基于机器视觉的空调系统自适应温度补偿装置及方法与流程

本发明涉及智能控制领域，具体涉及基于机器视觉的空调系统自适应温度补偿装置及方法。

背景技术：

智能建筑迅猛发展，对人们日常生活的影响越发深远。如何智能地调控室内温度，在满足人们舒适度要求的同时还能够节约能源，一直是智能建筑关注的一个重要视点。现存的空调控制系统大多使用温度传感器来检测当前环境温度。如果在某一时刻有一大批人进入空调室内，一个单纯使用温度传感器的空调控制系统需要经过温度传递时延，其温度传感器才能检测到环境温度上升。在这种情况下，温度传递的时延会造成控制器调节不及时，可能使空调室内温度出现大范围波动。

技术实现要素：

为了克服现有技术存在的缺点与不足，本发明提供基于机器视觉的空调系统自适应温度补偿装置及方法。

本发明采用如下技术方案：

一种基于机器视觉的空调系统自适应温度补偿装置，包括机器视觉处理模块及自适应PID控制器，所述机器视觉处理模块由CMOS摄像头及图像处理器构成，所述CMOS摄像头与图像处理器连接，图像处理器与自适应PID控制器连接。

所述CMOS摄像头具体为一个以上，分别安装在空调房间的进出口上方。

所述图像处理器采用Samsung ARM Cortex-A9四核Exynos4412。

还包括温度传感器，所述温度传感器设置在空调房内与自适应PID控制器连接，所述自适应PID控制器与空调连接。

一种空调系统自适应温度补偿装置的方法，包括如下步骤：

图像处理器获取CMOS摄像头的视频序列，然后进行图像处理实现人数的动态监测得到人数变化量△n，建立室内温度调节模型及人数变化的干扰通道模型，根据获得的两个模型调整PID控制器参数。

所述实现人数的动态监测具体包括视频背景图像的动态提取，具体提取HU不变矩和圆形度特征，建立人体头部模型，得到人数变化量△n。

所述空调室内温度调节模型，具体为根据能量守恒定律即单位时间内进入房间的能量减去单位时间由房间排出的能量等于室内储蓄能量的变化率，建立空调室内温度调节模型，即满足如下关系：

其中，Q表示室内总能量，Q₁表示单位时间室外环境辐射传热，Q₂表示单位时间室内人体及其他物体散热，Q₃表示单位时间空调送风带来的热量，Q₄表示单位时间空调回风带走的热量。

根据空调室内温度调节模型得到一个带纯滞后的一阶模型即控制通道的传递函数：

通过控制通道的传递函数进一步得到人数干扰通道传递函数为：

其中，K₁、K₂表示惯性环节增益，T_s表示时间常数，K₁、K₂和T_s根据室内环境参数确定。

调整PID参数具体为：

其中，△K_p表示PID比例系数增量，△n表示人数变化量。

所述干扰通道模型的输入端叠加高斯噪声。

本发明的有益效果：

(1)采用机器视觉技术，实时统计室人数变化；

(2)通过对影响空调房间温度的各个环节进行建模，定量刻画人数变化对空调房间造成影响，分析人数变化带来的扰动；

(3)通过对空调系统的PID控制器进行自适应补偿，能够快速消除其对房间温度的影响。

附图说明

图1是本发明的安装结构示意图；

图2是本发明一种基于机器视觉的空调系统自适应PID控制器的连接图；

图3是本发明的工作流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图1-图3所示，一种基于机器视觉的空调系统自适应温度补偿装置及方法，包括机器视觉处理模块及自适应PID控制器，所述机器视觉处理模块由CMOS摄像头及图像处理器构成，本实施例中CMOS摄像头具体为一个USB摄像头1，图像处理器具体采用Samsung ARM Cortex-A9四核Exynos4412。该USB摄像头通过支架2安装在空调房间的进出口上方，便于识别出进出房间的人数，通过USB数据线3与图像处理器4连接，进而知道空调室内的人数变化量，将摄像头安装在空调房间进出口上方有如下效果：

(1)进出口处往往是一个相对畅通的场所，一般不存在遮挡的因素，而室内空间人体存在遮挡的情况多，容易受桌椅，建筑墙体、柱子等的遮挡

(2)室内人体的形态相对来说更加复杂多样。除此之外，室内的人一般是处于静止状态，或者接近于静止的状态，难以利用运动检测算法进行人体的识别统计。而人们在进出大门的时候，姿态相对单一，而且具有一定的运动速度，容易检测。

(3)如果安装在进出口上方，摄像头需要监控的视角为180°，而非室内摄像头所需要的360°如果在室内使用普通摄像头，容易存在视觉死角。

还包括温度传感器，所述温度传感器设置在空调房内测量空调房温度，且与自适应PID控制器连接，所述自适应PID控制器与空调连接。

本发明一种基于机器视觉的空调系统自适应温度补偿控制方法，包括如下步骤：

图像处理器获取CMOS摄像头的视频序列，然后进行图像处理实现人数的动态监测得到人数变化量△n，建立室内温度调节模型及人数变化的干扰通道模型，根据获得的两个模型调整PID控制器参数。

所述进行图像处理时限人数的动态监测得到人数变化量△n，具体包括视频背景图像的动态提取，提取HU不变矩和圆形度特征，建立人体头部模型。

所述视频背景图像的动态提取，通过进行区域图像和全局图像两个级别的更新，将其还原成真正的背景图像。首先选择一帧稳定的视频图像作为初始背景图像，并将后面每一帧和初始背景图像差分。接下来，如果差分图像中的存在某个联通区域，在连续k(k＝15)帧里都出现在同一个位置，则将其进行局部更新。如果连续k(k＝15)帧里都没有联通区域，则进行全局更新。

进一步的，所述建立人体头部模型，通过提取头部图像的HU七个不变矩和圆形度特征，形成人体头部的8个特征值。首先建立一个人体头部特征集合，待识别的样本只需要在人体头部特征集合中找到最相近的向量，接着根据累积误差的大小来判断待识别样本是否属于人体头部图像。如果累积误差大于阈值T(T＝0.3)，则该待识别样本不是人体头部图像，如果累积误差小于阈值T(T＝0.3)，则该待识别样本是人体头部图像。

所述建立室内温度调节模型，具体为根据能量守恒定律即单位时间内进入房间的能量减去单位时间由房间排出的能量等于室内储蓄能量的变化率，建立空调室内温度调节模型，即满足如下关系：

其中，Q表示室内总能量，Q₁表示单位时间室外环境辐射传热，Q₂表示单位时间室内人体及其他物体散热，Q₃表示单位时间空调送风带来的热量，Q₄表示单位时间空调回风带走的热量。

进一步的，所述Q₁,Q₂,Q₃,Q₄进行建模，最后得出空调房间的温度调节过程是一个带纯滞后的一阶模型即控制通道的传递函数为：

人数干扰通道传递函数为：

其中，K₁、K₂表示惯性环节增益，T_s表示时间常数，K₁、K₂和T_s根据室内环境参数确定。

在实际的系统中，人数变化对房间温度的影响的模型可能是一个复杂的模型，往往比式子(3)描述的干扰通道传递函数要复杂。为了更贴近实际的系统，在干扰通道的输入端叠加一个高斯噪声，模拟模型的不确定性。

机器视觉技术可以在秒级的时间内将空调房间内的人数变化统计出来，并根据式子(3)可以对PID参数进行调整，消除人数变化带来的室内温度的波动。

进一步的，考虑到实际条件下，如果人数变化量△n小于一定数量(△n<3)时，其产生的干扰量是微小的，原有的PID控制器就可以很好的消除这种干扰。另一种极端情况，当机器视觉系统给出了超常的人数变化量(△n>18)时，也不进行补偿。如果对这种情况进行补偿，反而可能引起房间温度的异常。即：

其中，△K_p表示PID比例系数增量，△n表示人数变化量。

本发明利用机器视觉技术实现对空调室内人数的动态监测。得到的空调房的人数变化后，将人数变动产生的影响补偿到PID控制参数的比例系数K_p上(见公式(4)。如此，人数的变动就会快速反应到PID控制器参数上，通过自适应参数调节，快速响应人数的变动，达到快速调节室内温度的目的

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。