本次評選結(jié)果，由中國科學院《互聯(lián)網(wǎng)周刊》和eNet研究院聯(lián)合發(fā)布。達實智能在人工智能領域的成績再獲認可。

要說2020年哪些行業(yè)最火，人工智能必有一席之地——因為國家親自按下了快進鍵：前不久，中央表示，要加快5G網(wǎng)絡、人工智能、工業(yè)互聯(lián)網(wǎng)、數(shù)據(jù)中心等新型基礎設施建設進度。創(chuàng)新產(chǎn)業(yè)獲得了巨大的政策紅利。

“新基建”的浪潮襲來，對于專業(yè)領域的企業(yè)說，正好乘上了政策的春風。達實智能作為一家專注物聯(lián)網(wǎng)方案，聚焦智能化技術的企業(yè)，也同樣在人工智能領域有所突破。

以其中一塊Ai算法為例！

技術一

基于負荷預測的空調(diào)系統(tǒng)全局優(yōu)化的控制技術

技術概況：在城市物聯(lián)網(wǎng)的空調(diào)、通風、照明系統(tǒng)設計中，各系統(tǒng)大部分時間處于部分負荷下運營，出現(xiàn)大量能源浪費。而最理想的做法是對未來時刻建筑所需要的冷量、通風量進行預測，確定各系統(tǒng)在預測條件下的最優(yōu)參數(shù)。傳統(tǒng)的方法已經(jīng)無法滿足要求，需要新的計算框架和方法來實現(xiàn)。

1、基于新型的云邊端框架實現(xiàn)達實采用“云+邊+端”協(xié)同計算體系，該體系將復雜的、計算量大的模型訓練等放入云端，優(yōu)化后的最佳模型部署于邊緣側(cè)，并與端側(cè)進行實時交互，進行推理計算，解決了計算量不足，傳輸能力不足，端側(cè)設備與云側(cè)的頻繁通訊等問題。

2、基于數(shù)據(jù)驅(qū)動的空調(diào)負荷預測技術

該方法伴隨機器學習算法的快速發(fā)展而生，是一種新興的數(shù)據(jù)分析方法，不需要建構復雜的物理模型，而是基于歷史監(jiān)測數(shù)據(jù)和統(tǒng)計參數(shù)進行數(shù)據(jù)特征的解構和提取。且這種數(shù)據(jù)分析的方法對專業(yè)知識的要求并不高，一般的技術人員就可以完成。這一技術給數(shù)據(jù)驅(qū)動方法在建筑能耗數(shù)據(jù)分析中的應用帶來了很多的可能性。

3、基于人工智能算法的能耗全局尋優(yōu)技術

該方案涉及三項創(chuàng)新技術：

• 采用了基于神經(jīng)網(wǎng)絡和支持向量機的模型訓練技術，用于訓練空調(diào)系統(tǒng)部件模型。

• 采用了帶遺忘因子的模糊自整定系統(tǒng)辨識技術, 用于在線自適應辯識空調(diào)系統(tǒng)部件模型參數(shù)。

• 采用了改進的遺傳算法、模擬退火算法和粒子群算法等全局優(yōu)化技術，用于確定空調(diào)系統(tǒng)各設備的最優(yōu)運行參數(shù)。

技術二

基于自學習的設備預測性維護技術

技術概況：采用該技術可以對設備故障進行預測，提前感知設備故障，遠程或調(diào)度人工排查故障隱患，從而避免過度維修，節(jié)約設備的維護成本。

該技術采用了混合式學習的方法，在初期設備運行故障數(shù)據(jù)不足時，利用創(chuàng)建的物理模型進行仿真分析，搜集特征數(shù)據(jù)，實施預測性維護。在后期，積累了一定故障數(shù)據(jù)后，采用支持向量機方法對歷史數(shù)據(jù)進行聚類，訓練，獲得特征數(shù)據(jù)，實施預測性維護。

相關案例

1、蘇州地鐵三號線系統(tǒng)

2、達實大廈

注：本文所提及的技術和圖例僅供參考

達實已取得的專利

1.云邊端協(xié)同的中央空調(diào)全局優(yōu)化節(jié)能控制方法和系統(tǒng)（技術一）

2.中央空調(diào)實際需求供冷負荷的確定方法、系統(tǒng)和電子設備（技術一）

3.基于多源信息融合的地鐵站空調(diào)系統(tǒng)節(jié)能控制方法和系統(tǒng)（技術一）

4.基于人工智能的大型醫(yī)療設備能耗預測方法和終端設備（技術一）

5.云邊端協(xié)同的地鐵站空調(diào)預測性運維管理方法和系統(tǒng)（技術二）

從汽車制造到家務機器人，從工業(yè)加工到建筑設備應用，人工智能的應用已經(jīng)滲透我們生活的各個角落。我們堅信，技術的進步，可以創(chuàng)造更多美好。