【技术实现步骤摘要】
本专利技术属于智能控制，尤其涉及一种自动售卖机用智能led灯控制方法及系统。
技术介绍
1、自动售卖机作为一种现代化的自助购物设备，拥有广泛的应用场景，从办公楼、学校到商场和车站等场所均已普及安装，其主要功能包括提供物品的便捷购物服务，为用户提供了随时随地满足小额购物需求的便利性，为了通过较佳的外观获得更好的用户感官体验，从而增加销售额，往往会在机身上安装led灯以提高美观性。
2、然而，在当前的自动售卖机设计中，led灯的控制方式存在一些明显的问题：对于环境亮度和人流情况的变化，传统的led灯控制方式难以做到实时响应和智能调整，这可能导致在白天或光线充足的环境中led灯过于亮眩，而在夜晚或光线较暗的情况下led灯又显得过于昏暗，这种固定的控制方式无法根据具体情境提供个性化的照明服务，同时也可能浪费能源，降低能效。
技术实现思路
1、本专利技术中提供了一种自动售卖机用智能led灯控制方法及系统，可有效解决上述问题。
2、为了达到上述目的，本专利技术所采用的技术方案是：
3、自动售卖机用智能led灯控制方法，包括：
4、通过安装于自动售卖机上的传感器实现周围环境亮度检测及靠近人员距离检测，且将检测结果传送至用于对所述自动售卖机进行控制的控制器；
5、在所述控制器内构建人工智能模型，用于学习和预测不同检测结果下自动售卖机上led灯的控制状态；
6、收集数据以供所述人工智能模型的训练；
7、在所述人工智能
8、进一步地，还包括：
9、定义若干性能指标，用于评估所述人工智能模型在运行中的表现；
10、实时监测所述led灯的控制结果；
11、将所述人工智能模型的预测结果与所述led灯的控制结果进行比较，获得比较结论，以及分析所述性能指标随时间的推移而发生的变化趋势，获得趋势分析结果；
12、确定所述比较结论和所述趋势分析结果的模糊集；
13、制定模糊规则，将所述比较结论和所述趋势分析结果的模糊集映射到反馈给led灯控制系统的模糊集；
14、基于所述模糊规则，使用模糊推理引擎对反馈给led灯控制系统的模糊集进行推理，产生模糊输出，对所述模糊输出去模糊化后反馈给所述人工智能模型的输入层，以供所述人工智能模型进行参数调整。
15、进一步地，对所述模糊输出去模糊化后反馈给所述人工智能模型的输入层，以供所述人工智能模型进行参数调整，包括迭代执行的以下过程：
16、从模糊输出中得到清晰的led灯控制反馈，作为新的训练集；
17、将训练完成的所述人工智能模型的led灯控制预测结果与实际led灯的控制结果进行比较，并使用损失函数计算二者之间的误差；
18、使用反向传播算法计算损失函数对于所述人工智能模型参数的梯度；
19、利用优化器根据所述梯度更新所述人工智能模型的参数，以减小误差。
20、进一步地，利用的所述优化器为梯度下降法，根据所述梯度更新所述人工智能模型的权重w和偏置b。
21、进一步地，所述权重w和偏置b的更新规则为：
22、wnew=wold−α*gradientw
23、bnew=bold−α*gradientb
24、其中，
25、α为学习率，用于控制着每次参数更新的幅度；
26、gradientw为计算获得的权重的梯度；
27、gradientb为计算获得的偏置的梯度。
28、进一步地，所述学习率根据梯度进行动态调整，包括：
29、选择初始学习率，基于所述初始学习率每隔设定步骤进行衰减，在每次衰减时，将当前学习率乘以一个衰减因子，获得衰减后的学习率。
30、进一步地，所述人工智能模型为神经网络模型，包括隐藏层，所述衰减因子通过以下公式计算：
31、n=a*β2+b*ln(β+c)
32、n为所述隐藏层的神经元数量；
33、β为衰减因子；
34、a为第一影响因子，b为第二影响因子，分别用于调整平方项β2和对数项ln(β+c)的相对重要性，c为第三影响因子，调整对数项的基线水平，a、b和c均通过实验和调整确定。
35、进一步地，定义决策规则包括：对于所述人工智能模型的输出结果进行解释，通过模型输出的解释，基于周围环境检测参数的阈值和人员距离检测参数的阈值共同定义所述决策规则。
36、自动售卖机用智能led灯控制系统，包括：
37、环境感知模块，通过安装于自动售卖机上的传感器实现周围环境亮度检测及靠近人员距离检测，且将检测结果传送至用于对所述自动售卖机进行控制的控制器；
38、人工智能模型构建模块，在所述控制器内构建人工智能模型，用于学习和预测不同检测结果下自动售卖机上led灯的控制状态；
39、数据收集模块，收集数据以供所述人工智能模型的训练；
40、决策规则定义模块，在所述人工智能模型训练完成后，定义决策规则，实现根据所述人工智能模型的输出结果对所述led灯进行控制。
41、进一步地，还包括：
42、性能评估模块，定义若干性能指标，用于评估所述人工智能模型在运行中的表现；
43、led控制监测模块，实时监测所述led灯的控制结果；
44、比较与趋势分析模块，将所述人工智能模型的预测结果与所述led灯的控制结果进行比较，获得比较结论，以及分析所述性能指标随时间的推移而发生的变化趋势，获得趋势分析结果；
45、模糊集确定模块，确定所述比较结论和所述趋势分析结果的模糊集；
46、模糊规则制定模块，制定模糊规则，将所述比较结论和所述趋势分析结果的模糊集映射到反馈给led灯控制系统的模糊集；
47、使用模糊推理引擎对反馈给led灯控制系统的模糊集进行推理，产生模糊输出，对所述模糊输出去模糊化后反馈给所述人工智能模型的输入层，以供所述人工智能模型进行参数调整。
48、通过本专利技术的技术方案，可实现以下技术效果：
49、通过本专利技术，自动售卖机的led灯可以根据周围环境的变化和人流情况智能地调整，提高能效、降低能耗，并提供更好的用户体验。
本文档来自技高网...【技术保护点】
1.自动售卖机用智能LED灯控制方法，其特征在于，包括：
2.根据权利要求1所述的自动售卖机用智能LED灯控制方法，其特征在于，还包括：
3.根据权利要求2所述的自动售卖机用智能LED灯控制方法，其特征在于，对所述模糊输出去模糊化后反馈给所述人工智能模型的输入层，以供所述人工智能模型进行参数调整，包括迭代执行的以下过程：
4.根据权利要求3所述的自动售卖机用智能LED灯控制方法，其特征在于，利用的所述优化器为梯度下降法，根据所述梯度更新所述人工智能模型的权重w和偏置b。
5.根据权利要求4所述的自动售卖机用智能LED灯控制方法，其特征在于，所述权重w和偏置b的更新规则为：
6.根据权利要求5所述的自动售卖机用智能LED灯控制方法，其特征在于，所述学习率根据梯度进行动态调整，包括：
7.根据权利要求6所述的自动售卖机用智能LED灯控制方法，其特征在于，所述人工智能模型为神经网络模型，包括隐藏层，所述衰减因子通过以下公式计算：
8.根据权利要求1所述的自动售卖机用智能LED灯控制方法，其特征在于，定义
9.自动售卖机用智能LED灯控制系统，其特征在于，包括：
10.根据权利要求9所述的自动售卖机用智能LED灯控制系统，其特征在于，还包括：
...【技术特征摘要】
1.自动售卖机用智能led灯控制方法，其特征在于，包括：
2.根据权利要求1所述的自动售卖机用智能led灯控制方法，其特征在于，还包括：
3.根据权利要求2所述的自动售卖机用智能led灯控制方法，其特征在于，对所述模糊输出去模糊化后反馈给所述人工智能模型的输入层，以供所述人工智能模型进行参数调整，包括迭代执行的以下过程：
4.根据权利要求3所述的自动售卖机用智能led灯控制方法，其特征在于，利用的所述优化器为梯度下降法，根据所述梯度更新所述人工智能模型的权重w和偏置b。
5.根据权利要求4所述的自动售卖机用智能led灯控制方法，其特征在于，所述权重w和偏置b的更新规则为：
6.根据权利...
【专利技术属性】
技术研发人员：顾斌杰，顾创垄，
申请(专利权)人：江苏圣创半导体科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。