亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種智能化轎廂及其智能化調控方法與流程

文檔序號:40392481發(fā)布日期:2024-12-20 12:15閱讀:5來源:國知局
一種智能化轎廂及其智能化調控方法與流程

本發(fā)明屬于電梯轎廂,具體涉及一種智能化轎廂及其智能化調控方法。


背景技術:

1、電梯轎廂是電梯中的乘客或貨物運輸部分,它是一個四周封閉的箱形結構,設計用于在電梯井道中垂直上下移動。轎廂內部通常配備有照明、通風系統(tǒng)、鏡子、扶手、地板以及控制面板等設施,以確保乘客的舒適性與安全性。

2、電梯轎廂作為電梯的重要組成部分,直接關系到乘客的安全與乘坐體驗,但現有的電梯轎廂在使用過程中還存在不少問題,例如:

3、1、傳統(tǒng)的電梯轎廂內通風系統(tǒng)不暢,導致空氣悶熱或有異味,尤其是在人員較多時更為明顯,會影響人員乘坐時的使用體驗;

4、2、電梯??繒r轎廂與樓層地面不平齊,需要乘客跨步進出,對老年人和行動不便者尤為不便,且會影響轎廂內推車等裝置的進出,影響轎廂的使用效果。


技術實現思路

1、本發(fā)明的目的在于提供一種智能化轎廂及其智能化調控方法,旨在解決現有技術中轎廂通風效果不足,轎廂與樓層地面不平齊的問題。

2、為實現上述目的,本發(fā)明提供如下技術方案:

3、一種智能化轎廂,包括:

4、轎廂本體,所述轎廂本體的一端開設有開關槽;

5、兩個散風板,兩個所述散風板均固定連接于開關槽內;

6、排放扇,所述排放扇通過電動輥轉動連接于兩個散風板的相靠近端;

7、兩組驅動機構,兩組所述驅動機構均設于轎廂本體的上側;以及

8、兩組噴灑機構,每組所述噴灑機構儲液箱、兩個噴灑管和兩個傳輸管組成,所述儲液箱固定連接于轎廂本體的一端,兩個所述傳輸管均固定連接于轎廂本體的一端,且兩個傳輸管均與儲液箱連通,兩個所述噴灑管均固定連接于轎廂本體的上內壁,且兩個噴灑管分別與兩個傳輸管固定連接。

9、作為本發(fā)明一種優(yōu)選的方案,每組所述驅動機構由兩個下壓塊、絲桿、絲桿螺母、兩個外接塊、兩個下壓桿、兩個下壓管、兩個工字輪和傳動帶組成,兩個所述下壓管分別固定連接于兩個噴灑管的上端,所述絲桿轉動連接于轎廂本體的上端,兩個所述工字輪分別固定連接于電動輥和絲桿的圓周表面,所述傳動帶傳動連接于兩個工字輪的圓周表面,所述絲桿螺母螺紋連接于絲桿的圓周表面,兩個所述外接塊分別固定連接于絲桿螺母的兩端,兩個所述下壓桿分別固定連接于兩個外接塊的下端,兩個所述下壓塊分別固定連接于兩個下壓桿的下端。

10、作為本發(fā)明一種優(yōu)選的方案,所述轎廂本體的上端固定連接有多個垂直桿,多個所述垂直桿的上端固定連接有頂板,所述絲桿螺母的上端開設有多個穩(wěn)定孔,且絲桿螺母通過多個穩(wěn)定孔分別滑動連接于多個垂直桿的圓周表面。

11、作為本發(fā)明一種優(yōu)選的方案,所述電動輥的上端固定連接有防脫盤,所述防脫盤的直徑大于電動輥。

12、作為本發(fā)明一種優(yōu)選的方案,所述儲液箱的一端開設有補充槽,且儲液箱的一端通過轉軸轉動連接有密封板,所述密封板的一端開設有扣手槽。

13、作為本發(fā)明一種優(yōu)選的方案,兩個所述開關槽的上下內壁均開設有密封槽,多個所述密封槽的兩側內壁之間固定連接有第一電動導軌,多個所述第一電動導軌的圓周表面均滑動連接有第一滑塊,多個所述第一滑塊分別與兩個開關門固定連接。

14、作為本發(fā)明一種優(yōu)選的方案,所述轎廂本體的一端開設有移動槽,所述移動槽內滑動連接有延長板,所述延長板的兩端均通過轉軸轉動連接有齒輪,所述移動槽的下內壁固定連接有兩個齒條,兩個所述齒輪分別與兩個齒條嚙合。

15、作為本發(fā)明一種優(yōu)選的方案,所述轎廂本體的一端固定連接有兩個連接板,兩個所述連接板的一端均設置有多個紅外校準器。

16、作為本發(fā)明一種優(yōu)選的方案,兩個所述噴灑管的一端均固定連接有擴散噴頭,兩個所述擴散噴頭均為錐形,且兩個擴散噴頭均位于排放扇的下側。

17、作為本發(fā)明一種優(yōu)選的方案,所述移動槽的兩側內壁均開設有推出槽,兩個所述推出槽的兩側內壁固定連接有第二電動導軌,兩個所述第二電動導軌的圓周表面滑動連接有第二滑塊,兩個所述第二滑塊分別與兩個轉軸轉動連接。

18、本發(fā)明的一種智能化轎廂的智能化調控方法,通過智能控制算法實現節(jié)能和舒適度的平衡,具體實施過程如下:

19、步驟1:數據采集;

20、實時采集環(huán)境參數包括溫度、濕度、co2濃度和能耗數據;在每次電梯使用時記錄使用頻率、乘客數量和即時能耗;采集乘客對環(huán)境舒適度的反饋數據;

21、步驟2:使用遷移學習處理和分析時間序列數據;

22、;

23、其中,表示源域數據集,下標或上標表示源域;表示第個源域數據樣本,包含特征向量和對應的標簽;表示第個源域數據樣本的特征向量;表示第個源域數據樣本的標簽;表示源域數據集中的樣本數量;

24、;

25、其中,表示目標域數據集,下標或上標表示目標域;表示第個目標域數據樣本,包含特征向量和對應的標簽;表示第個目標域數據樣本的特征向量;表示第個目標域數據樣本的標簽;表示目標域數據集中的樣本數量;

26、在源域數據上訓練一個深度神經網絡模型:

27、;

28、其中,表示源域函數輸出;表示輸入數據;表示源域神經網絡的參數;表示一個神經網絡,通過參數和輸入進行前向傳播,得到輸出;

29、在目標域數據上微調預訓練模型,使其適應轎廂的特定環(huán)境:

30、;

31、其中,是目標域的函數,表示一個神經網絡的前向傳播過程;表示輸入數據;表示目標域神經網絡的參數,表示參數的變化量,用于從源域參數生成目標域參數,表示一個神經網絡;

32、步驟3:定義遷移學習微調目標函數;

33、在微調階段,通過調整源模型的參數以適應目標任務;

34、;

35、其中,是目標域的函數,表示源域函數輸出,表示輸入數據;表示源域神經網絡的參數;表示目標域神經網絡的參數,表示參數的變化量;

36、;

37、其中,表示樣本級別的損失函數,是目標域的函數,表示目標域神經網絡的參數,表示目標域數據第個樣本的輸入特征,表示目標域數據第個樣本的標簽;

38、定義以下微調目標函數;

39、;

40、其中,表示總體損失函數;表示樣本級別的損失函數,評估預測值與實際值的差異;表示目標域數據樣本數;表示目標域神經網絡的參數,表示源域神經網絡的參數,是目標域的函數,表示目標域數據第個樣本的輸入特征,表示目標域數據第個樣本的標簽;表示正則化系數,控制微調參數與預訓練參數之間的偏離程度;表示正則化項,防止模型過擬合;

41、使用梯度下降法更新參數,以最小化損失函數:

42、;

43、其中,表示目標域數據樣本數;表示函數在目標域上對樣本的預測值;表示是樣本的真實標簽;表示第個樣本,是函數在參數下對樣本的梯度;表示正則化系數,表示源域神經網絡的參數;表示損失函數關于參數的梯度;

44、;

45、其中,表示目標域神經網絡的參數,是學習率,控制每次更新的步長;表示損失函數關于參數的梯度;

46、步驟4:使用強化學習找到不同狀態(tài)下采取的最優(yōu)動作;

47、使用轎廂的歷史運行數據訓練dqn模型,在不同狀態(tài)下應采取的最優(yōu)動作;

48、定義狀態(tài)為一個包含多個變量的向量;

49、;

50、其中,表示轎廂的使用頻率;表示當前時間;表示轎廂內的乘客數量;表示轎廂內的當前能耗;

51、定義動作為調整各系統(tǒng)功率的操作集合:

52、;

53、其中,表示調整排放扇的功率;表示調整驅動機構的功率;表示調整照明設施的功率;表示調整空調設施的功率;

54、設計獎勵函數以最小化能耗,同時考慮乘客舒適度;

55、;

56、其中,表示調整后的能耗;表示乘客舒適度的下降程度;表示乘客舒適度的提升程度;,,表示權重系數,用于平衡能耗和舒適度之間的關系;

57、q函數表示在狀態(tài)采取動作的總期望回報:

58、;

59、其中,是在狀態(tài)下采取動作的狀態(tài)-動作值函數;表示期望值;是折扣因子,用于平衡當前獎勵與未來獎勵的重要性;表示折扣因子隨時間步的冪次;是時間步的即時獎勵;表示起始狀態(tài)為,起始動作為;和表示時間步的狀態(tài)和動作;

60、dqn的核心是更新q函數,以估計在狀態(tài)下采取動作的預期效用,q函數的更新規(guī)則如下:

61、;

62、其中,表示新的q值,表示當前q值;是當前狀態(tài)采取動作后獲得的即時獎勵;是折扣因子,用于權衡即時獎勵和未來獎勵;是狀態(tài)經過動作后轉移到的新狀態(tài);是在新狀態(tài)下的所有可能動作之一;是在下一狀態(tài)中選擇動作時的最大q值;是目標網絡的參數,是學習率;

63、使用經驗回放和目標網絡來更新q函數;

64、;

65、其中,表示目標q值;是當前狀態(tài)采取動作后獲得的即時獎勵;是折扣因子,用于權衡即時獎勵和未來獎勵;是狀態(tài)經過動作后轉移到的新狀態(tài);是在新狀態(tài)下的所有可能動作之一;是在下一狀態(tài)中選擇動作時的最大q值;是目標網絡的參數,是目標q網絡對新狀態(tài)和動作的估計q值;

66、損失函數為當前q值與目標q值之間的均方誤差:

67、;

68、其中,是損失函數;表示期望值;是目標q值;是當前q網絡對狀態(tài)和動作的q值估計;是當前q網絡的參數;

69、使用梯度下降法更新q網絡的參數:

70、;

71、其中,是當前q網絡的參數;是學習率,決定了每次更新的步長;是損失函數相對于參數的梯度。

72、與現有技術相比,本發(fā)明的有益效果是:

73、1、通過電動輥的轉動,可以帶動排放扇在兩個散風板之間進行轉動,對轎廂本體內進行換氣處理,同時電動輥的轉動還會啟動驅動機構,通過驅動機構將噴灑管內存在的香料等除菌除味液體,通過擴散噴頭噴灑而出,同時噴灑的液體通過排放扇的轉動,進一步擴散面積,以此達到除菌除味的效果,提高用戶的使用體驗。

74、2、在轎廂本體和樓層進行平行后,通過紅外校準器和樓層的探測,可以提高轎廂本體和樓層的平行度,還在轎廂本體停止后,啟動第二電動導軌使其圓周表面的第二滑塊進行滑動,并帶動延長板進行移動,且在移動時,齒輪會與齒條嚙合,帶動延長板轉動直至與地面接觸后停止,通過延長板的鋪路,可以方便人員和設施出入。

75、3、在絲桿螺母進行移動時,會同步穩(wěn)定孔在垂直桿的圓周表面進行滑動,提高絲桿螺母的垂直滑動穩(wěn)定性,防止絲桿螺母在移動時轉動,進而提高本裝置的使用穩(wěn)定性和合理性。

76、4、通過遷移學習,預訓練的空氣質量預測模型能夠快速適應轎廂的特定環(huán)境,減少了在目標域重新訓練模型所需的數據和時間。遷移學習微調后的模型能夠更準確地預測轎廂內的空氣質量參數,如溫度、濕度和co2濃度,從而提供更精細的環(huán)境控制。由于模型已經在類似環(huán)境中預訓練,遷移學習可以加速模型的部署和優(yōu)化過程,使系統(tǒng)能夠更快地響應環(huán)境變化。dqn模型能夠根據實時環(huán)境數據和歷史運行數據,動態(tài)調整各系統(tǒng)的功率設置,自動學習最優(yōu)的節(jié)能策略。dqn通過不斷探索和更新,找到能耗和乘客舒適度的全局最優(yōu)解決方案,避免了傳統(tǒng)控制方法中的局部最優(yōu)問題。通過強化學習優(yōu)化,排放扇、驅動機構、照明和空調的能耗得到顯著降低,節(jié)能效果明顯。

當前第1頁1 2 
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1