| 主权项 |
一种提高室内环境反向设计效率的模糊控制方法，其特征在于，该方法将模糊控制方法应用于遗传算法与神经网络相结合的反向设计方法，分别实现对反向设计过程中的计算概率和进化区间进行控制，其中：所述计算概率控制的具体流程包括：确定模糊控制的输入、模糊变量词集、模糊控制规则以及隶属函数；使用神经网络预测个体的设计目标值，若设计目标值满足设计要求，计算模糊控制的输入值，即神经网络的预测成功率和目标距离，预测成功率SR计算公式如下：SR＝100％×n(E<sub>CFD</sub>)/n(E<sub>ANN</sub>)其中，n(E<sub>CFD</sub>)为CFD计算值满足设计标准的个体数量，n(E<sub>ANN</sub>)为神经网络预测值满足设计要求的个体数量；目标距离D计算公式如下：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>D</mi><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mfrac><mrow><mo>(</mo><msub><mi>F</mi><mi>i</mi></msub><mo>-</mo><msub><mi>S</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>S</mi><mi>i</mi></msub></mfrac></mrow>]]></math><img file="FDA0000872319550000011.GIF" wi="340" he="150" /></maths>其中，n为设计目标个数，F<sub>i</sub>为第i个设计目标的预测值，S<sub>i</sub>为第i的设计目标的设计标准)；使用模糊控制器获得计算概率；若计算概率大于0.5，使用CFD计算当前个体的设计目标值；否则，所述计算概率控制流程结束；所述进化区间控制的具体流程包括：确定模糊控制的输入、模糊变量词集、模糊控制规则以及隶属函数；同时使用神经网络和CFD计算预测个体的设计目标值，确定模糊控制的输入值，即获得个体设计目标值后，使用非支配排序方法，对所有个体进行排序，然后按照个体的排序结果，赋给每个个体一个0～1之间的值，此值即为虚拟适应度值：个体越优，虚拟适应值越高，个体的虚拟适应度即为模糊控制器的输入值；使用模糊控制计算各变量的进化区间，进化区间定义为新个体的变量区间，即变量的可选范围，当个体距离目标值越近，其进化区间越小，距离目标值越远，进化区间越大；利用遗传算法的交叉变异过程，根据进化区间确定每个新预测个体的设计变量值：首先利用交叉变异过程确定新个体的编码，然后根据进化区间确定每个新个体的变化范围，根据个体编码和变化范围见的对应关系，确定新个体的设计变量值。 |
