基于人工智能技术的动车组客室舒适度控制系统设计研究

伍志丹

(柳州铁道职业技术学院,广西 柳州 545616)

0 引言

近年来我国铁路事业获得迅猛发展,动车组因具有安全、快捷以及环保等特点,逐渐成为人们远行的重要交通工具[1]。随着铁路技术和人们生活质量的持续提升,人们对动车组客室舒适度水平提出了更严格的要求,舒适的客室环境不仅有益于乘客的身体健康,避免出现头痛、胸闷等情况,还能给乘客带来心理上的愉悦感[2]。由于动车组客室基本处于封闭状态,因此通过温度、风速和光照度等环境参数调节,为乘客营造良好的客室环境是保证动车组客室舒适度的有效手段[3-4]。但一直以来客室环境参数调节大多采用人工形式,经常发生严重背离乘客舒适度要求的现象,且调节实时性较差,还容易造成能源浪费,因此研究动车组客室舒适度控制系统极其必要。

针对该系统的设计成果有很多,例如谢苗苗和李威等,分别利用改进D-S证据理论与人体热感觉穿戴传感技术完成系统设计[5-6]。这两种系统对控制指令均具有较好的响应效果,但需要优化大量超参数,且对参数设置较敏感。人工智能技术是对模拟和延伸人的智能进行开发的一项技术科学,在各个领域均具有广泛的应用空间,因此本文研究基于人工智能技术的动车组客室舒适度控制系统设计。

1 动车组客室舒适度控制系统设计研究

1.1 系统总体结构

基于人工智能技术的动车组客室舒适度控制系统总体结构如图1所示。

(1)传感器层:若干个类型不同的传感器组成,将其部署在动车组各客室内合适的位置上,用于采集光照度、温湿度以及气体等环境参数数据。

(2)无线传输层:负责创建传感器层和业务应用层之间的连接,利用智慧安全型无线通信模块,将传感器层采集的环境参数数据传输到业务应用层。

(3)业务应用层:包含多源数据融合、动车组客室舒适度预测和主控制器三大模块。多源数据融合模块负责对接收到的各类环境参数数据进行融合;依据融合结果,动车组客室舒适度预测模块运用人工智能技术中的T-S模糊神经网络,预测动车组各客室的舒适度,并将预测结果反馈给主控制器模块;结合环境参数国际标准和人体对各环境参数的敏感度,得出舒适度环境参数最优值表,如果预测结果未达到舒适度要求,针对其中超出最优值的环境参数,主控制器模块通过向空调、通风和灯光等设备发出控制命令,实现温湿度、空气清新度和光照度等自动调节,从而保证动车组各客室的舒适度水平。

(4)界面层:为相关技术人员提供实时监测动车组各客室环境参数数据和舒适度指标的功能,可以对舒适度进行手动控制,还具备数据分析和管理运行功能。

图1 动车组客室舒适度控制系统总体结构图

1.2 系统硬件设计

1.2.1 智慧安全型无线通信模块结构

负责传输动车组客室环境参数数据的智慧安全型无线通信模块结构,如图2所示。该模块选用的处理器型号为ARM Cortex-A8 AM3354,具有功耗低、高性价比和外设接口丰富等优点;电源管理电路可以将多种电源电压提供给该模块,并能有效管理模块各部分电源,从而达到节能的目的;复位电路可以避免模块出现死机情况,对保证模块安全稳定运行发挥着巨大作用;为提升动车组客室环境参数数据传输安全性,利用SPI总线连接处理器与加/解密芯片,并采用一问一答的通信模式[7-8];通过I2C总线和MMC接口与处理器相连接的EEPROM存储芯片、SD卡的作用,体现在对用户设定的模块参数进行存储,以及保存模块的风险感知数据;串口1与USB(从)接口负责连接系统传感器层中的各类传感器,完成动车组客室环境参数数据的接收;串口2与USB(主)接口负责连接系统业务应用层中的终端,完成动车组客室环境参数数据的上传。

图2 智慧安全型无线通信模块结构图

1.2.2 动车组客室舒适度主控制器模块结构

负责动车组客室舒适度控制的主控制器模块主要由控制、驱动和电源组成,结构如图3所示。

图3 主控制器模块结构图

(1)控制单元:主要职责为接收动车组客室舒适度预测模块反馈的预测结果、闭环控制算法实现以及脉宽调制输出等[9]。

(2)驱动单元:接收到控制单元传送的脉宽调制信号后,负责向空调、通风和灯光等设备发出控制命令,实现空调的升温、降温与除湿等功能,以及灯光光照强度调节和通风设备的打开或关闭功能。

(3)电源单元:该单元内嵌开关电源芯片和降压集成稳压芯片,可以为控制单元的子电源电路提供+24 V、+12 V和+5 V电压等级的电能,为驱动单元提供的电能的电压等级为+24 V和+12 V。

1.3 基于人工智能技术的动车组客室舒适度预测

动车组客室舒适度预测模块依据动车组客室环境参数数据融合结果,运用人工智能技术中的T-S模糊神经网络预测动车组各客室的舒适度。预测平均投票数(Predicted Mean Vote,PMV)是用于直观反映人体舒适度的指标[10-12],计算公式为:

PMV=[0.3RHexp(-0.3M)]×

(1)

式中,人体的新陈代谢率和对外做功分别为M、W;动车组客室温度为ta;动车组客室的平均光照强度为tm;动车组客室空气质量指数为P;动车组客室相对湿度为RH;人体服装面积系数和外表面温度分别为fcl、tcl;对流交换系数为hc。fcl和hc的计算公式为:

(2)

式中,服装热阻值为Icl描述;风速为va。

PMV指标的取值介于[-3,3]范围内,当PMV值处于[-3,-1]和[1,3]范围内时,表明动车组客室舒适度不达标,当PMV值处于(-1,1)范围内时,表明动车组客室舒适度达标。

(3)

输入向量x属于模糊语言变量值的隶属度函数为:

(4)

利用式(5)得到T-S模糊模型的输出值y:

(5)

根据以上T-S模糊模型创建T-S模糊神经网络,该网络将影响动车组客室舒适度的温度、相对湿度、平均光照强度、风速和空气质量指数五个环境因素,以及人体新陈代谢率和服装热阻值两个人体因素作为输入,将预测的PMV指标作为输出。该网络包含前件与后件网络,其中前件网络由输入、模糊化、模糊规则计算和归一化四个层级组成,具体描述如下:

(1)输入层:该层的各节点连接输入向量的每个分量xi,可直接将输入值传送到模糊化层。

(3)模糊规则计算层:该层的各节点均属于一条模糊规则,利用下式对各规则的适应度进行计算:

(6)

(7)

(8)

当T-S模糊神经网络输出的PMV指标值未达到规定标准时,需要依据舒适度环境参数最优值表(表1),利用系统的主控制器模块实现动车组客室舒适度控制。

表1 舒适度环境参数最优值表

2 系统的性能测试结果与分析

将某包含11个客室的动车组作为实验对象,各客室布局完全相同,将光照度、温湿度、风速以及气体传感器各25个部署在各客室相同的位置上,用于采集环境参数数据,据其利用本文系统实现动车组客室舒适度控制。

选择四类传感器进行零点标定测试,以验证各传感器对动车组客室环境参数数据采集的稳定性,某日10:00-18:00的传感器零点响应变化结果用图4描述。分析图4可以发现,在10:00-18:00,各类传感器的输出电压均较为稳定,特别是气体传感器的输出电压基本保持不变,并且各类传感器的输出电压十分接近,均在2.0 V附近波动。因此表明本文系统选用的传感器具有较理想的零点稳定性,有助于保证采集的动车组客室环境参数数据质量。

图4 传感器零点响应变化结果图

使用本文系统对动车组任意三个客室的PMV指标值进行预测,各时段预测结果如表2所示,从表2可知,在大多数时间段,本文系统对各客室PMV指标值的预测值与期望值一致,最大偏差仅为0.2。因此表明本文系统具有较优异的动车组客室舒适度预测效果,可为动车组客室舒适度控制提供可靠依据。

表2 动车组客室PMV指标值预测结果表

对夏季某日上午10:00动车组各客室PMV指标值进行预测,所得结果中有5个客室的舒适度未达标,利用本文系统控制这5个客室的舒适度,各客室原始环境参数和控制后的环境参数结果如表3所示。分析表3可以看出,使用本文系统对动车组各客室舒适度进行控制后,各客室的环境参数均与表1中的舒适度环境参数最优值相符合,因此表明本文系统能够实现动车组不同客室舒适度的全面、准确控制。

表3 动车组客室舒适度控制测试结果表

本文系统温湿度监测界面如图5所示。通过该界面能清晰呈现动车组不同客室的温度和湿度信息,能为技术人员提供空调模式的手动控制功能,包括加热、制冷、加湿以及除湿,并且界面设计较为友好,便于操作。因此可知,本文系统可为技术人员进行动车组客室环境参数实时监测和舒适度控制提供支持。

图5 动车组客室环境数据监测界面图

3 结语

为解决动车组客室环境参数手动调节存在的实时性较差和易背离乘客需求等问题,研究基于人工智能技术的动车组客室舒适度控制系统。该系统选用的各类传感器能有效保证动车组客室环境参数数据采集质量;利用人工智能技术中学习能力较稳定的T-S模糊神经网络预测动车组客室舒适度,所得预测值与期望值基本相同,且该系统能将动车组不同客室的环境参数控制在最优区间,舒适度控制效果优势显著。