本發(fā)明涉及智能控制領(lǐng)域，更具體地，涉及一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)及方法。

背景技術(shù)：

自20世紀70年代能源危機以來，能源及環(huán)境問題受到社會各界的高度重視，全球能源消耗的增幅遠遠高于經(jīng)濟增幅，作為全球第一能耗大國，能源消耗問題是中國亟需重視和解決的關(guān)鍵問題。建筑能源消耗在全球總能源消耗中占據(jù)了相當(dāng)大的比例，根據(jù)最新調(diào)查顯示，在三級總能耗中，照明設(shè)備的能耗占到了40％至70％，因此，利用照明和遮陽系統(tǒng)創(chuàng)建能耗最小的室內(nèi)視覺舒適環(huán)境對于減少建筑能耗具有及其重要的意義。

室內(nèi)視覺舒適環(huán)境的建設(shè)綜合“綠色照明”與“以人為本”的理念，在視覺舒適的基礎(chǔ)上最大程度的利用自然光能源，降低照明能耗；室內(nèi)視覺舒適主要由室內(nèi)照度決定，因此，室內(nèi)視覺舒適環(huán)境建設(shè)需以用戶的視覺舒適度作為重要的優(yōu)化參數(shù)，將自然光的有效利用與燈光照明使用結(jié)合起來以達到視覺舒適的目的。

目前，室內(nèi)視覺舒適環(huán)境相關(guān)控制系統(tǒng)在國內(nèi)外已被廣泛研究，針對遮陽百葉的控制規(guī)則及控制方法已經(jīng)形成了較為成熟的理論和測試方法，從傳統(tǒng)控制方法到基于模糊邏輯的智能控制器以及二者的結(jié)合，動態(tài)開窗與燈光控制的引入使得自然光得到了更好的開發(fā)利用，進而達到了節(jié)省照明能源的目的。

然而上述控制系統(tǒng)多是以建立數(shù)學(xué)模型、設(shè)計理論算法來實現(xiàn)控制目標，室內(nèi)光環(huán)境控制需要將控制理論應(yīng)用與室內(nèi)光環(huán)境智能控制結(jié)合的控制策略；以往模糊控制策略中模糊規(guī)則和隸屬函數(shù)的確定需要較多的環(huán)境控制經(jīng)驗，而且模糊規(guī)則與隸屬函數(shù)難以調(diào)整，且控制系統(tǒng)多是通過調(diào)整達到預(yù)設(shè)的照度值以達到所謂最優(yōu)照度值，沒有考慮到用戶視覺舒適的多樣性與不均勻性，存在局限性。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)及方法。

根據(jù)本發(fā)明的一個方面，提供一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理與控制模塊和輸出驅(qū)動模塊；

所述數(shù)據(jù)采集模塊，用于采集室內(nèi)和室外的照度值；

所述數(shù)據(jù)處理與控制模塊，用于基于rbf神經(jīng)網(wǎng)絡(luò)，根據(jù)所述照度值得到室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)并輸出；

所述輸出驅(qū)動模塊，用于根據(jù)所述室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)，控制室內(nèi)百葉簾轉(zhuǎn)動和/或照明燈工作，以實現(xiàn)室內(nèi)視覺的自動調(diào)控。

根據(jù)本發(fā)明的另一個方面，還提供一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控方法，包括：

s1，采集室內(nèi)和室外的照度值；

s2，基于rbf神經(jīng)網(wǎng)絡(luò)算法，根據(jù)所述照度值得到室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)；

s3，根據(jù)所述室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)，控制室內(nèi)百葉簾轉(zhuǎn)動和/或照明燈工作，以室內(nèi)視覺環(huán)境的自動調(diào)控。

本發(fā)明通過分析室內(nèi)視覺舒適環(huán)境的主要影響因素，針對自然光照變化規(guī)律、建筑周邊環(huán)境等，根據(jù)室內(nèi)室外照度值，構(gòu)建了相對合理的室內(nèi)視覺環(huán)境神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，提高了室內(nèi)視覺舒適環(huán)境控制系統(tǒng)的控制精度與魯棒性，克服了傳統(tǒng)控制系統(tǒng)及方法的不穩(wěn)定性、應(yīng)用局限性等缺點；同時本發(fā)明采用的rbf神經(jīng)網(wǎng)絡(luò)控制算法可以進行多輸入多輸出變量的控制，可以充分逼近任意復(fù)雜的非線性關(guān)系與自學(xué)習(xí)不確定系統(tǒng)，確保了控制系統(tǒng)更高的適應(yīng)性；可以在保障室內(nèi)視覺舒適度的情況下，最大限度的節(jié)省照明用電能源。

附圖說明

圖1為本發(fā)明基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)示意圖；

圖2為本發(fā)明實施例照度傳感器布局示意圖；

圖3為本發(fā)明實施例基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)示意圖；

圖4為本發(fā)明實施例rbf神經(jīng)網(wǎng)絡(luò)調(diào)控示意圖；

圖5為本發(fā)明實施例rbf神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖；

圖6為本發(fā)明實施例rbf神經(jīng)網(wǎng)絡(luò)輸出擬合度曲線示意圖；

圖7為本發(fā)明實施例修正神經(jīng)網(wǎng)絡(luò)參數(shù)后的rbf神經(jīng)網(wǎng)絡(luò)輸出擬合度曲線示意圖；

圖8為本發(fā)明實施例rbf神經(jīng)網(wǎng)絡(luò)參數(shù)修正前后輸出擬合度曲線比較示意圖。

具體實施方式

下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

如圖1所示，一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理與控制模塊和輸出驅(qū)動模塊；

所述數(shù)據(jù)采集模塊，用于采集室內(nèi)和室外的照度值；

所述數(shù)據(jù)處理與控制模塊，用于基于rbf神經(jīng)網(wǎng)絡(luò)，根據(jù)所述照度值得到室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)并輸出；

所述輸出驅(qū)動模塊，用于根據(jù)所述室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)，控制室內(nèi)百葉簾轉(zhuǎn)動和/或照明燈工作，以實現(xiàn)室內(nèi)視覺環(huán)境自動調(diào)控。

本實施例通過分析室內(nèi)視覺舒適環(huán)境的主要影響因素，針對自然光照變化規(guī)律、建筑周邊環(huán)境等，構(gòu)建了相對合理的室內(nèi)視覺環(huán)境神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)；通過數(shù)據(jù)采集模塊獲取室內(nèi)室外的照度值信息，通過數(shù)據(jù)處理與控制模塊對所述照度值信息進行處理，利用rbf神經(jīng)網(wǎng)絡(luò)進行模擬計算，得到優(yōu)化的視覺調(diào)控參數(shù)；在輸出驅(qū)動模塊根據(jù)所述照明調(diào)控參數(shù)，調(diào)整百葉簾的反射及透光情況和/或照明燈工作。

本實施例提高了室內(nèi)視覺舒適環(huán)境控制系統(tǒng)的控制精度與通用性，克服了傳統(tǒng)控制系統(tǒng)及方法的不穩(wěn)定性、局限性等缺點；同時本實施例采用的rbf神經(jīng)網(wǎng)絡(luò)控制算法可以進行多輸入多輸出變量的控制，可以充分逼近任意復(fù)雜的非線性關(guān)系與自學(xué)習(xí)不確定系統(tǒng)，確保了控制系統(tǒng)更高的適應(yīng)性；可以在保障室內(nèi)視覺舒適度的情況下，最大限度的節(jié)省能源。

作為一個可選的實施例，所述數(shù)據(jù)采集模塊包括設(shè)置于室內(nèi)的至少一個室內(nèi)照度傳感器，和設(shè)置于室外的至少一個室外照度傳感器；

所述室內(nèi)照度傳感器，用于采集室內(nèi)照度值，并將所述室內(nèi)照度值發(fā)送給所述數(shù)據(jù)處理與控制模塊；

所述室外照度傳感器，用于采集室外照度值，并將所述室外照度值發(fā)送給所述數(shù)據(jù)處理與控制模塊。

本實施例所述數(shù)據(jù)采集模塊包括一個或多個室內(nèi)照度傳感器，以及一個或多個室外照度傳感器，具體用多少個數(shù)根據(jù)室內(nèi)空間的大小、照明燈的布局、百葉簾的布局以及室外環(huán)境而定，本實施例對此不作具體限定。

作為一個可選的實施例，所述數(shù)據(jù)處理與控制模塊包括a/d轉(zhuǎn)換電路和處理與控制電路；

所述a/d轉(zhuǎn)換電路，用于對所述數(shù)據(jù)采集模塊發(fā)送來的照度值進行模數(shù)轉(zhuǎn)換，得到照度值數(shù)據(jù)；

所述處理與控制電路，用于將所述照度值數(shù)據(jù)輸入所述rbf神經(jīng)網(wǎng)絡(luò)控制器進行計算，得到室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)，并將所述調(diào)控參數(shù)輸出給所述輸出驅(qū)動模塊。

本實施例中，所述a/d轉(zhuǎn)換電路的一端連接所述數(shù)據(jù)采集模塊，接收照度值信息，進行模數(shù)轉(zhuǎn)換；另一端連接所述處理與控制電路，所述處理與控制電路上植入了rbf神經(jīng)網(wǎng)絡(luò)模型，基于rbf神經(jīng)網(wǎng)絡(luò)控制器對照度值數(shù)據(jù)進行計算，獲得室內(nèi)視覺最佳調(diào)控參數(shù)，使所述輸出驅(qū)動模塊可以按照該調(diào)控參數(shù)進行調(diào)控室內(nèi)視覺環(huán)境。

作為一個可選的實施例，所述輸出驅(qū)動模塊包括百葉簾電機驅(qū)動電路和照明控制系統(tǒng)；

所述百葉簾電機驅(qū)動電路，用于根據(jù)對百葉簾的調(diào)控參數(shù)，通過所述百葉簾的步進電機控制所述百葉簾轉(zhuǎn)動，以調(diào)控自然光在百葉簾上的折射及透光量。

所述照明控制系統(tǒng)，用于根據(jù)對照明燈的調(diào)控參數(shù)，通過照明開關(guān)對照明燈的開關(guān)控制及亮度控制；

本實施例中，所述調(diào)控參數(shù)是指當(dāng)室內(nèi)控制設(shè)置了百葉簾時，通過所述百葉簾的步進電機對百葉簾的旋轉(zhuǎn)角度進行控制以獲得相應(yīng)的自然光反射及透光，以及對照明燈的開或關(guān)的控制，或?qū)φ彰鳠舻牧炼瓤刂啤?/p>

優(yōu)選的，首先根據(jù)所述室內(nèi)百葉簾角度的調(diào)控參數(shù)調(diào)節(jié)百葉轉(zhuǎn)動角度；若未達到目標值，則進一步根據(jù)所述照明調(diào)控參數(shù)啟動照明自動補光。

若只有百葉簾，則根據(jù)百葉簾的調(diào)控參數(shù)調(diào)節(jié)百葉轉(zhuǎn)動角度。

若只有照明燈，則根據(jù)照明燈的調(diào)控參數(shù)控制照明燈的開或關(guān)，并調(diào)節(jié)照明燈的亮度。

作為一個可選的實施例，所述處理與控制電路包括：

初始化模塊，用于給定rbf神經(jīng)網(wǎng)絡(luò)初始化參數(shù)；

訓(xùn)練模塊，用于通過多組樣本數(shù)據(jù)對所述rbf神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到隱層節(jié)點的中心和基寬參數(shù)；

視覺調(diào)控模型模塊，用于基于所述隱層節(jié)點的中心和基寬參數(shù)，建立rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型；以及

調(diào)控參數(shù)模塊，用于利用所述rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型，對采集的室內(nèi)和室外照度值進行計算，獲得調(diào)控參數(shù)。

本實施例中，所述處理控制電路可以是dsp電路。所述初始化參數(shù)包括：學(xué)習(xí)速率β∈[0,1]、動量因子α∈[0,1]、目標誤差值emax以及高斯基函數(shù)寬度r。

作為一個可選的實施例，所述數(shù)據(jù)采集模塊、數(shù)據(jù)處理與控制模塊和輸出驅(qū)動模塊集成于pcb板上。

本實施例中，采用pcb板集成整個系統(tǒng)，構(gòu)成一體式結(jié)構(gòu)，使得系統(tǒng)的集成度高，方便使用。

如圖2所示，在一個具體實施例中，室內(nèi)空間的一側(cè)裝有3盞燈，分別是燈1、燈2和燈3，窗戶一側(cè)裝有一個百葉簾。所述數(shù)據(jù)采集模塊包括1個室外照度傳感器b，3個室內(nèi)照度傳感器分別是a、b和c。所述室外照度傳感器b位于百葉簾附近的室外；室內(nèi)照度傳感器a、b和c分別與燈1、燈2和燈3的位置對應(yīng)。

本實例中基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控系統(tǒng)如圖3所示，照度傳感器引出線與所述數(shù)據(jù)處理與控制模塊連接；所述輸出驅(qū)動模塊通過連接百葉簾步進電機驅(qū)動線和照明燈控制開關(guān)線分別與步進電機和照明燈。當(dāng)然，還需要有電源模塊進行供電，所述電源模塊可輸出220v交流電或5v直流電，根據(jù)所述數(shù)據(jù)采集模塊、數(shù)據(jù)處理與控制模塊和輸出驅(qū)動模塊的具體要求而定。

本實施例照度傳感器采用zd01-at電流型照度傳感器。zd01-at電流照度傳感器采用硅蘭光伏探測器、對弱光也有較高的靈敏度、具有測量范圍寬、防水性能好、傳輸距離遠、安裝簡便等優(yōu)點。采用光敏探測器，將光照強度轉(zhuǎn)化為電流信號。zd01-at電流型照度傳感器的主要參數(shù)指標是：供電電壓24vdc，測量范圍0-1000lux，輸出電流4-20ma。

本實施例所述數(shù)據(jù)處理與控制模塊由2×8通道、12位的a/d轉(zhuǎn)換電路和tms320f28335型號的dsp電路組成，所述a/d轉(zhuǎn)換電路與dsp電路和傳感器相連接，將傳感器采集到的照度參數(shù)的模擬信號轉(zhuǎn)化為數(shù)字信號傳輸至dsp電路；dsp全稱數(shù)字信號處理器，計算速度快，適于對光照信號等真實外界信號的連續(xù)模擬信號的測量與處理。

本實施例中dsp電路中植入了rbf神經(jīng)網(wǎng)絡(luò)算法，如圖4所示。所述數(shù)據(jù)處理與控制模塊基于rbf神經(jīng)網(wǎng)絡(luò)對當(dāng)前照度信號數(shù)據(jù)的計算，得到室內(nèi)視覺舒適環(huán)境照度調(diào)控的最終環(huán)境參數(shù)值，并將計算所得的參數(shù)傳輸給所述輸出驅(qū)動模塊。

本實施例中所述輸出驅(qū)動模塊包括百葉簾步進電機及其驅(qū)動電路和照明燈系統(tǒng)，其中百葉簾步進電機驅(qū)動模塊采用pwm雙極性驅(qū)動，因為雙極性驅(qū)動電路復(fù)雜，但是轉(zhuǎn)矩較大，適用于驅(qū)動百葉窗；所述驅(qū)動電路為pwm雙極性驅(qū)動電路，其一端與dsp電路連接，另一端與步進電機連接，輸入電壓3.3v，輸出驅(qū)動電壓5v，步進電機型號為24byj-48，5vdc驅(qū)動；照明控制系統(tǒng)采用三極管放大電路與燈泡連接實現(xiàn)，三極管基集接到dsp輸出端口，燈泡接到源集。通過所述驅(qū)動電路對百葉簾的旋轉(zhuǎn)角度進行控制，調(diào)整百葉簾的翻轉(zhuǎn)角度以調(diào)整百葉窗的透光情況，通過照明控制系統(tǒng)控制照明燈的開關(guān)和亮度，最終實現(xiàn)智能調(diào)節(jié)室內(nèi)視覺環(huán)境，使室內(nèi)視覺環(huán)境舒適并且節(jié)能。

本發(fā)明還提供一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控方法，包括：

s1，采集室內(nèi)和室外的照度值；

s2，基于rbf神經(jīng)網(wǎng)絡(luò)算法，根據(jù)所述照度值得到室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)；

s3，根據(jù)所述室內(nèi)百葉簾角度和/或照明調(diào)控參數(shù)，控制室內(nèi)百葉簾轉(zhuǎn)動和/或照明燈工作，以實現(xiàn)室內(nèi)視覺環(huán)境的調(diào)控。

與所述基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控對應(yīng)，本實施例基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺環(huán)境調(diào)控方法，首先獲取室內(nèi)室外照度值，通過所述數(shù)據(jù)采集模塊完成；然后根據(jù)照度值利用rbf神經(jīng)網(wǎng)絡(luò)進行計算獲得室內(nèi)最佳調(diào)控參數(shù)，通過所述數(shù)據(jù)處理與控制模塊完成；最后進行調(diào)控信號輸出，通過所述輸出驅(qū)動模塊完成。本實施例rbf神經(jīng)網(wǎng)絡(luò)控制算法可以進行多輸入多輸出變量的控制，可以充分逼近任意復(fù)雜的非線性關(guān)系與自學(xué)習(xí)不確定系統(tǒng)，確保了控制系統(tǒng)更高的適應(yīng)性；可以在保障室內(nèi)視覺舒適度的情況下，最大限度的節(jié)省能源。

作為一個可選的實施例，所述s1進一步包括：

s1.1，在室內(nèi)設(shè)置至少一個室內(nèi)照度傳感器，在室外設(shè)置至少一個室外照度傳感器；

s1.2，通過所述室內(nèi)照度傳感器和所述室外照度傳感器分別采集室內(nèi)和室外的照度值。

本實施例根據(jù)室內(nèi)空間大小、照明燈的布局、百葉簾的布局以及室外環(huán)境來確定需要安裝的照度傳感器，通過照度傳感器來獲取室內(nèi)室外的照度值，供下一步進行優(yōu)化計算。

作為一個可選的實施例，所述s2進一步包括：

s2.1，選取一個室外照度傳感器的測量值和一個室內(nèi)照度傳感器的測量值；獲取室內(nèi)照度傳感器的測量值給定值的差值，并將所述室外照度傳感器的測量值和所述差值作為所述rbf神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)；

s2.2，基于所述輸入?yún)?shù)，通過rbf神經(jīng)網(wǎng)絡(luò)進行計算，獲得對照明燈和百葉簾的調(diào)控參數(shù)；

所述輸入?yún)?shù)表示為：x＝[x1,x2]^t，其中，x1為室外照度值，x2為室內(nèi)照度值與給定值的差值；

所述調(diào)控參數(shù)表示為：y＝[y1，…yn,yn+1,…ym]^t，其中，y1至yn分別對應(yīng)n個室內(nèi)燈的工作狀態(tài)，yn+1至ym分別對應(yīng)m個百葉簾的工作狀態(tài)，m和n均為非0自然數(shù)。

本實施例通過rbf神經(jīng)網(wǎng)絡(luò)根據(jù)已獲得的室內(nèi)室外照度值數(shù)據(jù)進行優(yōu)化計算。所述rbf神經(jīng)網(wǎng)絡(luò)包括輸入層、隱層以及輸出層，如圖5所示。

所述rbf神經(jīng)網(wǎng)絡(luò)輸入層的輸入x為p維向量x＝[x1,x2,…,xp]^t。

所述rbf神經(jīng)網(wǎng)絡(luò)輸出層的輸出y為q維向量y＝[y1,y2,…,yq]^t。

所述rbf神經(jīng)網(wǎng)絡(luò)隱層的徑向基向量h為m維向量h＝[h1,h2,…,hj,…h(huán)m]^t，其中hj為高斯基函數(shù)，所述高斯基函數(shù)通過下式表示：

其中，||·||為歐幾里得范數(shù)，exp(·)為高斯基函數(shù)。

具體而言，本實施例中，輸入x為2維向量，輸出y為m+n維向量。本實施例為一個較佳的實施例，為使輸入簡潔，簡化運算，使用一個2維的輸入向量，但并不限制可以使用更多維的輸入向量，若選擇更多維的輸入向量，則需要選擇多個照度傳感器的照度值數(shù)據(jù)。

具體的，針對圖2的照度傳感器布局，室內(nèi)a1、a2、a3點和室外b點均裝有照度測量傳感器，選取室內(nèi)中心位置a2點和室外b點位置，將b點照度測量值、a2點照度值與給定值的差值作為rbf神經(jīng)網(wǎng)絡(luò)控制器的輸入?yún)?shù)。則輸入層x為2維向量x＝[x1,x2]^t，分別為室外照度值和室內(nèi)給定照度值與室內(nèi)實際照度值的差值。

作為一個可選的實施例，所述s2.2進一步包括：

s2.2.1，給定rbf神經(jīng)網(wǎng)絡(luò)初始化參數(shù)；

s2.2.2，通過多組樣本數(shù)據(jù)對所述rbf神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到隱層節(jié)點的中心和基寬參數(shù)；

s2.2.3，基于所述隱層節(jié)點的中心和基寬參數(shù)，建立rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型；

s2.2.4，利用所述rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型，對采集的室內(nèi)和室外照度值進行計算，獲得調(diào)控參數(shù)。

所述初始化參數(shù)包括：學(xué)習(xí)速率β∈[0,1]、動量因子α∈[0,1]、目標誤差值emax以及高斯基函數(shù)寬度r。

優(yōu)選的，所述學(xué)習(xí)速率取值為β＝0.6，所述動量因子取值為α＝0.012。

優(yōu)選的，在百葉簾和照明燈同時存在的情況下，在利用所述rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型進行計算時，首先最大程度的考慮百葉轉(zhuǎn)動調(diào)節(jié)角度，使室內(nèi)采光趨于目標值；如果達不到，則進一步考慮照明補光，分別得到對百葉簾的調(diào)控參數(shù)和對照明燈的調(diào)控參數(shù)。

若只有百葉簾，所述rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型計算對百葉簾的旋轉(zhuǎn)角度進行計算，得到百葉簾的調(diào)控參數(shù)。

若只有照明燈，所述rbf神經(jīng)網(wǎng)絡(luò)視覺調(diào)控模型計算對照明補光參數(shù)進行計算，得到照明燈的調(diào)控參數(shù)。

本實施例中，當(dāng)rbf神經(jīng)網(wǎng)絡(luò)的輸入為一組實時參數(shù)時，所述rbf神經(jīng)網(wǎng)絡(luò)可以計算出當(dāng)前參數(shù)的網(wǎng)絡(luò)輸出權(quán)重。在計算之前rbf神經(jīng)網(wǎng)絡(luò)需要通過學(xué)習(xí)樣本數(shù)據(jù)來找到隱層節(jié)點的中心和基寬參數(shù)。

本實施例采用rbf人工神經(jīng)網(wǎng)絡(luò)算法來確定各項參數(shù)值的主要步驟是：給定rbf神經(jīng)網(wǎng)絡(luò)初始化參數(shù)，學(xué)習(xí)速率β∈[0,1]、動量因子α∈[0,1]、目標誤差值emax以及高斯基函數(shù)寬度r。

rbf網(wǎng)絡(luò)隱層神經(jīng)元的中心向量、寬度向量以及輸出權(quán)重向量為：

c＝[cj1,cj2,…,cji,…,cjp]^t，j＝1,2,…,m，i＝1,2,…,p；

b＝[b1,b2,…,bj,…,bm]，j＝1,2,…,m；

w＝[w1j,w2j,…,wsj,…,wqj]^t，j＝1,2,…,m；，s＝1,2,…,q；

其中，cji表示第j個隱層神經(jīng)元對應(yīng)于第i個輸入神經(jīng)元的中心；bj為表示第j個隱層神經(jīng)元的寬度；wsj為表示第s個輸出神經(jīng)元與第j個隱層神經(jīng)元之間的連接權(quán)重。rbf神經(jīng)網(wǎng)絡(luò)的輸出函數(shù)及誤差函數(shù)為：

ys(k)＝ws1h1+ws2h2+…+wsmhm，s＝1,2,…,q其中，ys(k)表示第s個輸出神經(jīng)元的輸出值。

本實施例首先通過n組樣本數(shù)據(jù)對所述rbf神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。

學(xué)習(xí)第一組訓(xùn)練樣本數(shù)據(jù)，樣本數(shù)據(jù)采集自典型的陰天與晴天天氣下實驗室室內(nèi)與室外照度數(shù)據(jù)值。規(guī)定隱層神經(jīng)元初始個數(shù)是1，隱層神經(jīng)元的中心向量ci＝xi(i＝1,2,...,p)，隱層神經(jīng)元的寬度b1＝r，輸出權(quán)重ws＝y(tǒng)s(s＝1,2,…,q)，其中ys表示第s個輸出神經(jīng)元的輸出值。至此第一組訓(xùn)練樣本數(shù)據(jù)學(xué)習(xí)完成。

學(xué)習(xí)第n(n>＝2)組訓(xùn)練樣本數(shù)據(jù)。根據(jù)下式判斷是否需要新增隱層神經(jīng)元：

||x-cnearest||＞r

其中，cnearest為當(dāng)前網(wǎng)絡(luò)所有“中心”里與第n組輸入向量x最接近的中心。

調(diào)整隱層神經(jīng)元的中心、寬度及輸出權(quán)重：

其中，wsj表示第s個輸出神經(jīng)元與第j個隱層神經(jīng)元之間的連接權(quán)重，bj表示第j個隱層神經(jīng)元的寬度，cji表示第j個隱層神經(jīng)元對應(yīng)于第i個輸入神經(jīng)元的中心。

本實施例中，基于圖2的照度傳感器布局，學(xué)習(xí)30組a2點和b點的光照強度測試樣本數(shù)據(jù)后設(shè)定的神經(jīng)網(wǎng)絡(luò)參數(shù)，將a1、a2、a3補光燈和百葉旋轉(zhuǎn)角度作為目標輸出與神經(jīng)網(wǎng)絡(luò)擬合度曲線如圖6。

取同樣的110組實驗樣本數(shù)據(jù)作為rbf神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，修正rbf神經(jīng)網(wǎng)絡(luò)的參數(shù)，完成神經(jīng)網(wǎng)絡(luò)輸出權(quán)值的計算。

經(jīng)多次調(diào)試，在訓(xùn)練樣本相同的情況下，學(xué)習(xí)速率和動量因子分別取β＝0.6及α＝0.012時，rbf神經(jīng)網(wǎng)絡(luò)輸出擬合度最佳，修正后rbf神經(jīng)網(wǎng)絡(luò)參數(shù)后的輸出擬合度曲線如圖7。

圖8是修正前后rbf神經(jīng)網(wǎng)絡(luò)輸出擬合度曲線對比情況。

本發(fā)明提供一種基于rbf神經(jīng)網(wǎng)絡(luò)的室內(nèi)視覺調(diào)控系統(tǒng)及方法，實現(xiàn)室內(nèi)外照度參數(shù)值的采集、數(shù)據(jù)處理與控制以及輸出驅(qū)動等模塊綜合調(diào)控以達到室內(nèi)視覺環(huán)境舒適的效果，采用智能控制方法提高了調(diào)控系統(tǒng)的穩(wěn)定性與魯棒性，在控制室內(nèi)視覺環(huán)境達到舒適條件的同時，有效的實現(xiàn)降低照明用電的目的；針對室內(nèi)視覺舒適環(huán)境的復(fù)雜影響因子分析了室內(nèi)視覺舒適環(huán)境的主要影響因素，構(gòu)建了相對合理的室內(nèi)視覺環(huán)境控制系統(tǒng)；針對照度參數(shù)值的非線性變化及不確定系統(tǒng)，控制規(guī)則難以調(diào)整以及多輸入、多輸出室內(nèi)光環(huán)境難以準確調(diào)控的難題，采用了rbf人工神經(jīng)網(wǎng)絡(luò)控制算法能夠充分逼近任意復(fù)雜的非線性關(guān)系和自學(xué)習(xí)不確定系統(tǒng)，進行多輸入多輸出變量控制，確?？刂葡到y(tǒng)更高的適應(yīng)性，調(diào)節(jié)室內(nèi)視覺的舒適度，并達到與室內(nèi)燈光照明有效配合使用的目的。

最后，本申請的方法僅為較佳的實施方案，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。