周筑

摘 要：在新时代的背景下，随着信息技术的高速发展，建筑也走进了4.0时代，逐渐向着智能化的方向发展。楼宇自控系统利用了当代的智能化技术，通过对建筑内部各项设备的协调和运转，通过监控网络将建筑内部设备统一起来，使其互相配合，协调工作，成为一个统一体。楼宇自控系统通常由感应器、处理器和控制器三个部分组成，感应器部分负责监控建筑内部温度、适度、压强等参数，针对不同的设备设置不同的参数阈值，感应器将参数的波动数据传输到处理器当中，相当于电脑的CPU，负责根据工程师的设定对参数进行相应的处理，并将指令反应到控制器中，通过调整建筑内基础设备来调节状态参数，使建筑内保持合理的温度、湿度等环境。

关键词：人工智能;自控系统;机器

楼宇自控系统可以有效的节约人力、物力等各方面成本。针对机械的劳作，节约简单的温度监控、压强监控、空调设备管理等人力成本，将工作人员从机械、重复的劳作中解脱出来。针对能源问题，自控系统可以利用计算机的优势，以最精确的数据控制建筑内环境。在对环境要求比较精细的建筑内，如温室大棚、实验室、储藏室、医院病房等，楼宇自控系统可以更精确的控制建筑内环境状态，省去了人力实时监控的成本，同时也规避了更多由于人为失误原因带来的损失。

1 楼宇自控系统概述

楼宇自控系统主要包括监控部分以及管理部分，通常由综合管理、设备管理、办公系统、通信网络几个部分组成，其中设备管理承担着整个楼宇的安全防护，负责监管建筑物内产尘浓度、温度、设备开启状态等，是整个自控系统的重中之重，因此在设计时，更需要考虑其强壮性，确保不会被外界环境的改变轻易影响，拥有对环境变量的容忍度，可以在环境改变时保持稳定工作。

同时由于监控设备在自控系统中占很大的比重，监控系统的工作状态也对楼宇自控系统有很大影响。监控系统覆盖多个子系统，对各种功能性系统以及机电设备都有监控覆盖，例如楼内摄像头画面监控网络、设备状态监控网络，监控系统从各个单元监控设备得到的信息要及时反馈给楼宇管理员，楼宇管理员需要及时对非正常的信息做好处理工作。例如在建筑内摄像头监控网络中，就需要安保人员及时将处于不正常角度得摄像头调整过来，使全楼处于无死角监控情况。这样才能切实起到监控网络的作用。

楼宇自控系统是一个非常复杂的体系，不仅要重视监控系统的信息采集，还需要同时兼顾信息的传输、各个设备之间互相控制、中央处理器正常工作、设备操作过程中得交互行为、各个部分分工合作、数字信息的转化与处理等等环节，这些很多在目前流行的科技手段中还是比较復杂的问题，同时也容易出现系统崩溃等状况，因此需要更加数字化、智能化的科技手段对这些问题做补充和处理，取代以往陈旧的自控模式，以达成更加稳定、高效的自控系统的目标[1]。

2 人工智能技术在楼宇自控系统中应用与优势

2.1 智能数据采集

数据采集环节是楼宇自控系统中最基础的环节，同时也是工作量最大的一个环节，通常传统的自控系统都只对设定好的参数进行采集，但是这种采集难以对突发情况做出良好的反应，当环境出现更多没有设定好的变量时，很容易出现系统给出的反应不作为、乱作为甚至系统崩溃。因此，将机器学习技术引入数据采集环节，对需要的变量进行自动搜索，尽可能多的为中央处理器提供更多的信息，可以增强自控系统的稳定性，同时也便于楼宇自控系统应对更多突发状况。例如化工厂发生火灾时，有很多诱发火灾的因素，如果把不同的材料诱发火灾一一带入程序，再一对一采集信息，这样处理过程太复杂，也需要配置更加高端的处理器来处理，费时费力，并且对设定之外的诱发原因很难有针对性的处理能力，甚至有可能做出负面反应，加重火灾[2]。

2.2 智能控制设备

简单的楼宇自控系统，控制室的设备主要包括监控显示器、网络通讯装置等。引入人工智能技术处理摄像头监控画面，可以大大提高监控处理能力，很多监控采集设备对光敏只有简单的增强和聚焦效果，反映出来的低光照图像依然很难使智能处理设备做出更好地反映，因此大多需要人力辅助。而引入了EnlightenGAN网络（图像光线增强网络）的智能设备，对低光照情况有很好的处理能力，可以大大减轻人力成本，同时也增强了自控系统的处理能力。

2.3 优化搜索技术

深度学习中的优化搜索算法可以大量减轻处理器的工作量，传统的算法中，处理器都需要以不加权的“目光”去看待未来的求解路径，这样通过自由组合，处理器要从上万上千万条解决路径中一一试探，才可以做出正确反映，这样对硬件的要求很高，增加了运营成本。优化搜索技术可以使处理器从未来多次选择的组合路径中择优录取，排除不可达的求解路径，这种算法大大减轻了处理器的工作量，以动态规划的思想达成最优解，同时也使处理结果更倾向最好的解决方案。这样处理器作出的反应更快更精确，节约了硬件设备的成本，也使自控系统的控制效果更好，控制系统运行更高效[3]。

3 总结

人工智能技术通常利用机器学习手段，使某一系统根据一定的预定目标自动学习，在工程师没有考虑到的细节部分，人工智能技术可以自动给系统增加“补丁”，有些情况下，为了使参数达到状态，需要调整更多的参数，因此如果需要预设程序的话，就需要预设多维方程，但这种多维很容易被外界环境的变化而打破，利用机器学习手段可以使系统自动学习，例如在调整冷热源时需要考虑多台机器的开启状态、水泵开启状态、外界水循环温度、水泵转速等参数，对于传统算法来说，这种多参数状态提高了问题的复杂度，利用机器学习技术使系统自动适应多参数变化系统，对现场状况的改变具有更强的适应性，也增大的系统的强壮性，使系统可以在更多突发状况下正常工作，不至于瘫痪造成更大的损失。

参考文献：

[1]肖建平.人工智能技术在楼宇自控系统中应用初探[J].智能建筑与智慧城市，2018，264（11）：22-28.

[2]连群涛.智能建筑智能化系统楼宇自控施工技术探究[J].居舍，2019（14）：49.

[3]何军.楼宇自控系统节能设计[J].文摘版：工程技术（建筑），2016：212.