基于人工智能技術的動車組客室舒適度控制系統設計研究

伍志丹

(柳州鐵道職業技術學院,廣西 柳州 545616)

0 引言

近年來我國鐵路事業獲得迅猛發展,動車組因具有安全、快捷以及環保等特點,逐漸成為人們遠行的重要交通工具[1]。隨著鐵路技術和人們生活質量的持續提升,人們對動車組客室舒適度水平提出了更嚴格的要求,舒適的客室環境不僅有益于乘客的身體健康,避免出現頭痛、胸悶等情況,還能給乘客帶來心理上的愉悅感[2]。由于動車組客室基本處于封閉狀態,因此通過溫度、風速和光照度等環境參數調節,為乘客營造良好的客室環境是保證動車組客室舒適度的有效手段[3-4]。但一直以來客室環境參數調節大多采用人工形式,經常發生嚴重背離乘客舒適度要求的現象,且調節實時性較差,還容易造成能源浪費,因此研究動車組客室舒適度控制系統極其必要。

針對該系統的設計成果有很多,例如謝苗苗和李威等,分別利用改進D-S證據理論與人體熱感覺穿戴傳感技術完成系統設計[5-6]。這兩種系統對控制指令均具有較好的響應效果,但需要優化大量超參數,且對參數設置較敏感。人工智能技術是對模擬和延伸人的智能進行開發的一項技術科學,在各個領域均具有廣泛的應用空間,因此本文研究基于人工智能技術的動車組客室舒適度控制系統設計。

1 動車組客室舒適度控制系統設計研究

1.1 系統總體結構

基于人工智能技術的動車組客室舒適度控制系統總體結構如圖1所示。

(1)傳感器層:若干個類型不同的傳感器組成,將其部署在動車組各客室內合適的位置上,用于采集光照度、溫濕度以及氣體等環境參數數據。

(2)無線傳輸層:負責創建傳感器層和業務應用層之間的連接,利用智慧安全型無線通信模塊,將傳感器層采集的環境參數數據傳輸到業務應用層。

(3)業務應用層:包含多源數據融合、動車組客室舒適度預測和主控制器三大模塊。多源數據融合模塊負責對接收到的各類環境參數數據進行融合;依據融合結果,動車組客室舒適度預測模塊運用人工智能技術中的T-S模糊神經網絡,預測動車組各客室的舒適度,并將預測結果反饋給主控制器模塊;結合環境參數國際標準和人體對各環境參數的敏感度,得出舒適度環境參數最優值表,如果預測結果未達到舒適度要求,針對其中超出最優值的環境參數,主控制器模塊通過向空調、通風和燈光等設備發出控制命令,實現溫濕度、空氣清新度和光照度等自動調節,從而保證動車組各客室的舒適度水平。

(4)界面層:為相關技術人員提供實時監測動車組各客室環境參數數據和舒適度指標的功能,可以對舒適度進行手動控制,還具備數據分析和管理運行功能。

圖1 動車組客室舒適度控制系統總體結構圖

1.2 系統硬件設計

1.2.1 智慧安全型無線通信模塊結構

負責傳輸動車組客室環境參數數據的智慧安全型無線通信模塊結構,如圖2所示。該模塊選用的處理器型號為ARM Cortex-A8 AM3354,具有功耗低、高性價比和外設接口豐富等優點;電源管理電路可以將多種電源電壓提供給該模塊,并能有效管理模塊各部分電源,從而達到節能的目的;復位電路可以避免模塊出現死機情況,對保證模塊安全穩定運行發揮著巨大作用;為提升動車組客室環境參數數據傳輸安全性,利用SPI總線連接處理器與加/解密芯片,并采用一問一答的通信模式[7-8];通過I2C總線和MMC接口與處理器相連接的EEPROM存儲芯片、SD卡的作用,體現在對用戶設定的模塊參數進行存儲,以及保存模塊的風險感知數據;串口1與USB(從)接口負責連接系統傳感器層中的各類傳感器,完成動車組客室環境參數數據的接收;串口2與USB(主)接口負責連接系統業務應用層中的終端,完成動車組客室環境參數數據的上傳。

圖2 智慧安全型無線通信模塊結構圖

1.2.2 動車組客室舒適度主控制器模塊結構

負責動車組客室舒適度控制的主控制器模塊主要由控制、驅動和電源組成,結構如圖3所示。

圖3 主控制器模塊結構圖

(1)控制單元:主要職責為接收動車組客室舒適度預測模塊反饋的預測結果、閉環控制算法實現以及脈寬調制輸出等[9]。

(2)驅動單元:接收到控制單元傳送的脈寬調制信號后,負責向空調、通風和燈光等設備發出控制命令,實現空調的升溫、降溫與除濕等功能,以及燈光光照強度調節和通風設備的打開或關閉功能。

(3)電源單元:該單元內嵌開關電源芯片和降壓集成穩壓芯片,可以為控制單元的子電源電路提供+24 V、+12 V和+5 V電壓等級的電能,為驅動單元提供的電能的電壓等級為+24 V和+12 V。

1.3 基于人工智能技術的動車組客室舒適度預測

動車組客室舒適度預測模塊依據動車組客室環境參數數據融合結果,運用人工智能技術中的T-S模糊神經網絡預測動車組各客室的舒適度。預測平均投票數(Predicted Mean Vote,PMV)是用于直觀反映人體舒適度的指標[10-12],計算公式為:

PMV=[0.3RHexp(-0.3M)]×

(1)

式中,人體的新陳代謝率和對外做功分別為M、W;動車組客室溫度為ta;動車組客室的平均光照強度為tm;動車組客室空氣質量指數為P;動車組客室相對濕度為RH;人體服裝面積系數和外表面溫度分別為fcl、tcl;對流交換系數為hc。fcl和hc的計算公式為:

(2)

式中,服裝熱阻值為Icl描述;風速為va。

PMV指標的取值介于[-3,3]范圍內,當PMV值處于[-3,-1]和[1,3]范圍內時,表明動車組客室舒適度不達標,當PMV值處于(-1,1)范圍內時,表明動車組客室舒適度達標。

(3)

輸入向量x屬于模糊語言變量值的隸屬度函數為:

(4)

利用式(5)得到T-S模糊模型的輸出值y:

(5)

根據以上T-S模糊模型創建T-S模糊神經網絡,該網絡將影響動車組客室舒適度的溫度、相對濕度、平均光照強度、風速和空氣質量指數五個環境因素,以及人體新陳代謝率和服裝熱阻值兩個人體因素作為輸入,將預測的PMV指標作為輸出。該網絡包含前件與后件網絡,其中前件網絡由輸入、模糊化、模糊規則計算和歸一化四個層級組成,具體描述如下:

(1)輸入層:該層的各節點連接輸入向量的每個分量xi,可直接將輸入值傳送到模糊化層。

(3)模糊規則計算層:該層的各節點均屬于一條模糊規則,利用下式對各規則的適應度進行計算:

(6)

(7)

(8)

當T-S模糊神經網絡輸出的PMV指標值未達到規定標準時,需要依據舒適度環境參數最優值表(表1),利用系統的主控制器模塊實現動車組客室舒適度控制。

表1 舒適度環境參數最優值表

2 系統的性能測試結果與分析

將某包含11個客室的動車組作為實驗對象,各客室布局完全相同,將光照度、溫濕度、風速以及氣體傳感器各25個部署在各客室相同的位置上,用于采集環境參數數據,據其利用本文系統實現動車組客室舒適度控制。

選擇四類傳感器進行零點標定測試,以驗證各傳感器對動車組客室環境參數數據采集的穩定性,某日10:00-18:00的傳感器零點響應變化結果用圖4描述。分析圖4可以發現,在10:00-18:00,各類傳感器的輸出電壓均較為穩定,特別是氣體傳感器的輸出電壓基本保持不變,并且各類傳感器的輸出電壓十分接近,均在2.0 V附近波動。因此表明本文系統選用的傳感器具有較理想的零點穩定性,有助于保證采集的動車組客室環境參數數據質量。

圖4 傳感器零點響應變化結果圖

使用本文系統對動車組任意三個客室的PMV指標值進行預測,各時段預測結果如表2所示,從表2可知,在大多數時間段,本文系統對各客室PMV指標值的預測值與期望值一致,最大偏差僅為0.2。因此表明本文系統具有較優異的動車組客室舒適度預測效果,可為動車組客室舒適度控制提供可靠依據。

表2 動車組客室PMV指標值預測結果表

對夏季某日上午10:00動車組各客室PMV指標值進行預測,所得結果中有5個客室的舒適度未達標,利用本文系統控制這5個客室的舒適度,各客室原始環境參數和控制后的環境參數結果如表3所示。分析表3可以看出,使用本文系統對動車組各客室舒適度進行控制后,各客室的環境參數均與表1中的舒適度環境參數最優值相符合,因此表明本文系統能夠實現動車組不同客室舒適度的全面、準確控制。

表3 動車組客室舒適度控制測試結果表

本文系統溫濕度監測界面如圖5所示。通過該界面能清晰呈現動車組不同客室的溫度和濕度信息,能為技術人員提供空調模式的手動控制功能,包括加熱、制冷、加濕以及除濕,并且界面設計較為友好,便于操作。因此可知,本文系統可為技術人員進行動車組客室環境參數實時監測和舒適度控制提供支持。

圖5 動車組客室環境數據監測界面圖

3 結語

為解決動車組客室環境參數手動調節存在的實時性較差和易背離乘客需求等問題,研究基于人工智能技術的動車組客室舒適度控制系統。該系統選用的各類傳感器能有效保證動車組客室環境參數數據采集質量;利用人工智能技術中學習能力較穩定的T-S模糊神經網絡預測動車組客室舒適度,所得預測值與期望值基本相同,且該系統能將動車組不同客室的環境參數控制在最優區間,舒適度控制效果優勢顯著。