一种智能照明控制系统的制作方法

本发明涉及照明领域，具体涉及一种智能照明控制系统。

背景技术：

相关技术中，办公大楼的照明控制，大多通过每个办公间、大厅里的设置开关分别单独控制的，然后在每个单元或楼层设置一个总开关用于控制总电源。这样在每天上下班，工作人员都需要进行开、关电源，造成种种不便。

技术实现要素：

针对上述问题，本发明提供一种智能照明控制系统。

本发明的目的采用以下技术方案来实现：

一种智能照明控制系统，包括照明控制终端和灯光照明控制子系统，该照明控制终端用于进行灯光启停方案的制定，该灯光照明控制子系统包括各照明控制器，该照明控制器根据灯光启停方案控制照明设备的启停。

本发明的有益效果为：通过对建筑物内照明系统的灯光控制，结合建筑物不同的使用管理需求，定制相对应的设备启停方案并为之应用，实现建筑绿色节能与能效管理。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构框图；

图2是照明控制故障检测装置的结构框图。

附图标记：

照明控制终端1、灯光照明控制子系统2、照明控制器3、照明控制故障检测装置100、传感器监测单元10、特征提取单元20、特征筛选单元30和故障检测单元40。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供了一种智能照明控制系统，包括照明控制终端1和灯光照明控制子系统2，该照明控制终端1用于进行灯光启停方案的制定，该灯光照明控制子系统2包括各照明控制器3，该照明控制器3根据灯光启停方案控制照明设备的启停。

优选的，该灯光照明控制器3内置RTCC实时时钟，通电后可以手动设置，定期人工校准同步时间。

本发明上述实施例通过对建筑物内照明系统的灯光控制，结合建筑物不同的使用管理需求，定制相对应的设备启停方案并为之应用，实现建筑绿色节能与能效管理。

优选的，该一种智能照明控制系统还包括用于对灯光照明控制子系统2进行实时故障检测的故障检测装置7。

本优选实施例设置照明控制故障检测装置100，能够确保照明控制器3的灯光控制功能，确保照明控制系统的正常运作。

优选的，该照明控制故障检测装置100包括传感器监测单元10、特征提取单元20、特征筛选单元30和故障检测单元40；该传感器监测单元10用于通过传感器对各照明控制器3中反映其工作状态的状态参数指标进行监测；该特征提取单元20用于对传感器监测到的信息进行滤波处理，消除噪声的干扰，再分别进行幅域参数特征提取；该特征筛选单元30用于对提取的幅域参数特征进行筛选，得出用于进行故障诊断的特征信息；该故障检测单元40用于根据筛选出的特征信息进行故障检测。

优选地，该特征筛选单元30对提取的幅域参数特征进行筛选时，具体执行：确定特征信息中的特征变量的相对重要度，其中定义相对重要度为特征变量对照明控制器3的性能影响的重要程度，然后按照相对重要度从大到小的顺序对所有特征变量进行顺序排序，筛选出前70％的特征变量，作为用于进行故障诊断的特征变量数据，其中相对重要度的计算公式为：

式中，Ψ_i为特征信息中第i个特征变量的相对重要度，Ψ(A_j)为由第j个专家组根据历史经验确定的权重，G为专家组的个数，Ψ(B)为采用主成分分析方法得到的客观权重，ξ为权重调整因子，ξ的值根据实际需要通过多次试验进行调整且ξ²<1。

本优选实施例对特征信息中的特征变量进行筛选，减少了用于故障诊断的数据信息，从而缩短了故障诊断对数据处理的时间，提高了故障诊断的速度；另外在进行特征变量的相对重要度的计算时，设定的相对重要度计算公式既能表现专家对各特征变量的重视程度，又考虑了特征变量实际含义的情况，且设置权重调整因子，从而减少加权的主观随意性，使得特征变量的相对重要度计算更贴近实际情况，提高特征筛选的精确度，从而有利于实现对照明控制器3故障的精确诊断。

优选地，该故障检测单元40对筛选出的特征信息进行故障检测时，具体执行：

(1)将未筛选出的剩余30％特征变量对应的相对重要度之和记为∑Ψ₃₀，符合条件的所有特征变量的相对重要度之和记为∑Ψ₁₀₀，由此得到筛选优化系数：

式中，G为专家组的个数；

(2)计算各特征变量的度量距离：

式中，E_λ为特征变量X_λ到标准特征变量Y_λ的度量距离，其中X_λ为监测采集的特征变量数据中第λ个特征变量，Y_λ为与X_λ相对应的处于健康状态时的标准特征变量；

另外，ME(X_λ,Y_λ)为特征变量X_λ到标准特征变量Y_λ的马氏距离，OE(X_λ,Y_λ)为特征变量X_λ到标准特征变量Y_λ的欧氏距离，是标准特征变量Y_λ的相关系数矩阵；

(3)预先设定不同类型的故障聚类阈值，若E_λ处于某种故障聚类阈值之内，则判断为该种故障。

本优选实施例利用后30％较小相对重要度的特征变量拟合出筛选优化系数，对度量距离的计算进行优化，使得度量距离的计算更贴合实际；此外，为了在进行各特征变量的度量距离计算时兼顾特征变量的相关性和独立性，采用了马氏距离和欧氏距离相结合的方式，使得各特征变量的度量距离的计算更为精确，有利于更精确地对照明控制器3进行故障诊断，从而在照明控制器3发生故障时能够及时检测到并进行及时维修，确保智能照明控制系统的正常运行。

优选地，该故障检测单元40进行不同类型的故障聚类阈值的设定时，具体为：

(1)采集照明控制器3在第o种故障状态下的足够数量K的随机样本集合{Ζ＝Y(o)_J,J＝1,2,…,K，其中，随机样本YoJ表示特征变量XJ的度量距离，计算该随机样本集的标准差vo和期望值μo；

(2)设定该照明控制器3在第o种故障状态下的故障聚类阈值T_o为：

其中为期望值μ_o的最大似然估计，为标准差v_o的最大似然估计。

本优选实施例在进行不同类型的故障聚类阈值的预先设定时，数据基础来源于照明控制器3在第o种故障状态下的足够数量的随机样本，避免了主观因素的影响，相比于通过专家经验确定的方式更为科学，可有效保证对照明控制器3进行故障检测的精度。

发明人采用本实施例进行了一系列测试，以下是进行测试得到的实验数据：

上述实验数据表明，本发明能够精确、快速地对照明控制器3进行故障检测和维修，由此可见，本发明在保障智能照明控制系统的正常运行方面产生了非常显著的有益效果。

优选地，该故障检测单元40还设有下述的高发深度故障报警机制：

记录计算得到的实际的度量距离E_λ与第o种故障状态下的期望值μ_o的实际差值Δ′，假设故障种类数量为m，如果Δ′≤v_o，则累计记录E_λ进入该范围的次数U，当满足下列评判公式时，则判断该种故障为高发深度故障，并向运行人员发出相应报警提示：

其中v′_max和v′_min分别为该种故障历史记录中的最大实际差值和最小实际差值，v′_mid为该种故障历史记录中的平均实际差值。

本优选实施例设置高发深度故障报警机制，使得该照明控制故障检测装置100能依据历史数据提示故障的深度和频率，为维修人员对照明控制器3的故障处理提供更为科学的依据。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。