一种基于神经网络的隧道照明节能模糊控制系统技术方案

本发明专利技术公开了一种基于神经网络的隧道照明节能模糊控制系统，属于隧道照明节能技术领域。其包括隧道监测模块、数据传输模块和照明LED灯以及LED灯调光控制模块，所述隧道监测模块获取对隧道外亮度、隧道内交通量、隧道内车速、隧道内亮度和隧道内能见度的监测信号，将监测信号通过数据传输模块传输到LED灯调光控制模块内的中心照明控制计算机并作为已训练好的模糊神经网络控制模型的输入量，由计算机得出控制LED灯亮度命令，最后通过采用PWM的LED无级调光控制模式实现对隧道内亮度的256级调光，并将调光后的隧道内实时亮度反馈给中心照明控制计算机作为下一次调光的输入量，实现对隧道内亮度的实时连续调节。

【技术实现步骤摘要】
一种基于神经网络的隧道照明节能模糊控制系统
本专利技术涉及一种基于神经网络的隧道照明节能模糊控制系统，属于隧道照明节能
。
技术介绍
隧道进行高速公路隧道照明节能的研究势在必行，其原因有两方面，进行高速公路隧道照明节能研究是提高运营效益的需要。在高速公路隧道机电系统中，照明负荷约占30%左右；进行高速公路隧道照明节能研究是高速公路隧道安全运营的需要，从驾驶的安全性上来看，为了使驾驶者在隧道内行驶时视觉更自然，减少交通事故的发生，要求隧道照明要尽可能模拟隧道外的环境，耗能必然会提高，照明系统的安全性和节能性存在着此消彼长的矛盾。目前国内的大部分隧道照明控制系统虽然配备了依据时间与环境进行自动照明控制的模块，但由于光强检测器的易损与软件可靠性设计的缺陷，多数还是采用人工控制，根据不同时段和环境，主观决定灯具开关数量和方式。随着计算机技术和电子技术的发展，公路隧道照明效率取决于光源，光源的选择是照明节能的最大的方向，目前使用在隧道中的照明光源以高压钠灯、高压汞灯、卤素灯等传统灯具居多，不仅光效低、启动慢、能耗大、不利于智能控制，而且使用高压汞灯还会带来汞污染等问题。
技术实现思路
本专利技术的目的在于克服当前公路隧道照明技术不足，提供一种基于神经网络的隧道照明节能模糊控制系统，其能够通过基于一种模糊神经网络控制模型的LED灯调光控制模块根据隧道内外亮度、可见度、交通量、车速等影响因素对隧道内亮度的实时调节。本专利技术解决其技术问题所采用的技术方案是：本专利技术一种基于神经网络的隧道照明节能模糊控制系统，包括隧道监测模块、数据传输模块和照明LED灯以及对LED亮度进行调节的LED灯调光控制模块,所述隧道监测模块用于监测隧道外亮度、隧道内交通量、隧道内车速、隧道内亮度和隧道内能见度，并将监测信号通过数据传输模块传输到LED灯调光控制模块；所述数据传输模块用于传输隧道监测量和LED亮度调节指令，所述LED灯调光控制模块基于一种模糊神经网络控制模型。其中，所述隧道外亮度采用数码相机法获取，所述隧道内亮度由亮度计获取，所述隧道内交通量大小和车速模块由检测器获取，所述隧道内可见度由能见度检测器获取。所述数据传输模块包含光纤以太网、RS485总线与DALI控制协议；其中从照明控制中心与隧道这段距离的数据传输用光纤以太网，隧道内系统总线采用RS485实现对数据的传输，对隧道内各LED照明灯具的控制选用DALI协议。所述LED灯调光控制模块采用PWM的无级调光控制模式，所述无级调光控制模式包含具有PWM功能的芯片、单片机、LED驱动电路和电源；所述无极调光控制模式是通过控制LED灯电源的输出电流，调节LED灯的亮度，可实现256级亮度调节；所述LED灯调光控制模块通过单片机进行PWM控制，并通过具有PWM功能的芯片对LED驱动电路进行控制。进一步地，所述LED灯调光控制模块内包含中心照明控制计算机，所述中心照明控制计算机内的模糊神经网络控制模型采用多层前向BP网络，共由5层组成：A层、B层、C层、D层、E层，所述A层为输入层，接受语言变量的输入，输入量为隧道外亮度、隧道内亮度、隧道内车速、隧道内交通量和隧道内能见度；所述B层为隶属函数生成层，实现模糊化操作；所述C层为规则前件匹配层，计算每条规则的适用；所述D层为规则结论层，对相同的规则后件进行综合；所述E层为输出层，实现反模糊化操作，输出量为隧道内的调光数值。进一步地，所述模糊神经网络控制模型的程序设计及训练步骤如下：步骤一、设置网络结构、神经网络层数和模糊规则数；步骤二、对神经网络模型的未知参数聚类中心C、中心宽度B、线性系数P的矩阵进行初始化，设置误差指标取0.01；步骤三、根据给定输入样本、初始化的未知参数矩阵及计算公式得出神经网络的计算输出量，并根据误差函数计算出神经网络训练误差；步骤四、计算误差对三类未知参数的偏导数，并用迭代公式根据当前的未知参数、给定学习速率和训练误差对未知参数的偏导数来计算并更新的三种未知参数；步骤五、重复步骤三，将新的未知参数用于计算输出量，若训练误差＜0.01，则退出迭代，训练结束，得到相应的聚类中心C、中心宽度B、线性系数P的矩阵。通过以上技术方案，相对于现有技术，本专利技术具有以下有益效果：1)本专利技术提出的一种基于神经网络的隧道照明节能模糊控制系统构建了一种模糊神经网络控制模型，考虑了隧道内外亮度、隧道内可见度、隧道内交通量、车速等影响因素，通过多层前向BP神经网络的学习训练，能进行较为准确的隧道内亮度实时调节，与传统隧道照明亮度一直保持最大值相比，节能效果明显；2)本专利技术提出的一种基于神经网络的隧道照明节能模糊控制系统，采用PWM的无级调光控制模式，无极调光控制模式通过控制LED灯电源的输出电流，调节LED灯的亮度，可实现256级亮度调节，调光级数多、范围大，实现了隧道内照明的平滑过渡，并且有效遏止隧道照明的电能浪费；PWM(脉宽调制)调光具有能够避免在电流变化时发生LED色偏的优点；3)采用高效LED照明代替传统的高压钠灯方案，同样亮度的LED光源，功率能减少30%左右。并且，通过灯具比选、配光设计、智能控制等技术措施，在达到良好照明效果同时进一步降低LED的功率，达到节能效果。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术提出的一种基于神经网络的隧道照明节能模糊控制系统的LED灯调光控制模块的照明自动控制模型的示意图；图2是本专利技术提出的一种基于神经网络的隧道照明节能模糊控制系统的程序设计及训练流程图的示意图；图3是本专利技术提出的一种基于神经网络的隧道照明节能模糊控制系统的LED灯调光控制模块的照明控制系统硬件逻辑框图的示意图。具体实施方式现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。本专利技术一种基于神经网络的隧道照明节能模糊控制系统，包括隧道监测模块、数据传输模块和照明LED灯以及一种基于模糊神经网络控制模型的LED灯调光控制模块。该隧道监测模块用于监测隧道外亮度、隧道内交通量、隧道内车速、隧道内亮度和隧道内能见度，并将监测信号通过数据传输模块传输到LED灯调光控制模块。其中，隧道外亮度采用数码相机法获取、隧道内亮度由亮度计获取、隧道内交通量大小和车速模块由检测器如环形线圈等获取、隧道内可见度由能见度检测器获取。该数据传输模块包含光纤以太网、RS485总线与DALI控制协议，用于传输隧道监测量和LED亮度调节指令。其中从照明控制中心与隧道这段距离的数据传输用光纤以太网，隧道内系统总线采用RS485实现对数据的传输，对隧道内各LED照明灯具的控制选用DALI协议。该LED灯调光控制模块包含具有PWM功能的芯片、单片机、LED驱动电路和电源。其采用PWM的无级调光控制模式，可对LED亮度进行调节。其中，单片机进行PWM控制，具有PWM功能的芯片对LED驱动电路进行控制，通过控制LED灯电源的输出电流，调节LED灯的亮度，可实现256级亮度调节。该LED灯调光控制模块内还包含中心照明控制计算机。该中心照明控制计算机内的模糊神经网络控制模型采用多层前向BP网络，共由5层组成：A层、B层、C层、D层、E层。其中，A层为输入层，接受语言变量的输入，本文档来自技高网...

【技术保护点】
一种基于神经网络的隧道照明节能模糊控制系统，其特征在于：其包括隧道监测模块、数据传输模块和照明LED灯以及对LED亮度进行调节的LED灯调光控制模块,所述隧道监测模块用于监测隧道外亮度、隧道内交通量、隧道内车速、隧道内亮度和隧道内能见度，并将监测信号通过数据传输模块传输到LED灯调光控制模块；所述数据传输模块用于传输隧道监测量和LED亮度调节指令，所述LED灯调光控制模块基于一种模糊神经网络控制模型。

【技术特征摘要】
1.一种基于神经网络的隧道照明节能模糊控制系统，其特征在于：其包括隧道监测模块、数据传输模块和照明LED灯以及对LED亮度进行调节的LED灯调光控制模块,所述隧道监测模块用于监测隧道外亮度、隧道内交通量、隧道内车速、隧道内亮度和隧道内能见度，并将监测信号通过数据传输模块传输到LED灯调光控制模块；所述数据传输模块用于传输隧道监测量和LED亮度调节指令，所述LED灯调光控制模块基于一种模糊神经网络控制模型。2.根据权利要求1所述的基于神经网络的隧道照明节能模糊控制系统，其特征在于：所述LED灯调光控制模块内包含中心照明控制计算机，所述中心照明控制计算机内的模糊神经网络控制模型采用多层前向BP网络，共由5层组成：A层、B层、C层、D层、E层，所述A层为输入层，接受语言变量的输入，输入量为隧道外亮度、隧道内亮度、隧道内车速、隧道内交通量和隧道内能见度；所述B层为隶属函数生成层，实现模糊化操作；所述C层为规则前件匹配层，计算每条规则的适用；所述D层为规则结论层，对相同的规则后件进行综合；所述E层为输出层，实现反模糊化操作，输出量为隧道内的调光数值。3.根据权利要求2所述的基于神经网络的隧道照明节能模糊控制系统，其特征在于：所述模糊神经网络控制模型的程序设计及训练步骤如下步骤一、设置网络结构、神经网络层数和模糊规则数；步骤二、对神经网络模型的未知参数聚类中心C、中心宽度B、线性系数P的矩阵进行初始化，设置误差指标取0.01；步骤三、根据给定输入样本、初始化的未知参数矩...

【专利技术属性】
技术研发人员：李雨菲，陈荣杰，李丽，许多，郑源，刘珂，付士凤，方逸波，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32