【技术实现步骤摘要】
本专利技术涉及智能控制领域，具体地说，涉及一种智能传感控制系统及使用方法。
技术介绍
1、随着物联网技术的迅猛发展，控制系统已经广泛应用于各行各业，例如智能家居、智能交通、智能工厂，在大型活动赛事中，led灯的身影随处可见。
2、这些应用场景需要大量的数据采集设备来采集环境数据，数据要经过处理和分析并结合具体的控制算法才能帮助决策和控制。在进行数据处理过程中，面临着数据量巨大、数据类型多样、数据质量不确定等问题。并且大多数采集设备会受到噪声、时滞等干扰因素的影响，使得数据处理更加复杂和困难，传统的数据处理方法难以胜任这一任务。且传统的控制算法响应速度慢，依赖历史信息计算参数，在系统动态变化时，控制精度低、对噪声干扰敏感，参数难以调节，针对这些问题，本专利技术提供了一种智能传感控制系统及使用方法，使用共聚类算法进行数据预处理，提高数据质量，从而提高数据处理的准确性和可靠性，且联合bp神经网络和pid控制算法，构建智能控制算法，动态调节pid控制算法中的参数，实现更加准确和迅速的控制效果。
3、当前led灯光的控制仅用于程序进行自动控制，led灯光的控制还不够灵活，不能很好的满足人们的日常个性化需求，不能很好的感知人物的行为状态从而实现智能化显示。
技术实现思路
1、本专利技术的目的在于提供一种智能传感控制系统及使用方法，通过特定的算法对采集到的数据进行处理，同时还能对人物的表情以及环境因素而进行led自动调节，以解决上述
技术介绍
中提出的问题。
2、
3、所述图像数据收集模块通过特定区域摄像头，收集所需数据；
4、所述信息存储数据库模块将收集的图像数据上传至系统数据库；
5、所述数据预处理模块通过算法对数据进行过滤筛选；
6、所述控制算法模块通过深度学习算法与pid控制算法，构建智能控制模型；
7、所述模型训练模块通过图像数据及灯光状态对智能控制模型进行训练，反馈优化模块通过数据反馈，对模型中的参数进行优化，对灯具进行智能化控制。
8、进一步地，所述图像数据收集模块，收集的数据包括人物图像数据、环境数据。
9、进一步地，所述特定区域为led灯光秀的入口处，所述灯光状态包括led的颜色和强度。
10、进一步地，所述信息数据库存储模块，传感器收集的数据上传至系统数据库，由系统数据库进行统一储存，便于统一管理，系统数据库采用sql serve关系型数据库来组织和管理数据，通过事先定义好的结构，通过结构化查询语言来进行数据操作和查询，以便后续的数据预处理。
11、进一步地，所述数据预处理模块对信息储存数据库模块中的数据进行数据清洗和数据筛选，数据清洗包括缺失值填充、异常值处理、重复值删除，数据筛选通过共聚类算法从有限的数据中筛选出高质量数据，去除噪声数据，提高数据质量，详细过程如下：
12、构造准确性数组x＝{x1,x2,…,xi…}，x1、x2、xi分别表示数据收集值a1、a2、ai的正确性，对于标准数据类型t，使用k维向量表示该数据类型的集群分布φt,1、φt,k分别表示数据类型t属于第1个、第k个集群的概率，φt服从参数为αt的dirichlet分布，对于数据收集值ai，存在潜在数据集群标签zi，标签zi服从参数为φt的cstegorical分布，潜在数据集群标签集合为z，z的概率计算公式为：
13、
14、δ表示多维beta函数，nt,k表示为标准数据类型t被划分至第k个数据集群的次数，给定z，数据收集值a1、a2、ai的正确性x1、x2、xi服从参数为ψz的bernoulli分布，且x中元素相互独立，则x的条件概率计算公式如下：
15、
16、n1表示属于集群的收集值得正确的数量，n0表示属于集群的收集值得不正确的数量，当收集值不正确时，为任意错误值的概率相等，则收集值结果为ai的条件概率为：
17、
18、di表示ai的真值，g()表示kr函数，输入0时，函数返回1，否则返回0，本专利技术通过改进的共聚类算法，对收集的数据进行筛选，筛选出质量更高的数据，作为特征在控制算法模块进行模型的训练，显著降低了噪声数据干扰的影响，相比传统算法的数据筛选，本专利技术通过改进的聚类算法筛选数据，能在有限的数据中筛选出质量最高的数据，解决在收集的数据有限时，数据质量低的问题。大大降低数据收集问题对模型训练的影响。
19、进一步的，所述控制算法模块，将传统pid控制算法联合bp神经网络模型，构建智能控制模型，实时调整pid控制算法的参数，提高控制算法的准确性和稳定性，提高pid控制算法的响应速度，详细过程如下：
20、pid控制算法公式如下：
21、uk＝f[uk-1,ek,ek-1,ek-2,kp,ki,kd]
22、uk、uk-1分别代表k时刻和k-1时刻控制算法的输出值，ek、ek-1、ek-2分别表示k时刻、k-1时刻、k-2时刻系统输出值与期望值之间的偏差，kp、ki、kd分别表示kid控制算法中的比例系数、积分系数、微分系数，设置三层bp神经网络,输入层有na个元素，隐含层有sc个神经元，输出层包含3个输出元素，输入向量i的元素对应系统不同时刻的筛选后的数据；bp神经网络输入层k时刻的输出表示为：
23、
24、x(i)表示输入向量i的第i个元素，则k时刻隐含层中激活函数输入为：
25、
26、表示k时刻隐含层第j个神经元的输入，表示输入层第i个元素到隐含层第j个神经元之间的权值矩阵，则隐含层的输出表示为：
27、
28、则激活函数的输入为：
29、
30、表示k时刻输出层第h个神经元的输入，表示隐含层第j个元素到输出层第h个神经元之间的权值矩阵，输出层的输出为：
31、
32、输出层输出的3个输出元素对应pid控制算法的3个参数：
33、
34、通过输出的kp、ki、kd的值，计算pid控制算法的输出uk，再根据公式：
35、ek＝dk-yk
36、dk表示k时刻期望响应，yk表示k时刻输出，根据bp神经网络反向传播算法，更新权值矩阵，令k＝k+1，输出kp、ki、kd的值，不断进行迭代计算，优化kp、ki、kd的值，完善智能pid控制算法。本专利技术联合bp神经网络和pid控制算法，构建的智能控制算法，动态调节pid控制算法中的参数，提高pid控制算法的响应速度，增强控制算法的稳定性和可靠性。
37、进一步的，所述反馈优化模块，通过控制算法模块输出的kp、ki、kd的值，计算pid控制算法的输出uk，根据bp神经网络反向传播算法，本文档来自技高网...
【技术保护点】
1.一种智能传感控制系统，包括图像数据收集模块、信息数据库存储模块、数据预处理模块、控制算法模块、反馈优化模块、模型训练模块；
2.根据权利要求1所述一种智能传感控制系统，其特征在于，所述图像数据收集模块，收集的数据包括人物图像数据、环境数据。
3.根据权利要求2所述一种智能传感控制系统，其特征在于，所述特定区域为LED灯光秀的入口处，所述灯光状态包括LED的颜色和强度。
4.根据权利要求1所述一种智能传感控制系统，其特征在于，所述信息数据库存储模块，传感器收集的数据上传至系统数据库，由系统数据库进行统一储存，便于统一管理，系统数据库采用SQL Serve关系型数据库来组织和管理数据，通过事先定义好的结构，通过结构化查询语言来进行数据操作和查询，以便后续的数据预处理。
5.根据权利要求4所述一种智能传感控制系统，所述数据预处理模块对信息储存数据库模块中的数据进行数据清洗和数据筛选，数据清洗包括缺失值填充、异常值处理、重复值删除，其特征在于，通过共聚类算法进行数据筛选，步骤如下：
6.根据权利要求5所述一种智能传感控制系统
7.根据权利要求6所述一种智能传感控制系统，其特征在于，所述反馈优化模块，通过控制算法模块输出的kp、ki、kd的值，计算PID控制算法的输出uk，根据BP神经网络反向传播算法，更新权值矩阵，令k＝k+1，输出kp、ki、kd的值。
8.根据权利要求7所述一种智能传感控制系统，其特征在于，所述模型训练模块，根据智能PID控制算法，构建智能控制模型，采用交叉验证方式将数据分为训练集和测试集，使用训练集训练智能控制模型以获得权重和偏置参数，最终使用测试集评估智能控制模型，并计算智能控制模型的性能指标，以所述性能指标来评价所述智能控制模型的级别。
9.根据权利要求8所述一种智能传感控制系统，其特征在于，所述性能指标包括准确率。
10.利用权利要求1-9任一项所述的智能传感控制系统进行灯具智能传感的方法。
...【技术特征摘要】
1.一种智能传感控制系统，包括图像数据收集模块、信息数据库存储模块、数据预处理模块、控制算法模块、反馈优化模块、模型训练模块；
2.根据权利要求1所述一种智能传感控制系统，其特征在于，所述图像数据收集模块，收集的数据包括人物图像数据、环境数据。
3.根据权利要求2所述一种智能传感控制系统，其特征在于，所述特定区域为led灯光秀的入口处，所述灯光状态包括led的颜色和强度。
4.根据权利要求1所述一种智能传感控制系统，其特征在于，所述信息数据库存储模块，传感器收集的数据上传至系统数据库，由系统数据库进行统一储存，便于统一管理，系统数据库采用sql serve关系型数据库来组织和管理数据，通过事先定义好的结构，通过结构化查询语言来进行数据操作和查询，以便后续的数据预处理。
5.根据权利要求4所述一种智能传感控制系统，所述数据预处理模块对信息储存数据库模块中的数据进行数据清洗和数据筛选，数据清洗包括缺失值填充、异常值处理、重复值删除，其特征在于，通过共聚类算法进行数据筛选，步骤如下：
【专利技术属性】
技术研发人员：苏涛，苏马志，杨池，魏鹏飞，胡琼平，
申请(专利权)人：深圳市艾格斯特科技有限公司，
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。