[发明专利]一种基于神经网络的光环境智能控制方法

权利要求书

1.一种基于神经网络的光环境智能控制方法，其特征在于，所述方法包括如下步骤：

步骤1：原始样本数据的采集

选取多种不同的光照环境类型E_i，对同一类型环境进行测量和数据收集，在光照环境中进行随机取点并利用传感器对该点光照度水平、色温水平进行测量，采样间隔为1s，分别进行五次取样，并各取其平均值作为当前的光照度值I和色温值T；同时由被试人员来对该点的光环境情况进行一个评价，得到评价值A，将所有的采样数据作为样本数据保存到矩阵S中

S＝[E_i,I,T,A]

其中i的取值不同，表示不同的光照环境类型；

步骤2：样本预处理，过程如下：

2.1 数据变换：标准归一化处理，选取6500K作为归一化处理中的最大数值；最小照度值为0；同理，得到指标色温的最大数值与最小数值，用半升梯形模糊隶属度公式处理所有数据，处理方式如下：

2.2 数据清洗：包括对原始样本数据中的异常数据进行删除；在完成数据的标准归一化过程后，将数据输入支持向量机，完成对数据的分类以及对异常数据的剔除，并保存剔除异常值后的结果数据；

步骤3：BP神经网络的设计

设计BP神经网络初步结构模型，用步骤2所得的样本数据训练并测试调整神经网络模型；

步骤4：光环境优化

在根据神经网络模型得到评价函数之后，建立优化模型，求出在当前环境中，为达到最良好的光环境，各指标应达到的数值，建立优化模型目标函数如下：

max F＝α₁P₁+α₂P₂+......+α_nP_n

α_i为第i个指标的权系数，P_i为第i个指标的隶属度函数值，i取值范围1～n；

接着根据不同环境对各指标要求不同建立相应的约束条件，从而得出最优解,将得到的最优值下各指标的数据，带入系统，实现自适应调控优化光环境。

2.如权利要求1所述的一种基于神经网络的光环境智能控制方法，其特征在于，所述方法还包括：步骤5：实际测量

对某光照环境中人类主要活动点对光照度水平、色温水平指标数据进行测量，通过单片机与照明设备通过D/A转换模块连接，实现对光环境各个指标的控制调节；所测得的光环境各项指标经过数据预处理以后，通过串行口输入单片机，利用单片机比较环境各个指标与优化模型得到的最优解进行比较，相应调整单片机的输出，实现对光环境各个指标的及时反馈控制，从而达到对光环境进行优化的目的。

3.如权利要求1或2所述的一种基于神经网络的光环境智能控制方法，其特征在于，所述步骤2.2中，基于支持向量机的异常检测算法的步骤如下：

2.2.1 准备一组训练样本如下，作为输入；

{(X¹，d²),(X²，d²),......(X^P，d^P)}

任一输入样本X^p，其期望输出为d^p＝±1；

2.2.2 在约束条件下求解目标函数

其中α_p、α_j为拉格朗日系数，K(X^p,X^j)为核函数，p，j＝1,2,......,P可以看作是P×P对称矩阵K的第pj项元素；

2.2.3 计算最优权值

W₀为最优权值，Y为隐含层输出向量，为Q(α)的最优解；

2.2.4 对于待分类模式X，计算分类判别函数

根据f(X)为1或-1完成X的类别归属；

2.2.5 预置异常值比例为R，计算分类数据到最优超平面的距离，依照预置异常比例筛选出距离最优超平面最远的异常值，并且对这部分数据进行剔除，完成数据的清洗。