CN106028584A - 一种基于梯度极值搜索算法的双闭环照明节能控制方法 - Google Patents

Abstract

本发明公开了一种基于梯度极值搜索算法的双闭环照明节能控制方法，通过PID闭环控制保持照度需求，同时又通过梯度极值搜索算法，不断迭代快速寻找到照明系统能耗的最小值，并保持最小值稳定输出，该控制应用在照明系统节能上有着重要的控制作用。针对照明能耗问题，最理想的情况是既保证区域照度需求又保持能耗降到最小值，本发明中，通过牛顿极值搜索控制算法来调节灯组(每组灯具)的分组情况即百分比，既保证了照度控制区域达到照度要求即目标照度值，同时照明系统能保持较低能耗稳定输出，即满足了用户的需求，又达到了节能的效果。

Description

一种基于梯度极值搜索算法的双闭环照明节能控制方法

技术领域

本发明属于照明控制技术领域，更为具体地讲，涉及一种满足照度需求同时降低能耗的控制方法，即基于将灯具分组后采用梯度法进行极值搜索寻找其相对能耗最低的照明节能控制方法。该控制方法可以实时跟踪所设照度值即目标照度值，使目标区域照度值稳定在所设照度值，在保证目标区域照度值稳定的情况下，搜索到总能耗的相对最低值，从而实现进一步的节能。

背景技术

据统计，全球能源耗用与日趋增的同时，电能消耗量也在随之攀升，其中单照明便占全球全年总用电量20％之高。显然，节约照明系统的电能消耗，降低电能的使用量是整个节能工程必不可少的一部分。

传统的照明系统，而现有的照明控制系统能通过调节灯的亮暗程度来满足用户的需求，实现了一定的节能，但控制方法较复杂，而且节能的效果不佳。因此需要提出一种既能保证用户照度需求，又能实现进一步节能的控制算法。

在传统照明系统控制中，只能控制灯的开关，没有考虑到用户对照度的需求，不能通过调节灯具照度来准确控制室内区域的照度，在电能使用上，消耗较大，存在许多浪费。

在照明领域，从节能的角度出发，就是满足照度需求同时降低能耗。

而现有的照明系统，如申请人2015年11月09日申请，2016年01月27日公布、公布号为105282939A、名称为“一种节能照明控制方法及系统”的中国发明专利申请，能实现调节灯具照度从而满足用户的照度要求，但控制方法较复杂且能耗上也存在诸多浪费。同时，从控制方法来看，只是一种单闭环控制照度从而达到节能效果的方法。所以需要提出一种既能满足用户对照明系统的照度要求，又能通过多种方式节约能耗的控制方法。

发明内容

本发明的目的在于克服现有照明节能控制方法的不足，提供一种基于梯度极值搜索算法的双闭环照明节能控制方法，在满足用户照度需求的情况下，能快速稳定地寻找到能耗相对最低点

为实现上述发明目的，本发明基于梯度极值搜索算法的双闭环照明节能控制方法，其特征在于，包括以下步骤：

(1)、将用于照度控制区域照明的所有灯具划分为n组，且每组灯具百分比用w₁,w₂,…,w_n表示，其中w₁+w₂+…+w_n＝1，通过改变百分比w₁,w₂,…,w_n的值，可以进一步控制各组灯具之间的亮度；在照度控制区域安装一个光传感器，用于照度控制区域照度的采集；

(2)、设定照度控制区域的目标照度值，初始化(估计)每组灯具的百分比为第n组我们用得到，所以在搜索算法循环的过程中只需要n-1项，构成向量

(3)、向量经过扰动S(t)的作用产生输入向量W′＝[w′₁,w′₂,…,w′_n-1]^T；

所述的扰动S(t)为[a₁sinσ₁t,a₂sinσ₂t,...,a_n-1sinσ_n-1t]^T，其中，t为时间，系数a₁,a₂,…,a_n-1、频率参数σ₁,σ₂,…,σ_n-1，根据具体情况确定；

所述的作用为：

$W^{\′}=\left[\begin{array}{c}{w}_1^{\′}\\ w_2^{\′}\\ .\\ .\\ .\\ w_{n-1}^{\′}\end{array}\right]=\hat{W}+S\left(t\right)=\left[\begin{array}{c}{\hat{w}}_1\\ {\hat{w}}_2\\ .\\ .\\ .\\ {\hat{w}}_{n-1}\end{array}\right]+\left[\begin{array}{c}{a}_1{\mathrm{sin\σ}}_{1}t\\ a_2{\mathrm{sin\σ}}_{2}t\\ .\\ .\\ .\\ a_{n-1}{\mathrm{sin\σ}}_{n-1}t\end{array}\right];$

(4)、将输入向量W′与百分比的第n项w′_n＝1-w′₁-w′₂-…-w′_n-1进行整合得到输入向量W＝[w₁,w₂,…,w_n]^T，光传感器将照度控制区域的采集照度值通过I²C协议传入控制器，控制器通过串口将采集照度值数据传入到上位机；在上位机中，采集照度值与目标照度值做PID闭环控制，即目标照度值减去采集照度值，差值送入PID控制器中，PID控制器输出控制量，控制量作用于各组灯具的百分比即w₁,w₂,…,w_n，将作用后的结果通过串口输出传给控制器，然后对各组灯具亮暗程度进行控制；而当灯具的亮暗程度改变时，再通过光传感器对照度控制区域照度进行实时采集，再次进行PID闭环控制，不断减小采集照度值和目标照度值的差值，最终使采集照度值稳定在目标照度值；

(5)、计算每组灯具的能耗，然后求和，得到总能耗E′；对总能耗E′进行滤波，以滤去不稳定的波动，得到滤波后的总能耗E；

(6)、如果总能耗E与上一次得到的每组灯具的亮度百分比w₁,w₂,…,w_n下的总能耗E₀的差值ΔE，即|E-E₀|小于设定的阈值，则结束，此时输出的每组灯具的亮度组合即百分比w₁,w₂,…,w_n为满足用户照度需求，同时能耗最低亮度组合；否则，进行步骤(7)；

(7)、滤波后的总能耗E与扰动M(t)作用，得到变量ΔW′，其中：

所述的扰动M(t)为：

$M\left(t\right)={\[\frac{2}{a_1}{\mathrm{sin\σ}}_{1}t,\frac{2}{a_2}{\mathrm{sin\σ}}_{2}t,...,\frac{2}{a_{n-1}}{\mathrm{sin\σ}}_{n-1}t\]}^T;$

所述的总能耗E与扰动M(t)作用，得到变量ΔW′，即：

${\mathrm{\ΔW}}^{\′}=M\left(t\right)\·E=\left[\begin{array}{c}\frac{2}{a_1}{\mathrm{sin\σ}}_{1}t\\ \frac{2}{a_2}{\mathrm{sin\σ}}_{2}t\\ .\\ .\\ .\\ \frac{2}{a_{n-1}}{\mathrm{sin\σ}}_{n-1}t\end{array}\right]E;$

(8)、将变量ΔW′乘以-K(常系数)后积分，在向量处寻找到使能耗降低的下一个估计迭代点即向量即：

${\hat{W}}_1=\hat{W}-{\mathrm{K\ΔW}}^{\′};$

然后将向量作为向量返回步骤(3)。

本发明的目的是这样实现的:

本发明基于梯度极值搜索算法的双闭环照明节能控制方法，通过PID闭环控制保持照度需求，同时又通过梯度极值搜索算法，不断迭代快速寻找到照明系统能耗的最低值，并保持最低值稳定输出，该控制应用在照明系统节能上有着重要的控制作用。针对照明能耗问题，最理想的情况是既保证区域照度需求又保持能耗降到最低值，本发明中，通过梯度极值搜索控制算法来调节灯组(每组灯具)的分组情况即百分比，既保证了照度控制区域达到照度要求即目标照度值，同时照明系统能保持较低能耗稳定输出。

本发明是在一迭代点处沿输出总能耗E下降的方向(令其为负梯度方向)寻找到下一迭代点，然后循环迭代，直到总能耗E下降的方向趋于0，即变量|ΔW′|趋近于0，此时的输入向量W＝[w₁,w₂,…,w_n]^T就能稳定的收敛到百分比W^*，从而就能稳定的搜索到相应的最低能耗值E^*，而其稳定性可通过霍尔维茨定理进行证明。因此本发明在搜索最低能耗的同时可保证照度控制区域照度值稳定在用户设定照度值附近，这样即满足了用户的需求，又达到了节能的效果。

附图说明

图1是本发明基于梯度极值搜索算法的双闭环照明节能控制方法一种具体实施方式流程图；

图2是本发明一种具体实施方式室内所有灯具分两组情况图；

图3是图2所示两组灯具分组情况下采集照度值随时间变化图；

图4是图2所示两组灯具分组情况下不采用本发明控制方法时总能耗随百分比w₁变化图；

图5是图2所示两组灯具分组情况下加本发明控制方法使百分比w₁随时间变化图；

图6图2所示两组灯具分组情况下总能耗随时间变化图；

图7是本发明一种具体实施方式室内所有灯具分四组情况图；

图8是图7所示四组灯具分组情况下不采用本发明控制方法时遍历w₁时w₂-w₃-能耗E三维图；

图9是图7所示四组灯具分组情况下不采用本发明控制方法时能耗最低值E₀ ^*所在w₂-w₃-能耗E三维图；

图10是图7所示四组灯具分组情况下采用本发明控制方法搜索中采集照度值随时间变化图；

图11是图7所示四组灯具分组情况下采用本发明控制方法搜索中百分比w₁，w₂，w₃随时间变化图；

图12是图7所示四组灯具分组情况下采用本发明控制方法搜索中能耗E^*随时间变化图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是本发明基于梯度极值搜索算法的双闭环照明节能控制方法一种具体实施方式流程图。

在本实施例中，如图1所示，本发明基于梯度极值搜索算法的双闭环照明节能控制方法包括以下步骤：

S1、灯组划分及光传感器安装

将用于照度控制区域照明的所有灯具划分为n组，且每组灯具百分比用w₁,w₂,…,w_n表示，其中w₁+w₂+…+w_n＝1，通过改变百分比w₁,w₂,…,w_n的值，可以进一步控制各组灯具之间的亮度，其中，照明控制区域就是我们需要进行调光的区域。为了得到需要的即目标照明值，在照度控制区域安装一个光传感器，用于照度控制区域照度的采集，以便在经过PID控制后，使实际的照度值即采集照度值稳定在(达到)设定的照度控制区域的目标照度值。

S2、设定目标照度值及百分比初始化

设定照度控制区域的目标照度值，初始化(估计)每组灯具的百分比为第n组我们用得到，所以在搜索算法循环的过程中只需要n-1项，构成向量

S3、向量经过扰动S(t)的作用产生输入向量W′＝[w′₁,w′₂,…,w′_n-1]^T；

所述的扰动S(t)为[a₁sinσ₁t,a₂sinσ₂t,...,a_n-1sinσ_n-1t]^T，其中，t为时间，系数a₁,a₂,…,a_n-1、频率参数σ₁,σ₂,…,σ_n-1，根据具体情况确定；

所述的作用为：

$W^{\′}=\left[\begin{array}{c}{w}_1^{\′}\\ w_2^{\′}\\ .\\ .\\ .\\ w_{n-1}^{\′}\end{array}\right]=\hat{W}+S\left(t\right)=\left[\begin{array}{c}{\hat{w}}_1\\ {\hat{w}}_2\\ .\\ .\\ .\\ {\hat{w}}_{n-1}\end{array}\right]+\left[\begin{array}{c}{a}_1{\mathrm{sin\σ}}_{1}t\\ a_2{\mathrm{sin\σ}}_{2}t\\ .\\ .\\ .\\ a_{n-1}{\mathrm{sin\σ}}_{n-1}t\end{array}\right].$

S4、整合输入及PID闭环照明控制

将输入向量W′与百分比的第n项w′_n＝1-w′₁-w′₂-…-w′_n-1进行整合得到输入向量W＝[w₁,w₂,…,w_n]^T，整合输入的目的是使每组灯具百分比用w₁,w₂,…,w_n表示且满足w₁+w₂+…+w_n＝1的要求，便于进行灯组的控制。

光传感器将照度控制区域的采集照度值通过I²C协议传入控制器，控制器通过串口将采集照度值数据传入到上位机；在上位机中，采集照度值与目标照度值做PID闭环控制，即目标照度值减去采集照度值，差值送入PID控制器中，PID控制器输出控制量，控制量作用于各组灯具的百分比即w₁,w₂,…,w_n，将作用后的结果通过串口输出传给控制器，然后对各组灯具亮暗程度进行控制；而当灯具的亮暗程度改变时，再通过光传感器对照度控制区域照度进行实时采集，再次进行PID闭环控制，不断减小采集照度值和目标照度值的差值，最终使采集照度值稳定在目标照度值。需要说明的是，PID闭环控制还有一些等同的控形式，具体实施过程中，不限于上述具体形式。

S5、计算总能耗并滤波

计算每组灯具的能耗值，然后求和，得到总能耗E′；对总能耗E′进行滤波，以滤去不稳定的波动，得到滤波后的总能耗E。

S6、判断

如果总能耗E与上一次得到的每组灯具的亮度百分比w₁,w₂,…,w_n下的总能耗E₀的差值ΔE，即|E-E₀|小于设定的阈值，则结束，此时输出的每组灯具的亮度组合即百分比w₁,w₂,…,w_n为满足用户照度需求，同时能耗最低亮度组合；否则，进行步骤S7。

S7、产生反应能耗差值的变量ΔW′

滤波后的总能耗E与扰动M(t)作用，得到变量ΔW′，其中：

所述的扰动M(t)为：

$M\left(t\right)={\[\frac{2}{a_1}{\mathrm{sin\σ}}_{1}t,\frac{2}{a_2}{\mathrm{sin\σ}}_{2}t,...,\frac{2}{a_{n-1}}{\mathrm{sin\σ}}_{n-1}t\]}^T;$

所述的总能耗E与扰动M(t)作用，得到变量ΔW′，即：

${\mathrm{\ΔW}}^{\′}=M\left(t\right)\·E=\left[\begin{array}{c}\frac{2}{a_1}{\mathrm{sin\σ}}_{1}t\\ \frac{2}{a_2}{\mathrm{sin\σ}}_{2}t\\ .\\ .\\ .\\ \frac{2}{a_{n-1}}{\mathrm{sin\σ}}_{n-1}t\end{array}\right]E;$

在本发明中，总能耗E与扰动M(t)是为了估计总能耗E的一阶导数。

S8、获取下一个估计迭代点即向量并返回步骤S3

将变量ΔW′乘以-K(常系数)后积分，在向量处寻找到使能耗降低的下一个估计迭代点即向量即：

${\hat{W}}_1=\hat{W}-{\mathrm{K\ΔW}}^{\′};$

然后将向量作为向量返回步骤S3。

梯度法的迭代公式为：w^(k+1)＝w^(k)+λ_(k)d^(k)，其中d^(k)＝-▽E(ω^(k))，λ_(k)是迭代系数，在此处二个估计点的差值：所以积分后能寻找到下一个估计迭代点

在本发明中，使用了梯度极值搜索算法，其输入为各组灯组百分比构成的输入向量W＝[w₁,w₂,…,w_n]^T,输出为总能耗E′，总能耗E′经过高通滤波器，产生稳定信号即总能耗E，在经过扰动M(t)作用后即相乘后进行积分得到能耗降低的下一个估计迭代点即向量此时：

$\frac{d}{dt}\left[\begin{array}{c}{w}_1\\ w_2\\ .\\ .\\ .\\ w_{n-1}\end{array}\right]=-K\left[\begin{array}{c}\frac{2}{a_1}{\mathrm{sin\σ}}_{1}t\\ \frac{2}{a_2}{\mathrm{sin\σ}}_{2}t\\ .\\ .\\ .\\ \frac{2}{a_{n-1}}{\mathrm{sin\σ}}_{n-1}t\end{array}\right]E---\left(1\right)$

其中K是正常数，是设计参数，根据具体情况设定。

在经过扰动S(t)的作用后产生输入向量W′，其中，所述的扰动S(t)为[a₁sinσ₁t,a₂sinσ₂t,...,a_n-1sinσ_n-1t]^T。

定义输入误差为W′：

$\tilde{W}=W-W^{*}---\left(2\right)$

则：

$\tilde{W}+S\left(t\right)=\left[\begin{array}{c}{\tilde{w}}_1\\ {\tilde{w}}_2\\ .\\ .\\ .\\ {\tilde{w}}_{n-1}\end{array}\right]+\left[\begin{array}{c}{a}_1{\mathrm{sin\σ}}_{1}t\\ a_2{\mathrm{sin\σ}}_{2}t\\ .\\ .\\ .\\ a_{n-1}{\mathrm{sin\σ}}_{n-1}t\end{array}\right]---\left(3\right)$

由(3)可知当能稳定的收敛于0时，W就能稳定的收敛到W^*，从而就能稳定的搜索到相应的最低能耗E^*，而其稳定性的证明可通过对(1)式进行均值化处理，然后求出其霍尔维茨矩阵，用霍尔维茨定理进行稳定性证明，基于梯度法的极值搜索控制系统也是一个闭环系统，通过不断的循环，最终可稳定的寻找到最低能耗E^*。

一、数据处理与分析

记录稳定后得各组灯具百分比w₁,w₂,…,w_n，以及此时的总能耗E，即为相对最低能耗值。通过观察总能耗(E)-时间(t)的仿真图可以观察采用梯度法搜索到最优能耗值的过程，最终总能耗E将稳定在最低耗值周围，同时得到最低能耗值对应的灯组百分比组合为

通过将梯度极值搜索控制算法得到的稳定最低能耗E^*与相同环境下不加控制算法获得的最低能耗E₀ ^*相比较，若存在|E^*-E₀ ^*|<E₀ ^*×ε，(ε为小于1的较小正数)则证明采用梯度法搜索到的最优能耗值达到了降低能耗的效果，从而证明了梯度极值搜索算法寻找相对最低能耗的可行性。

二、实例1

现以分组n＝2为例，对照明控制区域中所有灯具进行分组，即分为2组，具体控制过程如下：

第一步：如图2所示，对于室内需要进行照明控制的区域C，根据相关配置信息，人为地将室内所有11盏灯具分为两组：其中编号为1的灯为灯组1，百分比为w₁，剩下的编号为2的6盏灯为灯组2，百分比百分比为w₂。百分比w₁+w₂＝1，通过改变百分比w₁,w₂的值可以控制两组灯具之间的亮度。在照度控制区域即区域C中安装一个光传感器，用于采集该区域的照度。

第二步：设置其照度为90lux，初始化即估计两组灯具中第一个的百分比，然后，经过扰动作用产生百分比w₁,另一个输入w₂通过1-w₁得到。

启动光传感器实时采集区域C的照度值，如图3所示，通过PID控制器不断调节能够使区域C光照值稳定在目标照度值附近，即90lux附近。

第三步：计算两个灯组总能耗并滤波得到总能耗E，以负梯度方向作为搜索方向，结合PID闭环控制，寻找总能耗的最低值；

第四步：记录和保存整个搜索过程的百分比w₁,w₂和总能耗E的变化值，找出最终趋于稳定的百分比以及对应的最低能耗值E^*。整理数据，汇总到表1。

主要数据具体分析如下：

在本实施例中，如图4所示，为百分比w₁-总能耗E的二维图，此时搜索到的(实际)最低能耗E₀ ^*＝1.6118对应的百分比w₁为0.68087。从图4上可知w₁在0.24～1时满足能耗误差27％的最大范围，而当百分比w₁在0.59～0.82时则表示此时搜索到百分比百分比比较精准，而采用本发明控制方法，其最低能耗E^*与实际最低能耗E₀ ^*误差在4.23％，从而达到节约能耗的效果。

在本实施例中，如图5所示，为本发明控制方法下百分比w₁随时间的变化图，将数据加入表1。从图5中，在50秒后，可以看出百分比w₁稳定在0.59左右。在本实施例中，从图6可以看出，在50秒后总能耗E稳定在1.68左右，实现了快速稳定地寻找到能耗相对最低点的目的。

二、实例2

现以分组n＝4为例，对照明控制区域中所有灯具进行分组，即分为4组，具体控制过程如下：

第一步：在本实施例中，如图7所示，对于室内需要进行照明控制的区域C，根据相关配置信息，人为地将室内所有11盏灯具分为四组：其中位于区域C中编号为1的灯为灯组1，百分比为w₁；编号为2的4盏灯为灯组2，百分比为w₂；编号为3的2盏灯为灯组3，百分比为w₃，占编号为4的4盏灯为灯组4，百分比为w₄。百分比w₁+w₂+w₃+w₄＝1，通过改变百分比w₁,w₂,w₃,w₄的值可以控制两组灯具之间的亮度。在照度控制区域即区域C中安装一个光传感器，用于采集该区域的照度。

第二步：设置其照度为50lux，初始化即估计四组灯具中前三个的百分比，然后，经过扰动作用产生空比w₁,w₂,w₃,另一个输入w₄通过1-ω₁-ω₂-ω₃得到。

第三步：计算四个灯组总能耗并滤波得到总能耗E，以负梯度方向作为搜索方向，结合PID闭环控制，寻找总能耗的最低值；

第四步：记录和保存整个搜索过程的百分比w₁,w₂,w₃,w₄和总能耗E的变化值，找出最终趋于稳定的百分比以及对应的最低能耗值E^*。整理数据，汇总到表2。

表2

在本实施例中，如图8所示，在采用本发明控制方法的情况下，固定w₁从0到0.9(间隔为0.1)，测得当区域C中照度值保持在50lux时，绘制相应w₂-w₃-能耗E的10幅三维图(从左到右，从上到下分别为w₁为0到0.9，间隔为0.1时绘制的能耗E三维图)，通过求得10幅三维图的最低值，从而获得总体能耗最低值E^* ₀，计算得出能耗最低值E^* ₀所在的w₂-w₃-能耗E三维图如图9所示，星形点表示采用本发明控制方法后搜索到的最终的稳定点(w₂，w₃，E^*)，根据表2中误差范围数据分析以及该三维图可采用本发明控制方法验证获得的数据能稳定在最低能耗值的最大误差范围以内。

在本实施例中，本发明控制方法作用下区域C中照度随时间变化图如图10所示，可以看出通过PID调节作用能使照度值稳定在50lux附近。

在本实施例中，本发明控制方法作用下，百分比随时间的变化过程如图11所示。从图11中分析可得：在100秒左右，百分比最终稳定在0.50左右，百分比最终稳定在0.12左右，百分比最终稳定在0.24左右。根据图8所示的10幅三维图数据得出最低能耗E^* ₀＝0.3911，可根据能耗误差的27％得出百分比的范围为0～0.7，百分比的范围为0.1～0.8，百分比的范围为0～，最低能耗E^*的范围为0.29～0.50。若本方面控制方法下，百分比数据在此范围内，则说明加入本方面控制方法后可将能耗稳定在相对最低能耗附近从而证明本发明控制方法的稳定性和准确性。进一步根据能耗误差的16％得出百分比的范围为0～0.6，百分比的范围为0.2～0.7，百分比的范围为0～0.43，最低能耗E^*的范围为(0.32,0.46)，若本发明控制方法下，数据在此范围内，则说明加入本发明控制方法后搜索出的最低能耗值精确度很高。

在本实施例中，采用本发明控制方法后，能耗E^*随时间的变化过程如图12所示，从图12中分析可得：最低能耗E^*在60秒最终稳定在0.4511左右，通过图8中分析实际最低能耗E^* ₀＝0.3911，说明采用本发明控制方法后获得的最低能耗E^*能很快稳定在实际最低能耗E^* ₀误差范围的16％以内，具有良好的精度。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于梯度极值搜索算法的双闭环照明节能控制方法，其特征在于，包括以下步骤：

(1)、将用于照度控制区域照明的所有灯具划分为n组，且每组灯具百分比用w₁,w₂,…,w_n表示，其中w₁+w₂+…+w_n＝1，通过改变百分比w₁,w₂,…,w_n的值，可以进一步控制各组灯具之间的亮度；在照度控制区域安装一个光传感器，用于照度控制区域照度的采集；

(2)、设定照度控制区域的目标照度值，初始化(估计)每组灯具的百分比为第n组我们用得到，所以在搜索算法循环的过程中只需要n-1项，构成向量

(3)、向量经过扰动S(t)的作用产生输入向量W′＝[w′₁,w′₂,…,w′_n-1]^T；

所述的扰动S(t)为[a₁sinσ₁t,a₂sinσ₂t,...,a_n-1sinσ_n-1t]^T，其中，t为时间，系数a₁,a₂,…,a_n-1、频率参数σ₁,σ₂,…,σ_n-1，根据具体情况确定；

所述的作用为：

$W^{\&prime;}=\left[\begin{array}{c}{w}_1^{\&prime;}\\ w_2^{\&prime;}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ w_{n-1}^{\&prime;}\end{array}\right]=\hat{W}+S\left(t\right)=\left[\begin{array}{c}{\hat{w}}_1\\ {\hat{w}}_2\\ \begin{array}{c}.\\ .\\ .\end{array}\\ {\hat{w}}_{n-1}\end{array}\right]+\left[\begin{array}{c}{a}_1{\mathrm{sin\&sigma;}}_{1}t\\ a_2{\mathrm{sin\&sigma;}}_{2}t\\ \begin{array}{c}.\\ .\\ .\end{array}\\ a_{n-1}{\mathrm{sin\&sigma;}}_{n-1}t\end{array}\right];$

(4)、将输入向量W′与百分比的第n项w′_n＝1-w′₁-w′₂-…-w′_n-1进行整合得到输入向量W＝[w₁,w₂,…,w_n]^T，光传感器将照度控制区域的采集照度值通过I²C协议传入控制器，控制器通过串口将采集照度值数据传入到上位机；在上位机中，采集照度值与目标照度值做PID闭环控制，即目标照度值减去采集照度值，差值送入PID控制器中，PID控制器输出控制量，控制量作用于各组灯具的百分比即w₁,w₂,…,w_n，将作用后的结果通过串口输出传给控制器，然后对各组灯具亮暗程度进行控制；而当灯具的亮暗程度改变时，再通过光传感器对照度控制区域照度进行实时采集，再次进行PID闭环控制，不断减小采集照度值和目标照度值的差值，最终使采集照度值稳定在目标照度值；

(5)、计算每组灯具的能耗，然后求和，得到总能耗E′；对总能耗E′进行滤波，以滤去不稳定的波动，得到滤波后的总能耗E；

(6)、如果总能耗E与上一次得到的每组灯具的亮度百分比w₁,w₂,…,w_n下的总能耗E₀的差值ΔE，即|E-E₀|小于设定的阈值，则结束，此时输出的每组灯具的亮度组合即百分比w₁,w₂,…,w_n为满足用户照度需求，同时能耗最低亮度组合；否则，进行步骤(6)；

(7)、滤波后的总能耗E与扰动M(t)作用，得到变量ΔW′，其中：

所述的扰动M(t)为：

$M\left(t\right)={\&lsqb;\frac{2}{a_1}{\mathrm{sin\&sigma;}}_{1}t,\frac{2}{a_2}{\mathrm{sin\&sigma;}}_{2}t,...,\frac{2}{a_{n-1}}{\mathrm{sin\&sigma;}}_{n-1}t\&rsqb;}^T;$

所述的总能耗E与扰动M(t)作用，得到变量ΔW′，即：

${\mathrm{\&Delta;W}}^{\&prime;}=M\left(t\right)\&CenterDot;E=\left[\begin{array}{c}\frac{2}{a_1}{\mathrm{sin\&sigma;}}_{1}t\\ \frac{2}{a_2}{\mathrm{sin\&sigma;}}_{2}t\\ \begin{array}{c}.\\ .\\ .\end{array}\\ \frac{2}{a_{n-1}}{\mathrm{sin\&sigma;}}_{n-1}t\end{array}\right]E;$

(8)、将变量ΔW′乘以-K(常系数)后积分，在向量处寻找到使能耗降低的下一个估计迭代点即向量即：

${\hat{W}}_1=\hat{W}-{\mathrm{K\&Delta;W}}^{\&prime;};$

然后将向量作为向量返回步骤(3)。