CN105205270A - 一种实现扩展光源照明系统自动优化的方法 - Google Patents

Abstract

本发明提出了一种实现扩展光源照明系统自动优化的方法。该方法以点光源近似条件下所计算的系统轮廓为优化对象；通过DDE接口技术建立软件间信息交换机制，将TracePro的光线追迹功能与Matlab的信息处理功能相结合，构造轮廓优化模型；再由人工智能算法进行全局优化，快速地使初始照明系统轮廓收敛至扩展光源系统轮廓处。该方法具有很强的普适性及操作性，根据此方法可以灵活针对各种圆对称照明系统进行快速优化，形成紧凑型系统。

Description

一种实现扩展光源照明系统自动优化的方法

技术领域：

本发明属于非成像照明领域，具体涉及一种基于大面型的扩展光源照明系统的自动优化设计方法。

背景技术：

近年来，LED扩展光源由于其色度均匀、高功率、低功耗等优点，在家居以及公共照明领域被广泛地应用。但由于扩展光源属于一种大面型的器件，基于点光源的传统设计方法已不适用于扩展光源系统。因此，进行扩展光源照明系统(紧凑型照明系统)设计方法的研究，逐渐成为了照明领域新的热点。

目前，扩展光源照明系统的设计方法大体分为直接设计法与优化设计法两大类。直接设计法包括SMS同步多曲面法、步进法等，一般通过特殊方法建立扩展源与目标面的映射，进而衍生照明系统表面结构，但此类方法确立能量映射关系比较繁琐，不利于快速设计，而且，此类方法会因为光源的形状、色温、配光曲线等不同，很难构造合适的照明系统。优化设计法一般基于点光源模型进行迭代优化，方法较简便。如通过迭代重叠法将多个点光源透镜自由曲面重叠形成扩展光源透镜自由曲面，虽然方法较简便且有可操作性，但优化后仿真效果一般。同时，以上两种类型的设计法都存在软件间数据传输繁琐的问题，具体地，如三维建模软件、光学仿真软件及数值分析软件之间无法建立实时数据传输的问题，导致了设计者需要多次手动采集数据，大大增加了工作量。

鉴于上述情况，目前，针对扩展光源照明系统的设计方法还有许多问题，为此，本发明提出一种普适性较强的扩展照明系统优化设计方法，旨在解决上述扩展光源照明系统设计时，存在的一个或者多个问题。

发明内容：

本发明公开一种实现扩展光源照明系统自动优化的方法，所采用的整体技术方案如下：

一般地，经优化后的扩展光源照明系统的轮廓都会比点光源的稍大，且轮廓改变量相对系统整体较小，因此，直接对系统轮廓进行微调，使其适用于扩展光源的方法更为简便；针对扩展光源系统与点光源系统的相似性，通过Matlab控制相关算法产生初始轮廓优化参量后，再由DDE(DynamicDataExchange)通信将参量信息传输至TracePro中进行仿真，并将仿真结果回传至Matlab中进行相应处理；具体地，由Matlab所控制地人工智能算法进行全局优化，快速地使初始照明系统轮廓收敛至扩展光源系统轮廓处。

此种方法可使紧凑型照明系统的设计大大简化，同时也避免直接设计法带来的弊端。

本发明提出的一种实现扩展光源照明系统自动优化的方法，其特征在于，所述主要设计步骤，如下：

(1)确立初始模型

在点光源近似条件下，利用目前比较常用的网格划分法，通过Matlab软件快速计算出初始照明系统表面P_i数据点，其中i＝0,1,...,I。

(2)确定合适的优化轮廓点

假设对全部P_i进行坐标调整，会由于变量过多(I一般大于500)，使优化时间呈指数上升。因此，需根据所用光源的特性，少量选取合适的优化轮廓点m_j(x_j,z_j)，其中j＝0,1,...,J。

(3)加入优化调整参量

将所选轮廓点m_j的横纵坐标分别加入优化参量δ进行调整，设调整后的轮廓坐标为M_j(x_j+ΔX_j,z_j+ΔZ_j)。

(4)优化模型的导入

优选的特定调整坐标M_j，可通过DDE接口技术，由Matlab传输至TracePro中，再利用TracePro宏语言(Scheme)对M_j进行放样、旋转实现照明系统模型直接输入。同时，选取相应扩展光源、目标面模型加入系统中。

(5)建立评价函

光线追迹后，通过DDE通信将TracePro中目标面的均匀度U、光效η传输至Matlab中，建立目标评价函数MF，式中权重ω₁,ω₁∈[0,2]且ω₁+ω₂＝2。

MF＝2-(ω₁·U+ω₂·η)

(6)人工智能算法的加入

由上步骤可以看出，目标评价函数fitness的大小与优化参量δ有关，并且评价函数越小，则越接近所需的照明效果。因此，求解扩展光源系统轮廓的问题就转化为寻找目标函数最小值的问题。而搜寻最小值的问题可通过一些常用的人工智能算法对优化参量δ进行快速全局求解。迭代多次后，得到的合适坐标调整量δ(优化参量)通过相应程序就可生成所需的扩展光源照明系统。

本发明提出的扩展光源照明系统优化方法，其特征在于，所述照明系统的结构，可以是旋转对称的透镜、反光杯或两者的组合，也可是其他具有旋转对称构造的系统。特别地，部分非旋转对称的结构，也可以借鉴于此。

本发明提出的扩展光源照明系统优化方法，其特征在于，所述基于DDE接口技术的进程通信，具体表述如下：DDE(DynamicDataExchange)通信是Windows支持的几种常用通信机制之一，可建立客户机/服务器关系的通讯机制。当Matlab作为客户机时，通过DDE函数对TracePro服务器进行相应控制。而TracePro作为服务器，通过客户机调用TracePro宏语言(Scheme)对其本身进行控制，交互地，实现自动联用优化。其主要使用的DDE函数命令有：

①channel＝ddeinit('TracePro','Scheme')命令可建立Matlab与TracePro的进程通信。

②ddeexec('channel','schemecommand')命令可向DDE服务器发送TracePro宏语言执行命令；

③ddereq('channel','command')命令可从DDE服务器请求数据。

④ddpoke('channel','Matlabdata')命令可向DDE服务器发送数据。

而所述TracePro宏语言(Scheme)是一种基于ACIS为核心的函数式编程语言，可以通过相关程序实现照明系统的二次开发，但有很大的局限性。其基本功能有三维模型的输入、照明系统的光线追迹等。

本发明提出的扩展光源照明系统优化方法，其特征在于，所述对优化轮廓点进行放样的方法，可以是三次样条插值曲线(cubic-spline)、b样条曲线(b-spline)、连续样条(spline)等曲线放样方法。

本发明提出的扩展光源照明系统优化方法，其特征在于，所使用的扩展光源，可以是COB型LED、阵列型LED、钠光灯、卤素灯和金卤灯等一种，也可以是各灯的两种及多种组合。

本发明提出的扩展光源照明系统优化方法，其特征在于，所使用的人工智能算法，可以是基本粒子群算法、基本遗传算法、粒子群改良算法及遗传改良算法，以及一切可对多参量进行全局求解的智能算法。

本发明所提出的是一种普适性较强的自动优化方法，主要适用于在进行二次配光设计时，不能简单的把扩展光源视作点源处理的情况。具体地，可针对匀照度系统及光线准直系统进行设计。并且，不同照明系统使用相对应的目标评价函数，匀照度系统可采用ω₁为2、ω₂为0；光线准直系统可采用ω₁为0、ω₂为2。上述权重设置为举例说明，本发明所述权重ω₁、ω₂的设置方案不限于此。

并且，本发明相比当前技术具有一下几个优点：

1、本发明提出通过DDE接口技术，在Matlab与TracePro间建立信息交换机制，解决了软件间数据传输受限或繁琐的问题。

2、本发明通过DDE通信机制，将TracePro的光线追迹功能与Matlab的信息处理功能有机地结合在一起，达到程序简化设计的目的。

3、本发明采用简易的优化模型，直接针对系统表面进行微调，避免了直接设计法带来的若干问题。

4、本发明具有较强的普适性，可针对光源的不同形状、色温、配光曲线快速实现多种照明结构的自动设计。

附图说明

以下通过附图对本发明所提出的扩展光源照明系统自动优化方法做进一步详细的描述：

图1是基于DDE通信的技术方案框图；

图2是单透镜照明系统实例的具体参数示意图；

图3是照明系统轮廓优化点选取示意图；

图4是照明系统结构优化示意图；

图5是基本POS算法优化前的透镜模型图；

图6是基本POS算法优化后的透镜模型图；

图7是优化前后的照明系统照度曲线对比图；

图8是优化后TracePro仿真照度分布图。

图中：1-LED扩展光源，2-单透镜，3-目标面，21-初始照明系统表面，22-扩展光源照明系统表面，23-调整照明系统轮廓

具体实施方式

为了对本发明进行详细阐述，以下结合附图进行说明。但以下所举实例仅仅用于解释本发明所述的方法，不可用于判定或限制其适用范围。

如图1是本发明技术方案的框图。首先，通过Matlab控制相关算法产生优化参量后，由DDE通信将参量信息传输至TracePro中进行仿真，进而再将仿真结果返回至Matlab中进行相应处理，进行迭代优化。

如图2是本发明所举的一个实施例：单透镜扩展光源照明系统。所述照明系统，由直径为d的LED扩展光源1和高度为h的单透镜系统2构成。所述照明目标，在距离LED扩展光源1的z轴方向H处，实现半径为R的圆形目标面3的均匀照明。其具体参数：光源直径d为10mm，透镜高度为25mm，目标面距光源的长度H为1000mm，目标面半径为1500mm，透镜材料选用PMMA，折射率为1.49。

如图3、图4所示，具体实施案例步骤如下：

1、确立初始模型；

如图3，在点光源近似条件下，根据上述参数利用网格划分法，由Matlab软件快速计算出初始照明系统表面21的数据点P_i，其中i＝0,1,...,I。

2、确定合适的优化轮廓点；

如图3，所采用的LED扩展光源1属于近朗伯光源，具有中心区域能量高，两侧区域能量低的特性。为提高优化效率，能量聚集区需设定较多优化点。因此，我们可以按光源的等能角，在初始照明系统表面21选取少量优化轮廓点m_j(x_j,z_j)，其中j＝0,1,...,J；光能角α₁区域的能量与α_j的相同且α₁<α_j，可发现靠近中心光强区域的轮廓点较为密集，满足所需设定。

3、加入优化调整参量；

如图4是初始照明系统表面21经坐标调整逐步收敛至扩展光源系统表面22的示意图。将所选轮廓点m_j的横纵坐标分别加入优化参量δ进行调整，设调整轮廓23的坐标为M_j(x_j+ΔX_j,z_j+ΔZ_j)。特别注意：为保证紧凑型照明系统高度不变，单透镜系统2的第一点M₀应为定点；M_J是单透镜系统2底部轮廓点，不需要调整z轴方向的参量，则调整后坐标为M_J(x_J+ΔX_J,z_J)。而优化参量δ可表示

δ＝[ΔX₁,ΔZ₁,...,ΔX_j,ΔZ_j,...,ΔX_J]

4、优化模型的导入；

所优选的特定调整坐标M_j，通过DDE接口技术，利用TracePro宏语言进行连续样条(spline)的放样处理形成透镜2。并且，同时通过Scheme宏语言，将光源1、及目标面3进行相应输入。

5、建立评价函数；

完成光线追迹后，通过DDE通信将TracePro中目标面的均匀度U、光效η传输至Matlab中，建立目标评价函数MF，本实例为兼顾均匀度及光效，设置ω₁,ω₂分别为1.1，0.9，并偏向均匀度。

MF＝2-(1.1·U+0.9·η)

6、人工智能算法(基本POS算法)的加入；

由步骤1-步骤5可以发现，目标评价函数fitness的大小与优化参量δ有关，而合适的优化参量δ可使目标评价函数达到最佳。本实施例以基本POS算法为例，实现优化模型与算法的对接。

设D表示优化参量δ的个数，根据基本POS算法，在D维搜索域中，首先，初始化K组随机粒子群解(初始优化参量δ)，并设第k组随机解(δ_k)的位置及速度分别为δ_k,d和V_k,d，其中k∈[1,K],d∈[1,D]且m,d属于整数Z。

当粒子群进行下一次优化求解时，由之前的个体极值Pbest,P_m,d及全局最优解Gbest,P_g,m来更新其当前位置与速度，更新公式如下：

$r_{k,d}^{T+1}=w\&CenterDot;r_{k,d}^T+c_1\&CenterDot;r_1\&lsqb;P_{k,d}^T-X_{k,d}^T\&rsqb;+c_2\&CenterDot;r_2\&lsqb;P_{g,k}^T-X_{g,k}^T\&rsqb;$

${\mathrm{\&delta;}}_{k,d}^{T+1}={\mathrm{\&delta;}}_{k,d}^T+r_{k,d}^{T+1}$

迭代多次后，当MF输出参量基本不变时(一般按照经验进行设定)，自动停止，则完成优化。

现选取的轮廓优化点个数J为10，则可确定优化参量的维数D为17。再根据上述整体照明系统的参数，经步骤1-步骤6完成优化。

如图5，优化前透镜轮廓23(调整轮廓)凹凸不平，所在TracePro中进行的光线追迹时间也比较长，此时透镜轮廓正处于调整状态。

如图6，优化后透镜轮廓22较为光滑，基本没有受到初始形态的影响。并且，在加工开模时，光滑的曲面比凹凸的曲面更容易实施。

图7是由初始(origin)、优化后(opt)的两种照度曲线构成的对比图。由初始曲线可以看出，光斑中部区域照度较高达到525lm/m²，而两侧照度递减较快，导致均匀度相对较差。而通过优化后的曲线可以看成，光斑范围确定在-1500～+1500mm间，照度值基本处于450lm/m²左右；与初始曲线相比，中部区域的能量向两侧偏移，致使照度达到较均匀状态。

图8是优化后目标面上的TracePro照度仿真图，可以看出光能主要集中在有效半径内，且照度较为均匀，基本达到匀化效果。此时的照度均匀性高达87％，而光效利用率高达88％，优化效果良好。

Claims (7)

1.一种实现扩展光源照明系统自动优化的方法，其特征在于，所述主要设计步骤，如下：

(1)在点光源近似条件下，利用网格划分法通过Matlab软件快速计算出初始照明系统表面P_i数据点，其中i＝0,1,...,I；

(2)根据所用光源的特性，在初始轮廓上少量选取优化轮廓点m_j(x_j,z_j)，其中j＝0,1,...,J；

(3)将所选轮廓点m_j的横纵坐标分别加入优化参量δ进行调整，设调整后的轮廓坐标为M_j(x_j+Δ_j,z_j+ΔZ_j)；

(4)优选地调整坐标M_j，通过DDE通信，从Matlab传输至TracePro中，进而利用TracePro宏语言(Scheme)对M_j进行放样实现光学系统及扩展光源的直接输入；

(5)光线追迹后，通过DDE通信将TracePro中目标面的均匀度U、光效η传输至Matlab中，建立目标评价函数MF，式中权重ω₁,ω₁∈[0,2]且ω₁+ω₂＝2；

MF＝2-(ω₁·U+ω₂·η)

(6)目标评价函数MF的大小与优化参量δ有关，并且评价函数越小照明效果则越好，因此，可由人工智能算法对优化参量δ进行全局求解，快速生成扩展光源照明系统。

2.根据权利要求1所述的扩展光源照明系统优化方法，其特征在于,所采用的整体技术方案如下：针对初始照明系统轮廓进行微调，使其适用于扩展光源系统；通过Matlab与TracePro联合编程，控制相关人工智能算法进行优化，快速地使初始照明系统轮廓收敛至扩展光源系统轮廓处；而所述照明系统的结构，为旋转对称的透镜、反光杯或两者的组合，或是其他具有旋转对称构造的系统。

3.根据权利要求1所述的扩展光源照明系统优化方法，其特征在于，所述使用的DDE通信，具体表述如下：当Matlab作为客户机时，通过DDE函数对TracePro服务器进行相应控制；而TracePro作为服务器，通过客户机调用TracePro宏语言(Scheme)对其本身进行控制，交互地，实现自动联用优化。

4.根据权利要求1所述的扩展光源照明系统优化方法，其特征在于，所述对优化轮廓点进行放样的方法，是三次样条插值曲线(cubic-spline)，或b样条曲线(b-spline)，或连续样条(spline)曲线放样方法。

5.根据权利要求1所述的扩展光源照明系统优化方法，其特征在于，所使用的扩展光源，是COB型LED、阵列型LED、钠光灯、卤素灯和金卤灯中的一种，或两种及以上的组合。

6.根据权利要求1所述的扩展光源照明系统优化方法，其特征在于，所使用的人工智能算法为基本粒子群算法、基本遗传算法、粒子群改良算法及遗传改良算法中的一种，且所采用的基本算法都由Matlab软件进行编程处理。

7.根据权利要求1所述的扩展光源照明系统优化方法，其特征在于，针对匀照度、光线准直等扩展源系统进行设计；当优化匀照度系统时，目标函数中的权重ω₁为2、ω₂为0；当优化光线准直系统时，ω₁为0、ω₂为2。