【技术实现步骤摘要】
本专利技术涉及一种外窗气密性检测方法，具体涉及一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，本专利技术属于供暖建筑节能检测。
技术介绍
1、供暖建筑外窗空气渗透影响能耗和室内热舒适。供暖能耗主要由建筑围护结构传热耗热量和通过门窗缝隙的空气渗透耗热量构成，通过门窗缝隙的空气渗透耗热量约占供暖能耗的20％-30％。目前，大部分外窗气密性检测主要采用模拟静压箱法，但这种方法存在着工作量大且繁琐、检测条件苛刻、效率低以及人力物力投入大等缺点。随着计算机的快速发展，计算流体力学(cfd)逐渐开始被用于计算分析建筑门窗等缝隙的空气流动传热，此方法经济高效且能快速获取大量数据。现有期刊论文《用cfd方法研究空气通过缝隙的渗透》(暖通空调，2004.04)中运用cfd研究了不同高度的缝隙对空气渗透的影响，但其缝隙模拟方法不能准确代替实际的门窗缝隙，且建模简略、不够精细。
2、红外热成像技术作为一种非接触表面测温手段，由于具有测温快速准确、不会对被测物造成影响等优点，已在建筑领域得到了广泛应用。供暖建筑外窗气密性与其缝隙周边温...
【技术保护点】
1.一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：获取数据来源于模拟静压箱法实验、现场实测和数值实验；模拟静压箱法实验和现场实测是采用模拟静压箱法检测供暖建筑外窗气密性等级，在窗框内表面和缝隙周边以一定间距布置温度传感器，使每相邻两个温度传感器之间的距离为5mm～40mm；在现场实测过程中，每测一组数据拍摄一组外窗的红外图像，红外图像拍摄距离为1.0m，拍摄角度为90°。
3.根据权利要求1所述的一种基于...
【技术特征摘要】
1.一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：获取数据来源于模拟静压箱法实验、现场实测和数值实验；模拟静压箱法实验和现场实测是采用模拟静压箱法检测供暖建筑外窗气密性等级，在窗框内表面和缝隙周边以一定间距布置温度传感器，使每相邻两个温度传感器之间的距离为5mm～40mm；在现场实测过程中，每测一组数据拍摄一组外窗的红外图像，红外图像拍摄距离为1.0m，拍摄角度为90°。
3.根据权利要求1所述的一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：所述数值实验是采用cfd软件搭建供暖建筑外窗空气渗透数值模型进行的，根据模拟静压箱法实验结果验证数值模型建立的准确性，并在窗框内表面和缝隙周边以一定间距设置温度监测点进行温度数据提取，所述每相邻两个温度监测点之间的距离为5mm～40mm，所述cfd软件包括可模拟各种流体流动和传热问题的商用软件。
4.根据权利要求1所述的一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：所述数据预处理是在获取数据后进行预处理。
5.根据权利要求1所述的一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：所述数据划分是将模拟静压箱法实验、现场实测和数值实验数据构成的整体集的70％划分为训练集，30％划分为测试集，训练集用于确定机器学习模型的输入变量、训练模型；测试集用于评估机器学习模型的辨识效果。
6.根据权利要求1所述的一种基于红外热成像与机器学习辨识的供暖建筑外窗气密性检测方法，其特征在于：所述输入变量选择是从训练集的外窗空气渗透量、气密性等级、室内外气压、室内外空气温度、窗框内表面温度、缝隙周边各个分区面积及平均温度等数据中选取影响外窗气密性等级的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。