CN109708031A - 一种植物生长用补光灯及其排布计算方法 - Google Patents

Abstract

本发明涉及一种植物生长用补光灯，其特征在于：包括补光灯板，所述补光灯板上设置有电源接口，所述补光灯板上平行设置有若干LED灯单元，所述LED灯单元包括上排LED灯组及下排LED灯组，所述上排LED灯组的若干LED灯与所述下排LED灯组的若干LED灯对应分布形成若干个呈三角形排布的LED灯组件。本发明涉及一种植物生长用补光灯排布计算方法，包括：1)定义光源；2)优化LED灯排布方式；3)优化LED灯排布间距。本发明结构设计科学合理，呈三角形排布的LED灯组件对植物的光照更均匀，植物的生长更快更好。

Description

一种植物生长用补光灯及其排布计算方法

技术领域

本发明属于植物生长培养领域，涉及植物生长用补光灯，特别涉及一种植物生长用补光灯及其排布计算方法。

背景技术

植物生长过程中需要从光照中获取能量，从而促进植物的根、茎、叶的生长以及植物中营养的积累。传统植物补光灯多采用红、蓝光进行配比，但是不同发光颜色的LED，波长不同、光照强度也会不同，因此进行红光和蓝光配比的植物补光灯，会产生光照强度不均匀的问题，导致植物长势不匀均；并且发射红色光和蓝色光的LED，由于LED参数和规格的问题，配比的补光灯也会存在光照强度不高的问题。

为了解决光照强度不均匀以及光照强度低等问题，需要一种既能够提供高光照强度，又能提供光照强度较为均匀的一种补光灯。这种补光灯不仅能够解决传统补光灯照射下的植物长势不匀均的问题，又能对需求高强度光照的植物生长起到更好的促进作用。

通过对公开专利文献的检索，并未发现与本专利申请相同的公开专利文献。

发明内容

本发明的目的在于克服现有技术的不足，提供一种结构简单，LED灯排布一种植物生长用补光灯及其排布计算方法。

本发明解决其技术问题是通过以下技术方案实现的：

一种植物生长用补光灯，其特征在于：包括补光灯板，所述补光灯板上设置有电源接口，所述补光灯板上平行设置有若干LED灯单元，所述LED灯单元包括上排LED灯组及下排LED灯组，所述上排LED灯组的若干LED灯与所述下排LED灯组的若干LED灯对应分布形成若干个呈三角形排布的LED灯组件。

而且，所述LED灯单元的上排LED灯组及下排LED灯组之间设置有若干散热孔。

而且，所述上排LED灯组的若干LED灯间距相同，均为3～8cm。

而且，所述下排LED灯组的若干LED灯间距相同，均为3～8cm。

而且，所述上排LED灯组与下排LED灯组的垂直间距与若干LED灯的间距相同，均为3～8cm。

一种植物生长用补光灯排布计算方法，其特征在于：包括以下步骤：

1)定义光源：选用5050封装LED灯，对植物的照射角度为30°，光通量为110-130lm，单个LED灯的功率为1W；

2)优化LED灯排布方式：在补光灯板与照射植物行程的空间内建立坐标系，补光灯板上单个LED灯在植物平面上的光照强度E计算如下：

其中：x0，y0分别表示LED灯的坐标点；

m0，n0分别表示被照射植物的坐标点；

h表示补光灯板与被照植物的垂直距离，数值为25cm；

m为朗伯辐射指数，数值为81；

I0为补光灯竖直方向的发光强度，使用光照度计测量；

补光灯板上所有LED灯的光照强度E计算如下：

3)优化LED灯排布间距：

被照植物平面的平均光照强度计算如下：

被照植物平面的光照强度标准差计算如下：

适应度f计算如下：

(1)初始化：对种群的大小、最大迭代次数、初始温度、学习因子等算法参数设定初始值，进行参数初始化；对种群中各个粒子的速度和位置进行初始化；对个体最优位置、个体极值、全局最有位置和全局极值进行初始化；

(2)计算适应度值：根据适应度函数，计算种群中各个粒子的适应度值；

(3)比较找出个体最优位置、全局最优位置、个体极值、全局极值；

(4)更新粒子速度及位置：

假设在d维的目标搜索空间中存在N个粒子的粒子群

X＝{X1,X2,…,Xi,…,X_N}，

其中第i个粒子的速度和位置分别用Xi＝[xi1,xi2,…,xid]和Vi＝[vi1,vi2,…,vid]表示，并且每次迭代过程中，粒子i的个体最优位置为pi＝[pi1,pi2,…,pij,…,pid]，其中i＝1,2,…,N；全局最优位置为pg＝[pg1,pg2,…,pgj,…,pgd]。

模拟退火-粒子群算法中采用带压缩因子的粒子群优化算法，选择最合适的参数，确保算法的收敛程度，其速度vi,j和位置xi,j的更新公式为：

其中：

c₁,c₂为学习因子，是正的加速常数；

r1,r2为0至1之间均匀分布的随机数；

k为迭代次数。

v_i,j和x_i,j表示粒子i第j维的速度分量和第j维的位置分量；

p_i,j表示粒子i在某次迭代过程中最优适应值对应的第j维的位置分量；

在速度更新公式中存在压缩因子χ，计算公式如下：

(5)最优选择：

粒子更新前后适应度值的变化量计算公式为：

其中：

和分别为粒子i在迭代次数为k和k+1时的适应度值；

如果Δf＜0，那么将接受更新后的速度和位置，反之需要继续判断突跳概率，突跳概率p的计算公式为：

p＝exp(-Δf/T)

其中：T是绝对温度；

若p＞rand(0,1)，那么同样接受更新后的速度和位置，若p＜rand(0,1)，将不更新粒子，保持粒子的速度和位置不变。

(6)运算终止判断：判断迭代次数是否达到初始设定的最大迭代次数，或判断最优解是否停滞不再变化，若满足二者条件之一，则停止迭代运算，将全局最优位置和全局极值输出；反之，跳回步骤2继续运算，直到满足终止条件为止。

本发明的优点和有益效果为：

1、本发明的一种植物生长用补光灯，补光灯板上设置有电源接口，补光灯板上平行设置有若干LED灯单元，LED灯单元包括上排LED灯组及下排LED灯组，上排LED灯组的若干LED灯与下排LED灯组的若干LED灯对应分布形成若干个呈三角形排布的LED灯组件，呈三角形排布的LED灯组件对植物的光照更均匀，植物的生长更快更好。

2、本发明的一种植物生长用补光灯，LED灯单元的上排LED灯组及下排LED灯组之间设置有若干散热孔，能够促进补光灯板热量的散发，对补光灯板有一定的保护作用。

3、本发明的一种植物生长用补光灯排布计算方法，能够合理分布LED灯，保证植物充足的光照，利于植物更好的生长。

4、本发明结构设计科学合理，呈三角形排布的LED灯组件对植物的光照更均匀，植物的生长更快更好。

附图说明

图1为本发明的结构示意图；

图2a为三角形排布LED灯的光照强度图；图2b为矩形排布LED灯的光照强度图；图2c为圆形排布LED灯的光照强度图；

图3为本发明补光灯板与市场植物生长灯照射下的生菜叶面积生长曲线对比图；

图4为本发明补光灯板与市场植物生长灯照射下的生菜叶片宽度生长曲线对比图。

附图标记说明

1-LED灯、2-补光灯板、3-散热孔、4-电源接口。

具体实施方式

下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。

如图1所示，一种植物生长用补光灯，其创新之处在于：包括补光灯板，补光灯板上设置有电源接口，补光灯板上平行设置有若干LED灯单元，LED灯单元包括上排LED灯组及下排LED灯组，上排LED灯组的若干LED灯与下排LED灯组的若干LED灯对应分布形成若干个呈三角形排布的LED灯组件。

LED灯单元的上排LED灯组及下排LED灯组之间设置有若干散热孔。

上排LED灯组的若干LED灯间距相同，均为3～8cm。

下排LED灯组的若干LED灯间距相同，均为3～8cm。

上排LED灯组与下排LED灯组的垂直间距与若干LED灯的间距相同，均为3～8cm。

一种植物生长用补光灯排布计算方法，其创新之处在于：包括以下步骤：

1)定义光源：选用5050封装LED灯，对植物的照射角度为30°，光通量为110-130lm，单个LED灯的功率为1W；

2)优化LED灯排布方式：在补光灯板与照射植物行程的空间内建立坐标系，补光灯板上单个LED灯在植物平面上的光照强度E计算如下：

其中：x0，y0分别表示LED灯的坐标点；

m0，n0分别表示被照射植物的坐标点；

h表示补光灯板与被照植物的垂直距离，数值为25cm；

m为朗伯辐射指数，数值为81；

I0为补光灯竖直方向的发光强度，使用光照度计测量；

补光灯板上所有LED灯的光照强度E计算如下：

如图2所示，根据对矩形、三角形、圆形排列的LED阵列光照强度分析可知，各个LED间的距离在一定范围内时，LED间距对光照度分布情况的影响较为敏感，LED间距越小，光照度的最大值越大，光照度整体的均匀性越好，且变化趋势明显。但当LED间距过小时，LED间距对其光照度均匀性的影响不大。此外，对3组的光照度仿真图分别进行对比，可知LED间距相同时，三角形的光照度均匀性较好，照射面积大，是LED植物光源优先选择的排列方式。

3)优化LED灯排布间距：

被照植物平面的平均光照强度计算如下：

被照植物平面的光照强度标准差计算如下：

适应度f计算如下：

(1)初始化：对种群的大小、最大迭代次数、初始温度、学习因子等算法参数设定初始值，进行参数初始化；对种群中各个粒子的速度和位置进行初始化；对个体最优位置、个体极值、全局最有位置和全局极值进行初始化；

(2)计算适应度值：根据适应度函数，计算种群中各个粒子的适应度值；

(3)比较找出个体最优位置、全局最优位置、个体极值、全局极值；

(4)更新粒子速度及位置：

假设在d维的目标搜索空间中存在N个粒子的粒子群

X＝{X1,X2,…,Xi,…,XN}，

其中第i个粒子的速度和位置分别用Xi＝[xi1,xi2,…,xid]和Vi＝[vi1,vi2,…,vid]表示，并且每次迭代过程中，粒子i的个体最优位置为pi＝[pi1,pi2,…,pij,…,pid]，其中i＝1,2,…,N；全局最优位置为pg＝[pg1,pg2,…,pgj,…,pgd]。

模拟退火-粒子群算法中采用带压缩因子的粒子群优化算法，选择最合适的参数，确保算法的收敛程度，其速度vi,j和位置xi,j的更新公式为：

其中：

c₁,c₂为学习因子，是正的加速常数；

r₁,r₂为₀至1之间均匀分布的随机数；

k为迭代次数。

v_i,j和x_i,j表示粒子i第j维的速度分量和第j维的位置分量；

p_i,j表示粒子i在某次迭代过程中最优适应值对应的第j维的位置分量；

在速度更新公式中存在压缩因子χ，计算公式如下：

(5)最优选择：

粒子更新前后适应度值的变化量计算公式为：

其中：

和分别为粒子i在迭代次数为k和k+1时的适应度值；

如果Δf＜0，那么将接受更新后的速度和位置，反之需要继续判断突跳概率，突跳概率p的计算公式为：

p＝exp(-Δf/T)

其中：T是绝对温度；

若p＞rand(0,1)，那么同样接受更新后的速度和位置，若p＜rand(0,1)，将不更新粒子，保持粒子的速度和位置不变。

(6)运算终止判断：判断迭代次数是否达到初始设定的最大迭代次数，或判断最优解是否停滞不再变化，若满足二者条件之一，则停止迭代运算，将全局最优位置和全局极值输出；反之，跳回步骤2继续运算，直到满足终止条件为止。

如图3、4所示，使用本专利申请的三角形排布的LED灯照射的植物，叶宽及生产速度均优于市面上现有结构的LED灯。

尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。

Claims (6)

1.一种植物生长用补光灯，其特征在于：包括补光灯板，所述补光灯板上设置有电源接口，所述补光灯板上平行设置有若干LED灯单元，所述LED灯单元包括上排LED灯组及下排LED灯组，所述上排LED灯组的若干LED灯与所述下排LED灯组的若干LED灯对应分布形成若干个呈三角形排布的LED灯组件。

2.根据权利要求1所述的植物生长用补光灯，其特征在于：所述LED灯单元的上排LED灯组及下排LED灯组之间设置有若干散热孔。

3.根据权利要求1所述的植物生长用补光灯，其特征在于：所述上排LED灯组的若干LED灯间距相同，均为3～8cm。

4.根据权利要求1所述的植物生长用补光灯，其特征在于：所述下排LED灯组的若干LED灯间距相同，均为3～8cm。

5.根据权利要求1所述的植物生长用补光灯，其特征在于：所述上排LED灯组与下排LED灯组的垂直间距与若干LED灯的间距相同，均为3～8cm。

6.一种植物生长用补光灯排布计算方法，其特征在于：包括以下步骤：

1)定义光源：选用5050封装LED灯，对植物的照射角度为30°，光通量为110-130lm，单个LED灯的功率为1W；

2)优化LED灯排布方式：在补光灯板与照射植物行程的空间内建立坐标系，补光灯板上单个LED灯在植物平面上的光照强度E计算如下：

其中：x₀，y₀分别表示LED灯的坐标点；

m₀，n₀分别表示被照射植物的坐标点；

h表示补光灯板与被照植物的垂直距离，数值为25cm；

m为朗伯辐射指数，数值为81；

I₀为补光灯竖直方向的发光强度，使用光照度计测量；

补光灯板上所有LED灯的光照强度E计算如下：

3)优化LED灯排布间距：

被照植物平面的平均光照强度计算如下：

被照植物平面的光照强度标准差计算如下：

适应度f计算如下：

(1)初始化：对种群的大小、最大迭代次数、初始温度、学习因子等算法参数设定初始值，进行参数初始化；对种群中各个粒子的速度和位置进行初始化；对个体最优位置、个体极值、全局最有位置和全局极值进行初始化；

(2)计算适应度值：根据适应度函数，计算种群中各个粒子的适应度值；

(3)比较找出个体最优位置、全局最优位置、个体极值、全局极值；

(4)更新粒子速度及位置：

假设在d维的目标搜索空间中存在N个粒子的粒子群X＝{X1,X2,…,Xi,…,XN}，其中第i个粒子的速度和位置分别用Xi＝[xi1,xi2,…,xid]和Vi＝[vi1,vi2,…,vid]表示，并且每次迭代过程中，粒子i的个体最优位置为pi＝[pi1,pi2,…,pij,…,pid]，其中i＝1,2,…,N。全局最优位置为pg＝[pg1,pg2,…,pgj,…,pgd]。

模拟退火-粒子群算法中采用带压缩因子的粒子群优化算法，选择最合适的参数，确保算法的收敛程度，其速度vi,j和位置xi,j的更新公式为：

其中：

c₁,c₂为学习因子，是正的加速常数；

r₁,r₂为0至1之间均匀分布的随机数；

k为迭代次数。

v_i,j和x_i,j表示粒子i第j维的速度分量和第j维的位置分量；

p_i,j表示粒子i在某次迭代过程中最优适应值对应的第j维的位置分量；

在速度更新公式中存在压缩因子χ，计算公式如下：

(5)最优选择：

粒子更新前后适应度值的变化量计算公式为：

其中：

和分别为粒子i在迭代次数为k和k+1时的适应度值；

如果Δf＜0，那么将接受更新后的速度和位置，反之需要继续判断突跳概率，突跳概率p的计算公式为：

p＝exp(-Δf/T)

其中：T是绝对温度；

若p＞rand(0,1)，那么同样接受更新后的速度和位置，若p＜rand(0,1)，将不更新粒子，保持粒子的速度和位置不变。

(6)运算终止判断：判断迭代次数是否达到初始设定的最大迭代次数，或判断最优解是否停滞不再变化，若满足二者条件之一，则停止迭代运算，将全局最优位置和全局极值输出；反之，跳回步骤2继续运算，直到满足终止条件为止。