BP 神經網絡在智能家庭網關中的應用研究

孫文勝 ，陳宇洋

(杭州電子科技大學通信工程學院，杭州310018)

隨著計算機網絡技術和信息技術的日益進步，現今智能家居的“智能”應該表現在系統可以通過對用戶的生活習慣進行學習和分析，對受控設備進行調整，以便更好的滿足用戶需求［1］。所以，隨著處理器能力的不斷增強以及集成技術的進步，以多功能的網關來實現控制終端與網關的融合，也將成為必然趨勢［2］。本文以下采用基于BP 算法優化的模糊神經控制技術，構造了網關智能控制系統，并以室內空氣質量分析為例，運用“LmNet FP 神經網絡通用平臺”軟件進行了模擬仿真，輸出室內空氣質量等級。

1 智能家居

智能家居網絡借助了現有的計算機網絡技術，將家庭內各種家電和設備(如照明系統、環境控制、安防系統、網絡家電)連接到一起，并通過外部網絡為人們提供各種豐富、多樣化、個性化、方便、舒適、安全和高效的服務。

家庭網關是整個智能家庭網絡的核心，負責所有智能應用終端的控制和管理。而通過家庭網關也可以實現遠程控制。例如，用戶可以通過手機等便攜智能設備進入家庭網關，以此來對家居系統中的各類受控設備進行狀態查詢和控制管理。

2 模糊神經網絡

2.1 模糊神經網絡綜述

模糊神經網絡是一種集模糊邏輯推理的強大結構性知識表達能力與神經網絡的強大自學習能力于一體的新技術。模糊辨識是一種不依賴于被辨識對象數學模型的仿人思維的辨識技術，它利用了該領域專家的先驗知識進行近似推理。而神經網絡的最大特點就是它的學習能力。在定義網絡結構以后，它可以根據樣本進行自學習、自我修正偏差，根據樣本數據自行“總結規則”，并將規則隱含在其權值矩陣中。

運用基于模糊神經網絡的家庭網關時，在模糊系統之前再加上一級神經網絡，給不同的傳感器賦予不同的權值，可以提高系統的適應能力，降低誤報率。

2.2 神經網絡和BP 算法

這里的神經網絡采用BP 算法實現。本文運用的BP 算法的實現按下述步驟進行:

(1)初始化網絡所有權值Wij，其中Wij為第i 個單元與第j 個單元的連接權值;

(2)給定訓練數據集，即提供輸入向量X 和期望輸出Y;

(3)計算實際輸出yj，其中yj為輸出層中第j 個單元的輸出

(4)計算網絡輸出誤差;

(5)調整權值，按誤差反向傳播方向，從輸出節點開始返回到隱層修正權值［7］，

式中η 為大于零的增益，δj為j 單元的誤差，δj的計算根據j 單元的形式不同;

當使用沖量時，調整權值公式變為下式:

其中α 為動量因子，0＜α＜1。

(6)判斷誤差是否滿足要求，若滿足則轉到(7)，否則返回第(3)步重復計算，直至誤差滿足要求為止。

(7)結束。

3 基于模糊神經網絡的智能家庭網關

基于模糊神經網絡技術的智能控制是智能網關的一個重要組成部分。經過神經網絡BP 算法的計算、設置、調整權值之后，具體流程如圖1 所示，將神經網絡的輸出接入到模糊系統。

圖1 BP 算法流程圖

再由已定義好規則的模糊系統對數據進行處理。最后智能網關利用IPv6 通信協議將經過模糊化的數據傳輸至家庭電器，以完成對各個設備的控制。家庭網關的智能控制流程圖如圖2 所示。

圖2 網關智能控制流程圖

4 模糊神經網絡在家庭網絡中的應用

在日常家庭生活中，人們通常在室內活動。一般來說，個人對室內的舒適程度的需求大致有以下幾方面:室內溫度、室內濕度、室內的空氣清新度、室內光照強度。我們可以通過溫度傳感器、濕度傳感器、二氧化碳濃度傳感器、光敏傳感器得到實時數據對室內的環境進行監控。將數據傳至家庭網關，再由IPv6網關通過控制空調、加濕器、開關窗戶、燈、換氣扇、窗簾，來調節室內環境［3］。由于家庭網絡內部所需控制家電設備非常多，所以本文只以室內空氣質量分析為例，分析智能網關內部BP 神經網絡部分，并使用2nsoft(埃恩科技)公司推出的“LmNet FP 神經網絡通用平臺”軟件模擬BP 網絡模型［4－5］，給出仿真結果。

4.1 樣本數據準備

本系統以室內空氣質量為例，構造了一個3 層BP 網絡［6］，如圖3 所示，輸入節點為3 個，分別為甲醛含量，氨含量，以及TVOC 含量;中間層為5 個節點;輸出層為1 個節點。

根據室內環境國家標準《GB50325—2001》，如表1 所示，其構成了3 對訓練樣本。以此3 對訓練樣本為依據隨機生成60 對訓練樣本，對訓練樣本集進行擴展。

圖3 室內空氣質量評價BP 網絡模型

網絡訓練具體步驟為:(1)產生用于網絡訓練的輸入樣本和期望輸出序列;(2)對各層連接權值和神經元閾值初始化;(3)設置學習因子大小;(4)根據設定好的誤差，結合權值和閾值調節規律，進行權值和閾值的調節;(5)如果訓練誤差收斂速度較慢，可考慮增加學習因子的值［7］，或增加各層神經元數目。

表1 室內環境國家標準BP 網絡模型訓練樣本集

4.2 測試樣本準備與導入

隨機生成一組樣本集，并通過菜單中“操作/導入測試數據”命令將測試樣本導入網絡模型。

4.3 網絡評價

通過菜單:“操作/數據預測”命令對測試樣本數據進行測試，測試結果如表2 所示。

表2 室內環境BP 網絡模型測試樣本集及預測結果

數據經過神經網絡計算結束后，將結果輸入模糊系統，再定義相應模糊規則，將神經網絡的輸出經過模糊處理后［8］，最終輸出室內空氣質量等級。以空氣質量等級(識別結果)為依據，由網關控制家中各種與環境有關的家用智能設備，實現優質的室內空氣環境。

從上述數據可以看出，通過神經網絡對輸入網關信號的處理，系統可以實現對家庭環境的學習、預測和評價。相對于普通網關來說，擁有神經網絡的家庭網關能夠實現更精確，更安全，更智能地服務于智能家居系統中。

5 結束語

本文提出的智能家庭網關是對現代家庭智能系統的一種改進和完善。尤其是在家庭智能網關中運用了模糊控制與神經網絡相結合的控制方法，使家庭網關擁有了較為可靠的自我控制、調節家庭內部環境的能力。并以實驗模擬出室內空氣質量檢測的BP 算法網絡模型。相信在不久的將來，基于模糊神經網絡的各項智能產品必將得到更廣泛的應用。

［1］ 苗碩.遠程智能家居管理系統的研究與設計［D］. 西安:西安建筑科技大學，2006.

［2］ 于澗，黃喆，唐文晶.基于IPv6 的家庭網絡研究和應用［J］. 沈陽師范大學學報(自然科學版)，2008，26(1):75－78.

［3］ Bilhanan Silverajan，Karri Huhtanen，Jarmo Harju.IPv6 Experiments in Deploying and Accessing Services from Home Networks［C］//Korea:Asia－Pacific Conference on Communications，2006:1－5.

［4］ Li Zhu，Lei Qin，Kouying Xue.A Novel BP Neural Network Model for Traffic Prediction of Next Generation Network［C］//China:2009 Fifth International Conference on Natural Computation，2009:32－38.

［5］ 何璠.基于BP 人工神經網絡的環境質量評價模型研究［D］.成都:四川大學，2007.

［6］ 李曉華，趙現綱.一種基于多Agent 的智能家居系統研究與設計［J］.計算機工程，2006，32(21):233－234.

［7］ 王棟，廖開俊，孫勇.一種基于BP 神經網絡的多傳感器系統信號降噪算法［J］.傳感技術學報，2006，19(6):2716－2718.

［8］ 王美玲，王念平，李曉.BP 神經網絡算法的改進及應用［J］.計算機工程與應用，2009，45(35):47－48.