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(diào)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(jié)構(gòu)，設計用于在電梯井道中垂直上下移動。轎廂內(nèi)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(xiàn)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(nèi)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(nèi)推車等裝置的進出，影響轎廂的使用效果。

技術實現(xiàn)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(diào)控方法，旨在解決現(xiàn)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(xiàn)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(nèi)；

6、排放扇，所述排放扇通過電動輥轉(zhuǎn)動連接于兩個散風板的相靠近端；

7、兩組驅(qū)動機構(gòu)，兩組所述驅(qū)動機構(gòu)均設于轎廂本體的上側(cè)；以及

8、兩組噴灑機構(gòu)，每組所述噴灑機構(gòu)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(nèi)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(qū)動機構(gòu)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(zhuǎn)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(zhuǎn)軸轉(zhuǎn)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(nèi)壁均開設有密封槽，多個所述密封槽的兩側(cè)內(nèi)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(nèi)滑動連接有延長板，所述延長板的兩端均通過轉(zhuǎn)軸轉(zhuǎn)動連接有齒輪，所述移動槽的下內(nèi)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(cè)。

17、作為本發(fā)明一種優(yōu)選的方案，所述移動槽的兩側(cè)內(nèi)壁均開設有推出槽，兩個所述推出槽的兩側(cè)內(nèi)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(zhuǎn)軸轉(zhuǎn)動連接。

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

19、步驟1：數(shù)據(jù)采集；

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

21、步驟2：使用遷移學習處理和分析時間序列數(shù)據(jù);

22、；

23、其中，表示源域數(shù)據(jù)集，下標或上標表示源域；表示第個源域數(shù)據(jù)樣本，包含特征向量和對應的標簽；表示第個源域數(shù)據(jù)樣本的特征向量；表示第個源域數(shù)據(jù)樣本的標簽；表示源域數(shù)據(jù)集中的樣本數(shù)量；

24、；

25、其中，表示目標域數(shù)據(jù)集，下標或上標表示目標域；表示第個目標域數(shù)據(jù)樣本，包含特征向量和對應的標簽；表示第個目標域數(shù)據(jù)樣本的特征向量；表示第個目標域數(shù)據(jù)樣本的標簽；表示目標域數(shù)據(jù)集中的樣本數(shù)量；

26、在源域數(shù)據(jù)上訓練一個深度神經(jīng)網(wǎng)絡模型：

27、；

28、其中，表示源域函數(shù)輸出；表示輸入數(shù)據(jù)；表示源域神經(jīng)網(wǎng)絡的參數(shù)；表示一個神經(jīng)網(wǎng)絡，通過參數(shù)和輸入進行前向傳播，得到輸出；

29、在目標域數(shù)據(jù)上微調(diào)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(shù)，表示一個神經(jīng)網(wǎng)絡的前向傳播過程；表示輸入數(shù)據(jù)；表示目標域神經(jīng)網(wǎng)絡的參數(shù)，表示參數(shù)的變化量，用于從源域參數(shù)生成目標域參數(shù)，表示一個神經(jīng)網(wǎng)絡；

32、步驟3：定義遷移學習微調(diào)目標函數(shù)；

33、在微調(diào)階段，通過調(diào)整源模型的參數(shù)以適應目標任務；

34、；

35、其中，是目標域的函數(shù)，表示源域函數(shù)輸出，表示輸入數(shù)據(jù)；表示源域神經(jīng)網(wǎng)絡的參數(shù)；表示目標域神經(jīng)網(wǎng)絡的參數(shù)，表示參數(shù)的變化量；

36、；

37、其中，表示樣本級別的損失函數(shù)，是目標域的函數(shù)，表示目標域神經(jīng)網(wǎng)絡的參數(shù)，表示目標域數(shù)據(jù)第個樣本的輸入特征，表示目標域數(shù)據(jù)第個樣本的標簽；

38、定義以下微調(diào)目標函數(shù);

39、；

40、其中，表示總體損失函數(shù)；表示樣本級別的損失函數(shù)，評估預測值與實際值的差異；表示目標域數(shù)據(jù)樣本數(shù)；表示目標域神經(jīng)網(wǎng)絡的參數(shù)，表示源域神經(jīng)網(wǎng)絡的參數(shù)，是目標域的函數(shù)，表示目標域數(shù)據(jù)第個樣本的輸入特征，表示目標域數(shù)據(jù)第個樣本的標簽；表示正則化系數(shù)，控制微調(diào)參數(shù)與預訓練參數(shù)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(shù)，以最小化損失函數(shù)：

42、；

43、其中，表示目標域數(shù)據(jù)樣本數(shù)；表示函數(shù)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(shù)在參數(shù)下對樣本的梯度；表示正則化系數(shù)，表示源域神經(jīng)網(wǎng)絡的參數(shù)；表示損失函數(shù)關于參數(shù)的梯度；

44、；

45、其中，表示目標域神經(jīng)網(wǎng)絡的參數(shù)，是學習率，控制每次更新的步長；表示損失函數(shù)關于參數(shù)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(shù)據(jù)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(nèi)的乘客數(shù)量；表示轎廂內(nèi)的當前能耗；

51、定義動作為調(diào)整各系統(tǒng)功率的操作集合：

52、；

53、其中，表示調(diào)整排放扇的功率；表示調(diào)整驅(qū)動機構(gòu)的功率；表示調(diào)整照明設施的功率；表示調(diào)整空調(diào)設施的功率；

54、設計獎勵函數(shù)以最小化能耗，同時考慮乘客舒適度；

55、；

56、其中，表示調(diào)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(quán)重系數(shù)，用于平衡能耗和舒適度之間的關系；

57、q函數(shù)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(shù)；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(shù)，以估計在狀態(tài)下采取動作的預期效用，q函數(shù)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(quán)衡即時獎勵和未來獎勵；是狀態(tài)經(jīng)過動作后轉(zhuǎn)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(wǎng)絡的參數(shù)，是學習率；

63、使用經(jīng)驗回放和目標網(wǎng)絡來更新q函數(shù)；

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(quán)衡即時獎勵和未來獎勵；是狀態(tài)經(jīng)過動作后轉(zhuǎn)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(wǎng)絡的參數(shù)，是目標q網(wǎng)絡對新狀態(tài)和動作的估計q值；

66、損失函數(shù)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(shù)；表示期望值；是目標q值；是當前q網(wǎng)絡對狀態(tài)和動作的q值估計；是當前q網(wǎng)絡的參數(shù)；

69、使用梯度下降法更新q網(wǎng)絡的參數(shù)：

70、;

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

72、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

73、1、通過電動輥的轉(zhuǎn)動，可以帶動排放扇在兩個散風板之間進行轉(zhuǎn)動，對轎廂本體內(nèi)進行換氣處理，同時電動輥的轉(zhuǎn)動還會啟動驅(qū)動機構(gòu)，通過驅(qū)動機構(gòu)將噴灑管內(nèi)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(zhuǎn)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(zhuǎn)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(zhuǎn)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(zhì)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(shù)據(jù)和時間。遷移學習微調(diào)后的模型能夠更準確地預測轎廂內(nèi)的空氣質(zhì)量參數(shù)，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(jīng)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(jù)實時環(huán)境數(shù)據(jù)和歷史運行數(shù)據(jù)，動態(tài)調(diào)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(qū)動機構(gòu)、照明和空調(diào)的能耗得到顯著降低，節(jié)能效果明顯。