【技术实现步骤摘要】
本专利技术涉及墙体热阻测量的，尤其涉及一种基于人工神经元网络的墙体热阻测量方法。
技术介绍
1、建筑节能应用中除了需要对新建建筑进行节能设计，也需要对现有建筑进行节能改造。而对一些比较陈旧的建筑，其建筑围护结构数据很多已经缺失，或者因为常年风吹雨打，一些热物性参数已经偏离原设计初始值，确定其热阻的当前实际值是非常重要的。
2、在专利公开号为cn112229869a的专利中公开了建筑墙体热阻现场测试装置及方法，测试装置包括加热板，温度控制器，以及温度传感器、热流传感器和保温板各两个；第一温度传感器、第一热流传感器、加热板和第一保温板均贴设于被测墙体热侧，第二温度传感器、第二热流传感器和第二保温板均贴设于被测墙体冷侧，第二保温板中部设有作为热流一维通道的通孔，第二温度传感器和第二热流传感器均位于该通孔内。测试方法是通过定量确定墙体冷热两侧一维传热区域大小，并通过测量并记录墙体冷热两侧一维传热区的表面温度以及该一维传热区通过的热流密度，计算得墙体当量热阻。
3、现有技术存在以下缺陷：
4、1.必须避免雨雪天气，气候波动的不确定因素会给现场测量带来一定的困难，从而延长了实验周期；
5、2.高度依赖于温度和热流环境，室内外温差必须大于10℃才能使传热趋于稳定；
6、3.需要额外的加热板进行加热，以使得传热趋于稳定，增加了人力和财力成本；
7、4.至少需要2周的时间，需要空调运行条件，时间周期长，时间成本高；
8、5.适用性不够全面，对于围护结构含有相变材料
9、6.操作复杂，需要保温板、温度传感器、热流传感器和加热板复合使用。
技术实现思路
1、鉴于现有技术存在上述问题，提出了一种基于人工神经元网络的墙体热阻测量方法。
2、本申请提供了一种基于人工神经元网络的墙体热阻测量方法，其目的在于：不破坏墙体的情况下，准确测量围护结构内部的导热热流，并大大减少现场实验的时间成本，从而降低环境限制性因素对热阻测量的影响。根据墙体内外表面温差和墙体内部导热热流就可以得到墙体热阻值。
3、本专利技术的技术方案为：一种基于人工神经元网络的墙体热阻测量方法，包括以下步骤：
4、步骤1：通过建筑模拟软件，根据建筑围护结构热物性参数建立预设房间；若预设房间围护结构仅含有显热材料，则建立预设房间room1，若预设房间围护结构含有相变材料，则建立预设房间room2，在建筑模拟软件中输入房间围护结构的热物性参数以及气象参数，实时输出房间各热性能指标数据；
5、步骤2：对预设房间room1和room2的输入层和输出层进行处理；
6、步骤3：训练人工神经网络中的多层前馈神经元网络，预设房间room1得到人工神经元网络annfit1，预设房间room2得到人工神经元网络annfit2；
7、步骤4：通过拟合好的网络结构annfit1和annfit2继续输入不同时间的训练集预设房间模型room1和room2的热性能指标数据得到的被测墙体a内部导热热流；
8、步骤5：再根据热阻公式，得到预设房间模型room1和room2墙体a热阻；
9、步骤6：在拟合好的网络结构annfit1和annfit2中分别输入另外需测量围护结构仅含有显热材料的房间room3和围护结构含有相变材料的房间room4各个热性能指标参数，训练得到被测墙体b内部导热热流，再根据热阻公式，得到墙体b热阻。
10、进一步的，步骤1中，实时输出房间room1各热性能指标数据，包括各墙体、屋顶内外表面温度、地板温度、室内空气温度、被测墙体a的内部导热热流、空气湿度和空调开关情况；实时输出房间room2各热性能指标数据，包括各墙体、屋顶内外表面温度、地板温度、室内空气温度、被测墙体a的内部导热热流、相变材料和显热材料截面温度、空气湿度和空调开关情况。
11、进一步的，步骤2中，预设房间room1实时输出的至少两天的热性能指标数据，各墙体、屋顶内外表面温度、地板温度和室内空气温度作为输入层数据，被测墙体a导热热流作为输出层数据；预设房间room2实时输出的至少两天的热性能指标数据，各墙体、屋顶内外表面温度、地板温度、相变材料和显热材料截面温度和室内空气温度作为输入层数据，被测墙体a导热热流作为输出层数据。
12、进一步的，步骤5中，将拟合得到的热阻值与原始墙体热阻数据进行对比，均方根误差偏差系数cv(rmse)应小于30%；围护结构仅含有显热材料的热阻公式为：
13、；
14、其中，rr是墙体热阻；qd是被测壁面热流密度；te是环境温度；ti是室内空气温度，围护结构含有相变材料的热阻公式为：
15、；
16、其中，td是相变材料与显热材料连接处截面温度。
17、进一步的，步骤1、2和3中建立多层前馈神经元网络，其隐藏层数设置为1，神经元节点的数量通过试错法确定，将回归系数r值最接近1时的神经元节点数作为最终结果。
18、进一步的，训练集的输入层要增加空气湿度和空调开关情况，若预设房间的被测墙体外表面含有相变材料或者有相变材料特性的结构，则训练集的输入层要增加相变材料和显热材料截面温度。
19、进一步的，步骤5中的网络验证，计算得到的热阻值与原始墙体热阻数据进行对比，均方根误差偏差系数cv(rmse)应小于30%，否则应增加预设时输入的数据量，按天数增加，或者调整人工神经元网络的隐藏层数和节点数，使得cv(rmse)小于30%，说明结果的准确。
20、进一步的，若要测量的房间是围护结构仅含显热材料，预设房间也须是围护结构仅含显热材料；若要测量的房间是围护结构仅含相变材料的房间，预设房间也须是围护结构含有相变材料。
21、本专利技术的有益效果：
22、1、可以在不破坏墙体结构的情况下，不需要额外的加热设备或者遮阳板等，快速求得墙体热阻，减少了财力和用人成本；
23、2、减少了计算成本和工程时间成本，人工神经元网络执行只需1-2秒，而传统方法计算需要测量2周以上的时间，还要避开雨雪天气等；
24、3、方法适用性广泛，不仅适用于围护结构仅含有显热材料的情况，还适用于围护结构含有相变材料的情况；
25、4、传统计算方法必须要有空调运行条件，而本方法不仅对于有空调运行条件的建筑适用，对没有空调运行条件的被动式建筑同样适用；
26、5、操作简单、便捷，matlab软件中有已经编好的拟合型工具箱，即多层前馈神经元网络，并且附有说明书进行工具箱运用，可供直接使用。
本文档来自技高网...【技术保护点】
1.一种基于人工神经元网络的墙体热阻测量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤1中，实时输出房间Room1各热性能指标数据，包括各墙体、屋顶内外表面温度、地板温度、室内空气温度、被测墙体A的内部导热热流、空气湿度和空调开关情况；实时输出房间Room2各热性能指标数据，包括各墙体、屋顶内外表面温度、地板温度、室内空气温度、被测墙体A的内部导热热流、相变材料和显热材料截面温度、空气湿度和空调开关情况。
3.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤2中，预设房间Room1实时输出的至少两天的热性能指标数据，各墙体、屋顶内外表面温度、地板温度和室内空气温度作为输入层数据，被测墙体A导热热流作为输出层数据；预设房间Room2实时输出的至少两天的热性能指标数据，各墙体、屋顶内外表面温度、地板温度、相变材料和显热材料截面温度和室内空气温度作为输入层数据，被测墙体A导热热流作为输出层数据。
4.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其
5.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤1、2和3中建立多层前馈神经元网络，其隐藏层数设置为1，神经元节点的数量通过试错法确定，将回归系数R值最接近1时的神经元节点数作为最终结果。
6.根据权利要求3所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，训练集的输入层要增加空气湿度和空调开关情况，若预设房间的被测墙体外表面含有相变材料或者有相变材料特性的结构，则训练集的输入层要增加相变材料和显热材料截面温度。
7.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤5中的网络验证，计算得到的热阻值与原始墙体热阻数据进行对比，均方根误差偏差系数CV(RMSE)应小于30%，否则应增加预设时输入的数据量，按天数增加，或者调整人工神经元网络的隐藏层数和节点数，使得CV(RMSE)小于30%，说明结果的准确。
8.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，若要测量的房间是围护结构仅含显热材料，预设房间也须是围护结构仅含显热材料；若要测量的房间是围护结构仅含相变材料的房间，预设房间也须是围护结构含有相变材料。
...【技术特征摘要】
1.一种基于人工神经元网络的墙体热阻测量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤1中，实时输出房间room1各热性能指标数据，包括各墙体、屋顶内外表面温度、地板温度、室内空气温度、被测墙体a的内部导热热流、空气湿度和空调开关情况；实时输出房间room2各热性能指标数据，包括各墙体、屋顶内外表面温度、地板温度、室内空气温度、被测墙体a的内部导热热流、相变材料和显热材料截面温度、空气湿度和空调开关情况。
3.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤2中，预设房间room1实时输出的至少两天的热性能指标数据，各墙体、屋顶内外表面温度、地板温度和室内空气温度作为输入层数据，被测墙体a导热热流作为输出层数据；预设房间room2实时输出的至少两天的热性能指标数据，各墙体、屋顶内外表面温度、地板温度、相变材料和显热材料截面温度和室内空气温度作为输入层数据，被测墙体a导热热流作为输出层数据。
4.根据权利要求1所述的基于人工神经元网络的墙体热阻测量方法，其特征在于，步骤5中，将拟合得到的热阻值与原始墙体热阻数据进行对比，均方根误差偏差系数cv(rmse)应小...
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。