本次評(píng)選結(jié)果，由中國科學(xué)院《互聯(lián)網(wǎng)周刊》和eNet研究院聯(lián)合發(fā)布。達(dá)實(shí)智能在人工智能領(lǐng)域的成績(jī)?cè)佾@認(rèn)可。

要說2020年哪些行業(yè)最火，人工智能必有一席之地——因?yàn)閲矣H自按下了快進(jìn)鍵：前不久，中央表示，要加快5G網(wǎng)絡(luò)、人工智能、工業(yè)互聯(lián)網(wǎng)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進(jìn)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(duì)于專業(yè)領(lǐng)域的企業(yè)說，正好乘上了政策的春風(fēng)。達(dá)實(shí)智能作為一家專注物聯(lián)網(wǎng)方案，聚焦智能化技術(shù)的企業(yè)，也同樣在人工智能領(lǐng)域有所突破。

以其中一塊Ai算法為例！

技術(shù)一

基于負(fù)荷預(yù)測(cè)的空調(diào)系統(tǒng)全局優(yōu)化的控制技術(shù)

技術(shù)概況：在城市物聯(lián)網(wǎng)的空調(diào)、通風(fēng)、照明系統(tǒng)設(shè)計(jì)中，各系統(tǒng)大部分時(shí)間處于部分負(fù)荷下運(yùn)營(yíng)，出現(xiàn)大量能源浪費(fèi)。而最理想的做法是對(duì)未來時(shí)刻建筑所需要的冷量、通風(fēng)量進(jìn)行預(yù)測(cè)，確定各系統(tǒng)在預(yù)測(cè)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(jì)算框架和方法來實(shí)現(xiàn)。

1、基于新型的云邊端框架實(shí)現(xiàn)達(dá)實(shí)采用“云+邊+端”協(xié)同計(jì)算體系，該體系將復(fù)雜的、計(jì)算量大的模型訓(xùn)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(jìn)行實(shí)時(shí)交互，進(jìn)行推理計(jì)算，解決了計(jì)算量不足，傳輸能力不足，端側(cè)設(shè)備與云側(cè)的頻繁通訊等問題。

2、基于數(shù)據(jù)驅(qū)動(dòng)的空調(diào)負(fù)荷預(yù)測(cè)技術(shù)

該方法伴隨機(jī)器學(xué)習(xí)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(gòu)復(fù)雜的物理模型，而是基于歷史監(jiān)測(cè)數(shù)據(jù)和統(tǒng)計(jì)參數(shù)進(jìn)行數(shù)據(jù)特征的解構(gòu)和提取。且這種數(shù)據(jù)分析的方法對(duì)專業(yè)知識(shí)的要求并不高，一般的技術(shù)人員就可以完成。這一技術(shù)給數(shù)據(jù)驅(qū)動(dòng)方法在建筑能耗數(shù)據(jù)分析中的應(yīng)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(shù)

該方案涉及三項(xiàng)創(chuàng)新技術(shù)：

• 采用了基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的模型訓(xùn)練技術(shù)，用于訓(xùn)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(shí)技術(shù), 用于在線自適應(yīng)辯識(shí)空調(diào)系統(tǒng)部件模型參數(shù)。

• 采用了改進(jìn)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(shù)，用于確定空調(diào)系統(tǒng)各設(shè)備的最優(yōu)運(yùn)行參數(shù)。

技術(shù)二

基于自學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)技術(shù)

技術(shù)概況：采用該技術(shù)可以對(duì)設(shè)備故障進(jìn)行預(yù)測(cè)，提前感知設(shè)備故障，遠(yuǎn)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(shè)備的維護(hù)成本。

該技術(shù)采用了混合式學(xué)習(xí)的方法，在初期設(shè)備運(yùn)行故障數(shù)據(jù)不足時(shí)，利用創(chuàng)建的物理模型進(jìn)行仿真分析，搜集特征數(shù)據(jù)，實(shí)施預(yù)測(cè)性維護(hù)。在后期，積累了一定故障數(shù)據(jù)后，采用支持向量機(jī)方法對(duì)歷史數(shù)據(jù)進(jìn)行聚類，訓(xùn)練，獲得特征數(shù)據(jù)，實(shí)施預(yù)測(cè)性維護(hù)。

相關(guān)案例

1、蘇州地鐵三號(hào)線系統(tǒng)

2、達(dá)實(shí)大廈

注：本文所提及的技術(shù)和圖例僅供參考

達(dá)實(shí)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(shù)一）

2.中央空調(diào)實(shí)際需求供冷負(fù)荷的確定方法、系統(tǒng)和電子設(shè)備（技術(shù)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(shù)一）

4.基于人工智能的大型醫(yī)療設(shè)備能耗預(yù)測(cè)方法和終端設(shè)備（技術(shù)一）

5.云邊端協(xié)同的地鐵站空調(diào)預(yù)測(cè)性運(yùn)維管理方法和系統(tǒng)（技術(shù)二）

從汽車制造到家務(wù)機(jī)器人，從工業(yè)加工到建筑設(shè)備應(yīng)用，人工智能的應(yīng)用已經(jīng)滲透我們生活的各個(gè)角落。我們堅(jiān)信，技術(shù)的進(jìn)步，可以創(chuàng)造更多美好。