论文部分内容阅读
基于热感觉预测的室内热环境自动控制方法为解决基于传统温度设定值控制不满足用户舒适度问题提供新的途径;但建模过程中用户热感觉信息难以获取,因此开发了便捷的移动端智能交互系统以实时采集现场数据,建立用户学习样本;并针对热舒适的动态变化性特征,设计动态进化神经模糊推理系统(DENFIS)以建立用户热舒适在线预测模型;通过实时学习样本数据驱动,系统的模糊规则与模型输出函数系数可动态自校正,推理预测出用户偏好温度;实验结果表明所设计的DENFIS算法预测用户的舒适温度范围准确率高达90.5%,误差极小;证明了该算法