕空調(diào)機(jī)組除濕熱補(bǔ)償?shù)目刂品椒ǎú襟E：

3、s1：采用濕度傳感器和溫度傳感器分別實(shí)時(shí)監(jiān)測(cè)室內(nèi)環(huán)境的相對(duì)濕度和空氣溫度，記錄室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc和歷史溫濕度數(shù)據(jù)集xh，xc＝{tc，hc}，xh＝{th，hh}，其中，tc為當(dāng)前時(shí)段t內(nèi)室內(nèi)和室外溫度數(shù)據(jù)向量、hc為當(dāng)前時(shí)段t內(nèi)室內(nèi)和室外濕度數(shù)據(jù)向量、th為歷史室內(nèi)和室外溫度數(shù)據(jù)向量、hh歷史室內(nèi)和室外濕度數(shù)據(jù)向量；

4、s2：將室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc、室內(nèi)人數(shù)和歷史溫濕度數(shù)據(jù)集xh輸入至訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型，卷積神經(jīng)網(wǎng)絡(luò)模型輸出未來時(shí)刻t0的室內(nèi)溫度預(yù)測(cè)值tf和濕度預(yù)測(cè)值hf；

5、s3:未來時(shí)刻t0的室內(nèi)溫度預(yù)測(cè)值tf和濕度預(yù)測(cè)值hf分別與預(yù)設(shè)的溫度范圍、濕度范圍進(jìn)行對(duì)比，當(dāng)溫度預(yù)測(cè)值tf或濕度預(yù)測(cè)值hf超過對(duì)應(yīng)預(yù)設(shè)范圍的上限或下限時(shí)，啟動(dòng)濕度調(diào)整模式或溫度調(diào)整模式；

6、s4：未來時(shí)刻t0的溫濕度預(yù)測(cè)值在預(yù)設(shè)范圍內(nèi)時(shí)，系統(tǒng)進(jìn)入高精度微調(diào)模式，自動(dòng)調(diào)節(jié)濕度和溫度，使得環(huán)境溫度和濕度波動(dòng)范圍分別不超過設(shè)定閾值；

7、s5：顯示器顯示當(dāng)前溫度和濕度，濕度傳感器和溫度傳感器繼續(xù)實(shí)時(shí)監(jiān)測(cè)。

8、優(yōu)選地，所述系統(tǒng)進(jìn)入高精度微調(diào)模式，自動(dòng)調(diào)節(jié)濕度和溫度包括：s41:分別計(jì)算溫度誤差δt＝tf-tm和濕度誤差δh＝hf-hm，其中，tm為當(dāng)前室內(nèi)溫度，hm為當(dāng)前室內(nèi)濕度；s42：根據(jù)溫度誤差δt和濕度誤差δh分別計(jì)算當(dāng)前時(shí)刻加熱功率ph和除濕功率pd，其中，為溫度比例增益，為濕度比例增益；s43:重復(fù)步驟s41，直到溫度誤差δt和濕度誤差δh均為0。

9、優(yōu)選地，在時(shí)間t時(shí)的溫度比例增益其中，α溫度為自適應(yīng)系數(shù)，kp0為溫度初始比例增益，為溫度誤差的變化速率；在時(shí)間t時(shí)的濕度比例增益其中，β為濕度自適應(yīng)系數(shù)，kp1為濕度初始比例增益，為濕度誤差在時(shí)間t處的變化速率。

10、優(yōu)選地，所述訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型采用改進(jìn)的swish激活函數(shù)f(x,n)：

11、

12、其中，x為卷積層的輸入，n為室內(nèi)人數(shù)，σ為調(diào)節(jié)參數(shù)，e為自然對(duì)數(shù)的底數(shù)。

13、優(yōu)選地，所述室內(nèi)人數(shù)根據(jù)安裝在室內(nèi)的攝像頭，實(shí)時(shí)捕捉當(dāng)前室內(nèi)視頻圖像數(shù)據(jù)，采用yolo目標(biāo)檢測(cè)模型，識(shí)別室內(nèi)視頻圖像中的人數(shù)，得到室內(nèi)人數(shù)n。

14、本技術(shù)還提供一種恒溫恒濕空調(diào)機(jī)組除濕熱補(bǔ)償?shù)目刂蒲b置，包括：

15、采集模塊：濕度傳感器和溫度傳感器分別實(shí)時(shí)監(jiān)測(cè)室內(nèi)環(huán)境的相對(duì)濕度和空氣溫度，記錄室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc和歷史溫濕度數(shù)據(jù)集xh，xc＝{tc，hc}，xh＝{th，hh}，其中，tc為當(dāng)前時(shí)段t內(nèi)室內(nèi)和室外溫度數(shù)據(jù)向量、hc為當(dāng)前時(shí)段t內(nèi)室內(nèi)和室外濕度數(shù)據(jù)向量、th為歷史室內(nèi)和室外溫度數(shù)據(jù)向量、hh歷史室內(nèi)和室外濕度數(shù)據(jù)向量；

16、處理模塊：將室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc、室內(nèi)人數(shù)和歷史溫濕度數(shù)據(jù)集xh輸入至訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型，卷積神經(jīng)網(wǎng)絡(luò)模型輸出未來時(shí)刻t0的室內(nèi)溫度預(yù)測(cè)值tf和濕度預(yù)測(cè)值hf；

17、調(diào)整模塊:未來時(shí)刻t0的室內(nèi)溫度預(yù)測(cè)值tf和濕度預(yù)測(cè)值hf分別與預(yù)設(shè)的溫度范圍、濕度范圍進(jìn)行對(duì)比，當(dāng)溫度預(yù)測(cè)值tf或濕度預(yù)測(cè)值hf超過對(duì)應(yīng)預(yù)設(shè)范圍的上限或下限時(shí)，啟動(dòng)濕度調(diào)整模式或溫度調(diào)整模式；

18、微調(diào)模塊：未來時(shí)刻t0的溫濕度預(yù)測(cè)值在預(yù)設(shè)范圍內(nèi)時(shí)，系統(tǒng)進(jìn)入高精度微調(diào)模式，自動(dòng)調(diào)節(jié)濕度和溫度，使得環(huán)境溫度和濕度波動(dòng)范圍分別不超過設(shè)定閾值；

19、顯示模塊：顯示器顯示當(dāng)前溫度和濕度，濕度傳感器和溫度傳感器繼續(xù)實(shí)時(shí)監(jiān)測(cè)。

20、優(yōu)選地，所述系統(tǒng)進(jìn)入高精度微調(diào)模式，自動(dòng)調(diào)節(jié)濕度和溫度包括：s41:分別計(jì)算溫度誤差δt＝tf-tm和濕度誤差δh＝hf-hm，其中，tm為當(dāng)前室內(nèi)溫度，hm為當(dāng)前室內(nèi)濕度；s42：根據(jù)溫度誤差δt和濕度誤差δh分別計(jì)算當(dāng)前時(shí)刻加熱功率ph和除濕功率pd，其中，為溫度比例增益，為濕度比例增益；s43:重復(fù)步驟s41，直到溫度誤差δt和濕度誤差δh均為0。

21、優(yōu)選地，在時(shí)間t時(shí)的溫度比例增益其中，α溫度為自適應(yīng)系數(shù)，kp0為溫度初始比例增益，為溫度誤差的變化速率；在時(shí)間t時(shí)的濕度比例增益其中，β為濕度自適應(yīng)系數(shù)，kp1為濕度初始比例增益，為濕度誤差在時(shí)間t處的變化速率。

22、優(yōu)選地，所述訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型采用改進(jìn)的swish激活函數(shù)f(x,n)：

23、

24、其中，x為卷積層的輸入，n為室內(nèi)人數(shù)，σ為調(diào)節(jié)參數(shù)，e為自然對(duì)數(shù)的底數(shù)。

25、優(yōu)選地，所述室內(nèi)人數(shù)根據(jù)安裝在室內(nèi)的攝像頭，實(shí)時(shí)捕捉當(dāng)前室內(nèi)視頻圖像數(shù)據(jù)，采用yolo目標(biāo)檢測(cè)模型，識(shí)別室內(nèi)視頻圖像中的人數(shù)，得到室內(nèi)人數(shù)n。

26、本發(fā)明提供了一種恒溫恒濕空調(diào)機(jī)組除濕熱補(bǔ)償?shù)目刂品椒把b置，所能實(shí)現(xiàn)的有益技術(shù)效果如下：

27、1、本發(fā)明首先通過記錄室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc和歷史溫濕度數(shù)據(jù)集xh；其次，將溫濕度數(shù)據(jù)集xc、室內(nèi)人數(shù)和歷史溫濕度數(shù)據(jù)集xh輸入至訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型，卷積神經(jīng)網(wǎng)絡(luò)模型輸出室內(nèi)溫度預(yù)測(cè)值tf和濕度預(yù)測(cè)值hf；然后，與預(yù)設(shè)的溫度范圍、濕度范圍進(jìn)行對(duì)比；當(dāng)溫度預(yù)測(cè)值tf或濕度預(yù)測(cè)值hf超過對(duì)應(yīng)預(yù)設(shè)范圍的上限或下限時(shí)，啟動(dòng)濕度調(diào)整模式或溫度調(diào)整模式，當(dāng)在預(yù)設(shè)范圍內(nèi)時(shí)，系統(tǒng)進(jìn)入高精度微調(diào)模式；最后，顯示器顯示當(dāng)前溫度和濕度。本技術(shù)通采用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型，實(shí)時(shí)計(jì)算溫濕度預(yù)測(cè)值并與預(yù)設(shè)范圍對(duì)比，選擇啟動(dòng)濕度調(diào)整模式或溫度調(diào)整模式或高精度微調(diào)模式；大大提高了空調(diào)溫濕度調(diào)整精確度及效率，極大增加用戶體驗(yàn)。

28、2、本發(fā)明訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型采用改進(jìn)的swish激活函數(shù)，通過將室內(nèi)人數(shù)n引入到激活函數(shù)中，系統(tǒng)能夠動(dòng)態(tài)感知室內(nèi)環(huán)境的變化，特別是人員數(shù)量對(duì)溫濕度的影響，隨著人數(shù)增加，室內(nèi)的溫度和濕度通常會(huì)發(fā)生顯著變化，傳統(tǒng)的控制方法通常僅根據(jù)溫濕度傳感器的實(shí)時(shí)數(shù)據(jù)進(jìn)行調(diào)節(jié)，無法提前響應(yīng)人數(shù)變化帶來的溫濕度波動(dòng)。通過將人數(shù)作為輸入?yún)?shù)，系統(tǒng)能夠根據(jù)當(dāng)前的室內(nèi)人數(shù)動(dòng)態(tài)調(diào)整加熱功率和除濕功率，提高了對(duì)復(fù)雜環(huán)境的適應(yīng)性和響應(yīng)速度，系統(tǒng)能夠快速適應(yīng)并提前預(yù)測(cè)溫濕度的變化，避免傳統(tǒng)系統(tǒng)的滯后調(diào)節(jié)問題。系統(tǒng)對(duì)溫濕度控制的精確性明顯提升，在面對(duì)較小的環(huán)境波動(dòng)時(shí)，也能通過人數(shù)變化精確調(diào)節(jié)溫濕度，保持恒定的室內(nèi)環(huán)境。

29、3、本發(fā)明高精度微調(diào)模式，自動(dòng)調(diào)節(jié)濕度和溫度，通過計(jì)算溫度誤差和濕度誤差，根據(jù)溫度誤差和濕度誤差分別計(jì)算當(dāng)前時(shí)刻加熱功率和除濕功率，計(jì)算過程中考慮溫度比例增益以及濕度比例增益，大大提升了精細(xì)化調(diào)整，通過高精度模式以及溫度調(diào)整模式和濕度調(diào)整模式的設(shè)置，避免了過度調(diào)節(jié)或不足調(diào)節(jié)的問題，提升了整體的運(yùn)行穩(wěn)定性。

30、4、本發(fā)明通過記錄室內(nèi)和室外當(dāng)前時(shí)段t內(nèi)的溫濕度數(shù)據(jù)集xc和歷史溫濕度數(shù)據(jù)集，卷積神經(jīng)網(wǎng)絡(luò)模型可以基于當(dāng)前和歷史數(shù)據(jù)分析溫濕度的變化模式，并預(yù)測(cè)未來的溫濕度走向。這種結(jié)合不僅依賴于當(dāng)前的環(huán)境狀況，還考慮了過去的變化規(guī)律，從而提升了溫濕度預(yù)測(cè)的準(zhǔn)確性。傳統(tǒng)空調(diào)系統(tǒng)通常是基于即時(shí)的溫濕度反饋進(jìn)行控制，容易導(dǎo)致設(shè)備頻繁啟停，增加設(shè)備的磨損，縮短設(shè)備的使用壽命。通過使用當(dāng)前和歷史溫濕度數(shù)據(jù)，系統(tǒng)能夠提前預(yù)測(cè)未來的溫濕度變化并采取適當(dāng)?shù)拇胧苊忸l繁啟停。例如，當(dāng)歷史數(shù)據(jù)表明環(huán)境溫濕度在短時(shí)間內(nèi)有周期性波動(dòng)時(shí)，系統(tǒng)可以提前介入，進(jìn)行更加平滑的調(diào)節(jié)，減少過度反應(yīng)的頻率。