0 引　言

船舶居住舱暖通系统是一个综合性的系统，涵盖供暖、通风、空气调节等多个方面^[1]。在船舶航行过程中，为保证居住舱内人员的舒适度，需对居住舱暖通系统实施合理有效地调节控制，保证舱内温度、湿度及空气质量等环境参数的稳定舒适^[2,3]。

目前有部分国内外学者针对此方面展开了相关研究。郭燕飞^[4]通过运用光电传感器采集室内温度与湿度数据，并向所搭建的温湿度智能控制系统内输入所采集数据，结合混合蛙跳算法对系统内PID控制器实施优化后，实现暖通空调的温湿度控制，但该系统仅针对暖通系统的温湿度值实施控制，并未实现其空气质量参数的优化控制。王佳明等^[5]以空调的冷水进口与出口温度差等参数为输入，构建温度多元线性回归模型，实现空调制冷站的优化控制，但当输入参数之间存在高度相关性时，会导致模型估计误差，影响预测精度；且该方法只优化控制温度值，控制范围不够全面。刘伟等^[6]通过结合TRNSYS软件，创建办公楼暖通空调系统仿真模型，并通过改变暖通空调系统的不同配置，分析不同配置下的系统性能，但其准确的模拟结果依赖于高质量的输入数据，当输入数据不准确或存在误差，会导致模拟结果偏离实际，造成最终优化配置效果受到影响。

LSTM模型属于一种人工智能技术，通过引入“门”机制解决此类问题，能够在较长时间跨度上捕捉和保留信息。为此本文选用LSTM模型，设计基于人工智能技术的船舶居住舱暖通控制系统，实现对舱室内温度、湿度、空气质量等环境参数的智能调节与控制，保持舱内环境的舒适性，提升用户体验。

1 船舶居住舱暖通控制系统设计 1.1 系统整体架构设计

为提升船舶居住舱内的环境舒适性，以人工智能技术为核心，设计船舶居住舱暖通控制系统。该系统主要由智能传感器模块、人工智能控制模块、智能执行模块构成，其整体架构如图1所示。

该系统的各模块功能如下：

1）智能传感器模块。该模块主要包含空气质量传感器、湿度传感器以及温度传感器等。通过将此类传感器布置于船舶各居住舱内，实现舱内关键环境数据的实时采集，为系统实时感知居住舱内环境变化、及时有效控制暖通系统提供数据支撑。

2）人工智能控制模块。该模块经由无线网络接收到来自智能传感器模块所采集的船舶居住舱环境参数数据，运用其预处理单元对此类数据实施处理后，向其数据库内存储处理后数据；运用其人工智能单元中的LSTM模型，调用数据库内数据作为输入，实现对船舶居住舱内环境变化趋势的预测。

3）智能执行模块。该模块主要包括暖通系统的智能风机盘管、调温阀、加湿/除湿装置等。该模块将人工智能控制模块所得预测结果作为控制指令，依据指令内容调动模块中的各种装置，自动调节船舶居住舱暖通系统的供冷量、供热量、风速等运行参数，以适应舱内的不同环境条件与需求，保障舱内环境的舒适度。

1.2 智能传感器模块设计

智能传感器模块属于船舶居住舱暖通控制系统的基础模块，通过部署在船舶居住舱内的各类智能传感器，实时感知舱内的空气质量、湿度以及温度等关键参数，为后续人工智能控制模块的舱内环境学习预测、智能执行模块的暖通系统自动调节奠定基础。该模块的结构设计情况如图2所示。

智能传感器模块主要由传感器单元、上位机以及传感器网络适配器单元组成。其中，传感器单元属于该模块的任务执行部分，其包括空气质量传感器、湿度传感器以及温度传感器等，各类传感器均与微控制器相连；上位机属于该模块的客户端部分，通过无线网络与传感器网络适配器单元相连；集成处理部分经由串行通信接口与微控制器相连，构成传感器网络适配器单元，该单元属于智能传感器模块的服务器部分。智能传感器模块的工作过程描述为：

1）通过上位机经由无线网络向传感器网络适配器单元传送指令；

2）传感器网络适配器单元运用集成处理部分解析所接收的上位机指令后，生成自己的专属指令，经由串行通信接口传输至微控制器内；

3）微控制器接收到专属指令后，将该指令传送至传感器单元中对应的传感器中；

4）各类传感器接收到指令后，依据指令内容执行对应的操作任务，并向传感器网络适配器单元传输所得结果；

5）传感器网络适配器单元将所接收的传感器采集结果传输至上位机，便于上位机实施相应操作。

1.3 人工智能控制模块设计

人工智能控制模块属于船舶居住舱暖通控制系统的关键核心模块，所运用的人工智能技术为LSTM模型。该模型以智能传感器模块所采集的船舶居住舱实时环境数据与历史数据为输入，实现居住舱内空气质量、温度、湿度等关键参数变化趋势的有效预测，所得预测结果作为智能执行模块的指令，操控智能执行模块实现居住舱暖通系统运行参数的自动调节。人工智能控制模块中LSTM模型的神经元结构如图3所示。

$ A{\text{ = }}\left[ {{a_1},{a_2}, \cdots ,{a_t}} \right] $为输入到LSTM模型神经元中的居住舱环境数据；$ {a_t} $为$ t $时刻下所输入的居住舱环境数据；$ G{\text{ = }}\left[ {{g_1},{g_2}, \cdots ,{g_t}} \right] $为LSTM模型神经元所输出的居住舱环境参数变化趋势预测结果。人工智能控制模块的居住舱环境参数变化趋势预测过程如图4所示。

具体过程为：

1） 用人工智能控制模块的预处理单元对智能传感器模块采集的船舶居住舱环境参数数据实施清洗、归一化等预处理；

2） 划分处理后居住舱环境参数数据为训练集与测试集；

3）运用训练集对LSTM模型实施训练优化后，得到优化后LSTM模型；

4）运用优化后LSTM模型以测试集为输入，对居住舱环境参数变化趋势实施预测；

5） 在运用测试集实施预测过程中，当某次预测误差比前一次高时，即可终止预测过程，并将前一次预测时的模型参数作为LSTM模型的最终参数；

6）运用最优参数设定下的LSTM模型对居住舱环境参数变化趋势展开预测，得到最终预测结果输出。

2 结果分析

以某大型船舶为例，将本文系统应用在该船舶的居住舱暖通系统控制上，通过分析控制结果检验本文系统的实际应用效果。

通过本文系统获得实验船舶各居住舱的温度、湿度、空气质量环境参数变化趋势，其中，空气质量参数为甲醛浓度、PM2.5浓度、CO₂浓度。以其中3个居住舱（a1～a3）为例，所得未来12 h的各环境参数变化趋势结果，结果表明，未来12 h居住舱a1的温度值变化区间为21.6～28.2℃，且呈现先升后降的趋势，湿度值的变化区间为69.4～88.5%RH，且呈现先降后升的趋势，甲醛浓度在0.067～0.075 mg/m³区间内波动变化，PM2.5浓度在38.7～50.3 μg/m³区间内波动变化，CO₂浓度在1.87～1.98 g/m³区间内波动变化；居住舱a2的温度值变化区间为20.5～28.8℃，且呈现先升后降的趋势，湿度值的变化区间为70.1～89.2%RH，且呈现先降后升的趋势，甲醛浓度在0.065～0.077 mg/m³区间内波动变化，PM2.5浓度在36.7～44.3 μg/m³区间内波动变化，CO₂浓度在1.86～1.97 g/m³区间内波动变化；居住舱a3的温度值变化区间为21.3～27.9℃，且呈现先升后降的趋势，湿度值的变化区间为70.5～88.3%RH，且呈现先降后升的趋势，甲醛浓度在0.064～0.078 mg/m³区间内波动变化，PM2.5浓度在36.7～45.4 μg/m³区间内波动变化，CO₂浓度在1.79～1.94 g/m³区间内波动变化。

依据本文系统所得的实验船舶各居住舱环境参数变化趋势，对实验船舶各居住舱的暖通系统运行参数实施自动调节控制后，各居住舱的环境参数如图5所示。可知，经本文系统调节控制后，实验船舶各居住舱的温度值在23.3～23.8℃之间，湿度值在43.0～48.5%RH之间；甲醛浓度在0.051～0.058 mg/m³区间内；PM2.5浓度在31.5～34.3 μg/m³区间内；CO₂浓度在1.03～1.16 g/m³区间内。因此，本文系统可实现实验船舶居住舱暖通系统的有效控制，控制后各居住舱内环境参数更加稳定，有利于提升居住舒适度，改善用户居住体验。

3 结　语

船舶居住舱内环境的舒适性直接影响到用户的健康与体验感，影响舱内环境舒适性的关键参数主要有温度、湿度以及空气质量等。通过布设于居住舱内的暖通系统，可实现此类环境参数的调节控制。但实际应用中，由于舱内环境的变化，暖通系统的环境参数调节可能无法及时适应舱内环境的变化，导致各种环境参数波动较大，影响到舱内环境的舒适度及用户体验感。为此，设计了基于人工智能技术的船舶居住舱暖通控制系统，通过以LSTM模型为人工智能控制模块的核心，设计了包含智能传感器模块、人工智能控制模块以及智能执行模块的暖通控制系统，实现船舶居住舱内环境数据的有效采集、处理，以及环境变化趋势的有效预测，依据预测结果实现以适应舱内的不同环境条件与需求为前提的暖通系统运行参数有效调节，为用户提供舒适健康的居住舱环境。