建筑节能在信息融合中的应用.docx

《建筑节能在信息融合中的应用.docx》由会员分享，可在线阅读，更多相关《建筑节能在信息融合中的应用.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、建筑节能在信息融合中的应用信息融合即多源信息融合，是对多种传感器和不同的信息源进行有 效的集成，全面获取所需要的信息，从而提高对目标事物的检测和识 别能力。通过信息融合可以提高某一系统在空间和时间上的覆盖范围 以及信息的使用效率，它同时也增加了信息的可靠度。随着社会的发 展，科技的进步，目前信息融合已在自动目标识别、战场监视、自动 飞行器导航、机器人、遥感、医疗诊断、图像处理、模式识别和复杂 工业过程控制等1 领域得到了广泛的应用。1信息融合信息融合是一个多层次、多方面的处理过程，通过对多源数据进行 检测、结合、相关、估计和组合以到达精确的状态估计和身份估计, 以及完整、及时的态势评估和威胁估

2、计的目的2 。信息融合一般 抽象为三个层次来完成，由低到高依次为:数据层融合、特征层融合、 决策层融合3-4 0数据层融合是直接对从传感器那里获得的数 据进行融合，然后从这些数据中提取其特征，之后进行判断识别。其 优点是保持了信息的最初特征，其缺点是信息量比拟大，而且融合过 程是在最低层进行的，信息的获取依赖于传感器，当传感器出现问题 时，通常会带来信息不确定、不稳定的状况，因此处理起来比拟复杂。特征层融合是在数据层融合的基础上进行的，它主要是对提取的特征 进行融合。优点是通过对数据层的信息进行提取，减少了信息量，但 缺点是使得获取的数据的准确性有所下降。决策层融合属于高层次融 合，它根据不同

3、的状况按照一定的算法准那么对每个传感器获取的信息 进行协调优化，并最终做出全局最优决策。它从具体决策目标出发, 对数据层和特征层提取的各类特征信息进行融合，最终依据融合的结 果做出决策。其优点是灵活性高，容错性、抗干扰能力强，对传感器 的依赖性较小，当一个或几个传感器出现错误时，通过适当的自我调 整，依然能获得正确的结果。它和特征层融合大致一样，都存在原始 信息缺失的问题，但是就最终结果而言并不会造成太大的影响。信息 融合在信息获取的过程中主要是利用多种传感器进行的，采用不同的 传感器获取目标事物所需的环境信息，而这样的信息往往具有冗余性、 互补性、实时性等特点。信息融合就是对由不同传感器获取

4、的这种多 源信息进行加工、优化处理的过程，通过对性质不同、变化多样的信 息进行反复的筛选、推理，然后提交给分类器，改进其决策能力，对 信息做出更加准确的判断。信息融合还有着以下特点5 :(1)支持空 间和时间覆盖范围的扩展;(2)提高系统对信息的利用率;(3)提高信息 的可信度与精度;(4)对目标信息的识别能力强。2信息融合的模型近年来，人们提出了各种信息融合模型，但是却没有统一的分类形 式。目前的信息融合模型大致分为两类:功能型模型，主要根据节点 的顺序构建;数值型模型，主要根据提取的数据构建6 。而其中使 用较多的模型有UK情报环、Boyd控制回路(OODA环)、Dasarathy 模型、

5、JDL模型和Omnibus模型等。2 . 1UK情报环UK情报环顾名思义就是把信息作为一个环状结构来进行处理。它 由数据采集、数据整理、数据评估和分发四个阶段构成。在作情报处 理工作时，由信息处理和信息融合两局部组成。在其进行情报处理时, 可以防止情报被复制，并确保情报的实时性与客观性;在进行系统开 发时可以保证系统的输出被应用，由于是环状结构，在有一处信息发 生改变时它可以根据需要实时进行改变，可以通过对情报的收集策略 进行不断回顾，随时进行修正，防止信息源遭受破坏，但是其应用范 围有限。2.200DA环OODA环 也称为Boyd控制环，环状结构，由观测、定向、决策、 执行环7四局部组成。作

6、为一个闭环结构，在进行数据融合操作 时有循环性的特点，随着融合阶段的不同而逐一向前递进，传递过程 数据量不断减少，可以更加快速的执行。但是由于其执行过程是逐阶 段进行的，当有一个阶段出现问题时，就会影响后续阶段的进行。2 . 3JDL模型JDL模型即联合指挥实验室，起初分为三级，广泛应用在美国数据 融合社区，后来在原分级的基础上按信息抽象的不同层次将信息融合 分为五级，包括了从检测到威胁判断的完全过程。在2004年出现了 推荐版JDL融合模型，对原有的五级进行了改进，其五级结构分别 为:信号/特征估计、实体估计、态势估计、影响估计和过程估计。JDL 融合模型图见文献8 。2.4Dasarath

7、y 模型Dasarathy模型是在JDL模型的基础上,对其进行扩展的模型，同 样分为五级结构，按照数据融合的功能进行分类。其融合过程为：Q） 数据输入/数据输出:主要是数据的融合。（2）数据输入/特征输出:对输 入的数据进行特征选择，然后进行提取、输出的过程。（3）特征输入/ 特征输出:该级是特征融合的过程，对上一级提取的特征按照一定的 规那么进行融合。（4）特征输入/决策输出:该级融合主要是模式识别和模 式处理。（5）决策输入/决策输出:该级属于决策级融合。Dasarathy模 型从信息融合的层次角度出发，自上而下逐级进行推理分析，可以对 信息进行一个整体的描述，但是在信息融合时过多地注重了

8、层次结构, 而融合的功能结构考虑的较少。2 . 50mnibus 模型1999年MarkBedworth在对多种模型进行比照分析后提出了 Omnibus模型9 。该模型综合其他模型的优点，在利用Boyd 回路控制信息流动的同时，又采用瀑布模型的方法对数据融合中的处 理过程进行定义，同时借鉴JDL模型对信息融合功能的分级结构， 因此Omnibus模型可以处理多种复杂的情况,适应的领域范围更加 广泛。但是Omnibus模型在使用的过程中没有考虑到对知识库和系 统数据的管理需求，缺少了数据库的使用,而现实中进行信息融合时 往往需要数据库和知识库的支持，这也是此模型美中缺乏的地方。 Omnibus融合

9、模型图见文献10 。3信息融合的方法信息融合的方法大致可分为:估计方法、推理方法、分类方法和人工 智能等。而估计方法又分为递归和非递归，推理方法又分为粒子滤波 法、D-S证据方法和贝叶斯推理等，分类方法又分为参数模版法、 K - means聚类和聚类分析等，人工智能又分为专家系统、神经网络 和模糊理论等11 。其中比拟常用的有卡尔曼滤波法、加权平均 法、贝叶斯推理(Bayes)、证据推理(D - S)、模糊推理理论、神经网 络、粗糙集理论、专家系统等。3 . 1贝叶斯推理贝叶斯推理是以概率论中的Bayes公式为基础进行的，首先对各个 传感器获取目标信息的可能性进行计算，获得其概率状况，然后对概

10、 率进行融合。当传感器网络较大，传感器种类、数量多时，采用此方 法进行信息融合将是一种很好的手段。其优点是简洁、易于处理相关 事件，缺点是不能区分不知道和不确定事件，并且要求处理的对象具 有相关性12 。由于获得概率需要建立在大量的数据统计之上， 因此在实际运用中对于一般不知道先验概率的状况，往往需要做大量 的统计来获得先验概率使得定义先验似然函数十分复杂，不容易操作。 此外，它还要求各概率之间是相互独立的，在处理多假设和多条件问 题时就显得相当复杂。3 . 2D-S证据方法D - S证据理论又称为信任函数理论，它主要处理不确定的信息， 为不确定信息的表达和合成提供自然而强有力的方法，是信息融

11、合与 模式识别等领域的重要理论之一 13 。利用D - S证据理论融合的过程为:首先从各个传感器得到目标命题的观测证据，然后对各个命 题进行基本的概率分配,计算出置信度和似然度（在这里也就是得到 了每个命题的一个置信区间）,D-S证据有其相应的组合方法，依据 这些方法可以计算出在所有证据联合作用下的基本概率值，最后根据 判决准那么得到最终的结果。其优点是可以处理不确定的命题，并且可 根据实际情况淘汰一些偏离证据的命题，但其缺点是在进行概率分配 时需要依靠经验的支持，概率分配函数对结果有着重大的影响，即使 发生微小的变化也能引起结果的不同，使用的范围也有限，并且当证 据完全相反时，就无法进行融合

12、了。3 . 3模糊推理理论模糊推理是以模糊集合论为基础描述工具,对数理逻辑进行扩展而 建立起来的，它属于不确定推理的一种14 。利用模糊推理理论 进行信息融合时，首先依据现实问题选择需要的传感器，利用知识与 经验刻画所得信息的模糊集隶属函数，在这里也就得到了模糊推理的 规那么，依据这些规那么进行模糊推理，推导出模糊结论，对模糊结论再 进行融合得到一个总的结论，最后经过屡次反模糊化过程并进行融合 得到精确的目标值。其核心任务就是确定其模糊推理规那么，当输出与 模糊规那么确定之后，系统的特性也就基本确定了。3.4BP神经网络的方法BP神经网络是一种单向传播的多层神经网络，网络层除了输入输 出节点外

13、，还有一层或多层隐节点，同层节点间没有任何耦合15 。 BP神经网络可以看作一个输入到输出的高度非线性映射。利用BP 神经网络进行信息融合时，首先要完成融合系统中输入和输出之间的 复杂映射，然后才能使用网络进行信息融合。信息融合的方法多种多 样，其关键问题就是选取合适的方法,只有选择了合适的方法才能得 到最正确的结果。4信息融合在建筑节能中的应用建筑当中耗能设备种类繁多，依靠单一的传感器来实现控制，会出 现信息不准确和不充分的状况，并且单一的控制往往会出现冲突，采 用信息融合技术对各个传感器获得的信息进行融合,实施综合控制可 以较好地解决这一问题。因此在建筑节能方面，信息融合也越来越多 地被使

14、用。4.1 利用神经网络进行建筑环境信息融合根据实际的需求，需要做以下几方面的工作16 :(1)选取合适的输入变量;(2)选择合适的输出变量;(3)隐含层数的选取;(4)隐含层单元 数确实定。其基本流程是通过传感器获取需要输入的数据,然后在PC机上用神经网络的方法进行信息融合，最后得到一个满足人体需求的室内环境，防止不必要的能耗浪费，从而到达节能的效果。4.2 多传感器信息融合的节能控制系统此节能系统通过多传感器同时采集状态信息，在PC机中实现信息 融合，然后输出多路控制信息，对某一区域的耗能设备进行控制，对 能耗设备的运行状态进行实时调节，以此来到达节能的效果。4.3 信息融合在智能建筑中的

15、应用智能建筑包含三大系统:建筑物自动化系统、办公自动化系统和通信 自动化系统18 。这三大系统各自又包含许多子系统，这些系统 是相互联系的一个整体，可以利用信息融合强大的信息处理能力对这 些子系统进行管理和监测，到达最优的控制，提高建筑的性能和安全 性，最终到达信息技术与建筑技术的融合。借鉴了美国国防部JDL 提出的四级融合模式，根据智能建筑系统的特点，提出了基于信息融 合的控制方案，即采用六层划分:传感器层、传感器子系统层、初级 融合子系统层、决策管理子系统层、执行器子系统层、执行器层。5信息融合在建筑节能中的应用模型（1）数据采集:通过传感器网络获取建筑室内外的温度、湿度、亮度、通风量等多

16、种信息，并且将采集到的信息读入到PC机当中，供PC 使用。（2）数据处理:运用信息融合的技术编写软件，对读入到PC机 中的数据进行操作。主要是通过信息融合技术的检测、识别和决策最 终得到一个更加合理舒适的室内环境值。（3）交互、控制工作:将最正确 的室内环境值提交给人机交互中心，而人机交互中心既可以实现人为 的控制，也可以实现由机器自主控制，通过对建筑内各个耗能设备进 行最优控制，以此到达资源的合理利用，在为人们创造一个舒适、温 馨的生活或工作环境的同时实现节能的目的。6信息融合在建筑节能中的开展趋势随着科技的开展和社会的进步，智能建筑这一字眼越来越多地出现 在人们的日常生活当中，创造一个温馨

17、、舒适、智能化的生活环境是 机遇，同时也是挑战。伴随着信息融合技术的不断开展，把人工智能、神经网络和模糊理论结合起来应用到智能建筑当中将有着重大的意 义。利用信息融合这一多技术相结合的方法，更加广泛地把影响人们 日常生活的各种环境因素都考虑在内，由计算机来进行统筹的考虑和 精密的分析，然后进行智能化的处理，并以此对建筑内的各个设备进 行最优控制，使建筑变得更加的人性化与智能化。当然，要想实现这 一过程还需要很长的一段路要走，但是在科技兴旺的今天,离这一步 也将越来越近。7结束语随着我国城镇化建设速度的加快，建筑能耗日益上升，建筑节能已 经被提上日程，它也是现今乃至今后研究的一个热点。文中首先通过 对近年比拟热的信息融合技术进行回顾和研究，然后对其在建筑中的 一些运用进行分析，最后提出了把信息融合应用到建筑节能中的模型。 但由于信息融合的开展还不是十分成熟,并且我国的建筑节能也相对 落后，把信息融合技术更好地应用到建筑节能当中仍然有很长的一段 路要走，对于很多问题还需要进行大量深入的研究。