中文摘要：

居住环境动态自适应热舒适度控制是构建舒适、健康、节能的智能居住空间首要的关键科学问题。本项目拟研究基于数据的热环境人工系统的分层递阶结构，探索热感觉模糊规则库的挖掘算法，进而确定热环境"舒服-节能"两个动态自适应工作模式；采用神经计算方法，构建舒适度软测量模型、夏季温度-湿度关联模型，纳入"热环境变量/参数-热感觉"过程的人工系统中；建立基于随机过程理论的抱怨事件分布模型，提出与该模型及节能模式相关的热环境评价指标，研究热环境交替进入不同模式的舒适度自适应策略，进而提出热环境变量设定值的计算实验方法；根据评价指标实时校正计算实验得出的舒适度动态变化目标曲线，并将新风引入量（空气质量）控制与工作模式变换过渡巧妙结合起来。该项目属于建筑环境学科与智能控制技术交叉前沿方向，不仅对基于数据的复杂系统人工系统理论和方法有促进作用，而且对我国发展具有自主知识产权的先进智能居住空间技术具有重要价值。

结论摘要：

我国日益严重的能源短缺和环境污染成为制约经济社会发展的瓶颈之一，迫切需要强化建筑节能及其绿色运行的关键技术研究。建筑室内环境热舒适和节能运行是相互矛盾的，如何在居用户相对舒适的前提下，确保热环境运行能耗最小，是多学科交叉解决的重要科学问题。本项目研究了基于室内环境数据的动态自适应热舒适度控制方法，为构建舒适、健康、节能的智能居住空间提供技术支持。在已有实验室改造的基础上，开发了基于无线传感器网络的室内环境数据采集和控制系统，作为室内环境运行和舒适度控制的实验验证平台。采用基于多智能体的热环境人工系统分层递阶结构，利用热环境数据，构建了热舒适度软测量模型、夏季温度-湿度关联模型、能耗预测模型等组成的“热环境变量/参数-热感觉”过程的数据驱动人工系统，进而提出热环境变量设定值的计算实验方法。提出了用户PMV热舒适区在线模糊学习算法，巧妙地设计了热环境“舒适/节能”两个动态自适应运行模式，实现了热舒适和节能运行的动态协调控制。建立了基于PMV的热感觉冷/热抱怨事件分布模型，作为衡量动态热舒适度的评价指标，在此基础上提出了热舒适度和能耗多目标粒子群优化方法。采用半张量积运算方法，建立了基于数据的热环境输入输出模糊关系结构矩阵，实现了热环境多变量模糊控制，该方法无需建立模糊规则库。 所提出的热环境数据驱动控制方法属于建筑环境学科与智能控制技术交叉前沿方向，主要优势（1）普适性强。不需建立热环境系统的机理模型，仅需系统离线和在线数据。（2）自适应强。能自学习用户热舒适度偏好，自适应不同用户对热环境的需求；（3）多目标优化。通过室内环境多目标优化控制，实现热舒适需求与最小能耗的动态协调；（4）实用性强。提出的控制方法均经过实验系统的运用和检验，动态热舒适度控制系统节能效果明显。本项目的研究成果建立了绿色建筑运行领域的数据驱动的人工系统理论和方法，可广泛推广应用至智能建筑、绿色建筑、温室环境的节能控制中，实现建筑的舒适、健康和节能运行。