محمدرضا اکبرزاده توتونچی

هوشمندی طیفی وسیع دارد که می توان درجات هوشمندی را بر اساس هوشمندی های اولیه و ثانویه تقسیم کرد. بررسی واژه هوش با الفاظ متنوع تقریبا مترادف در حکمت متعالیه از جمله عقل، علم، حکمت و ....نشان می دهد هوشمندی انسان نیز وابسته به هوشمندی بالاتری است بطوریکه کسب علم و فهم معانی و علوم بواسطه فیض رسانی عقل فعال است و در نتیجه ثانوی می باشد. هوش مصنوعی که دستاورد هوشمندی انسان است عملکردهای بسیار دقیقی همچون یادگیری، بهینه سازی، تعمیم پذیری دارد. در هوشمندی ثانوی امکان دارد عملکردهای بسیار قوی به منصه ظهور برسد اما به دلیل واسطه های بیشتر و ضعف در علوم می توان آگاهی یا علم ثانوی را تنها شبحی از علم دانست چنان که مشاهده می شود در هوش مصنوعی نرم افزار و سخت افزار کاملا مغایر یکدیگر هستند. با توصیف و تحلیل و قیاس ماشین هوشمند با انسان می توان فاصله آگاهی انسان با آگاهی علل اولی و ورود کثرت و مغایرت در عالم مادی را با عوالم بالاتر بهتر فهمید. اگرچه به نظر می رسد مراتبی از هوشمندی انسان به نحوه عملکرد در زمینه اخلاق و افعال اختیاری باز می گردد اما نظر به درصد قابل اعتنای تاثیرات شرایط بیرونی و یا قبلی بر اعمال اختیاری انسان، تفاوتها میان این دو نوع هوشمندی ثانوی( هوش انسان و هوش مصنوعی) به حد پایین تری نازل می شود. بدون توجه به عواطف، حالات درونی یا علوم حضوری حتی در خصوص اراده نیز تمایز اصیلی در هوشمندی انسان و هوش مصنوعی نمی توان یافت.

طراحی سیستم مدیریت انرژی هوشمند ساختمان BIEMS) ) در بخش تهویه مطبوع، برای ساختمان هایی وسیع با موتورخانه های بزرگ و ورودی های پراکنده یک مساله چند هدفه و پیچیده است که باید همزمان حفظ پایداری سیستم، تطبیق با شرایط متغیر با زمان، کاهش اتلاف انرژی و حفظ کیفیت مناسب هوا تامین نماید. بنابراین برای دستیابی به این اهداف متقابل در این ساختمان ها، بکارگیری رویکرد کنترلی توزیع شده مناسب است. در این مقاله، یک سیستم مدیریت ساختمان چند عامله همکار( CMA BMS ) مجهز به کنترلرهای فازی و حسگرهای مجازی پیشنهاد می نماییم که هریک از عامل ها کنترل یکی از اجزای اصلی موتورخانه سرمایشی را در بخش مدار اولیه HVAC برعهده دارند و برخلاف کارهای گذشته، توپولوژی آنها افقی است و هر عامل مستقل و موازی عمل می کند که منجر به عملکرد سریعتر، تشخیص خطای راحتتر و توسعه پذیری بیشتر می گردد. برای مدلسازی از سنسورهای مجازی پیاده سازی شده با شبکه های عصبی RBF بهره برده ا یم که نقش پشتیبان سنسور واقعی را نیز دارند. برای ارزیابی طرح، دو BEMS با استراتژی های متمرکز مرسوم و پیشنهادی طراحی شده و مورد آزمایش قرار گرفته اند که نتایج شبیه سازی نشان می دهد طرح پیشنهادی پردازشگر و حافظه اصلی را کمتر مشغول نگه می دارد و همچنین کنترلرهای فازی در مصرف انرژی در مقابل کنترلرهای خطی عملکرد بهتری دارند.