基于模糊数据融合的室内舒适度评价方法研究

论文摘要

室内舒适度评价是改善室内环境的前提,目前有关舒适度评价方法的研究主要可以归纳为两类:直接应用舒适度指标公式计算和对测量参数进行综合信息处理。参数多、动态变化性大是室内舒适度评价中的难点,而数据融合是信息处理和系统决策中的一种有效方法。本论文在深入分析室内环境特点和舒适度评价发展的基础上,利用数据融合理论讨论了模糊理论和神经网络用于室内舒适度评价中的可行性并对此提出了改进方案。模糊综合评价是质量评价中比较成熟有效的方法,具有很好的判断能力,但综合评价中指标权重一般人为给定,容易导致主观的片面性。针对这一问题,在模糊综合评判模型中,提出一种指标权重的改进方法,使用改进的层次分析法和灰关联分析法分别计算主观权重和客观权重,最终建立基于组合权重的模糊综合评价模型。研究模糊逻辑推理和神经网络的优缺点,并将它们有机结合构建模糊神经网络的室内舒适度评价模型,利用神经网络的自学习和自组织性能对网络参数进行优化调整。在HKCAN智能分布式系统下采集室内温度、相对湿度和光照度作为室内舒适度评价参数,仿真结果表明,模糊数据融合方法是一种有效的室内舒适度评价方法,提高了评价结果的可信度。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景和目的
• 1.1.1 课题研究的背景
• 1.1.2 课题研究的目的
• 1.2 课题相关技术的国内外研究现状
• 1.2.1 多传感器数据融合理论的研究历史和现状
• 1.2.2 室内舒适度评价方法的研究历史和现状
• 1.2.3 数据融合理论在室内舒适度评价中的研究现状
• 1.2.4 室内舒适度研究的发展方向
• 1.3 论文的主要工作和结构安排
• 1.3.1 论文的研究内容
• 1.3.2 论文的结构安排
• 第2章 数据融合基本理论
• 2.1 引言
• 2.2 数据融合的基本原理
• 2.2.1 数据融合的定义
• 2.2.2 数据融合的基本过程
• 2.2.3 数据融合的层次结构
• 2.2.4 数据融合的数学方法
• 2.3 模糊理论
• 2.3.1 模糊集合的定义和表达方法
• 2.3.2 隶属度函数
• 2.3.3 模糊集合的运算
• 2.3.4 模糊关系及其合成
• 2.4 人工神经网络
• 2.4.1 人工神经元模型
• 2.4.2 神经网络分类
• 2.4.3 神经网络的学习
• 2.4.4 神经网络的特点和应用领域
• 2.5 本章小结
• 第3章 基于组合权重的模糊综合评价
• 3.1 引言
• 3.2 模糊综合评价方法
• 3.3 权重的确定方法
• 3.3.1 权重的定义
• 3.3.2 层次分析法
• 3.3.3 灰色关联分析法
• 3.3.4 组合权重
• 3.4 本章小结
• 第4章 基于模糊神经网络的综合评价
• 4.1 引言
• 4.2 模糊理论与神经网络的融合
• 4.3 模糊系统和神经网络的结合方式
• 4.4 模糊神经网络评价模型
• 4.4.1 网络结构
• 4.4.2 网络的学习方法
• 4.5 本章小结
• 第5章 基于模糊数据融合的室内舒适度评价
• 5.1 引言
• 5.2 CAN 总线简介
• 5.3 HKCAN 智能分布式控制系统
• 5.3.1 系统组成
• 5.3.2 SDS 系统的软件结构
• 5.3.3 SDS 系统的硬件结构
• 5.4 基于模糊数据融合的室内舒适度评价
• 5.4.1 评价标准和数据预处理
• 5.4.2 基于模糊综合评判的舒适度评价
• 5.4.3 基于模糊神经网络的舒适度评价
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介