基于人工智能的节能灯亮度调节方法及节能灯技术

本发明专利技术公开了一种基于人工智能的节能灯亮度调节方法，包括步骤：1)以光传感器采集到的环境亮度数据为x、灯具发光强度数据为y，对x与y进行配对并制作成数据集合D；2)数据集合D中的数据分为训练数据集和效果验证数据，使用训练数据集训练神经网络使之最终收敛；3)将由n个光传感器的测量值组成的向量作为神经网络的输入，经过神经网络的回归处理后，将神经网络输出作为节能灯驱动电路的输入，控制节能灯发光强度。节能灯包括灯体、神经网络模块、以及控制灯体的工作电压和电流的输出控制模块。本发明专利技术能实现灯具发光强度根据环境亮度自然变换，达到符合人类视觉的最佳照明效果。

【技术实现步骤摘要】
基于人工智能的节能灯亮度调节方法及节能灯
本专利技术涉及一种智能照明
，特别涉及一种节能灯亮度调节方法及节能灯。
技术介绍
现有基于环境亮度实现自身亮度自动调节的灯具，是根据光传感器感知局部环境亮度以简单的数字逻辑对灯具的发光强度进行调整，这种灯具存在亮度调节反应速度慢，环境适应性差，照明效果不理想等情况。并且现有亮度可调节灯具，其不能从传感器局部感知的亮度信息准确推广得到真实环境实际光照条件，造成户外复杂环境中，灯具发光强度与环境真实需要的照明条件无法达到最优匹配，进而不能将灯具的发光强度调节到符合人类视觉的最佳发光强度。而且现有亮度可调节灯具，无法实现功耗效果的自适应调节，灯具在根据环境亮度调整发光强度的同时，无法实现以最佳能耗进行工作。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于人工智能的节能灯亮度调节方法及节能灯，以解决现有亮度可调节灯具存在的：不能在户外复杂环境中将灯具亮度调整到符合人类视觉的最佳灯具照明效果的技术问题。本专利技术基于人工智能的节能灯亮度调节方法，包括以下步骤：1)通过光传感器采集节能灯在不同季节的不同照明时间段的环境亮度数据和灯具发光强度数据；以及在不同的环境亮度下测试人眼感受灯具的照明效果，并采集使人眼感受到最佳照明效果的灯具发光强度数据；以光传感器采集到的环境亮度数据为x、灯具发光强度数据为y，并以使人眼在真实环境亮度下感受到最佳照明效果作为数据配对标准，对x与y进行配对并制作成数据集合D；n为配成对的数据的总对数，i＝0，1，2，3，……n；y的大小范围为[0，1]，0代表灯具不发出光线，1代表灯具达到最大发光强度；x的大小范围为光传感器感检测到的环境亮度值范围；2)采用由输入层、隐藏层和输出层构成的神经网络处理数据，将数据集合D中的数据分为两部分，一部分作为神经网络的训练数据集，另一部分作为神经网络的效果验证数据，训练数据集和效果验证数据集不重合；神经网络使用随机梯度下降算法作为训练算法，并使用平方损失函数判断训练结果，使用训练数据集训练神经网络使之最终收敛；3)通过光传感器测量出当前灯具所在实际环境中的光照强度值v，将由n个光传感器的测量值组成的向量V＝(v1，v2，v3…vn)作为神经网络的输入，V经过神经网络的回归处理后，神经网络输出当前灯具发光强度的最佳值y，并以最佳值y作为节能灯驱动电路的输入，对节能灯的电压和电流进行调节，以控制节能灯发光强度。进一步，所述神经网络中神经元的标准感知形式为：y＝F(∑wij*xi+b)其中y是神经元的输出，F是神经元的激活函数，xi是神经元的输入，wij是神经元的权重，通过训练获取其最终值；b是神经元的偏执项，其设置为常数1或通过训练获取最终值；所述神经网络的输出为ReLU神经元，以使神经网络的输出范围在[0，1]之间，0代表灯具不发出光线，1代表灯具达到最大发光强度；所述ReLU神经元的表达式如下：ReLU(x)＝max(0，wTx+b)其中，x为神经元的输入，w是神经元的权重，b是神经网络的偏执项，wT是神经元权重的转置。进一步，所述随机梯度下降算法的步骤如下：1)初始化：w(0)使用w(0)服从零均值高斯分布输出：w(t)；w(0)是神经元训练前的权重，为一个随机数但服从高斯分布；w(t)是神经元训练过程中，t时刻的权重，其在不断迭代更新；2)当神经网络未收敛时循环计算：t＝t+1；算法中η是一个设定值，选取初始值为0.01，然后随着循环计算的进行，η不断变小直到0.00001为止；是求偏导数符号，f是神经元的激活函数，t是循环次数，t的初始值为0。进一步，所述训练数据集中光传感器的测量值构成xi，标签是灯具最佳发光强度平方损失函数的表达式如下：L(x，y)＝(y-F(x))2上式中x为光传感器的测量值表达形式，xi为第i个光传感器的测量值，y为灯具最佳放光强度，是对应着xi的最佳发光强度的标签值，F(x)是x经过神经网络处理后输出的发光强度值；训练过程中当神经网络的输出值与标签的均方差小于或等于ξ且不再改变时，则神经网络训练成功；ξ是一个自然数值，设置为小于0.05。本专利技术还公开了一种运用节能灯亮度调节方法的节能灯，其包括灯体，还包括检测环境亮度信息的光传感器、对光传感器采集的亮度数据进行处理的神经网络模块、以及根据神经网络模块处理结果控制灯体的工作电压和电流的输出控制模块。本专利技术的有益效果：本专利技术基于人工智能的节能灯亮度调节方法及节能灯，通过经大量数据训练后的神经网络处理多个光传感器采集的数据，再以神经网络的输出作为节能灯控制电路的输入，能实现控制灯具发光强度根据环境亮度自然变换，达到符合人类视觉的最佳照明效果；能避免灯具发光强度超出最佳照明效果，达到节能目的；且有利于实现城市照明的自动化、智能化，有效减低人工调节灯具照明的误操作。附图说明图1为神经网络控制灯具发光强度示意图；图2为节能灯亮度调节流程图；图3为神经网络的结构图；图4为神经元的标准感知形式图。具体实施方式下面结合附图和实施例对本专利技术作进一步描述。如图所示，本实施例中基于人工智能的节能灯亮度调节方法，包括以下步骤：1)通过光传感器采集节能灯在不同季节的不同照明时间段的环境亮度数据和灯具发光强度数据；以及在不同的环境亮度下测试人眼感受灯具的照明效果，并采集使人眼感受到最佳照明效果的灯具发光强度数据。以光传感器采集到的环境亮度数据为x、灯具发光强度数据为y，并以使人眼在真实环境亮度下感受到最佳照明效果作为数据配对标准，对x与y进行配对并制作成数据集合D；n为配成对的数据的总对数，i＝0，1，2，3，……n；y的大小范围为[0，1]，0代表灯具不发出光线，1代表灯具达到最大发光强度；x的大小范围为光传感器感检测到的环境亮度值范围。2)采用由输入层、隐藏层和输出层构成的神经网络处理数据，将数据集合D中的数据分为两部分，一部分作为神经网络的训练数据集，另一部分作为神经网络的效果验证数据，训练数据集和效果验证数据集不重合；神经网络使用随机梯度下降算法作为训练算法，并使用平方损失函数判断训练结果，神经网络隐藏层的神经元数量的设计标准是使神经网络的回归输出值与真实值的均方误差MSE控制在1％以内，通过训练数据集训练神经网络使之最终收敛。在具体实施中，神经网络隐藏层神经元数量通常设置为100个，神经网络中神经元的数量需要足够多以使平方损失函数的值MSE(均方误差)足够小，这个值小于0.01(1％)时认为神经元的数量达到要求。3)通过光传感器测量出当前灯具所在实际环境中的光照强度值v，将由n个光传感器的测量值组成的向量V＝(v1，v2，v3…vn)作为神经网络的输入，V经过神经网络的回归处理后，神经网络输出当前灯具发光强度的最佳值y，并以最佳值y作为节能灯驱动电路的输入，对节能灯的电压和电流进行调节，以控制节能灯发光强度。本实施例中，所述神经网络中神经元的标准感知形式为：y＝F(∑wij*xi+b)其中y是神经元的输出，F是神经元的激活函数，xi是神经元的输入，wij是神经元的权重，b是神经元的偏执项。wij和b的初始值可为服从正太分布的随机数，但其最终值通过随机梯度下降算法进行计算获取，随机梯度下降算法为训练神经网络权重的标准算法，为现有算法。所述神经本文档来自技高网...

【技术保护点】
1.一种基于人工智能的节能灯亮度调节方法，其特征在于：包括以下步骤：1)通过光传感器采集节能灯在不同季节的不同照明时间段的环境亮度数据和灯具发光强度数据；以及在不同的环境亮度下测试人眼感受灯具的照明效果，并采集使人眼感受到最佳照明效果的灯具发光强度数据；以光传感器采集到的环境亮度数据为x、灯具发光强度数据为y，并以使人眼在真实环境亮度下感受到最佳照明效果作为数据配对标准，对x与y进行配对并制作成数据集合D；

【技术特征摘要】
1.一种基于人工智能的节能灯亮度调节方法，其特征在于：包括以下步骤：1)通过光传感器采集节能灯在不同季节的不同照明时间段的环境亮度数据和灯具发光强度数据；以及在不同的环境亮度下测试人眼感受灯具的照明效果，并采集使人眼感受到最佳照明效果的灯具发光强度数据；以光传感器采集到的环境亮度数据为x、灯具发光强度数据为y，并以使人眼在真实环境亮度下感受到最佳照明效果作为数据配对标准，对x与y进行配对并制作成数据集合D；n为配成对的数据的总对数，i＝0,1,2,3，……n；y的大小范围为[0,1]，0代表灯具不发出光线，1代表灯具达到最大发光强度；x的大小范围为光传感器感检测到的环境亮度值范围；2)采用由输入层、隐藏层和输出层构成的神经网络处理数据，将数据集合D中的数据分为两部分，一部分作为神经网络的训练数据集，另一部分作为神经网络的效果验证数据，训练训练数据集和效果验证数据集不重合；神经网络使用随机梯度下降算法作为训练算法，并使用平方损失函数判断训练结果，使用训练数据集训练神经网络使之最终收敛；3)通过光传感器测量出当前灯具所在实际环境中的光照强度值v，将由n个光传感器的测量值组成的向量V＝(v1，v2，v3…vn)作为神经网络的输入，V经过神经网络的回归处理后，神经网络输出当前灯具发光强度的最佳值y，并以最佳值y作为节能灯驱动电路的输入，对节能灯的电压和电流进行调节，以控制节能灯发光强度。2.根据权利要求1所述的基于人工智能的节能灯亮度调节方法，其特征在于：所述神经网络中神经元的标准感知形式为：y＝F(∑wij*xi+b)其中y是神经元的输出，F是神经元的激活函数，xi是神经元的输入，wij是神经元的权重，通过训练获取其最终值；b是神经元的偏执项，其设置为常数1或通过训练获取最终值；所...

【专利技术属性】
技术研发人员：朱军，何鎏，
申请(专利权)人：浙江大川照明有限公司，
类型：发明
国别省市：浙江,33