一种列车车内空气品质监测与通风调控方法、系统技术方案

本发明专利技术公开了一种列车车内空气品质监测与通风调控方法、系统，其中列车车内空气品质监测与通风调控方法包括：采集多组车内外空气品质检测数据；利用实验数据求得车内外空气综合评价指标Q0和Q1；若Q0≥Q1则训练车外新风量控制模型，否则训练车内空气净化控制模型；检测车内外空气品质检测数据；利用检测数据求得车内外空气综合评价指标Q0和Q1；若Q0≥Q1，则调用车外新风量控制模型，求得需要的通风量等级并以该输出结果调控通风系统；否则，调用车内空气净化控制模型，求得需要的通风量等级及空气净化装置功率等级，并以该输出结果调控通风系统和空气净化装置。本发明专利技术能根据不同程度的空气品质选择合适的通风调控策略，在节能环保的条件下，实现列车车内空气品质的健康保障。

A method and system of air quality monitoring and ventilation control in train

【技术实现步骤摘要】
一种列车车内空气品质监测与通风调控方法、系统
本专利技术特别涉及一种列车车内空气品质监测与通风调控方法、系统。
技术介绍
随着我国高速列车的快速发展和人们的物质文化水平日益增长，现在人们对高速列车除了安全性和可靠性的要求外，对车厢内舒适性的要求也越来越高。高速列车车厢内的空气品质直接影响乘客的舒适性，因此对车内空气品质进行监测与调控对乘车舒适度起着重要作用。此外，能源与环境也是当今时代的主题，针对不同列车空气品质实施不同通风调节方案，有利于研发节能、舒适、可靠的高速列车。
技术实现思路
本专利技术的目的在于，为了提高列车上乘客的舒适度，提供一种列车车内空气品质监测与通风调控方法、系统，能根据不同程度的空气品质选择合适的通风调控策略，从而可以在节能环保的条件下，实现高速列车车内空气品质的健康保障。为解决上述技术问题，本专利技术所采用的技术方案是：一种列车车内空气品质监测与通风调控方法，其特点是包括以下步骤：步骤1，采集多组车内空气品质检测数据和车外空气品质检测数据；步骤2，利用步骤1中的车内空气品质检测数据求得车内空气综合评价指标Q0，利用步骤1中的车外空气品质检测数据求得车外空气综合评价本文档来自技高网...

【技术保护点】
1.一种列车车内空气品质监测与通风调控方法，其特征在于，包括以下步骤：步骤1，采集多组车内空气品质检测数据和车外空气品质检测数据；步骤2，利用步骤1中的车内空气品质检测数据求得车内空气综合评价指标Q0，利用步骤1中的车外空气品质检测数据求得车外空气综合评价指标Q1；步骤3，判断步骤2中求得的Q0与Q1的大小关系，若Q0≥Q1，则跳转至步骤41；否则，跳转至步骤51；步骤41，按照下述方法训练车外新风量控制模型：挑选n1组不同程度的Q0≥Q1时对应的车内空气品质检测数据和对应的车外空气品质检测数据作为实验数据；设置高速列车通风系统(501)的通风量等级为G1级；对于n1组实验数据下的列车进行通风...

【技术特征摘要】
1.一种列车车内空气品质监测与通风调控方法，其特征在于，包括以下步骤：步骤1，采集多组车内空气品质检测数据和车外空气品质检测数据；步骤2，利用步骤1中的车内空气品质检测数据求得车内空气综合评价指标Q0，利用步骤1中的车外空气品质检测数据求得车外空气综合评价指标Q1；步骤3，判断步骤2中求得的Q0与Q1的大小关系，若Q0≥Q1，则跳转至步骤41；否则，跳转至步骤51；步骤41，按照下述方法训练车外新风量控制模型：挑选n1组不同程度的Q0≥Q1时对应的车内空气品质检测数据和对应的车外空气品质检测数据作为实验数据；设置高速列车通风系统(501)的通风量等级为G1级；对于n1组实验数据下的列车进行通风实验，获取能在5分钟内将车内空气品质降至人体健康值的最小通风量等级，作为每组实验数据对应的通风量等级标签；以n1组实验数据作为输入，以n1组实验数据对应的通风量等级标签作为输出，训练得到车外新风量控制模型；步骤51，按照下述方法训练车内空气净化控制模型：挑选n2组不同程度的Q0＜Q1时对应的车内空气品质检测数据和对应的车外空气品质检测数据作为实验数据；设置高速列车通风系统(501)的通风量等级为G1级，设置空气净化装置(502)的功率值等级为G2级；对于n2组实验数据下的列车进行通风实验，获取能在5分钟内将车内空气品质降至人体健康值的最小通风量等级和最小空气净化装置功率等级，将得到的最小通风量等级作为每组实验数据对应的通风量等级标签，将得到的最小空气净化功率等级作为每组实验数据对应的空气净化装置功率等级标签；以n2组实验数据作为输入，以n2组实验数据对应的通风量等级标签和空气净化装置功率等级标签作为输出，训练得到车内空气净化控制模型；步骤6，检测车内空气品质检测数据和车外空气品质检测数据；步骤7，利用步骤6中的车内空气品质检测数据求得车内空气综合评价指标Q0，利用步骤6中的车外空气品质检测数据求得车外空气综合评价指标Q1；步骤8，判断步骤7中求得的Q0与Q1的大小关系：若Q0≥Q1，则调用车外新风量控制模型，求得需要的通风量等级并以该通风量等级对高速列车通风系统(501)进行调控；否则，调用车内空气净化控制模型，求得需要的通风量等级及空气净化装置功率等级，并以该通风量等级对高速列车通风系统(501)进行调控、以该空气净化装置功率等级对空气净化装置(502)进行调控。2.如权利要求1所述的列车车内空气品质监测与通风调控方法，其特征在于，车内空气品质检测数据和车外空气品质检测数据均包括CO2浓度、NO2浓度、SO2浓度、PM2.5浓度、VOC浓度、粉尘浓度中的一种或多种。3.如权利要求1所述的列车车内空气品质监测与通风调控方法，其特征在于，车内空气品质检测数据和/或车外空气品质检测数据采用多点监测方式得到。4.如权利要求1所述的列车车内空气品质监测与通风调控方法，其特征在于，车内空气综合评价指标Q0计算方法为：Q0＝车内CO2浓度×p1+车内NO2浓度×p2+车内SO2浓度×p3+车内PM2.5浓度×p4+车内VOC浓度×p5+车内粉尘浓度×p6；车外空气综合评价指标Q1计算方法为：Q1＝车外CO2浓度×p1+车外NO2浓度×p2+车外SO2浓度×p3+车外PM2.5浓度×p4+车外VOC浓度×p5+车外粉尘浓度×p6；其中，p1、p2、p3、p4、p5、p6为各污染物对应的权值。5.如权利要求1所述的列车车内空气品质监测与通风调控方法，其特征在于，所述步骤41中，采用BP神经网络算法训练车外新风量控制模型，其中BP神经网络的权值和阈值采用带有自适应权值的量子粒子群算法进行寻优获得，包括：步骤A1：以量子粒子群中每个量子粒子个体的位置向量作为所述BP神经网络的权值和阈值，将量子粒子种群个体的位置向量参数初始化为[-1,1]的随机数；量子粒子群种群的个数的取值范围为[25,70]，量子粒子群的粒子个数的取值范围为[5,50]，最大迭代次数的取值范围为[400,1000]，组建精英种群的迭代次数的取值范围为[60,180]，早熟收敛判断阈值的取值范围为[0.01,0.45]，种群最差粒子变异比例δ％的取值范围为[2％,7％]；步骤A2：设定适应度函数，确定初始最优量子粒子个体位置向量和迭代次数t，t＝1；将量子粒子个体位置向量对应的权值和阈值代入基于BP神经网络的车外新风量控制模型中，并利用量子粒子个体位置向量确定的基于BP神经网络的车外新风量控制模型确定识别向量标签的种类，将输出的向量标签和实际的向量标签的均方差的倒数作为第二适应度函数；步骤A3：计算每个量子粒子群的群体适应度方差，进行早熟收敛判断；若量子粒子群群体适应度方差小于早熟收敛判断阈值γ，则对量子粒子群中δ％的适应度最差粒子和群体极值粒子进行变异，并以当前适应度最好的粒子作为全局最优量子粒子个体；步骤A4：判断是否组建精英种群；当迭代次数大于精英种群迭代次数时，则通过种群间的信息共享，提取各种群的极值组建精英种群，转入步骤A8，否则转入步骤A5；步骤A5：更新各种群粒子参数；步骤A6：重新计算并比较每个粒子的适应度值，如果优于当前的个体极值，则更新个体极值；比较全局极值粒子，如果存在粒子适应度值优于当前的群体极值，则更新全局极值粒子，令t＝t+1，转入步骤A3；步骤A7：精英种群继续进化；步骤A8：判断是否满足最大迭代次数，若满足则退出，否则，令t＝t+1，转入步骤B3，直到找到全局最优值，输出所述BP神经网络的权值和阈值。6.如权利要求1所述的列车车内空气品质监测与通风调控方法，其特征在于，所述步骤51中，采用灰色神经网络算法训练车内空气净化控制模型，其中灰色神经网络的权值和阈值采用混沌蝙蝠算法进行优化选择获得，包括：步骤B1：以蝙蝠个体位置作为基于灰色神经网络模型的车内空气净化控制模型的权值和阈值，初始化蝙蝠种群，并设置蝙蝠种群参数；蝙蝠种群规模的取值范围为[200，...

【专利技术属性】
技术研发人员：刘辉，李燕飞，董书勤，杨睿，余澄庆，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43