基于红外热成像的建筑外墙热阻动态辨识方法研究

Currently, the widely adopted in-situ measurement of thermal resistance or heat transfer coefficient， based on heat flow meter method， presents several disadvantages， including low efficiency and high cost. Those defects directly hindered the effective and comprehensive application on on-site inspection works of Chinese building energy performance and put an adverse impact on the implementation and development of technical measures for Chinese building energy efficiency further. In this research program， some up-to-date theories and technologies， such as unsteady heat transfer theory, infrared thermal imaging, machine learning, and image processing technologies will be combined together along with the current experience of existing energy performance detection technology to handle this issue. On the foundation of them and the system identification method， this research tries to solve the crucial fundamental scientific problems of field rapid test on building wall thermal resistance， so as to lay the theoretical cornerstone and clarify the technological viewpoints of the applications of infrared thermal imaging technology in on-site inspection and quantitative monitoring of building energy saving. Thus， this research project will be significantly valuable and meaningful in improving detection and monitoring level of building energy performance and promoting the development of green building in China.

现行的热流计法在进行热阻（或传热系数）现场测试存在效率低、成本高等劣势，这使得热流计法无法在我国建筑节能现场检测工作中得到有效、全面应用，影响到我国建筑节能技术措施的实施和发展。为解决这一难题，本项目将结合非稳态传热理论、红外热成像技术、机器学习、图像处理技术以及现有节能检测技术经验，采用系统辨识方法探索解决建筑外墙热阻现场快速测试中的关键基础科学问题，以期为红外热成像技术在建筑节能现场检测、监测中的量化应用奠定理论基础与厘清技术思路。因此本项目对于提高我国的建筑节能检测监测水平、促进建筑节能与绿色建筑发展将具有重要价值和深远意义。

无论是在建筑竣工验收、节能改造及运行维护等阶段，建筑围护结构热工性能检测都是一项极其重要的工作。外墙是建筑围护结构的重要组成部分，现行的热流计法进行外墙热阻（或传热系数）现场测试存在效率低、成本高等劣势，这使得其无法在建筑节能现场检测工作中得到有效、全面应用，影响建筑节能工作发展，“节能建筑不节能”现象时有发生。基于此，本项目探索研究基于红外热成像和机器学习辨识建模，形成一种高效、经济、无损的外墙热阻现场检测方法，进而获得其传热系数。.基于非稳态导热反问题理论分析，确定了外墙热阻辨识建模的技术路线。通过数值模拟实验，获取了丰富的热阻辨识建模所需的样本数据。对四种适于非线性时间序列问题的机器学习算法（BP、RBF、GRNN和PSO-SVM）建立的建筑外墙热阻辨识模型进行了对比分析。结果表明，PSO-SVM模型的泛化能力要明显优于其它三种方法，其辨识准确率高达94.7%，且抗噪性能良好，检测周期可缩短至12小时。经对比分析，采用RBF神经网络建立了外墙红外图像温度数据的校准模型，修正值平均相对误差为4.3%、均方误差为0.007。编写了红外图像快速处理程序，可剔除异物，提取有效区域的温度数据，实现了修正后红外数据和有效区域图像的可视化。采用实验室测试和现场测试两种方法验证了本项目提出的热阻测试方法的可行性和有效性。实验室测试值与理论值的相对误差平均值为2.6%，与传热系数检测仪的相对误差平均值为3.5%；现场测试结果与与传热系数检测仪的相对误差平均值为7.1%。项目成果将有助于对建筑节能的有效监管、制定科学改造决策与制定相关法律法规与标准规范等，体现结果导向控制的原则与要求，对促进建筑节能与绿色建筑发展将具有重要应用价值和深远意义。. 在项目执行期间，发表了期刊论文10篇，其中SCI收录5篇；发表了会议论文3篇，EI收录1篇；获批软件著作权2项；培养了博士研究生2名，硕士研究生9名。