本發(fā)明屬于室內(nèi)熱環(huán)境調(diào)控，具體屬于一種用于人群熱舒適度快速識(shí)別的智能穿戴裝置及方法。

背景技術(shù)：

1、營(yíng)造良好的室內(nèi)空間熱舒適度不僅可以節(jié)省建筑在能源上的消耗，而且可以提升人們的幸福感、生產(chǎn)力和工作效率。傳統(tǒng)的室內(nèi)環(huán)境預(yù)測(cè)方法包括但不限于pmv(predictedmean?vote預(yù)測(cè)平均熱感覺(jué)投票)方法、自適應(yīng)舒適模型預(yù)測(cè)法等。pmv模型用環(huán)境因素(空氣溫度、輻射溫度、風(fēng)速和濕度)和個(gè)人因素(代謝率和服裝熱阻)的數(shù)學(xué)表達(dá)式來(lái)表示居住者熱感覺(jué)的指數(shù)。其中個(gè)人因素主要通過(guò)粗略估計(jì)，無(wú)法體現(xiàn)人群、地區(qū)等熱舒適差異；自適應(yīng)模型使用熱感覺(jué)和工作溫度之間的線性回歸來(lái)定義可接受的熱環(huán)境，亦存在泛化性能差的問(wèn)題。專利cn114322230a公開(kāi)了一種基于智能手環(huán)的熱環(huán)境調(diào)節(jié)系統(tǒng)及方法。該專利中的智能手環(huán)采集了人體體溫和環(huán)境溫度兩種參數(shù)，未涉及本專利所述人體心率和環(huán)境濕度的采集。而研究表明，人體溫度和心率以及環(huán)境溫濕度均與個(gè)人熱舒適度緊密相關(guān)。其次，該專利提到采用傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)模型，如神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)進(jìn)行熱舒適預(yù)測(cè)。與此不同，本專利所述的預(yù)測(cè)模型僅需采集小批量現(xiàn)場(chǎng)數(shù)據(jù)，通過(guò)遷移學(xué)習(xí)策略識(shí)別熱舒適度，數(shù)據(jù)采集量小、快速性好。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種用于人群熱舒適度快速識(shí)別的智能穿戴裝置及方法，能夠預(yù)測(cè)室內(nèi)人群整體的熱舒適度水平，提高室內(nèi)熱環(huán)境調(diào)節(jié)的自動(dòng)化水平,從而降低建筑能耗。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴裝置，所述智能穿戴裝置主要部件布置在手腕寬度的雙層pcb板兩面，主要部件包括：環(huán)境溫濕度檢測(cè)模塊，用于檢測(cè)環(huán)境溫濕度；皮膚溫度檢測(cè)模塊，用于獲取皮膚溫度；人體心率檢測(cè)模塊，用于檢測(cè)人體心率信號(hào)；熱感舒適投票模塊，用于用戶進(jìn)行主觀熱舒適度投票，無(wú)線通訊模塊，用于讀取各模塊數(shù)據(jù)并無(wú)線傳輸至控制計(jì)算機(jī)；供電模塊，用于裝置的直流供電；oled顯示模塊，用于顯示所采集的數(shù)據(jù)，所述環(huán)境溫濕度檢測(cè)模塊、皮膚溫度檢測(cè)模塊、人體心率檢測(cè)模塊、熱感舒適投票模塊、顯示模塊、無(wú)線通訊模塊以及供電模塊均和智能穿戴裝置相連。

3、本發(fā)明的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法，包括步驟：(1)智能穿戴裝置由環(huán)境溫濕度檢測(cè)模塊、人體皮膚溫度檢測(cè)模塊、人體心率檢測(cè)模塊、熱感舒適投票模塊、無(wú)線通訊模塊、供電模塊、oled顯示模塊等組成。(2)智能穿戴裝置采集小批量的環(huán)境/人體生理參數(shù)，包括環(huán)境溫濕度、人體皮膚溫度、人體心率以及熱舒適投票值構(gòu)建目標(biāo)域數(shù)據(jù)集。(3)控制計(jì)算機(jī)根據(jù)智能穿戴裝置上傳的目標(biāo)域數(shù)據(jù)，在公開(kāi)的偽源域數(shù)據(jù)池中挑選相似數(shù)據(jù)構(gòu)建源域數(shù)據(jù)集。(4)控制計(jì)算機(jī)構(gòu)建熱舒適分類器。先利用源域數(shù)據(jù)對(duì)分類器參數(shù)進(jìn)行預(yù)訓(xùn)練，再利用目標(biāo)域數(shù)據(jù)對(duì)分類器參數(shù)進(jìn)行精調(diào)，所得分類器可用于個(gè)人熱舒適度的快速識(shí)別。

4、進(jìn)一步，所述步驟(1)中傳感器采集心率用到的方法為光容積掃描法(ppg)來(lái)測(cè)量心率。ppg的基本原理是利用光的吸收和反射特性，使用光電傳感器檢測(cè)經(jīng)過(guò)皮膚、組織和血管的光強(qiáng)度，從而計(jì)算出心率。這些變化反映在ppg信號(hào)中，信號(hào)的波動(dòng)與心臟周期同步。設(shè)i(t)是在時(shí)間t處測(cè)到的光強(qiáng)度，則ppg信號(hào)可以表示為：

5、i(t)＝i0+δi(t)

6、其中,i0是基礎(chǔ)光強(qiáng)度(由皮膚和組織反射的恒定部分),δi(t)是由于血液容積變化引起的光強(qiáng)度變化部分,在傳感器檢測(cè)的過(guò)程中，可以明顯檢測(cè)到峰值，通過(guò)檢測(cè)這些峰值，可以計(jì)算心率，心率(hr)可以表示為：

7、

8、式中,n是峰值的數(shù)量,t是時(shí)間間隔(秒),60用于將秒轉(zhuǎn)換為分鐘。最終所求得的hr即為每分鐘心率

9、進(jìn)一步，所述智能穿戴裝置佩戴于用戶手腕處，所述心率傳感器與皮膚溫度傳感器緊貼于用戶皮膚，所述控制計(jì)算機(jī)與所述智能穿戴裝置的無(wú)線通信模塊保持通信狀態(tài)。在數(shù)據(jù)采集過(guò)程中智能穿戴設(shè)備顯示模塊用來(lái)實(shí)時(shí)顯示傳感器采集的信息，包括：人體皮膚溫度，人體心率，環(huán)境溫濕度，以及熱感投票值；熱感舒適投票模塊用來(lái)給用戶對(duì)當(dāng)前環(huán)境狀態(tài)下的熱感進(jìn)行投票。

10、進(jìn)一步，所述步驟(2)中要求受試者在環(huán)境穩(wěn)定的室內(nèi)熱環(huán)境下，對(duì)熱感值進(jìn)行投票，使用智能穿戴設(shè)備對(duì)當(dāng)前熱感值進(jìn)行投票，投票結(jié)束后，按下按鍵，表示確認(rèn)，此時(shí)智能穿戴設(shè)備上的oled顯示屏將顯示為消息發(fā)送狀態(tài)，發(fā)送完成之后顯示屏顯示為“ok”，即表示信息采集一組完畢。利用智能穿戴裝置采集受試者的生理狀態(tài)信息、周圍環(huán)境信息、以及七級(jí)熱感投票值，小批量采集50～60組數(shù)據(jù)用來(lái)構(gòu)建目標(biāo)域數(shù)據(jù)集，為模型的遷移學(xué)習(xí)做準(zhǔn)備。

11、進(jìn)一步，所述步驟(3)中由于地域、氣候、受試者等相關(guān)因素的影響，發(fā)現(xiàn)目標(biāo)數(shù)據(jù)集和公開(kāi)數(shù)據(jù)集之間的數(shù)據(jù)分布差異過(guò)大，所以需要使用近鄰搜索算法去尋找公開(kāi)數(shù)據(jù)集中與目標(biāo)域相似的數(shù)據(jù)用于遷移學(xué)習(xí)。該方法的主要過(guò)程如下：假設(shè)所有數(shù)據(jù)都是類別未知的，基于歐幾里德距離，在一個(gè)搜索空間內(nèi)尋找與給定查詢項(xiàng)距離最小的數(shù)據(jù)。

12、歐幾里德距離的定義為：

13、

14、其中xi＝(x1,x2,...xn)和yi＝(y1,y2,...yn)是給定的兩個(gè)n維數(shù)據(jù)點(diǎn)，本發(fā)明中分別代表目標(biāo)域和源域數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)。選擇室內(nèi)溫度、濕度、皮膚溫度、人體心率作為特征，以源域(公開(kāi)數(shù)據(jù)集中數(shù)據(jù))為搜索空間進(jìn)行近鄰搜索。計(jì)算公式如下：

15、

16、y＝unique(y1,y2，…,ym)

17、其中dist(qt,x)是計(jì)算qt與x之間的歐式距離，qt為目標(biāo)域數(shù)據(jù)集中的數(shù)據(jù)查詢點(diǎn)，t代表特征數(shù)，x為源域數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)，argmin運(yùn)算用于找到使歐式距離最小的點(diǎn)作為yt。接著利用unique函數(shù)排除重復(fù)對(duì)象，將搜索到的數(shù)據(jù)作為源域數(shù)據(jù)集。

18、進(jìn)一步，所述步驟(4)中分類器模型基于一維卷積神經(jīng)網(wǎng)絡(luò)1d-cnn模型構(gòu)建；其中，1d-cnn模型包含兩個(gè)卷積層和一個(gè)全連接層，在每個(gè)卷積層后應(yīng)用了relu激活函數(shù)，增強(qiáng)了模型的非線性表達(dá)能力，在卷積層之后，模型使用了一個(gè)包含50個(gè)神經(jīng)元的全連接層，其作用是將卷積層提取到的特征進(jìn)行組合和變換，從而進(jìn)一步提取高級(jí)特征；在使用目標(biāo)域訓(xùn)練個(gè)人熱舒適分類器的過(guò)程中，將源域訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的全連接層2中參數(shù)遷移至目標(biāo)域模型的全連接層2中，最后，來(lái)自全連接層的輸出被傳遞到輸出層，使用softmax激活函數(shù)來(lái)提高1d-cnn模型的分類效率和準(zhǔn)確率，從而提高模型的精度。

19、進(jìn)一步，將所述模型部署在控制計(jì)算機(jī)上，此時(shí)受試者佩戴智能穿戴裝置智能穿戴裝置在不影響正常辦公的情況下將持續(xù)采集人體生理狀體參數(shù)、環(huán)境信息參數(shù)等數(shù)據(jù)，通過(guò)無(wú)線通信模塊將數(shù)據(jù)發(fā)送至控制計(jì)算機(jī)，控制計(jì)算機(jī)運(yùn)行個(gè)人熱舒適分類器進(jìn)行預(yù)測(cè)，進(jìn)而得出受試者當(dāng)前狀態(tài)下的熱舒適情況。

20、本發(fā)明的有益效果：

21、本發(fā)明針對(duì)在線環(huán)境下只能采集小批量數(shù)據(jù)，或數(shù)據(jù)不足的特點(diǎn)，通過(guò)引進(jìn)模型遷移學(xué)習(xí)的方法，在線情況下使用智能穿戴設(shè)備便可以快速預(yù)測(cè)出小樣本情況下人群的熱舒適度，最后測(cè)得的熱舒適度可以應(yīng)用于暖通空調(diào)系統(tǒng)，提高該系統(tǒng)下溫度的自動(dòng)化調(diào)節(jié)水平同時(shí)減少建筑能耗。