一种基于学习效率与PMV关系的室内热环境调控方法

一种基于学习效率与pmv关系的室内热环境调控方法
技术领域
1.本发明涉及温度调节技术领域，具体涉及一种基于学习效率与pmv关系的室内热环境调控方法。


背景技术：

2.对于学生而言，室内热舒适直接影响了他们的健康和学习效率；为扎实推动信息技术与教育教学深度融合，因此对室内的热环境进行研究和调控是非常有必要的；
3.在以往的研究中，学者们已经关注到室内热环境会对学生产生影响，从多方面进行了调整改进，进而为学生创造更好的学习生活环境；zhang测量了教学楼冬季时期的热环境参数，并通过问卷调查得到学生在冬季的衣着情况，因而从建筑方面对改善环境质量提出了建议，更改窗墙面积比、墙体隔热、门窗隔热和屋顶再生的建议；shi分别测量位于在阳面和阴面的两间室内不同位置的教室环境，结果显示阳面教室的温度高于阴面教室，且学生更倾向于靠近窗户和教室中间的位置，提出了在冬季提高教室供暖性能、尽量减少人员密度的建议；xiong针对室内学生的学习效率进行了3
×4×
3的全因子设计实验，分别对应三种不同温度、四种不同噪声情况以及三种不同照度情况生成系列工况；实验结果表明，环境温度、噪声和照度对学习效率产生了显著的影响，不同侧重点的测试对环境的偏好各不相同，并提议根据不同的任务类型创造最合适的室内物理环境；huang在同一个室内研究不同上座率对教室环境的影响，结果显示，上座率为0.2-0.5时，温升比较明显，且室内不同位置的温度和相对湿度不同；蒋婧探究了室内不同二氧化碳浓度对学生学习效率的影响，实验结果表示二氧化碳的浓度对于不同类型的学习效率测试有着不同程度的影响，具体取决于进行测试的类型；wang将光和热两个因素相结合，对供暖季寒冷地区高校建筑形态和室外环境对室内采光和热环境的影响进行了分析，结果表明天气状况、教室的朝向对光热环境综合需求的时间满足率和光热环境综合需求的空间满足率均造成一定影响；
4.调研发现现有文献对教室热环境的研究大多研究单一变量对学习效率的影响，所得结论鲜有实际量化的结果；在少有的综合多个物理量的研究中，也未与学习效率相关联；并不能对室内环境做出综合有效的调控，因此亟需设计一种基于学习效率与pmv关系的室内热环境调控方法，来解决上述现有技术存在的问题。


技术实现要素：

5.针对上述存在的问题，本发明旨在提供一种基于学习效率与pmv关系的室内热环境调控方法，本方法通过将学习效率与pmv相结合，提出了基于学习效率与pmv关系的室内热环境调控策略，能够使在该环境内的学习者效率能够尽可能最大化，为学习者提供舒适高效的学习环境，具有室内热环境控制效果好、能有效提高室内学习效率的特点。
6.为了实现上述目的，本发明所采用的技术方案如下：
7.一种基于学习效率与pmv关系的室内热环境调控方法，包括
8.步骤一：采集室内环境数据；
9.步骤二：根据步骤一采集的室内环境数据计算当前的pmv；
10.步骤三：将计算得到的当前pmv与室内设定的pmv阈值范围进行对比；若当前pmv在pmv阈值范围内，不对当前热环境进行改动，维持现状输出，否则进行步骤四；
11.步骤四：若当前pmv不在pmv阈值范围内，调整室内环境的各物理量到目标区间内；
12.步骤五：在调整室内环境的各物理量达到目标区间内后，再进行步骤一—步骤四，否则进行步骤六；
13.步骤六：若调整后的当前pmv小于pmv的最小阈值，通过反馈调节模块进行信息反馈，利用环境控制模块调控室内环境，增大pmv，重复循环步骤一—步骤五，否则进行步骤七；
14.步骤七：若调整后的当前pmv大于pmv的最大阈值，通过反馈调节模块进行信息反馈，利用环境控制模块调控室内环境，减小pmv，重复循环步骤一一步骤六。
15.优选的，步骤s1所述的室内环境数据的采集过程基于室内环境数据采集模块实现，所述室内环境数据采集模块包括温度传感器、空气流速传感器和湿度传感器；分别用于采集室内的温度、空气流速和相对湿度。
16.优选的，步骤二所述的pmv计算过程基于中央控制模块实现，其计算过程包括
17.(1)设定pmv的计算公式为：
18.pmv＝[0.303e-0.036m
+0.028l]
ꢀꢀꢀ
(1)
[0019]
式中，l为人体热负荷；
[0020]
l＝(m-w)-3.05
×
[5.733-0.007(m-w)-pa]-0.4(m-w-58.15)-0.0173m(5.87-pa)-0.0014(34-ta)-3.96
×
10-8fcl
(t
cl
+273)
4-f
cl
hc(t
cl-ta)
ꢀꢀꢀ
(2)
[0021]
其中：
[0022][0023]fcl
＝1+0.3i
cl
ꢀꢀꢀ
(5)
[0024]
其中各量含义如下：ta为空气温度，℃；va为空气流速，m/s；pa为空气水蒸气分压力，kpa；为相对湿度，％；t
mrt
为环境平均辐射温度，℃；m为人体新陈代谢率，w/m2；w为人体所作的机械功，w/m2；i
cl
为服装的基本热阻，clo；t
cl
为衣服外表面温度，℃；hc为对流换热系数；f
cl
为服装面积系数；
[0025]
(2)根据传感器采集到当前环境的空气温度、空气流速、相对湿度，根据人体活动情况确定人体新陈代谢率和人体所做的机械功，根据着装情况确定服装的基本热阻；
[0026]
(3)其中环境平均辐射温度以及衣服外表面温度等于空气温度，根据式(4)计算出空气水蒸气分压力，根据式(3)计算出对流换热系数，以及根据式(5)计算出表示服装面积系数；根据式(2)计算出人体热负荷；
[0027]
(5)最后根据式(1)计算出pmv。
[0028]
优选的，步骤四所述的室内环境的各物理量的调节基于环境控制模块实现，所述环境控制模块包括温度控制子模块、空气流速控制子模块和相对湿度控制子模块，其中
[0029]
所述温度控制模块，用于调控室内的温度；
[0030]
空气流速控制模块，用于控制室内的空气流速；
[0031]
相对湿度控制模块，用于控制室内的相对湿度。
[0032]
优选的，步骤六所述的增大pmv的调节过程中，其调节过程包括：
[0033]
s601.在当前pmv与设定目标相差较大的情况下，先提高温度；
[0034]
s602.在当前pmv与设定目标相差不大的情况下，降低空气流速；
[0035]
s603.最后在当前pmv接近目标范围时，增加相对湿度。
[0036]
优选的，步骤七所述的减小pmv的调节过程中，其调节过程包括：
[0037]
s701.在当前pmv与设定目标相差较大的情况下，先降低温度；
[0038]
s702.在当前pmv与设定目标相差不大的情况下，提高空气流速；
[0039]
s703.最后在当前pmv接近目标范围时，最后减小相对湿度。
[0040]
一种基于学习效率与pmv关系的室内热环境调控方法的控制系统，所述系统包括室内环境数据采集模块、中央控制模块、环境控制模块和数据传递模块；
[0041]
所述室内环境数据采集模块包括温度传感器、空气流速传感器和湿度传感器，用于采集室内的温度、空气流速和相对湿度，并通过数据传递模块传递给中央控制模块；
[0042]
所述中央控制模块内置pmv计算算法，用于设定pmv阈值和计算当前pmv，根据判断结果，形成控制命令传递给环境控制模块；
[0043]
所述环境控制模块包括温度控制子模块、空气流速控制子模块和相对湿度控制子模块，用于根据中央控制模块命令，对室内的温度、空气流速和相对湿度进行调节。
[0044]
本发明的有益效果是：本发明公开了一种基于学习效率与pmv关系的室内热环境调控方法，与现有技术相比，本发明的改进之处在于：
[0045]
本发明提出了一种基于学习效率与pmv关系的室内热环境调控方法，本方法将学习效率与人体热舒适度相结合，将学习效率最大时的pmv值作为调控方案的目标，进而设计了智慧教室内环境的智能调控方案，能够使在该环境内的学习者效率能够尽可能最大化，为学习者提供舒适高效的学习环境，并通过实例仿真模拟验证了该方案的有效性，证明本方法具有室内热环境控制效果好、能有效提高室内学习效率的优点。
附图说明
[0046]
图1为本发明基于学习效率与pmv关系的室内热环境调控方法的控制流程图。
[0047]
图2为本发明实施例1基于学习效率与pmv关系的室内热环境调控方法的控制流程图。
[0048]
图3为本发明总绩效与被试者学习效率自评对比曲线图。
[0049]
图4为本发明pmv与不同认知能力的关系曲线图。
[0050]
图5为本发明调控前后的pmv分析图。
[0051]
图6为本发明系统调整前后不同热环境参数分析图。
[0052]
其中：在如图4中，图4(a)为pmv与反应力、对习惯性行为的抑制能力之间的关系曲线图，图4(b)为pmv与逻辑思维能力之间的关系曲线图，图4(c)为pmv与实际工作量之间的关系曲线图，图4(d)为三项测试综合分析示意图；
[0053]
在图5中，图5(a)为经过系统调整前后的pmv值对比图，图5(b)为经过系统调整后的pmv值与目标范围对比图；
[0054]
在图6中，图6(a)经过系统调整前后的温度分析图，图6(b)为经过系统调整前后的空气流速分析图，图6(c)为经过系统调整前后的相对湿度分析图。
具体实施方式
[0055]
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
[0056]
实施例1：如图1-图6所示，一种基于学习效率与pmv关系的室内热环境调控方法，包括
[0057]
步骤一：利用室内环境数据采集模块采集室内环境数据；
[0058]
步骤二：利用中央控制模块根据步骤一采集的室内环境数据计算当前的pmv；
[0059]
步骤三：将计算得到的当前pmv与室内设定的pmv阈值范围进行对比，若当前pmv在pmv阈值范围内，不对当前热环境进行改动，维持现状输出即可，否则进行步骤四；
[0060]
步骤四：若当前pmv在部pmv阈值范围内，利用环境控制模块调整室内环境的各物理量达到目标区间内；
[0061]
步骤五：在调整室内环境的各物理量达到目标区间内后，再进行步骤一—步骤四，重新计算当前pmv和进行比较，否则进行步骤六；
[0062]
步骤六：若调整后的当前pmv小于pmv的最小阈值，通过反馈调节模块进行信息反馈，利用环境控制模块调控室内环境，增大pmv，重复循环步骤一—步骤五，使得调整后的pmv落入设定的pmv阈值范围内；否则进行步骤七；
[0063]
步骤七：若调整后的当前pmv大于pmv的最大阈值，通过反馈调节模块进行信息反馈，利用环境控制模块调控室内环境，减小pmv，重复循环步骤一—步骤六，使得调整后的pmv落入设定的pmv阈值范围内。
[0064]
优选的，所述的室内环境数据采集模块用于采集室内环境数据；
[0065]
中央控制模块用于接收室内环境数据，并计算当前pmv值，将计算的pmv值与设定的pmv阈值范围进行比较；
[0066]
反馈调节模块用于接收中央控制模块的输出结果，将对应输出结构发送至环境控制模块；
[0067]
环境控制模块用于接收反馈调节模块传达的控制结果，调控室内环境。
[0068]
优选的，所述的环境控制模块包括温度控制子模块、空气流速控制子模块和相对湿度控制子模块，其中所述温度控制模块，用于调控室内的温度；空气流速控制模块，用于控制室内的空气流速；相对湿度控制模块，用于控制室内的相对湿度。
[0069]
优选的，步骤室内环境数据采集模块通过温度传感器、空气流速传感器和湿度传感器实现。
[0070]
优选的，步骤二所述的pmv的计算公式为：
[0071]
pmv＝[0.303e-0.036m
+0.028l]
ꢀꢀꢀ
(1)
[0072]
式中，l为人体热负荷；
[0073]
l＝(m-w)-3.05
×
[5.733-0.007(m-w)-pa]-0.4(m-w-58.15)-0.0173m(5.87-pa)-0.0014(34-ta)-3.96
×
10-8fcl
(t
cl
+273)
4-f
cl
hc(t
cl-ta)
ꢀꢀꢀ
(2)
[0074]
其中：
[0075][0076]fcl
＝1+0.3i
cl
ꢀꢀꢀ
(5)
[0077]
其中各量含义如下：ta为空气温度，℃；va为空气流速，m/s；pa为空气水蒸气分压力，kpa；为相对湿度，％；t
mrt
为环境平均辐射温度，℃；m为人体新陈代谢率，w/m2；w为表示人体所作的机械功，w/m2；i
cl
为服装的基本热阻，clo；t
cl
为衣服外表面温度，℃；hc为对流换热系数；f
cl
为表示服装面积系数；
[0078]
具体计算步骤如下：
①
根据传感器采集到当前环境的空气温度、空气流速、相对湿度，根据人体活动情况确定人体新陈代谢率和人体所做的机械功，根据着装情况确定服装的基本热阻；
②
其中环境平均辐射温度以及衣服外表面温度等于空气温度，根据式(4)计算出空气水蒸气分压力，根据式(3)计算出对流换热系数，以及根据式(5)计算出表示服装面积系数；
③
根据式(2)计算出人体热负荷；
④
最后根据式(1)计算出pmv。
[0079]
优选的，步骤二所述的pmv阈值范围为-0.609＜pmv＜-0.551。
[0080]
优选的，步骤四所述的室内环境的各物理量目标区间包括：温度22.5-25℃；空气流速0.2-0.8m/s；相对湿度30-60％。
[0081]
优选的，步骤六所述的增大pmv的调节过程中，其具体调节过程包括：
[0082]
s601.在pmv与设定目标相差较大的情况下，先利用温度控制子模块提高温度；
[0083]
s602.在pmv与设定目标相差不大的情况下，利用空气流速控制模块降低空气流速；
[0084]
s603.最后在pmv接近目标范围时，通过相对湿度控制模块来增加相对湿度。
[0085]
优选的，步骤七所述的减小pmv的调节过程中，其具体调节过程包括：
[0086]
s701.在pmv与设定目标相差较大的情况下，先利用温度控制子模块降低温度；
[0087]
s602.在pmv与设定目标相差不大的情况下，利用空气流速控制模块提高空气流速；
[0088]
s603.最后在pmv接近目标范围时，通过相对湿度控制模块来减小相对湿度。
[0089]
实施例2：参照附图3-5所示的一种基于学习效率与pmv关系的室内热环境调控系统的设计方法，包括步骤
[0090]
s1.学习效率实验测试
[0091]
本实施例在北京建筑大学大兴校区内搭建了相应的实验环境(北纬39
°
44
′
56"，东经116
°
16
′
42")；采用实际测量和调查问卷相结合的方法进行实验，选取八个不同工况，采集、计算热舒适度以及学习效率的相关数据，通过分析二者之间的对应关系，确定调控系统各物理量的目标调控范围；
[0092]
现有文献证明教室内光的照度、色温、噪声等级以及二氧化碳浓度会对被试者的注意力乃至身体健康产生影响，从而间接影响学习效率；因此本实施例在布置实验环境时，参照gb50034-2013《建筑照明设计标准》、jgj91-2019《科研建筑设计规范》的要求，将噪声级控制在45db左右，工作面照度为300lx左右，并控制co2浓度在一定范围内上下波动；
[0093]
实验过程中，在不同工况环境下安排被试人员进行一段时间的学习活动后，再发放舒适度调查问卷，并进行学习效率的相关测试，最后完成关于学习效率自评的主观问卷；
[0094]
s101.热舒适度数据采集
[0095]
本实施例采用丹麦学者fanger提出的预测平均感觉指标(predicted meanvote，pmv)来描述室内热环境；该指标将人体冷热感觉分为七个等级，用-3—3表示，pmv值为0是人体达到最舒适的状态环境；共有六个因素影响人体热舒适，分别是空气温度、相对湿度、
空气流速、平均辐射温度、人体新陈代谢以及服装热阻；其中前四个因素与环境相关，后两个与个体相关，后续将根据这些因素对pmv不同程度的影响来设计室内热环境调控系统；
[0096]
热舒适度的数据采集分为实际测量和问卷调查两个部分，其中实际测量是利用仪器在实验环境中测量出不同工况下热环境的相关物理量，而热舒适度问卷收集被试者衣着情况得到当前服装热阻，进而通过公式计算得到该工况的pmv值。
[0097]
(1)热舒适度实际测量
[0098]
本实施例搭建了相应的实验环境，分别测量了空气温度、相对湿度、空气流速、co2浓度、噪声、光照度等6项环境参数；其中，前3个变量为可控因素，可通过空调、加湿器、风扇调控；而后3个变量为不可控因素，需要在实验中记录其实际测量结果。
[0099]
本实施例中设置了8个不同的工况，通过改变空气温度、相对湿度和空气流速，搭建了不同的热环境，并测量计算出当前热环境的pmv值，所测得的实验工况表如表1所示；可以看出，co2浓度、光照以及噪声等级均维持在上文所提到的范围中，服装热阻为通过夏季被试者衣着情况计算出的平均值，为0.73clo，不同工况下的pmv值经计算分布在(-1,1)区间范围内，可以概括了大部分自然条件下教室内的热环境情况；
[0100]
表1：实验工况表
[0101][0102]
(2)热舒适度问卷调查
[0103]
本实验进一步对被测试者进行了热舒适度的问卷调查，问卷内容主要包括个人基本信息和教室环境评价；其中，个人基本信息主要包括学生的姓名、年龄、身高体重以及当日的衣着情况；教室环境评价主要包括湿感觉投票、热感觉投票、空气流速感知投票、感觉空气品质投票以及热舒适度投票，其中前四项均用从-3—3的七个等级作为评价衡量的标尺，而热舒适度投票则采用从0到4的五级衡量标尺，分别代表舒适、稍不舒适、不舒适、很不舒适、无法忍受；
[0104]
s102.学习效率数据采集
[0105]
关于学习效率的数据采集同样分为实际测量和问卷调查两个部分，其中实际测量是将表2中提到的三项学习效率测试的结果通过计算得出评价学习效率的量化数值，而问卷调查收集的是被试者主观上对自己学习效率情况的自评，对实际测量的数值起辅助参考作用；
[0106]
(1)根据大学生认知能力水平以及学习习惯，本实验选取了如表2所示的3项测试对学习效率进行测量。在实验中尽量控制各工况下的测试难度相同，以保证实验的客观性：
[0107]
表2：学习效率实验项目
[0108][0109]
通过上述三个实验，仅能通过个人主观判断来评价被试者的学习效率，并没有一个确切的数值标准来评价；
[0110]
因此，本实施例通过对实验中被试者完成测试结果的准确度和速度进行几何加权，得到任务绩效x
i，j-a
，用x
i，j-a
来评价被试者在该测试中的效率情况，计算公式如式(6)：
[0111]
x
i，j-a
＝(a
c0.5
×s0.5
)2＝ac×sꢀꢀꢀ
(6)
[0112]
式中，ac为完成该实验的准确率；s为完成该实验的速度；x
i，j-a
为第i人在j工况下，完成实验a的任务绩效(i∈(1，10)，j∈(1，8)，a∈(1，3))；
[0113]
为了解决不同测试所需的时间和准确率不能直接叠加分析这一问题，本文采取归一化的计算方法，将各被试者在不同情况下的任务绩效相互对比，得到标准任务绩效指标i(x
i，j-a
)，计算公式如式(7)：
[0114][0115]
式中，i(x
i，j-a
)为第i人在j工况下，实验a的标准任务绩效指标，其他参数含义同前，后续涉及到的学习效率均以标准任务绩效指标体现；
[0116]
那么，完成所有3项实验的标准任务绩效指标i(x
i，j
)的计算公式如式(8)：
[0117]
i(x
i，j
)＝i(x
i，j-a
)+i(x
i，j-b
)+i(x
i，j-c
)
ꢀꢀꢀ
(8)
[0118]
式中，参数含义同前；
[0119]
进而，所有人在j工况下，完成所有实验项目的总标准任务绩效指标i(xj)的计算公式如式(9)：
[0120][0121]
其参数含义同前，以下将其简称为“总绩效”。
[0122]
(2)学习效率的问卷调查
[0123]
除通过具体的实验项目测试被试者的学习效率外，本实施例还设计了调查问卷，由被试者自主评价其当前的学习效率水平；与学习效率相关的评价表分为学习效率自我评价、学习热情自我评价，并用从-3到3的七个等级作为评价衡量的标尺，分别代表非常低、很低、较低、一般、较高、很高、非常高，学习效率自评表的结果可以作为实验的辅助参考。
[0124]
(3)实验前，被测试者需规律作息、均衡饮食，保证自己没有生病等情况，尽量避免剧烈运动引起的困倦、专注力下降及对热环境感知的准确度降低；
[0125]
1)在实验开始前，测试人员在选定的实验室内对当前环境进行初步测量，然后再进行相应的调控和持续监测，确保实验环境符合实验要求；
[0126]
2)被测试者进入实验室，进行40分钟的适应时间，在此期间被测试者可以进行静止的学习活动，阅读、写字均可；
[0127]
3)40分钟后向被测试者下发主观调查问卷，被测试者需根据前40分钟的感觉如实填写热舒适感知表；
[0128]
4)主观问卷填写完毕后进行stroop颜色测试，由测试人员发放色词卡片，被测试者需以最快的速度读出字体的颜色，并由测试人员记录完成时间和正确率；
[0129]
5)事件排序测试，由测试人员发放10道事件顺序练习题，此项实验同样需要计时完成，在被测试者答题结束后可示意停止计时；由测试人员记录所需时间并校对正确率；
[0130]
6)完成神经性行为评价后，测试人员设定5分钟倒计时，被测试者开始进行打字练习，倒计时结束后打字系统自动记录总字数、退格次数以及错误率；
[0131]
7)以上各项测试总用时约20分钟，流程结束后，被测试者方可离开实验室；
[0132]
s2.学习效率测试结果
[0133]
不同pmv工况下各项学习效率测试项目的结果、总任务绩效指标以及各被试者对学习效率自评情况如表3所示，其中各项测试的学习效率由式(6)～(7)计算得到，总绩效则由式(8)～(9)计算得到，学习效率根据原文中式(6)～(9)计算得出：
[0134]
表3：不同测试结果对应的学习效率
[0135][0136]
将实际测量出的总绩效与被试者学习效率自评情况进行对比，如图3所示，发现二者曲线在pmv达到0.08之前走势几乎相同，均在pmv位于-0.75至-0.58期间呈上升趋势，而-0.58到-0.25间下降，而-0.25＜pmv＜0.08时学习效率缓慢上升，可表明本实施例选取的测试项目能够良好地反应实际学习效率；
[0137]
进一步观察pmv与总绩效的曲线发现，pmv＜-0.58时，当前热环境处于冷不适的状态，被试者由于寒冷导致身体机能下降，思考和对外界做出反应的速度减慢，导致学习效率处于较低的状态；而pmv在-0.58时，被试者处于较为凉爽的状态，此时思维敏捷，学习热情较高，因此学习效率达到最大值；-0.58＜pmv＜-0.20时，由于环境逐渐舒适化，部分被试者表示“想要休息”，反应出当前学习效率不佳；-0.20＜pmv＜0.08时，学习效率缓慢上升，然而随着pmv逐渐提高，被试者处于热不适状态，易感到困倦，导致学习效率逐渐降低。
[0138]
下面将详细分析三个测试项目所代表的不同认知能力，如图4所示；
[0139]
其中，图4(a)为pmv与stroop颜色测试所代表的反应力、对习惯性行为的抑制能力之间的关系，可以看出折线图整体较为平滑，除pmv＝-0.02时被试者的反应能力明显减弱，这与环境过于舒适，使其产生昏睡感有关；图4(b)为pmv与事件排序测试代表的逻辑思维能力之间的关系，相较其他两条曲线，pmv对于被试者逻辑思维能力的影响较大，波动较为频繁，但仍可看出逻辑思维能力在pmv为-0.58时达到最高值，而在-0.25时最低；图4(c)为pmv
与实际工作量之间的关系，从大致走向可以看出被试者在偏冷情况下的逻辑力普遍高于偏热的情况，说明冷不适可以帮助人们进行冷静思考，而在pmv＞0之后整体呈n字，波动相对不大；图4(d)将三项测试的结果综合成柱状图，每个柱形为当前pmv下所测得的总绩效，其中不同填充类型的矩形为各项测试在总效率中的占比，可以看出被试者在pmv为-0.58时各项测试表现均较为良好，而逻辑力在pmv为-0.25时占比最低，在-0.58时占比最高，可为不同环境下为学生安排不同的学习内容提供参考。
[0140]
s3.教室热环境调控方案
[0141]
基于前述实验所得的学习效率与pmv的对应关系，本调控系统拟采用直接控制的方法，通过控制教室内的温度、空气流速以及相对湿度三个物理量，从而调控pmv，为学习者提供良好的学习环境；根据研究的各物理量对pmv的影响结果，使pmv变化相对较大的环境因素是室内温度、空气流速以及相对湿度，且其对pmv的影响程度温度大于空气流速大于相对湿度；因此本实施例在调控方案的设计上采用先调节温度，再调节空气流速，最后通过对相对湿度的控制来微调pmv值使其达到目标范围的方法进行。
[0142]
s301.室内环境参数设定
[0143]
前述实验结果显示pmv值为-0.58的情况下，学习者的学习效率最高；考虑到不同地区、性别、性格的学生对环境的不同个人偏好，以及出于节能方面的考虑，本控制方案将pmv目标范围确定在-0.58
±
5％(-0.609＜pmv＜-0.551)，各pmv数值区间的调控方法如表4所示，根据实际情况决定不同pmv所处数值区间的调控方案；
[0144]
表4：各pmv数值区间的调控方法
[0145][0146]
室内热环境各物理量的目标区间如表5所示，是根据gb 50736-2012《民用建筑供暖通风与空气调节规范》中对空气质量的要求和前述实验结果得出结论的综合考虑所得的结果；
[0147]
表5：室内热环境各物理量目标区间
[0148][0149]
s302.智慧教室热环境控制方案设计
[0150]
基于pmv与学习效率的对应关系，以及温度、空气流速、相对湿度对pmv的影响程度，本实施例制定了教室内热环境调控方案，目的是使教室内的学生学习效率能够达到较高水平，所制定的调控系统流程图如图4所示1；
[0151]
具体联控策略原则如下：
[0152]
(1)当pmv在目标范围内时，不对当前热环境进行改动，维持现状输出即可；
[0153]
(2)若pmv不在目标范围内，先使各物理量达到目标区间，再进行pmv的调整；
[0154]
①
当各物理量未达到目标区间时，依次使温度、空气流速以及相对湿度分别处于其各自的目标区间内，即，当温度大于25℃时，应降低室内温度，考虑到节能的问题，先将室内温度降低到25℃；若温度小于22.5℃，应升高室内温度至22.5℃。空气流速和相对湿度的调整同理；
[0155]
②
接下来是针对pmv的调整，分为pmv《-0.609(即小于目标范围的最小值)，和pmv》-0.551(即大于目标范围的最大值)两种情况；
[0156]
对于pmv《-0.609的情况，整体目标是增大pmv，因此需要依次按需求进行提高室内温度、降低空气流速以及增加相对湿度的操作。在pmv与设定目标相差较大的情况下，先提高温度；在pmv与设定目标相差不大的情况下，降低空气流速；最后在pmv接近目标范围时，通过控制加湿器来增加相对湿度；
[0157]
对于pmv》-0.551的情况，整体目标是减小pmv，因此需要依次按需求进行降低空调温度、提高空气流速以及减小相对湿度的操作，与上述情况同理。
[0158]
实施例3：与上述实施例不同的是，为验证实施例2所述的智慧教室热环境控制方案的可行性，进行如下所示的智慧教室热环境调控方案仿真过程：
[0159]
为验证该调控方案的可行性，本实施例选取实验环境中的可控可采集设备进行仿真，采集了一段时间内该教室的热环境情况，从而对上文的调控方案进行验证，结果如图5所示；
[0160]
从图5(a)的结果可以看出，调整前pmv值比较混乱分散，甚至会有极端不舒适的情况产生，经过系统调整后的pmv值近似一条直线，上下波动范围很小；由于图5(a)中纵坐标范围过大，为便于参数对比，将折线图进行局部放大，得到系统调控后的pmv值与目标范围的对比折线图，即图5(b)，能够看出经过调控后的教室内pmv均在设定的目标范围(-0.609～-0.551)之间，表明该控制系统确实能够对教室内的热环境进行了有效调控，使处于该环境下学生的学习效率始终维持在较高的水平。
[0161]
分别对仿真实验中涉及到的三个物理量室内温度、空气流速以及相对湿度进行调整前后的分析，并与调控的目标范围进行对比如图6所示；图6(a)为经过系统调整前后的温度分析图，可以看出调整前的温度波动范围极大，存在一些过冷或过热的极端情况；而经过调整后的温度波动范围较小，且都在温度的目标范围内；图6(b)为经过系统调整前后的空气流速分析图，可以看出在自然情况下经常会出现空气流速过大导致风感过于强烈的情况，但经过系统调控后的空气流速可维持在人体较为舒适的范围内；图6(c)为经过系统调整前后的相对湿度分析图，从图中可知自然情况下的相对湿度并不稳定，不同天气情况尤其是降雨对其的影响很大，易出现过于潮湿或干燥的情况，而调控后相对湿度可以维持在人体较为舒适的范围内。
[0162]
综上所述，该调控系统能够合理有效地控制直接影响环境内人体健康水平和心理状态的三个物理量，即温度、空气流速和相对湿度，在保证学生学习效率维持在较高水平的前提下，还能将室内热环境调整到较为舒适的范围，可行度较高。
[0163]
本发明上述实施例1-3以智慧教室内热环境的研究为起点，确定了pmv与学习效率的对应关系，进行了智慧教室内热环境调控方案的设计，最终通过数据对方案进行仿真模拟，验证了调控方案的有效性；具体结论如下：
[0164]
1)以大学生的逻辑思维方式为依据，采用能够代表反应力的stroop颜色测试和代表逻辑力的事件排序，以及描述实际工作量的打字速度测试三项测试相结合来测试学习效率；
[0165]
2)采用完成测试的速度和准确率加权的方式量化学习效率，便于后续分析对比；
[0166]
3)通过分析实验结果得到pmv与学习效率的对应关系：随着pmv从-1开始逐渐增加，(-1,-0.58)期间学习效率逐渐提高，且在-0.58时学习效率达到最大值，(-0.58,-0.2)期间学习效率降低，在(-0.2,0.1)期间略微上升，而当pmv》1时由于偏热环境使人产生困倦，因此学习效率缓慢降低。
[0167]
4)提出了教室内热环境调控方案，通过仿真分析，验证了该方案可使pmv以及三个热环境相关物理量(温度、空气流速、相对湿度)得到有效调整，可实现学习效率最高时的pmv值，为该情况下学习者的学习效率维持较高水平提供了环境支持。
[0168]
本发明所设计的教室内热环境调控方案响应了教育部对于高等学校可以根据教学需要实现相关设备的智能调节控制的呼吁，为推动信息技术与教育教学深度融合，支撑教育高质量发展，积极推进智慧教室的建设提供了有效依据。
[0169]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。