专利交易市场

本发明提供了一种基于LSTM神经网络和磷虾群优化算法的室内通风控制方法，包括：步骤S1：采集室内环境数据，在云端基于LSTM神经网络对室内环境参数和通风控制量建立关系模型。步骤S2：系统结合实时采集到的室内环境数据，能通过下载到本地的模型计算出在当前环境不同控制量下对应的不同控制结果。步骤S3：记录获得的实时环境数据和寻优后得到的最优控制量记录并上传至云端服务器，增加神经网络模型的样本数据集，定期进行模型的反馈训练，提高模型的准确性。采用本发明的技术方案，优化了室内通风控制过程，避免了过量通风造成的能源浪费和不足通风造成的室内环境不良的情况。

本实用新型涉及实验室通风技术领域，具体为一种实验室通风控制系统，包括移动台，所述移动台上方放置有通风主体，所述移动台上表面中部开设有与通风主体对应的放置槽，移动结构，所述移动结构包括移动筒，所述移动筒下端连接在通风主体顶部，所述移动筒右端连接有装配板，所述装配板内部开设有与移动筒对应的通风孔，所述装配板表面固定有安装架，所述安装架内部插设有安装螺栓，调节结构，所述调节结构包括转轴，所述转轴下端固定在移动台上表面。本实用新型便于对通风装置的移动调节，实现对实验室特定位置的快速通风，使得通风效果更好，操作更加便捷高效。

本发明涉及一种基于室内污染浓度估计模型的通风控制方法。该方法包括以下步骤：步骤1，搭建室内空气检测系统；步骤2，将步骤1所采集的PM2.5、CO2、烟雾信号数据进行归一化处理；步骤3，建立室内污染浓度估计模型；步骤4，建立室内通风控制算法模型；步骤5，把设计完成的室内污染浓度估计模型和室内通风控制算法模型嵌入空气检测数据处理模块中，完成对室内通风的控制；步骤6，室内空气检测数据处理模块通过实时检测室外的风速和雨滴值，当超过限定阈值时，控制器关闭通风装置。本发明在建立室内PM2.5、CO2浓度和烟雾信号的动态估计模型基础上，再根据通风控制量的奖励值和动态估计PM2.5、CO2浓度和烟雾信号来完成对窗户开度和风机的控制，相比传统机械通风系统可节约能耗、延长设备使用寿命。