一种室内工作面的自适应调光方法、装置、设备及介质

本发明涉及一种室内工作面的自适应调光方法、装置、设备及介质，属于室内照明。

背景技术：

1、智能照明通过传感器、云服务、大数据和用户习惯，并对光进行控制，不仅可以节约能源、提高照明质量，同时还具有调节情绪的作用。智能照明系统是智能家居的重要特征之一。智能照明不仅节约能源，还可以提高生产力、调节昼夜节律、提高光照质量和调节情绪等好处。因此，这一新兴研究领域的大多数工作都集中在获取最大的能源节约和较好的照明质量。然而，室内环境的各异、设计参数(平均照度、均匀度、照明功率密度和眩光度)的互斥等问题给室内智能照明应用带来了阻碍。因此，如何利用现代技术的优势，构建一个舒适、节能和满足用户需求的室内智能照明方案，是室内智能照明最具有挑战性的问题之一。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种室内工作面的自适应调光方法、装置、设备及介质，能够实现室内工作面的自适应调光。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明提供了一种室内工作面的自适应调光方法，包括：

4、获取目标房间当前的工况信息；

5、将当前的工况信息输入训练好的调光预测模型，获取各灯具当前的调光等级；

6、根据当前的调光等级驱动各灯具进行调光；

7、其中，所述调光预测模型的训练包括：

8、获取多组目标房间历史的工况信息及其调光等级；

9、将历史的工况信息及其调光等级分别作为模型输入和模型期望输出，生成训练样本；

10、构建基于卷积神经网络的调光预测模型，并通过ga-pso算法优化调光预测模型的初始权值和阈值；

11、通过训练样本对优化后的调光预测模型进行训练。

12、可选的，所述工况信息包括目标作业面的面积和照度偏差、各灯具的光通量、安装位置、维护系数以及工作效率；所述照度偏差通过照度传感器采集目标作业面的实际照度，并与预设照度做差获取。

13、可选的，所述工况信息及调光等级均进行归一化预处理。

14、可选的，所述通过ga-pso算法优化调光预测模型的初始权值和阈值包括：

15、对调光预测模型的初始权值和阈值进行编码，获取初始粒子种群；

16、确定适应度函数，基于适应度函数分别计算初始粒子种群中各粒子的适应度函数值；

17、根据适应度函数值从粒子种群中择优选取预设数量n的粒子组成父辈种群；

18、根据ga算法和pso算法的更新机制对父辈种群进行迭代更新，直至迭代次数大于预设的最大迭代次数，输出最终的父辈种群；

19、根据适应度函数值从最终的父辈种群中选取最优的粒子，对粒子进行解码得到优化后的调光预测模型的初始权值和阈值；

20、其中，所述适应度函数f为：

21、f＝|y-y|

22、式中，y和y分别为调光预测模型的输出预测和输出期望，调光预测模型的权值和阈值为粒子的解码结果。

23、可选的，所述迭代更新的步骤包括：

24、对父辈种群中各粒子分别按照ga算法和pso算法的更新机制进行更新，生成两个新种群；

25、基于适应度函数分别计算两个新种群中各粒子的适应度函数值；

26、根据适应度函数值从粒子种群中择优选取预设数量n的粒子组成优选种群；

27、根据适应度函数值从优选种群和父辈种群中择优选取预设数量n的粒子组成下一次迭代的父辈种群。

28、可选的，所述ga算法的更新机制包括：

29、基于适应度函数分别计算父辈种群中各粒子的适应度函数值；

30、根据适应度函数值找到粒子的个体最优值和全局最优值；

31、根据个体最优值和全局最优值更新粒子的速度和位置；

32、基于适应度函数分别计算更新后各粒子的适应度函数值；

33、根据更新后的适应度函数值更新粒子的个体最优值和全局最优值。

34、可选的，所述ga算法的更新机制包括：

35、基于适应度函数分别计算父辈种群中各粒子的适应度函数值；

36、根据适应度函数值采用轮赌盘方式选取预设数量n的粒子；

37、对选取的粒子进行交叉操作和变异操作生成新粒子。

38、第二方面，本发明提供了一种室内工作面的自适应调光装置，所述装置包括：

39、当前信息获取模块，用于获取目标房间当前的工况信息；

40、当前模型预测模块，用于将当前的工况信息输入训练好的调光预测模型，获取各灯具当前的调光等级；

41、当前灯具调光模块，用于根据当前的调光等级驱动各灯具进行调光；

42、其中，所述调光预测模型的训练包括：

43、历史信息获取模块，用于获取多组目标房间历史的工况信息及其调光等级；

44、训练样本生成模块，用于将历史的工况信息及其调光等级分别作为模型输入和模型期望输出，生成训练样本；

45、模型初始化模块，用于构建基于卷积神经网络的调光预测模型，并通过ga-pso算法优化调光预测模型的初始权值和阈值；

46、模型训练模块，用于通过训练样本对优化后的调光预测模型进行训练。

47、第三方面，本发明提供了一种电子设备，包括处理器及存储介质；

48、所述存储介质用于存储指令；

49、所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。

50、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述方法的步骤。

51、与现有技术相比，本发明所达到的有益效果：

52、本发明提供的一种室内工作面的自适应调光方法、装置、设备及介质，通过构建调光预测模型，应对室内对光照存在影响的各种工况参数，根据输入的工况信息能够快速准确的得到各灯具的调光等级，从而实现灯具调光，提升室内照明的用户体验；在训练调光预测模型时，通过ga-pso算法优化调光预测模型的初始权值和阈值，从而提升迭代速度、提高全局优化能力。

技术特征：

1.一种室内工作面的自适应调光方法，其特征在于，包括：

2.根据权利要求1所述的室内工作面的自适应调光方法，其特征在于，所述工况信息包括目标作业面的面积和照度偏差、各灯具的光通量、安装位置、维护系数以及工作效率；所述照度偏差通过照度传感器采集目标作业面的实际照度，并与预设照度做差获取。

3.根据权利要求1所述的室内工作面的自适应调光方法，其特征在于，所述工况信息及调光等级均进行归一化预处理。

4.根据权利要求1所述的室内工作面的自适应调光方法，其特征在于，所述通过ga-pso算法优化调光预测模型的初始权值和阈值包括：

5.根据权利要求4所述的室内工作面的自适应调光方法，其特征在于，所述迭代更新的步骤包括：

6.根据权利要求5所述的室内工作面的自适应调光方法，其特征在于，所述ga算法的更新机制包括：

7.根据权利要求5所述的室内工作面的自适应调光方法，其特征在于，所述ga算法的更新机制包括：

8.一种室内工作面的自适应调光装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括处理器及存储介质；

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。

技术总结
本发明公开了一种室内工作面的自适应调光方法、装置、设备及介质，其方法包括：获取目标房间当前的工况信息；将当前的工况信息输入训练好的调光预测模型，获取各灯具当前的调光等级；根据当前的调光等级驱动各灯具进行调光；其中，所述调光预测模型的训练包括：获取多组目标房间历史的工况信息及其调光等级；将历史的工况信息及其调光等级分别作为模型输入和模型期望输出，生成训练样本；构建基于卷积神经网络的调光预测模型，并通过GA‑PSO算法优化调光预测模型的初始权值和阈值；通过训练样本对优化后的调光预测模型进行训练；本发明能够实现高效准确的室内调光。

技术研发人员：孙科学,姚若蓝,张瑛,赵一凡
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/1/13