【《基于多传感信息融合的家居舒适度评估系统设计与仿真分析案例》3500字】

基于多传感信息融合的家居舒适度评估系统设计与仿真分析案例目录TOC\o"1-3"\h\u12326基于多传感信息融合的家居舒适度评估系统设计与仿真分析案例 仿真结果与数据分析2.1评估过程1）分批融合算法将房间内部的温度调节到19℃,经过一个设定的时间之后,再将房间内部分化的区域内所测量得出的数据如下图表4-1所示:表4-1温度测量值温度传感器S1S2S3S4S5S6S7S8测量温度/℃19.4320.4719.4320.8219.1919.5919.3119.61对之前所测量得出的温度数据计算其平均值,可以计算出来得到的算术温度平均值为19.73℃左右,测量温度时所得到的误差为0.73°左右;然后在下面的表2.1中将各种类型传感器温度数据分别划分组成为两组并以s1,s3,s5,s7为另外一组,s2,s4,s6,s8为另外一组,可以分别直接求出两组各种传感器温度数据的平均算术温度平均值和算术标准方差之间的平方:由公式得到最终的温度值为:,测量误差为0.36°C。根据实际情况分析我们可以大致的判断采用分批融合算法来计算所得到的数据，相比于直接计算所得到的数据接近于真实值。同理,使用上述相同的方法,对一个存储于数据库中的空气质量和温湿度传感器的数据进行分析和处理,得到一个房间内3个地方或区域的空气质量和舒适性指标的测定结果,具体参数见统计表4-2。表4-2舒适度指标测定结果区域号室内温度℃垂直温差室内湿度实际舒适度119.71.3245.21好219.20.3248.54好318.32.2362.76好2）确定识别框架确定了一个识别框架R={a,b},其中a分别表示所测量的环境和区域的舒适度相对较差,b分别表示所测量的环境和区域舒适度良好,本文主要预测的三个识别对象分别是在图中表4-4中有序号的三个区域。3）利用模糊集理论进行证据源的确定可以确定和量化影响整个家庭生活环境的家庭生活条件的家庭环境因素权重的大小,也就是说对所有影响整个家庭生活环境的稳健性因素都进行了比较。第一步:列出影响因子，构造判断矩阵。影响室内室外住宅空气环境舒适性的影响因素主要可以包括空气温度、湿率、温度梯度、空气在其流动时的速率、二氧化碳排放浓度及其中的噪音大小。本文主要采用1973年美国著名运筹学家约翰a.l.saatys所提出的1-9标度比较方法对不同标度评价衡量指标之间的标度差异性关系进行了两两之间的标度比较,构造了一个判断矩阵。有关1-9标度矩阵方程的有关判定定律规则阵数请参阅下列列表3-3,参考上文相关统计数据,所有可获得的有关判定规则矩阵数的详情请参见上文下列列表4-4。表4-3层次分析中的标度方法标度含义一两个不同的因素相比较，具有相同的重要性三两个不同的因素相比较，一个因素比另一个因数稍微重要五两个不同的因素相比较，一个因素比另一个因数明显重要七两个不同的因素相比较，一个因素比另一个因数强烈重要九两个不同的因素相比较，一个因素比另一个因数极端重要二，四，六，八上述两相邻判断的中值倒数因素i与j得判断，则因素j与i比较得判断表4-4家居舒适度影响因素判断矩阵温度湿度温度梯度气流速度二氧化碳噪音温度112557湿度112557温度梯度1/21/21557气流速度1/51/51/5115二氧化碳1/51/51/5115噪音1/71/71/71/51/51第二步:求解判断矩阵，找出最大特征根及其对应的特征向量。使用Matlab工具计算得到最大特征值=6.2548，其对应的特征向量经过归一化后为:=(0.369,0.287,0.198,0.02,0.09,0.021)第三步:一致性检验。首先求出判断矩阵的一致性指数CI，计算公式为:其中为判断矩阵的最大特征值，n为判断矩阵的维数。然后在计算随机一致性比率CR，计算公式为:其中RI为随机一致性指标。若CR<0.1，则可以认为判断矩阵具有满意的一致性，否则，需要重新调整判断矩阵。由式(2.1）和式(2.2）得到CR=0.048,小于0.1,满足一致性要求，故可以用特征向量=(0.369,0.287,0.198,0.02,0.09,0.021)作为权重向量。表4-5判断矩阵的随机一致性指标维数n一二三四五六七八九RI指标0.0010.0010.610.921.071.311.351.441.48为了更客观地评估居家生活舒适度,我们选取在影响整个家庭生活舒适性各种因素中占比最高的三个因素:分别为温度、湿度、温度梯度。1）对于参数a的值,首先我们利用这个经验值对参数a的隶属度函数进行了选择,然后再通过利用matlab工具在基础上绘图后通过观察对隶属度函数的梯度变化情况进行了验证,最终我们可得到a=14,具体的操作流程请参阅下图4-7。图4-7温度指标预测法隶属度函数函数表达式参数观察图在参数a和参数确定的基础上，得到式2.3:然后根据计算公式2.3求出经过分批融合处理的各个实测数值对A和B的隶属度,并把这些隶属度的值当做是证据在理论上的基本可信度。由表4-4和公式2.3得到的证据见表4-6:表4-6温度指标法预测结果区域号一二三基本概率赋值0.0200.0150.0950.9800.9850.905用温度梯度指标法的预测结果作为第二个证据，选择垂直温差作为预测指标，构造此时A和B的隶属函数。本文首先使用经验值对a进行选取，然后再用Matlab工具绘图后观察的梯度变化进行验证，具体见图4-8，最终确定a=1.7。图4-8温度梯度预测法隶属度函数函数表达式参数观察图取温度梯度的临界值3为判别依据，也即参数的值为3;再根据使用上述的方法得到的参数a的值为1.7,在参数a和参数确定的基础上,得到式2.4:然后根据公式2.4求出经过分批融合处理的实测值隶属于A和B的隶属度，并把此隶属度值作为证据理论的基本可信度。由表4-2和公式2.4得到的证据见表4-7:表4-7温度梯度指标法预测结果区域号一二三基本概率赋值0.3670.1560.9980.6330.8440.002以室内湿度的实际预测分析结果为第三个基础证据,选取室内湿度作为实际预测的主要指标。关于a和b的隶属度函数,取室内湿度的临界值50作为判别的依据,也就是该参数的平均值为50。图4-9湿度预测法隶属度函数函数表达式参数观察图在参数a和参数确定的基础上，得到式2.5:后根据公式2.5求出各个实测数值分别隶属于A和B的各个数值隶属程度,并把这些数值的隶属程度作为证据理论基本的可信度。由表4-2和公式2.5得到的证据见表4-8:表4-8湿度指标法预测结果区域号一二三基本概率赋值0.310.0150.0030.690.9850.9972.2基于D-S证据理论的决策融合与分析本文采用邓勇组合规则进行算法融合，对表2.-6，4-7，4-8中的区域1，2，3分别进行计算融合。综合上述3个区域的决策结果，使用邓勇组合规则的融合算法得到融合结果如表4-9：表4-9证据理论的融合结果