[发明专利]一种基于神经网络的光环境智能控制方法

摘要

一种基于神经网络的光环境智能控制方法，包括如下步骤：步骤1：原始样本数据的采集；步骤2：样本预处理，过程如下：2.1数据变换；2.2数据清洗；步骤3：BP神经网络的设计：设计BP神经网络初步结构模型，用步骤2所得的样本数据训练并测试调整神经网络模型；步骤4：光环境优化：在根据神经网络模型得到评价函数之后，建立优化模型，求出在当前环境中，为达到最良好的光环境，各指标应达到的数值,建立优化模型目标函数如下：max F＝α₁P₁+α₂P₂+......+α_nP_n接着根据不同环境对各指标要求不同建立相应的约束条件，从而得出最优解,将得到的最优值下各指标的数据，带入系统，实现自适应调控优化光环境。本发明有效避免主观因素的影响、自适应调节。

主权项

1.一种基于神经网络的光环境智能控制方法，其特征在于，所述方法包括如下步骤：/n步骤1：原始样本数据的采集/n选取多种不同的光照环境类型E_i，对同一类型环境进行测量和数据收集，在光照环境中进行随机取点并利用传感器对该点光照度水平、色温水平进行测量，采样间隔为1s，分别进行五次取样，并各取其平均值作为当前的光照度值I和色温值T；同时由被试人员来对该点的光环境情况进行一个评价，得到评价值A，将所有的采样数据作为样本数据保存到矩阵S中/nS＝[E_i,I,T,A]/n其中i的取值不同，表示不同的光照环境类型；/n步骤2：样本预处理，过程如下：/n2.1 数据变换：标准归一化处理，选取6500K作为归一化处理中的最大数值；最小照度值为0；同理，得到指标色温的最大数值与最小数值，用半升梯形模糊隶属度公式处理所有数据，处理方式如下：/n /n2.2 数据清洗：包括对原始样本数据中的异常数据进行删除；在完成数据的标准归一化过程后，将数据输入支持向量机，完成对数据的分类以及对异常数据的剔除，并保存剔除异常值后的结果数据；/n步骤3：BP神经网络的设计/n设计BP神经网络初步结构模型，用步骤2所得的样本数据训练并测试调整神经网络模型；/n步骤4：光环境优化/n在根据神经网络模型得到评价函数之后，建立优化模型，求出在当前环境中，为达到最良好的光环境，各指标应达到的数值，建立优化模型目标函数如下：/nmax F＝α₁P₁+α₂P₂+......+α_nP_n/nα_i为第i个指标的权系数，P_i为第i个指标的隶属度函数值，i取值范围1～n；/n接着根据不同环境对各指标要求不同建立相应的约束条件，从而得出最优解,将得到的最优值下各指标的数据，带入系统，实现自适应调控优化光环境。/n