一种环境自适应电致变色遮阳被动式窗户控制方法及装置

摘要

本发明涉及窗户自适应控制的技术领域，揭露了一种环境自适应电致变色遮阳被动式窗户控制方法及装置，包括：采集玻璃幕墙不同区域的双向光照强度数据；基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将目标函数转换为图表示形式；利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并基于电流强度调节遮阳窗户的透光性；基于深度神经网络构建窗户变色控制模型，将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。本发明基于室外光照强度实现玻璃幕墙内遮阳窗户透光性的自适应调节，并实现遮阳窗户的自适应变色，反射较强的太阳光。

权利要求

1.一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述方法包括：S1：在玻璃幕墙上均匀布设光敏传感器，采集玻璃幕墙不同区域的双向光照强度数据，并对采集到的双向光照强度数据进行预处理，其中所述双向光照强度数据包括室外光照强度和室内光照强度；

S2：基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将玻璃幕墙电致分布控制目标函数转换为图表示形式，其中所述将玻璃幕墙电致分布控制目标函数转换为图表示形式，包括：将所述玻璃幕墙电致分布控制目标函数转换为图表示形式，所述图表示形式的转换流程为：

1)将玻璃幕墙区域集合作为图表示G(E,V)中的点集合E＝{e1,e2,…,eN}，eN表示第N个玻璃幕墙区域，相邻的玻璃幕墙区域构成一条边，vn,n+1表示第n个玻璃幕墙区域与第n+1个玻璃幕墙区域所构成的边；

2)将玻璃幕墙电致分布控制目标函数转换为图表示形式，所述图表示结果F′为：其中：

en为第n个玻璃幕墙区域在图表示形式中的点，en(In)为点en在电流强度维度的值，为点en在室内光照强度维度的值， 为点en在室外光照强度维度的值；

cn,0为点en的初始透光性；

vn,n+1[|en(In)‑en+1(In+1)|]为边vn,n+1中两个点在电流强度维度的差值；

S3：利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并将该电流强度的电流输送到对应区域的窗户中，调节遮阳窗户的透光性；

S4：基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，并基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型；

S5：将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。

2.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S1步骤中采集玻璃幕墙不同区域的双向光照强度数据，包括：将玻璃幕墙划分为N个面积、形状均相同的玻璃幕墙区域，在每个玻璃幕墙区域布设光敏传感器，所述光敏传感器分别布设在玻璃幕墙区域的室内和室外，采集双向光照强度数据，其中所述双向光照强度数据包括室外光照强度和室内光照强度。

3.如权利要求2所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S1步骤中对采集到的双向光照强度数据进行预处理，包括：对采集到的双向光照强度数据进行预处理，构成双向光照强度数据集：{U1,U2,…,Un,…,UN}

其中：

Un和Un+1为相邻的玻璃幕墙区域的双向光照强度时序数据，所述相邻的优先级顺序为左方相邻，下方相邻，右方相邻；

所述双向光照强度数据集中任意玻璃幕墙区域的双向光照强度数据Un的数据格式为：其中：

N表示所划分的玻璃幕墙区域数目；

Un为第n个玻璃幕墙区域的双向光照强度时序数据， 为第n个玻璃幕墙区域在tL时刻的室外光照强度， 为第n个玻璃幕墙区域在tL时刻的室内光照强度；

所述双向光照强度数据的时间范围区间为[t1,tL]。

4.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S2步骤中构建玻璃幕墙电致分布控制目标函数，包括：根据预处理后的双向光照强度数据，构建玻璃幕墙电致分布控制目标函数：其中：

In为第n个玻璃幕墙区域的电流强度，根据电流强度调节遮阳窗户的透光性，所述电流强度与透光性的函数关系为cn＝f(In)，其中cn为透光性，In为电流强度；

cn,0为第n个玻璃幕墙区域的初始透光性，f(In)为第n个玻璃幕墙区域基于电流强度In的透光性；

所述玻璃幕墙电致分布控制目标函数的约束条件为：In

其中：

Imax为遮阳窗户允许通过的最大电流值。

5.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S3步骤中利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，包括：利用图优化算法对所转换的图表示结果F′进行优化求解，所述优化求解流程为：

1)随机生成X个可行解，第j个可行解Xj的位置信息包括N维的电流强度值：rj＝[Ij,1,Ij,2,…,Ij,N]

2)初始化每个可行解的位置信息rj以及速度qj，其中初始化的位置信息rj中，每一维的电流强度值小于Imax，Imax为遮阳窗户允许通过的最大电流值；

3)初始化优化求解迭代次数为h，h的初始值为0，并设置最大迭代次数为Max；

4)将每个可行解的位置信息带入目标函数所转换的图表示，每一维电流强度值对应图表示中每个点的电流强度维度，得到每个可行解Xj的图表示结果Fj′(h)，选取所有可行解中最小的图表示结果所对应的位置信息作为第h次迭代的最优位置r*(h)；

5)更新可行解的速度和位置：

qj(h+1)＝qj(h)+0.1*rand(0,1)*(r*(h)‑rj(h))rj(h+1)＝rj(h)+qj(h)

其中：

rj(h)为第h次迭代时可行解Xj的位置信息；

qj(h)为第h次迭代时可行解Xj的速度信息；

rand(0,1)为0‑1之间的随机数；

6)判断当前迭代次数h是否达到最大迭代次数Max，若达到最大迭代次数，此时最小的图表示结果所对应的位置信息即为优化求解结果 其中 为第n个玻璃幕墙区域的电流强度求解结果；若未达到最大迭代次数，则令h＝h+1，返回步骤4)。

6.如权利要求5所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S3步骤中将求解得到的不同区域电流强度的电流输送到对应区域的遮阳窗户中，遮阳窗户调节自身的透光性，包括：将求解结果所对应的不同玻璃幕墙区域的电流强度 所对应的电流输送到对应区域的遮阳窗户中，其中 为第n个玻璃幕墙区域的电流强度求解结果，利用电流强度与透光性的拟合公式f(·)得到不同玻璃幕墙区域内遮阳窗户的透光性集合：其中：

为第n个玻璃幕墙区域内遮阳窗户的透光性；

不同玻璃幕墙区域内的遮阳窗户根据透光性集合调节自身的透光性。

7.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S4步骤中基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，包括：基于深度神经网络构建窗户变色控制模型，所述窗户变色控制模型包括输入端，电场转换端，神经网络卷积层以及输出层，其中所述输入端的输入值为单个玻璃幕墙区域的电流强度，电场转换端将输入的电流强度转换电场强度，将电场强度作为神经网络卷积层的输入值，神经输出层输出遮阳窗户的变色结果；

所述电场转换端的电场强度转换公式为：

其中：

*

I为输入电场转换端的电流强度；

为转换后的电场强度；

d为玻璃幕墙区域内导线的横截面积；

为电导率；

所述神经网络卷积层的卷积公式为：

其中：

为电场强度的卷积结果；

Conv(·)为卷积公式，卷积公式内包括卷积层的偏置向量b′以及权重向量w′；

所述输出层的输出公式为：

其中：

为玻璃幕墙区域内遮阳窗户的变色结果；

通过获取采样数据构成窗户变色控制模型的训练数据集data：data＝{(I(k),y(k))|k∈[1,K]}其中：

(I(k),y(k))为训练数据集data中的第k组训练数据，I(k)为电流强度，y(k)为对应的窗户颜色；

K为训练数据集data中训练数据的组数。

8.如权利要求7所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S4步骤中基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型，包括：设置窗户变色控制模型的训练损失函数：

其中：

y(k)为电流强度I(k)的真实窗户颜色；

为将电流强度I(k)作为窗户变色控制模型的输出，模型输出的窗户颜色；

利用随机梯度下降方法对窗户变色控制模型中的偏置向量b′以及权重向量w′进行参数训练，所述参数训练流程为：其中：

h′为参数迭代次数，初始值为0，b′(0)以及w′(0)为随机生成的参数向量；

重复参数训练迭代流程，直到模型参数不变，将训练得到的稳定参数作为窗户变色控制模型的参数，得到最优的窗户变色控制模型。

9.如权利要求1所述的一种环境自适应电致变色遮阳被动式窗户控制方法，其特征在于，所述S5步骤中将遮阳窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，包括：将不同玻璃幕墙区域的电流强度 依次输入到窗户变色控制模型中，窗户变色控制模型输出窗户的变色结果，控制遮阳窗户进行变色。

说明书

一种环境自适应电致变色遮阳被动式窗户控制方法及装置

技术领域

[0001] 本发明涉及窗户自适应控制的技术领域，尤其涉及一种环境自适应电致变色遮阳被动式窗户控制方法及装置。

背景技术

[0002] 随着建筑幕墙的发展，建筑幕墙目前已经广泛应用于写字楼等建筑，其中玻璃幕墙是较为常见的建筑幕墙。由于写字楼玻璃幕墙窗户面积大，透光性强，一方面，太阳光可以轻易从玻璃幕墙中传过，用户需要人工调节窗户的透光性避免室外光照对室内光照造成较大影响，而经常性的人工调节会影响用户工作效率；另一方面，较强的太阳光直射会损耗玻璃幕墙的使用寿命。

发明内容

[0003] 有鉴于此，本发明提供一种环境自适应电致变色遮阳被动式窗户控制方法，目的在于基于室外光照强度实现玻璃幕墙内遮阳窗户透光性的自适应调节，避免人工调节窗户影响工作效率的问题，并实现遮阳窗户的自适应变色，从而反射较强的太阳光，提高玻璃幕墙的使用寿命。

[0004] 实现上述目的，本发明提供的一种环境自适应电致变色遮阳被动式窗户控制方法，包括以下步骤：

[0005] S1：在玻璃幕墙上均匀布设光敏传感器，采集玻璃幕墙不同区域的双向光照强度数据，并对采集到的双向光照强度数据进行预处理，其中所述双向光照强度数据包括室外光照强度和室内光照强度；

[0006] S2：基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将玻璃幕墙电致分布控制目标函数转换为图表示形式；

[0007] S3：利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并将该电流强度的电流输送到对应区域的窗户中，调节遮阳窗户的透光性；

[0008] S4：基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，并基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型；

[0009] S5：将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。

[0010] 作为本发明的进一步改进方法：

[0011] 可选地，所述S1步骤中采集玻璃幕墙不同区域的双向光照强度数据，包括：

[0012] 将玻璃幕墙划分为N个面积、形状均相同的玻璃幕墙区域，在每个玻璃幕墙区域布设光敏传感器，所述光敏传感器分别布设在玻璃幕墙区域的室内和室外，采集双向光照强度数据，其中所述双向光照强度数据包括室外光照强度和室内光照强度。

[0013] 可选地，所述S1步骤中对采集到的双向光照强度数据进行预处理，包括：

[0014] 对采集到的双向光照强度数据进行预处理，构成双向光照强度数据集：

[0015] {U1,U2,…,Un,…,UN}

[0016] 其中：

[0017] Un和Un+1为相邻的玻璃幕墙区域的双向光照强度时序数据，所述相邻的优先级顺序为左方相邻，下方相邻，右方相邻；

[0018] 所述双向光照强度数据集中任意玻璃幕墙区域的双向光照强度数据Un的数据格式为：

[0019]

[0020] 其中：

[0021] N表示所划分的玻璃幕墙区域数目；

[0022] Un为第n个玻璃幕墙区域的双向光照强度时序数据， 为第n个玻璃幕墙区域在tL时刻的室外光照强度， 为第n个玻璃幕墙区域在tL时刻的室内光照强度；

[0023] 所述双向光照强度数据的时间范围区间为[t1,tL]。

[0024] 可选地，所述S2步骤中基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，包括：

[0025] 根据预处理后的双向光照强度数据，构建玻璃幕墙电致分布控制目标函数：

[0026]

[0027] 其中：

[0028] In为第n个玻璃幕墙区域的电流强度，根据电流强度调节遮阳窗户的透光性，所述电流强度与透光性的函数关系为cn＝f(In)，其中cn为透光性，In为电流强度，在本发明实施例中，通过获取遮阳窗户大量{电流强度，透光性}数据，利用回归模型拟合出电流强度与透光性的拟合公式f(·)；

[0029] cn,0为第n个玻璃幕墙区域的初始透光性，f(In)为第n个玻璃幕墙区域基于电流强度 In的透光性；

[0030] 所述玻璃幕墙电致分布控制目标函数的约束条件为：

[0031] In

[0032] 其中：

[0033] Imax为遮阳窗户允许通过的最大电流值；

[0034] 将所述玻璃幕墙电致分布控制目标函数转换为图表示形式，所述图表示形式的转换流程为：

[0035] 1)将玻璃幕墙区域集合作为图表示G(E,V)中的点集合E＝{e1,e2,…,eN}，eN表示第 N个玻璃幕墙区域，相邻的玻璃幕墙区域构成一条边，vn,n+1表示第n个玻璃幕墙区域与第n+1个玻璃幕墙区域所构成的边；

[0036] 2)将玻璃幕墙电致分布控制目标函数转换为图表示形式，所述图表示结果F'为：

[0037]

[0038] 其中：

[0039] en为第n个玻璃幕墙区域在图表示形式中的点，en(In)为点en在电流强度维度的值， 为点en在室内光照强度维度的值， 为点en在室外光照强度维度的值；

[0040] cn,0为点en的初始透光性

[0041] vn,n+1[|en(In)‑en+1(In+1)|]为边vn,n+1中两个点在电流强度维度的差值。

[0042] 可选地，所述S3步骤中利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，包括：

[0043] 利用图优化算法对所转换的图表示结果F'进行优化求解，所述优化求解流程为：

[0044] 1)随机生成X个可行解，所述第j个可行解Xj的位置信息包括N维的电流强度值：

[0045] rj＝[Ij,1,Ij,2,…,Ij,N]

[0046] 2)初始化每个可行解的位置信息rj以及速度qj，其中初始化的位置信息rj中，每一维的电流强度值小于Imax，Imax为遮阳窗户允许通过的最大电流值；

[0047] 3)初始化优化求解迭代次数为h，h的初始值为0，并设置最大迭代次数为Max；

[0048] 4)将每个可行解的位置信息带入目标函数所转换的图表示，每一维电流强度值对应图表示中每个点的电流强度维度，得到每个可行解Xj的图表示结果F'j(h)，选取所有可行解中最小的图表示结果所对应的位置信息作为第h次迭代的最优位置r*(h)；

[0049] 5)更新可行解的速度和位置：

[0050] qj(h+1)＝qj(h)+0.1*rand(0,1)*(r*(h)‑rj(h))

[0051] rj(h+1)＝rj(h)+qj(h)

[0052] 其中：

[0053] rj(h)为第h次迭代时可行解Xj的位置信息；

[0054] qj(h)为第h次迭代时可行解Xj的速度信息；

[0055] rand(0,1)为0‑1之间的随机数；

[0056] 6)判断当前迭代次数h是否达到最大迭代次数Max，若达到最大迭代次数，此时最小的图表示结果所对应的位置信息即为优化求解结果 其中 为第n个玻璃幕墙区域的电流强度求解结果；若未达到最大迭代次数，则令h＝h+1，返回步骤 4)。

[0057] 可选地，所述S3步骤中将求解得到的不同区域电流强度的电流输送到对应区域的遮阳窗户中，遮阳窗户调节自身的透光性，包括：

[0058] 将求解结果所对应的不同玻璃幕墙区域的电流强度 所对应的电流输送到对应区域的遮阳窗户中，其中 为第n个玻璃幕墙区域的电流强度求解结果，利用电流强度与透光性的拟合公式f(·)得到不同玻璃幕墙区域内遮阳窗户的透光性集合：

[0059]

[0060] 其中：

[0061] 为第n个玻璃幕墙区域内遮阳窗户的透光性；

[0062] 不同玻璃幕墙区域内的遮阳窗户根据透光性集合调节自身的透光性。

[0063] 可选地，所述S4步骤中基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，包括：

[0064] 基于深度神经网络构建窗户变色控制模型，所述窗户变色控制模型包括输入端，电场转换端，神经网络卷积层以及输出层，其中所述输入端的输入值为单个玻璃幕墙区域的电流强度，电场转换端将输入的电流强度转换电场强度，基于电场强度实现遮阳窗户的电致变色，将电场强度作为神经网络卷积层的输入值，神经输出层输出遮阳窗户的变色结果；

[0065] 所述电场转换端的电场强度转换公式为：

[0066]

[0067] 其中：

[0068] I*为输入电场转换端的电流强度；

[0069] 为转换后的电场强度；

[0070] d为玻璃幕墙区域内导线的横截面积；

[0071] 为电导率；

[0072] 所述神经网络卷积层的卷积公式为：

[0073]

[0074] 其中：

[0075] 为电场强度的卷积结果；

[0076] Conv(·)为卷积公式，卷积公式内包括卷积层的偏置向量b'以及权重向量w'；

[0077] 所述输出层的输出公式为：

[0078]

[0079] 其中：

[0080] 为玻璃幕墙区域内遮阳窗户的变色结果；

[0081] 通过获取采样数据构成窗户变色控制模型的训练数据集data：

[0082] data＝{(I(k),y(k))|k∈[1,K]}

[0083] 其中：

[0084] (I(k),y(k))为训练数据集data中的第k组训练数据，I(k)为电流强度，y(k)为对应的窗户颜色；

[0085] K为训练数据集data中训练数据的组数。

[0086] 可选地，所述S4步骤中基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型，包括：

[0087] 设置窗户变色控制模型的训练损失函数：

[0088]

[0089] 其中：

[0090] y(k)为电流强度I(k)的真实窗户颜色；

[0091] 为将电流强度I(k)作为窗户变色控制模型的输出，模型输出的窗户颜色；

[0092] 在本发明实施例中，真实窗户颜色以及模型输出的窗户颜色均为RGB颜色编码；

[0093] 利用随机梯度下降方法对窗户变色控制模型中的偏置向量b'以及权重向量w'进行参数训练，所述参数训练流程为：

[0094]

[0095]

[0096] 其中：

[0097] h'为参数迭代次数，初始值为0，b'(0)以及w'(0)为随机生成的参数向量；

[0098] 重复参数训练迭代流程，直到模型参数不变，将训练得到的稳定参数作为窗户变色控制模型的参数，得到最优的窗户变色控制模型。

[0099] 可选地，所述S5步骤中将遮阳窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，包括：

[0100] 将不同玻璃幕墙区域的电流强度 依次输入到窗户变色控制模型中，窗户变色控制模型输出窗户的变色结果，控制遮阳窗户进行变色，实现基于光照强度的遮阳窗户自适应电致变色，在本发明实施例中，遮阳窗户的材料为锌，能够基于电场强度实现颜色改变。

[0101] 为了解决上述问题，本发明还提供一种环境自适应电致变色遮阳被动式窗户控制装置，其特征在于，所述装置包括：

[0102] 光照强度处理模块，用于采集玻璃幕墙不同区域的双向光照强度数据，并对采集到的双向光照强度数据进行预处理；

[0103] 窗户透光性控制模块，用于基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将玻璃幕墙电致分布控制目标函数转换为图表示形式，利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并将该电流强度的电流输送到对应区域的窗户中，调节遮阳窗户的透光性；

[0104] 窗户颜色控制模块，用于基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，并基于训练数据集对窗户变色控制模型进行参数训练，将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。

[0105] 为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

[0106] 存储器，存储至少一个指令；及

[0107] 处理器，执行所述存储器中存储的指令以实现上述所述的环境自适应电致变色遮阳被动式窗户控制方法。

[0108] 为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的环境自适应电致变色遮阳被动式窗户控制方法。

[0109] 相对于现有技术，本发明提出一种环境自适应电致变色遮阳被动式窗户控制方法，该技术具有以下优势：

[0110] 首先，本方案提出一种窗户透光性自适应调整方法，根据预处理后的双向光照强度数据，构建玻璃幕墙电致分布控制目标函数，所构建的目标函数结合了调节前室内光照以及调节后室内光照，并尽量满足相邻幕墙电流变化不大：

[0111]

[0112] 其中：In为第n个玻璃幕墙区域的电流强度，根据电流强度调节遮阳窗户的透光性，所述电流强度与透光性的函数关系为cn＝f(In)，其中cn为透光性，In为电流强度；cn,0为第n 个玻璃幕墙区域的初始透光性，f(In)为第n个玻璃幕墙区域基于电流强度In的透光性；所述玻璃幕墙电致分布控制目标函数的约束条件为：

[0113] In

[0114] 其中：Imax为遮阳窗户允许通过的最大电流值；通过将所述玻璃幕墙电致分布控制目标函数转换为图表示形式，从而将目标函数求解结果转换为位置信息，通过基于创建多个可行解的位置信息求解方法实现目标函数求解。将求解结果所对应的不同玻璃幕墙区域的电流强度 所对应的电流输送到对应区域的遮阳窗户中，其中 为第n个玻璃幕墙区域的电流强度求解结果，利用电流强度与透光性的拟合公式f(·)得到不同玻璃幕墙区域内遮阳窗户的透光性集合：

[0115]

[0116] 其中： 为第n个玻璃幕墙区域内遮阳窗户的透光性；不同玻璃幕墙区域内的遮阳窗户根据透光性集合调节自身的透光性，实现玻璃幕墙内遮阳窗户透光性的自适应调节，避免人工调节窗户影响工作效率的问题。

[0117] 同时，本方案提出一种窗户致电变色方法，通过基于深度神经网络构建窗户变色控制模型，所述窗户变色控制模型包括输入端，电场转换端，神经网络卷积层以及输出层，其中所述输入端的输入值为单个玻璃幕墙区域的电流强度，电场转换端将输入的电流强度转换电场强度，基于电场强度实现遮阳窗户的电致变色，将电场强度作为神经网络卷积层的输入值，神经输出层输出遮阳窗户的变色结果；所述电场转换端的电场强度转换公式为：

[0118]*

[0119] 其中：I 为输入电场转换端的电流强度； 为转换后的电场强度；d为玻璃幕墙区域内导线的横截面积；为电导率；所述神经网络卷积层的卷积公式为：

[0120]

[0121] 其中： 为电场强度的卷积结果；Conv(·)为卷积公式，卷积公式内包括卷积层的偏置向量b'以及权重向量w'；所述输出层的输出公式为：

[0122]

[0123] 其中： 为玻璃幕墙区域内遮阳窗户的变色结果；将不同玻璃幕墙区域的电流强度 依次输入到窗户变色控制模型中，窗户变色控制模型输出窗户的变色结果，控制遮阳窗户进行变色，实现基于光照强度的遮阳窗户自适应电致变色，从而在太阳光较强时反射太阳光，提高玻璃幕墙的使用寿命。

附图说明

[0124] 图1为本发明一实施例提供的一种环境自适应电致变色遮阳被动式窗户控制方法的流程示意图；

[0125] 图2为本发明一实施例提供的环境自适应电致变色遮阳被动式窗户控制装置的功能模块图；

[0126] 图3为本发明一实施例提供的实现环境自适应电致变色遮阳被动式窗户控制方法的电子设备的结构示意图。

[0127] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0128] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0129] 本申请实施例提供一种环境自适应电致变色遮阳被动式窗户控制方法。所述环境自适应电致变色遮阳被动式窗户控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述环境自适应电致变色遮阳被动式窗户控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

[0130] 实施例1：

[0131] S1：在玻璃幕墙上均匀布设光敏传感器，采集玻璃幕墙不同区域的双向光照强度数据，并对采集到的双向光照强度数据进行预处理，其中所述双向光照强度数据包括室外光照强度和室内光照强度。

[0132] 所述S1步骤中采集玻璃幕墙不同区域的双向光照强度数据，包括：

[0133] 将玻璃幕墙划分为N个面积、形状均相同的玻璃幕墙区域，在每个玻璃幕墙区域布设光敏传感器，所述光敏传感器分别布设在玻璃幕墙区域的室内和室外，采集双向光照强度数据，其中所述双向光照强度数据包括室外光照强度和室内光照强度。

[0134] 所述S1步骤中对采集到的双向光照强度数据进行预处理，包括：

[0135] 对采集到的双向光照强度数据进行预处理，构成双向光照强度数据集：

[0136] {U1,U2,…,Un,…,UN}

[0137] 其中：

[0138] Un和Un+1为相邻的玻璃幕墙区域的双向光照强度时序数据，所述相邻的优先级顺序为左方相邻，下方相邻，右方相邻；

[0139] 所述双向光照强度数据集中任意玻璃幕墙区域的双向光照强度数据Un的数据格式为：

[0140]

[0141] 其中：

[0142] N表示所划分的玻璃幕墙区域数目；

[0143] Un为第n个玻璃幕墙区域的双向光照强度时序数据， 为第n个玻璃幕墙区域在tL时刻的室外光照强度， 为第n个玻璃幕墙区域在tL时刻的室内光照强度；

[0144] 所述双向光照强度数据的时间范围区间为[t1,tL]。

[0145] S2：基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将玻璃幕墙电致分布控制目标函数转换为图表示形式。

[0146] 所述S2步骤中基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，包括：

[0147] 根据预处理后的双向光照强度数据，构建玻璃幕墙电致分布控制目标函数：

[0148]

[0149] 其中：

[0150] In为第n个玻璃幕墙区域的电流强度，根据电流强度调节遮阳窗户的透光性，所述电流强度与透光性的函数关系为cn＝f(In)，其中cn为透光性，In为电流强度，在本发明实施例中，通过获取遮阳窗户大量{电流强度，透光性}数据，利用回归模型拟合出电流强度与透光性的拟合公式f(·)；

[0151] cn,0为第n个玻璃幕墙区域的初始透光性，f(In)为第n个玻璃幕墙区域基于电流强度 In的透光性；

[0152] 所述玻璃幕墙电致分布控制目标函数的约束条件为：

[0153] In

[0154] 其中：

[0155] Imax为遮阳窗户允许通过的最大电流值；

[0156] 将所述玻璃幕墙电致分布控制目标函数转换为图表示形式，所述图表示形式的转换流程为：

[0157] 1)将玻璃幕墙区域集合作为图表示G(E,V)中的点集合E＝{e1,e2,…,eN}，eN表示第 N个玻璃幕墙区域，相邻的玻璃幕墙区域构成一条边，vn,n+1表示第n个玻璃幕墙区域与第n+1个玻璃幕墙区域所构成的边；

[0158] 2)将玻璃幕墙电致分布控制目标函数转换为图表示形式，所述图表示结果F'为：

[0159]

[0160] 其中：

[0161] en为第n个玻璃幕墙区域在图表示形式中的点，en(In)为点en在电流强度维度的值， 为点en在室内光照强度维度的值， 为点en在室外光照强度维度的值；

[0162] cn,0为点en的初始透光性

[0163] vn,n+1[|en(In)‑en+1(In+1)|]为边vn,n+1中两个点在电流强度维度的差值。

[0164] S3：利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并将该电流强度的电流输送到对应区域的窗户中，调节遮阳窗户的透光性。

[0165] 所述S3步骤中利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，包括：

[0166] 利用图优化算法对所转换的图表示结果F'进行优化求解，所述优化求解流程为：

[0167] 1)随机生成X个可行解，所述第j个可行解Xj的位置信息包括N维的电流强度值：

[0168] rj＝[Ij,1,Ij,2,…,Ij,N]

[0169] 2)初始化每个可行解的位置信息rj以及速度qj，其中初始化的位置信息rj中，每一维的电流强度值小于Imax，Imax为遮阳窗户允许通过的最大电流值；

[0170] 3)初始化优化求解迭代次数为h，h的初始值为0，并设置最大迭代次数为Max；

[0171] 4)将每个可行解的位置信息带入目标函数所转换的图表示，每一维电流强度值对应图表示中每个点的电流强度维度，得到每个可行解Xj的图表示结果F'j(h)，选取所有可行解中最小的图表示结果所对应的位置信息作为第h次迭代的最优位置r*(h)；

[0172] 5)更新可行解的速度和位置：

[0173] qj(h+1)＝qj(h)+0.1*rand(0,1)*(r*(h)‑rj(h))

[0174] rj(h+1)＝rj(h)+qj(h)

[0175] 其中：

[0176] rj(h)为第h次迭代时可行解Xj的位置信息；

[0177] qj(h)为第h次迭代时可行解Xj的速度信息；

[0178] rand(0,1)为0‑1之间的随机数；

[0179] 6)判断当前迭代次数h是否达到最大迭代次数Max，若达到最大迭代次数，此时最小的图表示结果所对应的位置信息即为优化求解结果 其中 为第n个玻璃幕墙区域的电流强度求解结果；若未达到最大迭代次数，则令h＝h+1，返回步骤 4)。

[0180] 所述S3步骤中将求解得到的不同区域电流强度的电流输送到对应区域的遮阳窗户中，遮阳窗户调节自身的透光性，包括：

[0181] 将求解结果所对应的不同玻璃幕墙区域的电流强度 所对应的电流输送到对应区域的遮阳窗户中，其中 为第n个玻璃幕墙区域的电流强度求解结果，利用电流强度与透光性的拟合公式f(·)得到不同玻璃幕墙区域内遮阳窗户的透光性集合：

[0182]

[0183] 其中：

[0184] 为第n个玻璃幕墙区域内遮阳窗户的透光性；

[0185] 不同玻璃幕墙区域内的遮阳窗户根据透光性集合调节自身的透光性。

[0186] S4：基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，并基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型。

[0187] 所述S4步骤中对所获取的二维线段支持区域进行矩形逼近，包括：

[0188] 所述S4步骤中基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，包括：

[0189] 基于深度神经网络构建窗户变色控制模型，所述窗户变色控制模型包括输入端，电场转换端，神经网络卷积层以及输出层，其中所述输入端的输入值为单个玻璃幕墙区域的电流强度，电场转换端将输入的电流强度转换电场强度，基于电场强度实现遮阳窗户的电致变色，将电场强度作为神经网络卷积层的输入值，神经输出层输出遮阳窗户的变色结果；

[0190] 所述电场转换端的电场强度转换公式为：

[0191]

[0192] 其中：

[0193] I*为输入电场转换端的电流强度；

[0194] 为转换后的电场强度；

[0195] d为玻璃幕墙区域内导线的横截面积；

[0196] 为电导率；

[0197] 所述神经网络卷积层的卷积公式为：

[0198]

[0199] 其中：

[0200] 为电场强度的卷积结果；

[0201] Conv(·)为卷积公式，卷积公式内包括卷积层的偏置向量b'以及权重向量w'；

[0202] 所述输出层的输出公式为：

[0203]

[0204] 其中：

[0205] 为玻璃幕墙区域内遮阳窗户的变色结果；

[0206] 通过获取采样数据构成窗户变色控制模型的训练数据集data：

[0207] data＝{(I(k),y(k))|k∈[1,K]}

[0208] 其中：

[0209] (I(k),y(k))为训练数据集data中的第k组训练数据，I(k)为电流强度，y(k)为对应的窗户颜色；

[0210] K为训练数据集data中训练数据的组数。

[0211] 所述S4步骤中基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型，包括：

[0212] 设置窗户变色控制模型的训练损失函数：

[0213]

[0214] 其中：

[0215] y(k)为电流强度I(k)的真实窗户颜色；

[0216] 为将电流强度I(k)作为窗户变色控制模型的输出，模型输出的窗户颜色；

[0217] 在本发明实施例中，真实窗户颜色以及模型输出的窗户颜色均为RGB颜色编码；

[0218] 利用随机梯度下降方法对窗户变色控制模型中的偏置向量b'以及权重向量w'进行参数训练，所述参数训练流程为：

[0219]

[0220]

[0221] 其中：

[0222] h'为参数迭代次数，初始值为0，b'(0)以及w'(0)为随机生成的参数向量；

[0223] 重复参数训练迭代流程，直到模型参数不变，将训练得到的稳定参数作为窗户变色控制模型的参数，得到最优的窗户变色控制模型。

[0224] S5：将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。

[0225] 所述S5步骤中将遮阳窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，包括：

[0226] 将不同玻璃幕墙区域的电流强度 依次输入到窗户变色控制模型中，窗户变色控制模型输出窗户的变色结果，控制遮阳窗户进行变色，实现基于光照强度的遮阳窗户自适应电致变色，在本发明实施例中，遮阳窗户的材料为锌，能够基于电场强度实现颜色改变。

[0227] 实施例2：

[0228] 如图2所示，是本发明一实施例提供的环境自适应电致变色遮阳被动式窗户控制装置的功能模块图，其可以实现实施例1中的被动式窗户控制方法。

[0229] 本发明所述环境自适应电致变色遮阳被动式窗户控制装置100可以安装于电子设备中。根据实现的功能，所述环境自适应电致变色遮阳被动式窗户控制装置可以包括光照强度处理模块101、窗户透光性控制模块102及窗户颜色控制模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

[0230] 光照强度处理模块101，用于采集玻璃幕墙不同区域的双向光照强度数据，并对采集到的双向光照强度数据进行预处理；

[0231] 窗户透光性控制模块102，用于基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将玻璃幕墙电致分布控制目标函数转换为图表示形式，利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并将该电流强度的电流输送到对应区域的窗户中，调节遮阳窗户的透光性；

[0232] 窗户颜色控制模块103，用于基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，并基于训练数据集对窗户变色控制模型进行参数训练，将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。

[0233] 详细地，本发明实施例中所述环境自适应电致变色遮阳被动式窗户控制装置100中的所述各模块在使用时采用与上述的图1中所述的环境自适应电致变色遮阳被动式窗户控制方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

[0234] 实施例3：

[0235] 如图3所示，是本发明一实施例提供的实现环境自适应电致变色遮阳被动式窗户控制方法的电子设备的结构示意图。

[0236] 所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如被动式窗户控制程序12。

[0237] 其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11 还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如被动式窗户控制程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

[0238] 所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器 11内的程序或者模块(被动式窗户控制程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

[0239] 所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11 以及至少一个处理器10等之间的连接通信。

[0240] 图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

[0241] 例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi‑Fi模块等，在此不再赘述。

[0242] 进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI‑FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

[0243] 可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light‑Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

[0244] 应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

[0245] 所述电子设备1中的所述存储器11存储的被动式窗户控制程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

[0246] 在玻璃幕墙上均匀布设光敏传感器，采集玻璃幕墙不同区域的双向光照强度数据，并对采集到的双向光照强度数据进行预处理，其中所述双向光照强度数据包括室外光照强度和室内光照强度；

[0247] 基于双向光照强度数据构建玻璃幕墙电致分布控制目标函数，将玻璃幕墙电致分布控制目标函数转换为图表示形式；

[0248] 利用图优化算法对目标函数所转换的图表示进行优化求解，得到玻璃幕墙不同区域的电流强度，并将该电流强度的电流输送到对应区域的窗户中，调节遮阳窗户的透光性；

[0249] 基于深度神经网络构建窗户变色控制模型，通过采样数据构成训练数据集，并基于训练数据集对窗户变色控制模型进行参数训练，得到最优的窗户变色控制模型；

[0250] 将窗户内电流的电流强度作为窗户变色控制模型的输入，模型输出窗户的颜色控制结果，并控制窗户调节自身的颜色。

[0251] 具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。

[0252] 需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

[0253] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备 (可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

[0254] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。