CN102413605A - 基于人工神经网络的智能路灯节能控制系统 - Google Patents
基于人工神经网络的智能路灯节能控制系统 Download PDFInfo
- Publication number
- CN102413605A CN102413605A CN2011102313261A CN201110231326A CN102413605A CN 102413605 A CN102413605 A CN 102413605A CN 2011102313261 A CN2011102313261 A CN 2011102313261A CN 201110231326 A CN201110231326 A CN 201110231326A CN 102413605 A CN102413605 A CN 102413605A
- Authority
- CN
- China
- Prior art keywords
- control system
- artificial neural
- neural net
- signal
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007935 neutral effect Effects 0.000 title abstract 5
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 19
- 210000002569 neuron Anatomy 0.000 claims abstract description 17
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 230000001537 neural effect Effects 0.000 claims description 62
- 238000000034 method Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 210000002364 input neuron Anatomy 0.000 claims description 2
- 238000005286 illumination Methods 0.000 abstract description 14
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000005236 sound signal Effects 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 abstract 1
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 27
- 238000005070 sampling Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910001507 metal halide Inorganic materials 0.000 description 1
- 150000005309 metal halides Chemical class 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，其特征在于：所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成。本发明根据每个路灯照明单元的周边环境情况，实现智能功率控制，在满足照明要求的前提下，有效降低能耗。
Description
技术领域
本发明涉及一种路灯控制系统，尤其涉及一种基于人工神经网络的路灯节能控制系统。
背景技术
近些年来，随着我国经济迅速发展,能源效率低下、能源结构陈旧已经成为实现经济社会可持续发展所面临的重要问题。
目前国内路灯照明光源一般采用高压钠灯、高压汞灯和金属卤化物灯。常用的功率为150W，250W，400W，目前最常用的是250W和400W两种。
当前，中国电力供需形势严峻。据《发展中的中国城市照明》数据，全国路灯总盏数已达千万盏，道路照明年总经费达五十余亿元。建设部统计数字则显示，目前城市照明（仅计算景观照明和路灯等功能照明）的年用电量约占全国总发电量的4%至5%，相当于在建三峡水力发电工程投产后的年发电能力。这一系列数据显示，作为城市发展的形象，照明节电意义重大。
城市照明系统中，由于路灯夜晚保持常亮，所以路灯照明系统的能源消耗占很大比例。传统的路灯系统，由市电统一供电。由于照明灯的耗能巨大以及供电系统的单一化操作，整体路灯照明系统的电能消耗变得十分巨大。现有技术中，有对环境光进行采集后，控制路灯开启或关闭的系统，但是，这种系统一般都是对一个区域的路灯进行集中控制的，并不能针对某一路灯周围的情况进行单独控制。另一方面，由于日照情况的变化、人流、车流情况的变化、周边其它光源的照明情况变化等，对路灯的照明需求是在不断变化的。很多时候，只需要维持一个相对较低的照度，即可满足人们对路灯的需求，即，目前的路灯系统有很大的节能空间。因此，设计一个根据环境变化智能判断功率输出的单个路灯能耗小并且整体能耗能得到有效控制的路灯照明系统变得十分必要。
发明内容
本发明的发明目的是提供一种基于人工神经网络的智能路灯节能控制系统，以实现对路灯的独立控制，使路灯功率随环境变化智能变化，从而降低路灯能耗。
为达到上述发明目的，本发明采用的技术方案是：一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成。
上述技术方案中，所述人工神经网络模块由计算机中经训练的人工神经网络移植获得，其过程包括：
(1)在计算机中构建采用BP算法的人工神经网络，所述人工神经网络的输入向量包括环境光信号、红外信号、声音信号和时间，输出为路灯功率；
(2)选取m个不同的路灯安装地点，对每个地点以预先设定的时间间隔t采集n个样本，一共采集m×n个样本作为学习样本，同时给出相应时间地点满足照明要求的照明功率作为导师信号，其中，m为大于等于8的整数，0.5小时≤t≤2小时，n为大于等于5的整数；
m的值根据实际情况应当取足够大，以保证能够在各种不同的地段下取得具有普遍性的样本。n是一天内采样的次数，优选的方案，采样间隔t=2小时，且nt=24小时。
(3)把样本和相应的导师信号输入至计算机中的人工神经网络，对人工神经网络进行训练，训练完成后，把经过训练的人工神经元的结果输出为矩阵保存；
(4)把计算机中采用BP算法的人工神经网络的前向算法和输出的人工神经元矩阵移植到DSP芯片中。
上述技术方案中，BP人工神经网络的训练包括传感器信号预处理、前向计算、误差反向传播；
所述的传感器信号预处理为，
给出环境信息的导师信号t，初始化权值
；
所述的前向计算为，
隐含层的输出为
， 其中 
为sigmoid函数；
输出层的输出为
所述的误差反向传播为，
更新权值，
由此，可以更新一次权值。由于是负梯度更新，总的误差总是减小的。
优选的技术方案，路灯采用大功率LED节能灯，由DSP产生PWM信号输出至功率控制系统，功率控制系统进行功率放大后控制LED节能灯。
上述技术方案中，把人工神经网络BP算法嵌入到DSP系统中，实现了路灯的智能节能控制。本发明利用BP人工神经网络的自学习能力，实现对不同场合照明需求的智能学习；然后，人工神经网络根据学习经验智能给出功率判断信号；最后，DSP高速嵌入式系统给出节能控制信号，控制路灯以最适合的功率工作，从而达到智能的节能控制。
上述技术方案中，首先，在已知环境下，把声、可见光、红外光、时间等信号由专用传感器采集经DSP芯片处理后，交由BP人工神经网络，人为给出导师学习信号，让BP网络学习。学习成功后，记录网络神经元。
然后把学习成功的网络神经元输入DSP专用处理芯片。这样，由传感器传回的未知环境信号经过DSP的预处理之后，发送给BP神经网络，BP算法可以模糊识别环境信号，从而给出智能环境判别，进而给出控制信号。
最终，DSP经人工神经网络的判断，智能给出控制信号，送到升压电路，进行功率控制。
根据使用的路灯的不同型号，功率控制采用不同的控制电路，以达到最好的节能效果，最大限度减少功率控制模块的能量损失。
电光源共经历了四代的发展:第一代电光源:白炽灯(卤钨灯)，第二代电光源:荧光灯(日光灯、节能灯)，第三代电光源:高强度气体放电灯(HID )，第四代电光源:半导体发光二极管(LED)。LED被认为是21世纪最有价值的新光源，LED照明取代传统照明成为人类照明的主要方式，将是大势所趋。目前LED路灯的标准,一般是功率大于30W路面照度均匀度（uniformity of road surfaceilluminance)的平均照度0.48，大于国家传统标准0.42。光斑比值1：2，符合道路照度。
优选的技术方案，路灯采用大功率LED节能灯，由DSP产生PWM信号输出至功率控制系统，功率控制系统进行功率放大后控制LED节能灯。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：
1．本发明在每个路灯照明单元设置智能的节能系统，各单元独立智能工作，不需要总控信号，因而可以根据每个路灯照明单元的周边环境情况，实现智能功率控制，在满足照明要求的前提下，有效降低能耗。
2．本发明智能节能控制系统采用人工神经网络BP算法，人工神经网络具有优异的自学习能力、自适应能力、记忆能力和模糊控制能力。由于BP人工神经网络的训练过程运算工作量大，一般认为需要采用计算机实现，难以应用于独立的嵌入式系统。本发明通过将人工神经网络的训练过程和识别过程分离，将计算机训练过的人工神经元矩阵移植到DSP芯片中，在本发明的单独的控制系统中只执行识别过程，结合DSP强大的信号处理能力和较强的控制能力，为路灯节能终端进行智能模糊控制，以达到最佳节能效果。
附图说明
图1是BP算法三层网络模型示意图；
图2是本发明实施例中BP算法系统框图；
图3系统总体运行框图；
图4是本发明实施例中系统安装示意图。
具体实施方式
下面结合附图及实施例对本发明作进一步描述：
实施例一：一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成。
在已知环境下，把声、可见光、红外光等信号由专用传感器采集经DSP芯片处理后，交由BP人工神经网络，由具体照明要求给出导师学习信号，让BP网络学习。学习成功后，记录人工神经元。
把学习成功的人工神经元输入DSP专用处理芯片。这样，由传感器传回的未知环境信号经过DSP的预处理之后，发送给BP神经网络，BP算法可以模糊识别环境信号，从而给出智能环境判别，进而给出控制信号。
DSP经人工神经网络的判断，智能给出控制信号，送到升压电路，进行功率控制。
三个方面的实施路线及方法如下。
1．传感器的信号采集与数字信号处理。
一个用于学习的样本的信号采集和处理的例子如下：
1）环境光信号采集和处理。
使用3DU0C硅光敏三极管作为光信号采集的主要传感元件，搭载于共射极电路。在电源电压为+5V，集电极电阻为10k欧姆的情况下，白天的输出电压为小于0.5V,傍晚到天黑前输出电压为0.5V-4.6V,天黑过程输出电压为4.6V-4.9V。使用10秒间隔，10位A/D转换的光信号作为采样信号，把光模拟信号转换为光数字信号。把天黑过程分为三段，使路灯在天黑过程中根据不同的天黑程度和其它信号由人工神经网络判断照明功率。
2）红外信号采集和处理。
使用PA-476 双元红外探头作为红外信号采集的主要传感元件。红外信号主要用于有生命特征物体的探测。PA-476 双元红外探头具有抗白光干扰的特点，而且探测范围达110゜内12米，满足路灯的探测范围。采集的信号为开关型二值数字信号，可直接与DSP匹配使用。有人经过路灯前方110゜范围内时，传感器输出高电平。 DSP可根据红外传感器的数据识别出路人的信号，并根据人工神经网络判断照明功率。
3）声音信号采集和处理。
使用MIC驻极体作为声音信号采集的传感元件，配备交流小信号放大电路作为传感器。输出的信号为模拟信号。使用16KHz采样频率8位采样位数对声音信号采样。DSP本身具有强大的数字信号处理能力，首先对输入的数字信号进行数字信号处理，利用语音识别技术，识别出不同的环境声音特点（如汽车发动机声，人的声音，风雨的声音以及这些声音的强弱）。之后，DSP把以上环境声音特点交给人工神经网络进行智能判断，给出照明功率。
2．人工神经网络BP算法。
采用BP算法的多层前馈网络,是迄今为止应用最广泛的神经网络,具有很强的非线性逼近能力以及自适应、自学习能力。基本BP算法基于误差梯度下降的算法对大多数实际应用而言收敛太慢,针对这些不足人们已经提出了许多改进基本BP算法的方案，如：变步长法、牛顿法及共轭梯度法等。BP算法已经在模式识别中被广泛应用。
BP算法即前向计算-误差反向传播算法，为多层前馈型神经网络，以三层网络为例，输入向量
；输出向量；隐含层神经元数目可自定，通常取
；隐层神经元的输出为vj ；各层之间全联接，联接系数为W。
BP算法是一种有导师学习算法，单个样本学习方法如下：
1）预处理：
初始化权值
。
2）前向计算：
隐含层的输入为
。
输出为。 其中 
为sigmoid函 数。
输出为
3）误差反向传播：
更新规则——利用梯度下降法调整权值。学习速率为
。
更新权值。
至此，一个样本的一次计算完成。
当需要训练的样本数目为P时。更新规则变更如下：
人工神经网络BP算法应用于路灯功率控制的一个具体例子如下：
1）PC机中人工神经网络BP算法训练学习系统的构建。
人工神经网络BP算法分为学习训练过程和识别过程两个部分。人工神经网络BP算法的学习和训练过程极为复杂，计算量非常大，不适合对实时性要求很高的嵌入式系统使用。而学习训练过程并不需要在识别过程中出现，一旦学习训练成功，识别过程就不再依赖学习训练过程。因此，我们把人工神经网络BP算法的学习和训练过程放在高性能的PC机中进行，把相对简单的识别过程放进DSP嵌入式系统。所以，第一步需要在PC机中建立人工神经网络BP算法模型进行运算量极大的学习和训练。
2）样本集中样本的选取以及相应导师信号的确定。
人工神经网络BP算法的特点是：由已知的学习内容，智能的判断没有学习过的内容，具有举一反三的能力。用于学习的样本需要具有分布广泛的特点。本实施例选取10个不同的路灯安放地点，每个地点分别取样。取样时，可以间隔2小时取样一次，则共采集10×12=120个样本作为学习样本；也可以间隔1小时取样一次，共采集10×24=240个样本作为学习样本；还可以从天黑开始每间隔1个小时连续采集10个样本，一共采集10×10=100个样本作为学习样本。同时给出相应时间地点满足照明要求的照明功率，并把此功率作为导师信号。在实际操作中，通过增加样本数量可以提高人工神经网络的处理能力，但会增加处理工作量，可以根据实际情况进行适当的选择。全天采样虽然数据量较大，但可以获得更全面的情况，在如阴雨天等白天时，系统可以根据需要打开路灯。
3）PC机中人工神经网络的训练。
把实际采集到的样本和相应的导师信号输入给PC机中的人工神经网络BP算法。让网络进行学习训练。把训练好“人工神经元”的结果输出为矩阵，并保存。
4）把训练结果移植入路灯控制系统内的DSP芯片中。
人工神经网络BP算法学习完成后，网络本身已经具有智能识别能力。现在，把PC机中人工神经网络BP算法的“前向算法”（即“识别算法”）和训练好的“人工神经元”移植入路灯控制系统内的DSP芯片中。这样路灯控制系统就具有了智能识别环境信息的能力。
5）具体路灯控制系统对环境进行智能识别并控制路灯功率。
3．功率控制系统。
根据路灯的不同，将采用不同的功率控制系统。可优选大功率LED路灯，高端产品采用太阳能与市电相结合的供电方式。对于大功率LED路灯，脉宽调制（PWM）是一种很好的控制电流的技术。环境信号经DSP处理后，产生相应的PWM，控制直流功率驱动LED路灯。
Claims (5)
1. 一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，其特征在于：所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成。
2. 根据权利要求1所述的基于人工神经网络的智能路灯节能控制系统，其特征在于：所述人工神经网络模块由计算机中经训练的人工神经网络移植获得，其过程包括：
(1)在计算机中构建采用BP算法的人工神经网络，所述人工神经网络的输入向量包括环境光信号、红外信号、声音信号和时间，输出为路灯功率；
(2)选取m个不同的路灯安装地点，对每个地点以预先设定的时间间隔t采集n个样本，一共采集m×n个样本作为学习样本，同时给出相应时间地点满足照明要求的照明功率作为导师信号，其中，m为大于等于8的整数，0.5小时≤t≤2小时，n为大于等于5的整数；
(3)把样本和相应的导师信号输入至计算机中的人工神经网络，对人工神经网络进行训练，训练完成后，把经过训练的人工神经元的结果输出为矩阵保存；
(4)把计算机中采用BP算法的人工神经网络的前向算法和输出的人工神经元矩阵移植到DSP芯片中。
3. 根据权利要求2所述的基于人工神经网络的智能路灯节能控制系统，其特征在于：BP人工神经网络的训练包括传感器信号预处理、前向计算、误差反向传播；
所述的传感器信号预处理为，
所述的前向计算为，
隐含层的输出为
， 其中 
为sigmoid函数；
输出层的输出为
定义误差
；
所述的误差反向传播为，
是误差函数对权值的负偏导数，
是
的一阶导数，
是上一次运算的结果，
是本次运算的结果；
是
上一次运算的结果，
是本次运算的结果。
4. 根据权利要求2所述的基于人工神经网络的智能路灯节能控制系统，其特征在于：nt=24。
5. 根据权利要求1所述的基于人工神经网络的智能路灯节能控制系统，其特征在于：路灯采用大功率LED节能灯，由DSP产生PWM信号输出至功率控制系统，功率控制系统进行功率放大后控制LED节能灯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011102313261A CN102413605B (zh) | 2011-08-12 | 2011-08-12 | 基于人工神经网络的智能路灯节能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011102313261A CN102413605B (zh) | 2011-08-12 | 2011-08-12 | 基于人工神经网络的智能路灯节能控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102413605A true CN102413605A (zh) | 2012-04-11 |
| CN102413605B CN102413605B (zh) | 2013-12-04 |
Family
ID=45915360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011102313261A Active CN102413605B (zh) | 2011-08-12 | 2011-08-12 | 基于人工神经网络的智能路灯节能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102413605B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104968121A (zh) * | 2015-07-15 | 2015-10-07 | 深圳市通普科技有限公司 | 一种自动学习的灯光控制方法和装置 |
| CN106028585A (zh) * | 2016-05-23 | 2016-10-12 | 电子科技大学 | 一种基于牛顿极值搜索算法的双闭环照明节能控制方法 |
| CN106028584A (zh) * | 2016-05-23 | 2016-10-12 | 电子科技大学 | 一种基于梯度极值搜索算法的双闭环照明节能控制方法 |
| CN106255259A (zh) * | 2016-07-26 | 2016-12-21 | 浙江大学 | 一种基于bp神经网络pi控制方法的反激式led驱动电路 |
| CN108012389A (zh) * | 2017-10-27 | 2018-05-08 | 深圳和而泰智能控制股份有限公司 | 灯光调节方法、终端设备及计算机可读存储介质 |
| CN108181952A (zh) * | 2017-12-11 | 2018-06-19 | 浙江工业大学 | 一种基于卷积神经网络的光照度测量及光照度智能控制方法 |
| CN108683245A (zh) * | 2018-05-21 | 2018-10-19 | 山东亿昌照明科技有限公司 | 一种基于人工智能学习的户外照明直流供电系统 |
| CN109146071A (zh) * | 2017-12-28 | 2019-01-04 | 上海智位机器人股份有限公司 | 基于神经网络的智能传感器装置及处理方法 |
| CN109435630A (zh) * | 2018-11-15 | 2019-03-08 | 无锡英捷汽车科技有限公司 | 一种基于人工神经网络算法的乘员舱温度控制方法 |
| CN110288510A (zh) * | 2019-06-11 | 2019-09-27 | 清华大学 | 一种近传感器视觉感知处理芯片及物联网传感装置 |
| CN110691453A (zh) * | 2019-10-18 | 2020-01-14 | 浪潮软件集团有限公司 | 一种采用人工智能技术高效管控智慧路灯的方法 |
| CN111867194A (zh) * | 2020-07-02 | 2020-10-30 | 燕山大学 | 基于多传感器信息融合的太阳能路灯控制器 |
| CN114189970A (zh) * | 2022-02-15 | 2022-03-15 | 广州地铁设计研究院股份有限公司 | 一种基于在线学习的灯具后备智能控制方法 |
| CN116045427A (zh) * | 2023-03-30 | 2023-05-02 | 福建省特种设备检验研究院 | 基于智能决策的电梯轿厢空气净化系统 |
| CN116073446A (zh) * | 2023-03-07 | 2023-05-05 | 天津天元海科技开发有限公司 | 基于灯塔多能源环境集成供电系统的智能供电方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2141160Y (zh) * | 1992-11-15 | 1993-08-25 | 李维安 | 串接型多功能电子灯控开关 |
| US20050062446A1 (en) * | 2003-07-23 | 2005-03-24 | Tir Systems Ltd. | Control system for an illumination device incorporating discrete light sources |
| CN101789178A (zh) * | 2009-01-22 | 2010-07-28 | 中国科学院自动化研究所 | 街区路口交通信号优化控制方法 |
| CN101938871A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的照明节能控制系统 |
| CN101976044A (zh) * | 2010-10-22 | 2011-02-16 | 天津理工大学 | 一种基于神经网络的风电系统建模及dsp实现方法 |
-
2011
- 2011-08-12 CN CN2011102313261A patent/CN102413605B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2141160Y (zh) * | 1992-11-15 | 1993-08-25 | 李维安 | 串接型多功能电子灯控开关 |
| US20050062446A1 (en) * | 2003-07-23 | 2005-03-24 | Tir Systems Ltd. | Control system for an illumination device incorporating discrete light sources |
| CN101789178A (zh) * | 2009-01-22 | 2010-07-28 | 中国科学院自动化研究所 | 街区路口交通信号优化控制方法 |
| CN101938871A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的照明节能控制系统 |
| CN101976044A (zh) * | 2010-10-22 | 2011-02-16 | 天津理工大学 | 一种基于神经网络的风电系统建模及dsp实现方法 |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104968121A (zh) * | 2015-07-15 | 2015-10-07 | 深圳市通普科技有限公司 | 一种自动学习的灯光控制方法和装置 |
| CN104968121B (zh) * | 2015-07-15 | 2018-02-16 | 深圳市通普科技有限公司 | 一种自动学习的灯光控制方法和装置 |
| CN106028585B (zh) * | 2016-05-23 | 2018-03-09 | 电子科技大学 | 一种基于牛顿极值搜索算法的双闭环照明节能控制方法 |
| CN106028585A (zh) * | 2016-05-23 | 2016-10-12 | 电子科技大学 | 一种基于牛顿极值搜索算法的双闭环照明节能控制方法 |
| CN106028584A (zh) * | 2016-05-23 | 2016-10-12 | 电子科技大学 | 一种基于梯度极值搜索算法的双闭环照明节能控制方法 |
| CN106028584B (zh) * | 2016-05-23 | 2018-03-09 | 电子科技大学 | 一种基于梯度极值搜索算法的双闭环照明节能控制方法 |
| CN106255259A (zh) * | 2016-07-26 | 2016-12-21 | 浙江大学 | 一种基于bp神经网络pi控制方法的反激式led驱动电路 |
| CN106255259B (zh) * | 2016-07-26 | 2018-05-01 | 浙江大学 | 一种基于bp神经网络pi控制方法的反激式led驱动电路 |
| CN108012389A (zh) * | 2017-10-27 | 2018-05-08 | 深圳和而泰智能控制股份有限公司 | 灯光调节方法、终端设备及计算机可读存储介质 |
| CN108181952A (zh) * | 2017-12-11 | 2018-06-19 | 浙江工业大学 | 一种基于卷积神经网络的光照度测量及光照度智能控制方法 |
| CN109146071A (zh) * | 2017-12-28 | 2019-01-04 | 上海智位机器人股份有限公司 | 基于神经网络的智能传感器装置及处理方法 |
| CN108683245A (zh) * | 2018-05-21 | 2018-10-19 | 山东亿昌照明科技有限公司 | 一种基于人工智能学习的户外照明直流供电系统 |
| CN108683245B (zh) * | 2018-05-21 | 2020-03-06 | 山东亿昌照明科技有限公司 | 一种基于人工智能学习的户外照明直流供电系统 |
| CN109435630A (zh) * | 2018-11-15 | 2019-03-08 | 无锡英捷汽车科技有限公司 | 一种基于人工神经网络算法的乘员舱温度控制方法 |
| CN109435630B (zh) * | 2018-11-15 | 2020-12-29 | 无锡英捷汽车科技有限公司 | 一种基于人工神经网络算法的乘员舱温度控制方法 |
| CN110288510A (zh) * | 2019-06-11 | 2019-09-27 | 清华大学 | 一种近传感器视觉感知处理芯片及物联网传感装置 |
| CN110691453A (zh) * | 2019-10-18 | 2020-01-14 | 浪潮软件集团有限公司 | 一种采用人工智能技术高效管控智慧路灯的方法 |
| CN110691453B (zh) * | 2019-10-18 | 2021-07-13 | 浪潮软件股份有限公司 | 一种采用人工智能技术高效管控智慧路灯的方法 |
| CN111867194A (zh) * | 2020-07-02 | 2020-10-30 | 燕山大学 | 基于多传感器信息融合的太阳能路灯控制器 |
| CN114189970A (zh) * | 2022-02-15 | 2022-03-15 | 广州地铁设计研究院股份有限公司 | 一种基于在线学习的灯具后备智能控制方法 |
| CN116073446A (zh) * | 2023-03-07 | 2023-05-05 | 天津天元海科技开发有限公司 | 基于灯塔多能源环境集成供电系统的智能供电方法和装置 |
| CN116073446B (zh) * | 2023-03-07 | 2023-06-02 | 天津天元海科技开发有限公司 | 基于灯塔多能源环境集成供电系统的智能供电方法和装置 |
| CN116045427A (zh) * | 2023-03-30 | 2023-05-02 | 福建省特种设备检验研究院 | 基于智能决策的电梯轿厢空气净化系统 |
| CN116045427B (zh) * | 2023-03-30 | 2023-10-10 | 福建省特种设备检验研究院 | 基于智能决策的电梯轿厢空气净化系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102413605B (zh) | 2013-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102413605B (zh) | 基于人工神经网络的智能路灯节能控制系统 | |
| CN202261968U (zh) | 一种基于分级通信机制的节能型智能led路灯系统 | |
| CN206786991U (zh) | 一种基于物联网的公共卫生间智能控制系统 | |
| CN202210891U (zh) | 一种智能无级调光led路灯 | |
| CN107713675A (zh) | 一种智能地垫 | |
| CN206629315U (zh) | 一种基于睡眠状态的智能感应灯系统 | |
| CN115243429A (zh) | 一种基于物联网的园林道路照明系统及其方法 | |
| CN114867165A (zh) | 一种基于长短期记忆神经网络的智慧路灯控制方法 | |
| CN105101520A (zh) | 一种灯具控制方法、装置和控制系统 | |
| CN108235522A (zh) | 一种路灯窄带物联网控制系统及使用方法 | |
| CN201174803Y (zh) | 节能路灯智能控制系统 | |
| CN105898919A (zh) | 一种分散式自适应控制的智能道路照明系统 | |
| CN101674690A (zh) | 可节省电能消耗的照明系统及其相关方法 | |
| CN204350349U (zh) | 一种节能型太阳能庭院音乐路灯装置 | |
| CN204465960U (zh) | 一种led灯语音控制系统 | |
| CN105007659A (zh) | 太阳能路灯控制装置 | |
| CN202103901U (zh) | 新型照度控制系统 | |
| CN208029145U (zh) | 一种路灯窄带物联网控制系统 | |
| CN209856935U (zh) | 一种小区智能led灯照明系统 | |
| CN107690217A (zh) | 一种节能智能路灯 | |
| CN202679707U (zh) | 一种led道路标志牌的电源管理实现电路 | |
| CN107135594A (zh) | 一种节能型路灯照明系统 | |
| CN209787510U (zh) | 智慧城市路灯控制系统 | |
| CN111669878A (zh) | 一种基于泛在感知的智慧灯杆照明控制方法及系统 | |
| CN206851079U (zh) | 一种led路灯照明系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee | ||
| CP02 | Change in the address of a patent holder |
Address after: Suzhou City, Jiangsu province 215137 Xiangcheng District Ji Road No. 8 Patentee after: Soochow University Address before: 215123 Suzhou City, Suzhou Province Industrial Park, No. love road, No. 199 Patentee before: Soochow University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191217 Address after: Room 1706, block B, building 2, Lifeng business center, Wuzhong District, Suzhou City, Jiangsu Province Patentee after: Suzhou Xinmu Intellectual Property Service Co.,Ltd. Address before: Suzhou City, Jiangsu province 215137 Xiangcheng District Ji Road No. 8 Patentee before: Soochow University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221201 Address after: 276000 yanpo Road, Feixian Economic Development Zone, Linyi City, Shandong Province Patentee after: LINYI YIQUN PACKING PRODUCTS Co.,Ltd. Address before: Room 1706, block B, building 2, Lifeng business center, Wuzhong District, Suzhou City, Jiangsu Province Patentee before: Suzhou Xinmu Intellectual Property Service Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230425 Address after: 130000 group 1, Qianjin village committee, Qianjin Street, Chaoyang District, Changchun City, Jilin Province Patentee after: Fu Zhi Address before: 276000 yanpo Road, Feixian Economic Development Zone, Linyi City, Shandong Province Patentee before: LINYI YIQUN PACKING PRODUCTS Co.,Ltd. |