CN119415986A 基于ai智能大数据深度分析的多维空气净化方法及系统 （北京三五二环保科技有限公司）

基于AI智能大数据深度分析的多维空气净本申请涉及一种基于AI智能大数据深度分气净化器规划从当前位置到目标位置的移动路标位置后根据空气净化器净化参数作净化参数2获取空气净化器运行预设时间间隔后的空气质量数据以及运行前根据室内各个子区域的空气质量数据，采用聚类分析算法找出空气质若为是，则将满足条件的区域簇作为目标区域簇，并根据目标区根据预设的室内地图和障碍物信息，使用路径规划算法为空气获取区域簇的污染区域的大小、污染物浓度和种类，输入至若为否，则根据空气净化器本次运行工作的净化效果与预设的2.根据权利要求1所述的基于AI智能大数据深度分析的多维空气净化方法，其特征在采用克里金插值算法，根据已知子区域监测点的空气质量数据，推算3.根据权利要求1所述的基于AI智能大数据深度分析的多维空气净化方法，其特征在将无人机检测到的各子区域空气质量数据与同时采集的室内气象数据以及室内空间运行预设的聚类算法，将各个子区域的特征向量作为输入数据进4.根据权利要求3所述的基于AI智能大数据深度分析的多维空气净化方法，其特征在3从聚类分析得到的区域簇中，提取每个区域簇的中心位置坐标和边界范围信息，同时获取空气净化器的当前位置坐标，并结合空气净化器的预设有根据区域簇内子区域的空气质量数据、预设的污染严重程度标准污染严重程度标准且且被空气净化器有效覆盖占比比例小于预5.根据权利要求1至4任意一项所述的基于AI智能大数据深度分析的多维空气净化方在空气净化器按照规划路径移动的过程中，持续监测沿途的空根据沿途的空气质量变化信息和室内环境动态信息，分析是否存在若为是，则将超出预设浓度范围的部分污染物及浓度值作为6.根据权利要求1至4任意一项所述的基于AI智能大数据深度分析的多维空气净化方7.根据权利要求6所述的基于AI智能大数据深度分将不同评估指标的量化值输入至风机转速调整比例模型，分析确定风机转速调整比根据所输出的空气净化器净化参数所包含的风机转速以及风机转执行时实现如权利要求1至7中任一项所述的一种基于AI智能大数据深度分析的多维空气4[0001]本发明涉及空气净化技术领域，尤其是涉及一种基于AI智能大数据深度分析的[0005]为了提升室内空气净化效率与质量，本申请提供一种基于AI智能大数据深度分[0006]第一方面，本申请提供一种基于AI智能大数据深度分析的多维空气净化方法及获取空气净化器运行预设时间间隔后的空气质量数据以及运行前的空气质量数5将无人机检测到的各子区域空气质量数据与同时采集的室内气象数据以及室内类算法根据子区域之间的特征相似性划分为从聚类分析得到的区域簇中，提取每个区域簇的中心位置坐标和边界范围信息，设的污染严重程度标准且被空气净化器有效覆盖占比比例小于预设比例6如第一方面所述的基于AI智能大数据深度分析的多[0014]图1是本申请实施例基于AI智能大数据深度分析的多维空气净化方法的流程示意[0016]图3是本申请另一实施例根据室内各个子区域的空气质量数据，采用聚类分析算[0017]图4是本申请另一实施例判断是否存在污染程度达到预设污染程度标准且被空气净化器有效覆盖占比比例小于预设比例的区域簇7制模块以及各类净化组件依据预先设定的程序和运行模式所做出的一系列动作和状态变用户对空气质量的期望要求而在空气净化器中设定的目标净化程度。例如，对于PM2.5浓当空气净化器开始运行工作后，其内部的空气质量传感器会持续采集空气数据。8[0032]预设空气净化器内的无人机是一种专门设计放置于空气净化器内部特定空间或[0033]预设的飞行路径是在空气净化器的智能控制系统中预先设定好的无人机飞行路一步分析和采取优化净化措施提供了全面的9[0039]污染程度达到预设污染程度标准是指预先设定的衡量空气质量中污染物浓度是[0046]首先计算区域簇的总面积S=S1+S2+S3。然后计算质心的横坐标X=(x1*S1+x2*S2+[0047]同理计算质心的纵坐标Y=(y1*S1+y2*S2+y3*S3)/S。这样就得到了目标区域簇的些距离目标位置较近且没有障碍物阻挡的空白区域节点逐[0064]在确定空气净化器本次运行工作的净化效果未达到预设净化标准且不存在特定毫克/立方米，实际运行后从0.15毫克/立方米降低到了0.12毫克/立方米，净化效果为[0065]然后依据预先建立的该比值与空气净化器的风机转速的对应关系进行分析确定新的风机转速为900rpm，空气净化器的控制系统就会调整风机的供电电压或频率等参数，感器利用不同的物理或化学原理来实现对相[0068]数据整理：对从各个已知子区域监测点获取到的原始空气质量数据进行初步处的PM2.5数据出现了一个明显高于其他时刻且超出正常范围的值，通过与该监测点历[0072]接着进行数据预处理。例如，将PM推算室内其他未监测点的空气质量估计数据奠开始运用克里金插值算法来推算室内其他未监测点的空等区域设置了若干已知子区域监测点，通过对这些监测点采集到的PM2.5浓度数据进行分确定模型中的一些关键参数（如块金值、基台值、变程等从而准确刻画该室内环境下器，在按照预设飞行路径对室内各个子区域进行扫描检测过程中所获取到的，关于各子区确分析不同子区域空气质量的关联性以及后续确定空气净化器与各区域的覆盖关系等方征向量中的每个元素（比如PM2.5浓度这个特征先计算该特征在所有子区域数据中的均行预设的聚类算法时，不同特征之间不会因为数据量级等问题而出现不合理的权重偏差，[0097]参照图4，判断是否存在污染程度达到预设污染程度标准且被空气净化器有效覆簇与空气净化器覆盖范围的重叠情况以及评估区域簇内空气质量数据的代表性范围等方以根据污染物浓度是否超过相应的阈值以及超过的程度、多种污染物的综合影响等因素，Wi_Fi定位或者基于室内传感器网络的定位系统）获取自身在室内空间坐标系中的坐标信直观反映出区域簇中有多少面积处于空气净化器有效作用在达到预设的污染严重程度标准且被空气净化器有效覆盖占比比例小于预设比例的区域景预先设定好的用于衡量区域空气质量是否达到污染程度界限的指标。例如，对于室内[0115]预设的判断为未被空气净化器有效覆盖的面积比例标准出未被覆盖的面积比例以及知晓预设的判断为未被空气净化器有效覆盖的面积比例标准[0120]基于AI智能大数据深度分析的多维空气净化方法还包括与控制空气净化器按照对空气净化器的净化效果以及室内空气质量产员活动较多且靠近厨房可能存在一些烹饪油烟扩散，PM2.5浓度逐渐上升到每立方米80微[0125]这些沿途监测到的空气质量变化信息和室内环境动态信息会被实时传输回空气物浓度超出预设浓度范围以及采取相应的净化措施规划空气净化器移动到能对区域簇A进行有效净化的最佳位置，或者调整空气净化器的净[0162]基于AI智能大数据深度分析的多维空气净化方法还包括位于输出空气净化器净和算法进行分析计算。模型可能综合考虑各个指标对空气质量以及