基于神经网络的LED植物照明驱动装置制造方法及图纸

一种基于神经网络的LED植物照明驱动装置，包括1个可控电流源、j个电子开关S1至Sj和1个神经网络控制器。所述神经网络控制器又包括电流控制单元、神经网络运算器、译码器和缓冲器。所述神经网络控制器内部神经网络模型的建立或更新由“光配方”标准库、误差最小化新样本生成器和神经网络模型训练器完成。本发明专利技术以误差最小化为目标，在不改变现有LED植物照明驱动装置功率主电路的基础上，通过植入神经网络控制器来增强其对众多“光配方”的适应性表现，有利于LED植物照明系统的持续性改造或升级。

【技术实现步骤摘要】
基于神经网络的LED植物照明驱动装置
本专利技术涉及一种LED驱动装置，尤其是一种LED植物照明驱动装置。
技术介绍
LED植物照明灯具是LED植物照明系统的关键部件。其中，LED植物照明驱动装置又是LED植物照明灯具的重要组成部分，直接关系着LED植物照明灯具的一次性投入成本以及后续的使用成本。除了满足LED植物照明灯具标准等法规，LED植物照明驱动装置更需要和包含光强、光谱成分和光周期等重要信息的植物“光配方”(简称：“光配方”)以及植物照明用LED芯片高度契合，才能着实提高植物的产量和品质。但是，植物种类繁多，光照对植物生长的影响也纷繁复杂。因此，现存的“光配方”五花八门。然而，目前市售的LED植物照明驱动装置大多是根据客户指定的“光配方”进行研制的，对其他非指定的“光配方”适应性就较差。当前这种特制而非通用的做法会限制LED植物照明驱动装置乃至LED植物照明灯具成本的下降空间，最终影响LED植物照明市场渗透的速度。如果能解决LED植物照明驱动装置对众多“光配方”的适应性问题，使得LED植物照明驱动装置乃至LED植物照明灯具具有“光配方”的升级能力，那么就可以减少后期LED植物照明系统改造或升级的成本，将有助于LED植物照明系统的市场推广。
技术实现思路
为克服现有LED植物照明驱动装置对众多“光配方”存在适应性不足的问题，本专利技术提供一种基于神经网络的LED植物照明驱动装置，还包括其用于神经网络模型训练的样本生成方法。本专利技术解决其技术问题所采用的技术方案是：<br>一种基于神经网络的LED植物照明驱动装置，包括1个可控电流源、j个电子开关S1至Sj和1个神经网络控制器，j为正整数，所述可控电流源的输出电流Io满足Io＝f(ic)，ic为控制信号，f()为输出电流函数，所述电子开关S1至Sj依次串联，电子开关S1的第一端口与可控电流源的正端相连，电子开关Sj的第二端口与可控电流源的负端相连；所述电子开关S1至Sj分别与植物照明用LED芯片LED1至LEDj并联，电子开关S1至Sj的第一端口分别与植物照明用LED芯片LED1至LEDj的阳极相连，电子开关S1至Sj的第二端口分别与植物照明用LED芯片LED1至LEDj的阴极相连；当电子开关S1至Sj导通时，植物照明用LED芯片LED1至LEDj接出；当电子开关S1至Sj关断时，植物照明用LED芯片LED1至LEDj接入；按颜色C1至Cn对植物照明用LED芯片LED1至LEDj进行划分，具有颜色C1至Cn的植物照明用LED芯片总数分别为Nt_C1至Nt_Cn，满足Nt_C1+…+Nt_Cn＝j，n为正整数；所述神经网络控制器利用其内部的神经网络模型调节控制信号ic和植物照明用LED芯片接入数N_C1至N_Cn，使得LED植物照明驱动装置的工作状态和来自于外部的光强信息In和归一化光谱成分信息匹配，其中，λ为波长，0≤N_C1≤Nt_C1至0≤N_Cn≤Nt_Cn。进一步，关于神经网络控制器的一种优选方案，所述神经网络控制器包括电流控制单元、神经网络运算器、译码器和缓冲器；所述神经网络运算器接收来自于外部的归一化光谱成分信息再根据其内部的神经网络模型计算出对应颜色C1至Cn的植物照明用LED芯片接入数N_C1至N_Cn以及标准光强信息Ins；所述电流控制单元接收来自于神经网络运算器的标准光强信息Ins，根据来自于外部的光强信息In和标准光强信息Ins之间的差值以及可控电流源输出电流函数f()的特点给出控制信号ic，通过调整可控电流源的输出电流Io使得植物照明用LED芯片LED1至LEDj的工作状态满足光强信息In的要求；所述译码器接收来自于神经网络运算器的植物照明用LED芯片接入数N_C1至N_Cn，并将它们转化成电子开关S1至Sj的控制信号C_S1至C_Sj；所述缓冲器接收来自于译码器的控制信号C_S1至C_Sj，并按照设定的时序控制电子开关S1至Sj的开关状态，使得植物照明用LED芯片LED1至LEDj的工作状态满足植物照明用LED芯片接入数N_C1至N_Cn的要求。所述缓冲器的作用是保证电子开关S1至Sj开关状态发生变化时植物照明用LED芯片LED1至LEDj的光强总变化尽量平缓。所述电流控制单元、神经网络运算器、译码器和缓冲器可由专业的集成电路构成，如：74HC4514；也可采用通用的CPLD、FPGA或DSP构成，如：TMS320F28027。关于神经网络控制器的另一种优选方案，所述神经网络控制器内部神经网络模型的建立或更新由“光配方”标准库、误差最小化新样本生成器和神经网络模型训练器完成；所述“光配方”标准库包括原始样本库和新样本库，原始样本库中的原始数据由实验直接获得，而新样本库中的新数据则在原始样本库的基础上间接获得，新样本库是原始样本库的扩充，有助于提高神经网络模型的准确性；所述误差最小化新样本生成器接收新的标准归一化光谱成分信息然后从原始样本库中找到与其误差最小的原始标准归一化光谱成分信息及其他相关原始数据，最后采用以新的标准归一化光谱成分信息替换原始标准归一化光谱成分信息但保留其他相关原始数据的方法产生新数据并存入新样本库中；所述神经网络模型训练器采用“光配方”标准库中的数据作为样本对神经网络模型进行训练，并用训练结果建立或更新所述神经网络控制器内部的神经网络模型，所述样本包括植物照明用LED芯片接入数N_C1至N_Cn、标准光强信息Ins和标准归一化光谱成分信息更进一步，关于误差最小化新样本生成器的第一种优选方案，所述相关其他原始数据包括原始植物照明用LED芯片接入数N_C1_old至N_Cn_old和原始标准光强信息Ins_old，所述新数据包括新的植物照明用LED芯片接入数N_C1_new至N_Cn_new和新的标准光强信息Ins_new，令N_C1_new＝N_C1_old、N_Cn_new＝N_Cn_old和Ins_new＝Ins_old。关于误差最小化新样本生成器的第二种优选方案，所述误差最小化新样本生成器包括地址发生器、误差计算器、比较器、最小误差存储器和误差最小新样本锁存器；所述地址发生器以遍历的方式连续产生与原始植物照明用LED芯片接入数N_C1_old至N_Cn_old一致的地址信息，并从“光配方”标准库的原始样本库中获取相关的原始标准光强信息Ins_old和原始标准归一化光谱成分信息所述误差计算器计算新的标准归一化光谱成分信息与原始标准归一化光谱成分信息之间的当前误差，所述最小误差存储器存储历史最小误差，所述比较器比较当前误差与历史最小误差的大小；若当前误差小于历史最小误差，则用当前误差更新历史最小误差，同时用对应的原始植物照明用LED芯片接入数N_C1_old至N_Cn_old和原始标准光强信息Ins_old更新误差最小化新样本锁存器中的数据。所述地址发生器、误差计算器、比较器、最小误差存储器和误差最小新样本锁存器可由专业的集成电路构成，如：CD4040；也可本文档来自技高网...

【技术保护点】
1.一种基于神经网络的LED植物照明驱动装置，其特征在于：所述基于神经网络的LED植物照明驱动装置包括1个可控电流源、j个电子开关S1至Sj和1个神经网络控制器，j为正整数，所述可控电流源的输出电流Io满足Io＝f(ic)，ic为控制信号，f()为输出电流函数，所述电子开关S1至Sj依次串联，电子开关S1的第一端口与可控电流源的正端相连，电子开关Sj的第二端口与可控电流源的负端相连；/n所述电子开关S1至Sj分别与植物照明用LED芯片LED1至LEDj并联，电子开关S1至Sj的第一端口分别与植物照明用LED芯片LED1至LEDj的阳极相连，电子开关S1至Sj的第二端口分别与植物照明用LED芯片LED1至LEDj的阴极相连；/n当电子开关S1至Sj导通时，植物照明用LED芯片LED1至LEDj接出；当电子开关S1至Sj关断时，植物照明用LED芯片LED1至LEDj接入；/n按颜色C1至Cn对植物照明用LED芯片LED1至LEDj进行划分，具有颜色C1至Cn的植物照明用LED芯片总数分别为Nt_C1至Nt_Cn，满足Nt_C1+···+Nt_Cn＝j，n为正整数；/n所述神经网络控制器利用其内部的神经网络模型调节控制信号ic和植物照明用LED芯片接入数N_C1至N_Cn，使得LED植物照明驱动装置的工作状态和来自于外部的光强信息In和归一化光谱成分信息...

【技术特征摘要】
1.一种基于神经网络的LED植物照明驱动装置，其特征在于：所述基于神经网络的LED植物照明驱动装置包括1个可控电流源、j个电子开关S1至Sj和1个神经网络控制器，j为正整数，所述可控电流源的输出电流Io满足Io＝f(ic)，ic为控制信号，f()为输出电流函数，所述电子开关S1至Sj依次串联，电子开关S1的第一端口与可控电流源的正端相连，电子开关Sj的第二端口与可控电流源的负端相连；
所述电子开关S1至Sj分别与植物照明用LED芯片LED1至LEDj并联，电子开关S1至Sj的第一端口分别与植物照明用LED芯片LED1至LEDj的阳极相连，电子开关S1至Sj的第二端口分别与植物照明用LED芯片LED1至LEDj的阴极相连；
当电子开关S1至Sj导通时，植物照明用LED芯片LED1至LEDj接出；当电子开关S1至Sj关断时，植物照明用LED芯片LED1至LEDj接入；
按颜色C1至Cn对植物照明用LED芯片LED1至LEDj进行划分，具有颜色C1至Cn的植物照明用LED芯片总数分别为Nt_C1至Nt_Cn，满足Nt_C1+···+Nt_Cn＝j，n为正整数；
所述神经网络控制器利用其内部的神经网络模型调节控制信号ic和植物照明用LED芯片接入数N_C1至N_Cn，使得LED植物照明驱动装置的工作状态和来自于外部的光强信息In和归一化光谱成分信息匹配，其中，λ为波长，0≤N_C1≤Nt_C1至0≤N_Cn≤Nt_Cn。


2.如权利要求1所述的基于神经网络的LED植物照明驱动装置，其特征在于：所述神经网络控制器包括电流控制单元、神经网络运算器、译码器和缓冲器；
所述神经网络运算器接收来自于外部的归一化光谱成分信息再根据其内部的神经网络模型计算出对应颜色C1至Cn的植物照明用LED芯片接入数N_C1至N_Cn以及标准光强信息Ins；
所述电流控制单元接收来自于神经网络运算器的标准光强信息Ins，根据来自于外部的光强信息In和标准光强信息Ins之间的差值以及可控电流源输出电流函数f()的特点给出控制信号ic，通过调整可控电流源的输出电流Io使得植物照明用LED芯片LED1至LEDj的工作状态满足光强信息In的要求；
所述译码器接收来自于神经网络运算器的植物照明用LED芯片接入数N_C1至N_Cn，并将它们转化成电子开关S1至Sj的控制信号C_S1至C_Sj；
所述缓冲器接收来自于译码器的控制信号C_S1至C_Sj，并按照设定的时序控制电子开关S1至Sj的开关状态，使得植物照明用LED芯片LED1至LEDj的工作状态满足植物照明用LED芯片接入数N_C1至N_Cn的要求。


3.如权利要求1或2所述的基于神经网络的LED植物照明驱动装置，其特征在于：所述神经网络控制器内部神经网络模型的建立或更新由“光配方”标准库、误差最小化新样本生成器和神经网络模型训练器完成；
所述“光配方”标准库包括原始样本库和新样本库，原始样本库中的原始数据由实验直接获得，而新样本库中的新数据则在原始样本库的基础上间接获得；
所述误差最小化新样本生成器接收新的标准归一化光谱成分信息然后从原始样本库中找到与其误差最小的原始标准归一化光谱成分信息及其他相关原始数据，最后采用以新的标准归一化光谱成分信息替换原始标准归一化光谱成分信息但保留其他相关原始数据的方法产生新数据并存入新样本库中；
所述神经网络模型训练器采用“光配方”标准库中的数据作为样本对神经网络模型进行训练，并用训练结果建立或更新所述神经网络控制器内部的神经网络模型，所述样本包括植物照明用LED芯片接入数N_C1至N_Cn、标准光强信息Ins和标准归一化光谱成分信息


4.如权利要求3所述的基于神经网络的LED植物照明驱动装置，其特征在于：所述相关其他原始数据包括原始植物照...

【专利技术属性】
技术研发人员：陈怡，杜树旺，傅永峰，谢路耀，周丹，
申请(专利权)人：浙江工业大学之江学院，
类型：发明
国别省市：浙江;33