[发明专利]基于分布式传感器的建筑采光设计智能系统

说明书

本发明公开了一种基于分布式传感器的建筑采光设计智能系统，该系统包括：标准化单元、数据增强单元、神经网络训练单元、采光度计算单元、奖惩计算单元、房屋采光系数生成单元、房屋采光设计平面图生成单元，这些单元协作对建筑采光设计样本数据进行分析训练从而实现了建筑采光设计的智能化。利用本发明，在建筑采光方案设计中，能够降低人工调参量，提高效率。

技术领域

本发明涉及人工智能及智慧建筑技术领域，具体涉及一种基于分布式传感器的建筑采光设计智能系统。

背景技术

为了在建筑采光设计中，贯彻国家的技术经济政策，充分利用天然光，创造良好光环境和节约能源，我国规定《建筑采光设计标准》GB50033-2013。

目前，在建筑采光设计中，使用现有的主流采光模拟软件，设计采样点作为虚拟传感器读数，辅助调节窗户大小、形状或其他采光物。在模拟软件中，设计师只能凭经验随机选取自己认为合理的修改，从而设计出符合标准的采光方案。显然，传统的采光设计方法，人工调参量大、效率低。

因此，现有建筑采光设计技术存在人工调参量大、效率低的问题。

发明内容

本发明提供了一种基于分布式传感器的建筑采光设计智能系统，实现了建筑采光设计的智能化，能够降低人工调参量，提高效率。

一种基于分布式传感器的建筑采光设计智能系统，该系统包括：

标准化单元，用于根据采集的房屋建筑设计图生成房屋元素标准矩阵、窗体高度标准矩阵；

数据增强单元，用于随机生成房屋所在建筑物的地理信息数据以及房屋所在楼层信息数据做数据增强；

神经网络训练单元，用于将房屋元素标准矩阵、窗体高度标准矩阵、房屋所在建筑物的地理信息数据、房屋所在楼层信息数据输入神经网络中，神经网络输出为所有动作的价值，动作包括：将一单元非承重墙转化为窗体、将一单元窗体转化为非承重墙、将一单元窗体高度增加单位高度、将一单元窗体高度减小单位高度；基于强化学习方法对神经网络进行迭代训练，根据神经网络的输出修改房屋元素标注矩阵、窗体高度矩阵；

采光度计算单元，用于使用房屋元素标准矩阵、窗体高度标准矩阵、房屋所在建筑物的地理信息数据、房屋所在楼层信息数据生成三维房屋建筑模型，利用采光模拟软件在三维房屋建筑模型的每个室内空地网格元素中心设置虚拟传感器，并根据虚拟传感器的读数计算网格采光度，利用整体采光度衡量方法计算房屋整体采光度；

奖惩计算单元，用于根据房屋整体采光度以及奖惩规则生成奖励值；

房屋采光系数生成单元，用于将实际情景的房屋建筑设计图经过标准化单元处理后得到的矩阵与实际房屋所在建筑物的地理信息数据、房屋所在楼层信息数据输入训练好的神经网络，神经网络输出连续决策直至采光度达标；

房屋采光设计平面图生成单元，用于当房屋整体采光度达标时，根据房屋元素标准矩阵、窗体高度标准矩阵还原房屋天然采光设计平面图。

标准化单元包括：

初始化模块，用于将房屋建筑设计图按照固定单位面积进行划分，每个固定单位面积为一个网格元素，根据网格元素的类型对矩阵进行初始化，网格元素的类型包括：承重墙、非承重墙、窗体、室内空地、室外空地；

填充模块，用于对矩阵的边缘进行填充，将其转化为规定尺寸的房屋元素标准矩阵；

窗体高度处理模块，用于根据窗体高度与房屋元素标准矩阵生成规定尺寸的窗体高度标准矩阵。

基于强化学习方法对神经网络进行训练包括：

步骤一，生成一个随机数，当随机数大于阈值时，由神经网络输出每个动作的价值，从可行动作中选取价值最大的动作，否则，从可行动作中随机选择一个动作；