CN111448848A - 用于照明器异常的分布式检测的系统、方法和装置 - Google Patents

Abstract

本文提供的所描述的实施方式涉及用于使用照明器网络来执行传感器数据的分布式计算以识别硬件和网络异常的系统、方法和装置。在一些实施方式中，方法被阐述为包括诸如以下的操作：响应于影响照明器网络（110）的激励（204）从第一照明器（114、128、216）接收第一传感器数据（122、124），以及从照明器网络中的第二照明器（208）接收第二传感器数据。该方法还可以包括确定第一传感器数据和第二传感器数据之间的相关性，以及至少部分地基于该相关性修改照明器时空模型（222）。该方法还可以包括从第一照明器或第二照明器接收后续传感器数据，并且基于后续传感器数据与照明器时空模型的比较，向第一照明器或第二照明器提供信号（212）。

Description

用于照明器异常的分布式检测的系统、方法和装置

技术领域

本公开总体上针对具有板上传感器的照明器。具体来说，本文讨论的实施方式涉及使用由照明器收集的数据的分布式处理来检测硬件和网络异常。

背景技术

数字照明技术（即基于半导体光源的光照，诸如发光二极管（LED））为传统的荧光、HID和白炽灯提供了可行的替代方案。LED的功能优势和益处包括高能量转换和光学效率、耐用性、低操作成本及许多其他优势和益处。LED技术的最新进展提供了高效和鲁棒的全光谱照明源，其能够在许多应用中实现各种照明效果。一些照明设备可以包含传感器，来收集有关照明设备的环境的数据。但是，通过包含这种传感器，在与照明设备相关联的网络上传输的数据量可能过多，从而限制网络的带宽。此外，通过阻碍网络通信，可能限制通过网络对照明设备进行的关键诊断测试。此外，通过不加区别地从照明设备网络收集数据，计算资源可能会浪费在处理可能无法提供优化照明设备操作的见解的数据上。

附图说明

在附图中，相似附图标记一般在所有不同的视图中指代相同部件。而且，附图不一定是按比例绘制的，而是一般将重点放在说明实施方式的原理上。

图1图示了用于编译照明器网络的时空模型的系统。

图2包括过程图，图示了可以如何使用时空模型来检测和/或预测照明器操作中的异常。

图3图示了用于提供时空模型以诊断和/或预测在照明器网络处发生的操作异常的方法。

图4图示了用于使照明器网络中的照明器补偿使用时空模型识别的异常的方法。

图5是示例计算机系统的框图。

具体实施方式

所描述的实施方式涉及用于使用照明器网络来执行传感器数据的分布式计算以识别硬件异常的系统、方法和装置。在一些实施方式中，由一个或多个处理器实现的方法被阐述为包括诸如以下的操作：在第一照明器的计算设备处生成与影响包括第一照明器的照明器网络的激励相对应的第一传感器数据。该方法可以进一步包括在第一照明器的计算设备处从照明器网络中的第二照明器接收第二传感器数据。可以由第二照明器响应于激励来生成第二传感器数据。该方法还可以包括访问照明器时空模型。照明器时空模型可以基于从至少第一照明器和第二照明器收集的历史传感器数据。该方法可以进一步包括根据照明器时空模型确定差异数据。差异数据可以基于历史传感器数据和第一传感器数据之间的差别，以及历史传感器数据和第二传感器数据之间的差别。操作还可以包括：当在差异数据中识别出差异时，使一信号基于该差异而被传输。该信号可使第一照明器或第二照明器补偿该差异。对差异的补偿可以包括限制从第一照明器或第二照明器的传感器提供的数据量。差异数据可以包括概率度量，并且该方法可以进一步包括确定概率度量中的至少一个概率度量满足概率阈值。第一传感器数据或第二传感器数据可以包括来自多种不同类型的传感器的数据。该方法可以进一步包括确定来自多种不同类型的传感器的数据之间的相关性的变化。至少一个概率度量可以基于相关性的变化。历史传感器数据可以包括集成到照明器网络的传感器的梯度分布数据。差异可以对应于响应于激励的等待时间量，并且该方法可以进一步包括使得根据信号修改照明器时空模型。该信号可以基于第一照明器或第二照明器对激励的响应的等待时间量。

在其他实施方式中，计算设备被阐述为包括一个或多个处理器以及连接到该一个或多个处理器的存储器。存储器可以包括指令，该指令在由一个或多个处理器执行时，使该一个或多个处理器执行包括以下的操作：响应于影响照明器网络的激励而从第一照明器接收第一传感器数据，该一个或多个处理器与该照明器网络通信。该操作还可以包括从第二照明器接收照明器网络中的第二传感器数据。可以由第二照明器响应于激励来生成第二传感器数据。该操作还可以包括确定第一传感器数据和第二传感器数据之间的相关性，以及至少部分地基于第一传感器数据和第二传感器数据之间的相关性来修改照明器时空模型。另外，操作可以包括从第一照明器或第二照明器接收后续传感器数据，以及基于后续传感器数据与经修改的照明器时空模型的比较，向第一照明器或第二照明器提供信号。确定相关性可以包括生成概率度量，并且操作可以进一步包括确定概率度量满足概率阈值。第一传感器数据或第二传感器数据包括来自多种类型的传感器的数据。确定相关性可以包括确定来自多种类型的传感器的数据之间的相关性的变化。照明器时空模型可以基于用于集成到照明器网络中的多种类型的传感器的梯度分布数据，并且多种类型的传感器可以至少包括被动红外传感器。

在另外其他实施方式中，系统被阐述为包括一个或多个处理器，以及被配置为存储指令的存储器，该指令在由一个或多个处理器执行时，使该一个或多个处理器执行包括以下的操作：在一个或多个处理器处生成第一传感器数据。一个或多个处理器与照明器网络通信。操作还可以包括从照明器网络中的照明器接收第二传感器数据。第二传感器数据可以由照明器生成。操作还可以包括将第一传感器数据和第二传感器数据与照明器时空模型进行比较，以识别第一传感器数据和照明器时空模型或第二传感器数据和照明器时空模型之间的差异。照明器时空模型可以基于从照明器网络中的邻近照明器收集的历史传感器数据。另外，操作可以包括，当识别出差异时，使一个或多个处理器或照明器进行操作以补偿该差异。该差异可以对应于概率度量，并且该操作可以进一步包括：确定概率度量满足概率阈值。第一传感器数据或第二传感器数据可以包括来自多种类型的传感器的数据。该操作可以进一步包括：确定来自多种不同类型的传感器的数据之间的相关性的变化。在一些实施方式中，操作可以包括基于操作以补偿差异的一个或多个处理器或照明器来修改照明器时空模型。照明器时空模型可以存储在存储器中。对差异数据的补偿可以包括限制从传感器提供的数据量。照明器时空模型可以识别从邻近照明器收集的历史传感器数据的梯度分布。该系统可以进一步包括照明设备，并且第一传感器数据和第二传感器数据可以基于在由照明器网络照射的区域处检测到的光量。

当互连设备（诸如照明器）在网络上不加区别地传输数据来用于使这种数据被用于下游处理的目的时，网络带宽可用性可能成为问题。此外，当每个照明器被配置为从网络中的多个不同照明器收集和传输数据时，可以减少每个照明器的存储和处理性能。对网络带宽和硬件能力的这种限制可能浪费计算资源，并潜在地对依赖于从各种网络设备提供的数据的维护过程产生负面影响。

为了提供能够预测网络和/或硬件和/或网络异常而不浪费计算资源并且不要求照明器在网络上不加区别地提供传感器数据的照明器网络，各个照明器可以被分配如下任务：根据预测时空模型处理所收集的数据。可以根据从在网络中连接的多个照明器传输的数据序列生成时空模型。可以基于由与照明器连接或包含在照明器中的传感器提供的信号/数据来提供数据。这样的传感器可以包括但不限于被动红外传感器、定时传感器、温度传感器、湿度传感器、CO₂传感器、电流传感器、电阻传感器、电压传感器、压力传感器、触觉传感器、运动传感器、光传感器和/或任何其他可以提供与环境相关联的数据的传感器。可以根据照明器在传输数据时表现出的滞后或延迟量来初始化地生成时空模型。该滞后可以被识别并用于确定照明器如何分布在一个或多个区域上。

可以以多种不同方式来识别异常，包括跟踪不同传感器之间的对应关系，和/或跟踪由照明器网络中的每个照明器的时空特性引起的数据差别。例如，可以通过比较来自传感器的输出如何响应于共同的激励和/或环境变化而不同地变化来执行识别不同传感器之间的对应关系。例如，一群人可以进入包括照明器网络的房间，其中每个照明器都具有被动红外（PIR）传感器和湿度传感器。当人们从房间的一个区域进入时，每个照明器的每个PIR传感器和温度传感器的响应可能不同。可以跟踪响应的差别以及房间中的人的移动模式，以便生成预测模型，从中可以识别硬件响应异常。尽管不同类型的传感器之间的对应关系可以提供对某些异常的见解，但是也可以分析来自相同类型的传感器的响应以便识别异常。

在一些实施方式中，时空模型可以用于通过跟踪传感器在空间和时间上的响应模式来根据数据异常预测硬件故障。例如，照明器网络的每个照明器可以包括光传感器，该光传感器响应于在由照明器网络照射的区域中发生的光的变化。随着人造光量每天改变房间的照度，由光传感器测量的光量也可以改变。所测量的光的变化可以被反映在时间和空间上，从而模式可以浮现。此后，当一个或多个传感器的响应在特定位置和/或时间的响应的预测值的容限之外时，可以识别出光传感器响应中的异常。

图1图示了用于编译照明器网络110的时空模型的系统100。由系统100执行的一个或多个操作可以体现为由一个或多个计算设备存储和/或执行的软件指令。系统100可以包括照明器网络110，该照明器网络110包括在一个或多个建筑物108中的一个或多个区域104中的连接到网络设备106的多个照明器114。照明器网络110的每个照明器114可以包括至少一个或多个处理器116、一个或多个传感器118和/或一个或多个存储器单元120，其中数据122存储在存储器单元120中。处理器116可以处理来自传感器118的信号，并使来自传感器118的传感器数据被传输到相邻照明器，以便帮助建立一个或多个时空模型132。

时空模型132可以存储在一个或多个设备处，诸如远程设备134（例如，服务器设备130）、网络设备106、一个或多个照明器114和/或可以在网络112（例如因特网）中与照明器114通信的任何其他设备。可以使用从照明器114和/或能够为建筑物108中的照明器114定义位置的任何其他信息源获得的位置数据（x_n，y_n）来生成时空模型132。位置数据可以用于提供传感器数据和传感器118响应于的位置之间的对应关系。位置数据因此可以定义时空模型132的空间维度，使得传感器数据可以被映射在时间上，以便确定与来自每个照明器114的传感器数据如何随时间有规律地变化有关的各种度量。

例如，最初假设照明器114没有会影响其操作的任何大误差。照明器网络110的每个照明器114可以在不同的时间t处或者根据预定义的间隔周期性地记录来自其传感器118的传感器数据，并且可以将传感器数据传输到直接邻居。例如，传感器数据值V（x_t，y_t，t）可以由创建该传感器数据值的照明器114记录。照明器114可以使传感器数据值V（x_t，y_t，t）被传输到一个或多个相邻照明器114，使得任一照明器102将具有向前（“f”）、向后（“b”）、向上（“u”）和/或向下（“d”）传感器值（即，每个邻居的传感器值，如果根据图1的照明器网络110布置照明器114的话）中的一个或多个。如图1中所示，照明器126可以从相邻照明器128接收传感器值124，使得照明器126将能够处理传感器值124以生成数据122，该数据122可以包括梯度数据。可以根据以下等式（1）-（4）来定义梯度数据。

使用由照明器126生成的传感器值以及由相邻照明器128中的每一个提供的传感器值，可以跟踪与网络上的照明器102之间的传感器值的差别相对应的空间梯度。此外，可以随时间和/或关于多种不同类型的传感器根据空间梯度生成各种度量。这样的度量可以包括在给定时间和给定类型情况下的测量的平均值、值之间的差异、值的正态分布和/或可用于识别数据和/或数据之间相关性的变化的任何其他度量。在实施方式中，度量可以是在压缩数据时可以计算的任何度量，诸如各种误差、预测、均值、比率、分数、总计和/或任何其他基于压缩的度量。随着时间的推移，任何特定的照明器114可以处理接收到的和生成的数据，以确定在特定的照明器114处生成的传感器值与照明器网络中的其他照明器102相比如何。以这种方式，用于预测异常的计算可以至少部分地由各个照明器114使用由照明器网络110或单个照明器114管理的时空模型132来执行。如果照明器114检测到异常，诸如传感器值在预定容限或差异之外，则照明器114可以（i）控制其传感器不再产生数据，或者（ii）以其他方式操作以补偿异常。以此方式，用于量化照明器健康状况的系统可以可靠地跟踪各个照明器的性能，而不必查询网络中的所有照明器，从而节省计算资源、网络带宽和功率。

图2包括过程图200，其图示了可以如何将时空模型用于检测和/或预测照明器操作中的异常。具体而言，时空模型可以用于基于照明器如何响应共同激励204来识别响应等待时间、响应精度和/或其他照明器发生故障的指示。每个照明器（第一照明器206、第二照明器208和第N照明器210）可以包括一个或多个计算设备（例如，第一计算设备216、第二计算设备218和第N计算设备220）。每个照明器的每个计算设备可以与彼此以及与网络设备202（例如，网关设备和/或能够传输网络信号的任何其他设备）通信。为了使用时空模型来检测和/或预测照明器操作中的异常，例如，每个照明器可以测量并传输传感器数据以供相邻照明器处理。

每个照明器可以使用附接到照明器的一个或多个传感器来测量相应照明器的环境状况。例如，第一照明器206可以包括一个或多个传感器228，第二照明器208可以包括传感器230，并且第N照明器210可以包括传感器232。照明器的每个计算设备可以使它们各自的（多个）传感器从其各传感器收集传感器数据，存储传感器数据，并将传感器数据传输到相邻照明器。例如，每个照明器可以测量照明器的环境的温度。每个照明器收集的温度数据可以与每个照明器可用的时空模型进行比较。每个计算设备可以分别存储和/或访问时空模型（例如，时空模型222、时空模型224和/或时空模型226）。在一些实施方式中，每个计算设备可以访问相同的时空模型，并且在其他实施方式中，每个计算设备可以访问一个或多个不同的时空模型。例如，单个时空模型可以基于从一照明器处的一个或多个传感器收集的数据，并因此将从该照明器的角度生成。因此，在不同位置和/或经历不同环境中的照明器将具有不同的时空模型。

当每个照明器已经从它们各自的（多个）传感器收集到传感器数据时，每个照明器可以将传感器数据传输到相邻照明器。例如，第一照明器206可以向第二照明器208提供信号212，并且第二照明器208可以向第N照明器210提供信号214。信号212可以体现由第一照明器206收集的传感器数据，并且信号214可以体现由第二照明器208收集的传感器数据。在一些实施方式中，每个照明器可以使用接收到的信号来确定照明器之间的信号传输的滞后或等待时间。例如，时空模型224可以包括一个或多个表，该一个或多个表标识一个或多个相邻照明器的响应时间。因此，当第二照明器208接收到信号212时，可以将接收时间与由时空模型224提供的时间度量进行比较。时间度量可以是平均接收时间、先前接收时间、接收延迟和/或可以与信号传输相关联的任何其他时间度量。第二计算设备218可以使用时间度量来生成模型差异数据236，该模型差异数据236可以识别信号212是否指示操作异常。例如，第二计算设备218可以存储或访问时间度量的阈值容限，并且如果信号212不满足阈值容限，则第二计算设备218可以向网络设备202提供指示，指示第一照明器206表现出操作异常。此外，第二计算设备218可以传送由第一照明器206表现出的异常的类型，以及与该异常有关的任何上下文数据，诸如来自在异常时间处收集的来自其他传感器的数据。作为响应，网络设备202可以使第一照明器206不同地操作或者至少部分地关闭其传感器中的一个或多个，以便补偿异常。

在一些实施方式中，每个照明器的每个计算设备可以确定来自相应照明器的不同传感器的数据之间的相关性。例如，在给定时间，第一照明器206可以处理来自多个不同传感器228（例如，温度传感器和湿度传感器）的传感器数据，以便识别传感器数据之间的相关性度量。可以识别传感器数据和/或来自传感器数据的某个其他度量之间的差异的相关性度量可以由第一照明器206传输到第二照明器208。第二照明器208可以将相关性度量与时空模型224进行比较，以确定相关性度量与在第二照明器208和/或其他相邻照明器128处生成的其他相关性度量有何差异。可以基于来自第一照明器206和第二照明器208的相关性度量之间的比较来生成模型差异数据236。第二照明器208可以使用模型差异数据236来确定是否修改第一照明器206的操作，以便补偿模型差异数据236中指示的任何异常。

在一些实施方式中，每个照明器和/或网络设备可以跟踪模型差异数据（例如，模型差异数据234、模型差异数据236和模型差异数据238）。模型差异数据可以用于做出关于照明器在未来和/或响应于后续环境变化将如何操作的预测。以这种方式，照明器的维护计划可以基于由照明器提供的数据与时空模型的比较情况。例如，网络设备202可以接收信号，该信号指示在多个情况下第N照明器210已经提供不满足相应类型的传感器数据的阈值容限的传感器数据。作为响应，网络设备202可以使维护计划发生改变，以反映第N照明器210需要维修。

在一些实施方式中，在每个照明器处生成的模型差异数据可以基于时变激励204，其可以随时间和/或激励204移动通过的空间而影响每个照明器的传感器。例如，激励204可以是运动、温度、湿度、电压、电流、亮度的变化和/或传感器可以检测到的任何其他物理变化。当激励204是环境光时，可以通过每个照明器中的光传感器来检测亮度或照度的量。每个传感器可以响应于环境光的变化，并存储与在特定时间检测到的光量相对应的数据。响应于激励204，环境光数据可以与相邻照明器共享，并且相邻照明器可以将环境光数据与时空模型进行比较。可以至少部分地先前随时间收集的环境光数据来生成时空模型。因此，时空模型可以提供对于特定时间和传感器的位置而言正常的环境光值的指示。当由传感器检测到的环境光的量不满足正常值的容限阈值时，可以通过另一照明器和/或网络设备202将与该传感器相对应的照明器识别为操作异常。然后可以指定异常照明器和/或传感器进行维护和/或至少部分地关闭，以便补偿所检测到的异常。以这种方式，由于从网络中清除了不准确的传感器数据，所以可以使从照明器网络收集的数据更准确。

图3图示了用于提供时空模型以诊断和/或预测在照明器网络处发生的操作异常的方法300。方法300可以由一个或多个照明器、计算设备、网络设备和/或能够处理传感器数据的任何其他设备执行。方法300可以包括在一个或多个处理器处生成第一传感器数据的操作302。一个或多个处理器可以与照明器网络通信，并且可以集成到照明器网络中的照明器。在一些实施方式中，一个或多个处理器可以操作为控制器，来根据从该照明器和/或照明器网络中的其他照明器的一个或多个传感器接收的反馈来修改该照明器的操作。

方法300还可以包括从照明器网络中的照明器接收第二传感器数据的操作304。第二传感器数据可以由照明器网络中的另一照明器生成。第一传感器数据和第二传感器数据可以各自包括来自相同或不同类型的传感器中的一个或多个的数据。例如，第一数据和第二数据中的每一个可以包括来自传感器的数据，该传感器可以响应于温度、湿度、被动红外、电流、电压、电阻、水分、化学、接近度、图像、触摸、运动、光和/或可以由传感器观测的任何其他属性。

方法300可以进一步包括根据第一传感器数据和第二传感器数据确定梯度分布的操作306。梯度分布对应于照明器网络中的邻近或接近照明器之间的传感器数据的差别。在一些实施方式中，照明器可以从照明器网络中的至少两个不同照明器接收传感器数据，以便生成梯度分布数据。在一些实施方式中，梯度分布数据可以基于从多种不同类型的传感器得到的数据。例如，传感器数据对应于展示来自至少两种不同类型的传感器（例如，温度传感器和湿度传感器、电压传感器和光传感器和/或传感器类型的任何其他组合）的传感器值的相关性的数据。

方法300还可以包括从梯度分布生成时空模型的操作308。时空模型可以包括由集成到照明器网络的传感器传输的一种或多种类型的传感器数据的正态梯度分布。可以根据在一个或多个时间段内收集的数据生成时空模型，以便在生成时空模型时可以考虑各种环境变化。例如，照明器网络可以位于包括HVAC系统的建筑物中，该HVAC系统使建筑物的温度在每天中都在变化。因此，集成到照明器网络中的照明器的任何温度和/或湿度传感器都可能在一天的过程中提供不同的传感器数据。因此，时空模型可以包括对应于不同时间点的梯度分布数据，以便可以检查后续传感器数据来得到可能随照明器网络的环境改变而发生的异常。此外，可以随时间更新和/或修改时空模型，以补偿传感器测量中检测到的等待时间。例如，照明器网络中的每个照明器可以测量传输到每个照明器的信号的等待时间，并且将该等待时间与期望的等待时间或阈值进行比较。当测量的等待时间不满足阈值或与预期等待时间非基本相似时，可以更新时空模型以补偿测量的等待时间。

方法300可以可选地包括将时空模型存储在照明器网络中的一个或多个照明器处的操作310。例如，时空模型可以体现在存储在照明器网络中的照明器处的数据中，以便可以将后续接收的传感器与时空模型进行比较。可替代地，可以将时空模型存储在照明器网络中的多个照明器处，以便每个照明器可以提供可能在内部或在照明器网络中的单独的照明器处发生的异常的指示。

图4图示了用于使照明器网络中的照明器补偿使用时空模型识别的异常的方法400。方法400可以由一个或多个照明器、计算设备、网络设备和/或能够处理传感器数据的任何其他设备执行。方法400可以包括在第一照明器的计算设备处生成与影响包括第一照明器的照明器网络的激励相对应的第一传感器数据的操作402。激励可以是一种或多种环境状况的改变，诸如温度改变、由照明器网络照射的空间中的占用增加或减少、电气改变和/或可能影响照明器环境的任何其他改变。

方法400还可以包括在第一照明器的计算设备处从照明器网络中的第二照明器接收第二传感器数据的可选操作404。第二传感器数据可以由第二照明器响应于激励而提供。此外，第二传感器数据可以基于第二照明器的一个或多个传感器的操作。例如，第二传感器数据可以包括识别来自第二照明器的两个或更多个传感器的信号之间的相关性的数据。以这种方式，在照明器的操作期间发生的异常可以基于组件的组合如何响应于照明器的环境的变化而操作。

在一些实施方式中，第一照明器不必必须从相邻照明器接收数据或将数据传输到相邻照明器。例如，照明器网络中的每个照明器可以与处理所传送的数据的网关设备通信。网关设备然后可以将所传送的数据与时空模型进行比较，以识别在照明器网络中的一个或多个照明器处发生的异常。可替代地，一个或多个照明器可以将数据传送到相邻照明器，以便可以将所传送的数据重新传输到照明器网络的边缘节点照明器。然后，边缘节点照明器可以处理所传送的数据，从而节省照明器网络上的计算资源和网络带宽。然后，边缘节点照明器中的一个或多个边缘节点照明器可以将一个或多个信号传输到照明器网络中的照明器，以便补偿由边缘节点照明器识别的任何异常。

方法400可以进一步包括访问照明器时空模型的操作406，该时空模型基于从第一照明器和/或第二照明器收集的历史传感器数据。可以在第一照明器和/或第二照明器中的每一个先前对相似激励做出响应时收集历史传感器数据。可替代地，可以在第一照明器和/或第二照明器中的每一个先前对可以切换或以其他方式修改每个照明器的操作的诊断测试和/或编程的激励进行响应时收集历史传感器数据。

方法400还可以包括根据照明器时空模型确定差异数据的操作408。差异数据可以包括概率度量，可以将其与一个或多个阈值进行比较，以确定在照明器网络的一照明器处是否已经发生异常。例如，可以执行T检验，以便确定p值，可以将其与阈值进行比较，以确定在当前情况下是否应该拒绝T检验的零假说。零假说可以是例如以下规则或假设：与照明器相关联的传感器数据或梯度值与传感器数据和/或梯度值的标称分布没有明显不同。例如，明显不同的传感器数据可以满足差异阈值，该差异阈值定义了传感器数据的最小和/或最大边界。可替代地，可以根据传感器数据和/或梯度值数据生成p值，并且可以将p值与阈值进行比较。如果p值满足或不满足阈值（取决于实施方式和/或p值阈值的如何定义），则可以拒绝零假说，并且可以将与p值相关联的照明器标记为有错误。如果针对来自一照明器的数据出现阈值数量的拒绝，则该照明器或一单独的照明器会导致该照明器修改其操作以补偿错误数据。

方法400可以包括确定410，其中将差异数据与差异阈值进行比较以确定差异数据是否满足阈值。如果差异数据满足差异阈值，则方法400可以进行到操作412，在操作412，使第一照明器或第二照明器补偿差异数据。换句话说，第一照明器或第二照明器可以抑制在一个或它们各自的传感器处发生的传感器测量和/或至少暂时关闭，直到可以在第一照明器或第二照明器处执行维护为止。然而，如果差异数据不满足差异阈值，则方法400可以返回到操作402，在操作402，再次生成第一传感器数据以与时空模型进行比较。

图5是示例计算机系统510的框图500。计算机系统510典型地包括至少一个处理器514，其经由总线子系统512与多个外围设备进行通信。这些外围设备可以包括存储子系统524（包括例如存储器525和文件存储子系统526）、用户接口输出设备520、用户接口输入设备522和网络接口子系统516。输入和输出设备允许用户与计算机系统510交互。网络接口子系统516提供到外部网络的接口，并耦合到其他计算机系统中的对应接口设备。

用户接口输入设备522可以包括键盘、指向设备（诸如鼠标、轨迹球、触摸板或绘图板）、扫描仪、包含在显示器中的触摸屏、音频输入设备（诸如语音识别系统、麦克风）和/或其他类型的输入设备。一般地，术语“输入设备”的使用旨在包括将信息输入计算机系统510中或通信网络上的所有可能类型的设备和方式。

用户接口输出设备520可以包括显示子系统、打印机、传真机或诸如音频输出设备的非视觉显示器。显示子系统可以包括阴极射线管（CRT）、诸如液晶显示器（LCD）的平板设备、投影设备或用于创建可见图像的其他机构。显示子系统还可以诸如经由音频输出设备来提供非视觉显示。一般地，术语“输出设备”的使用旨在包括从计算机系统510向用户或另一机器或计算机系统输出信息的所有可能类型的设备和方式。

存储子系统524存储提供本文描述的模块的一些或全部模块的功能的编程和数据结构。例如，存储子系统524可以包括逻辑来执行方法300、方法400的所选择方面和/或实施系统100、照明器114、服务器设备130、照明器网络110、网络设备202和/或本文讨论的任一照明器和/或设备。

这些软件模块一般由处理器514单独执行或与其他处理器组合执行。在存储子系统524中使用的存储器525可以包括多个存储器，包括用于在程序执行期间存储指令和数据的主随机存取存储器（RAM）530以及存储固定指令的只读存储器（ROM）532。文件存储子系统526可以为程序和数据文件提供永久存储，并且可以包括硬盘驱动器、软盘驱动器以及相关联的可移除介质、CD-ROM驱动器、光盘驱动器或可移除媒体盒。实施某些实施方式的功能的模块可以由文件存储子系统526存储在存储子系统524中，或者存储在可由（多个）处理器514访问的其他机器中。

总线子系统512提供了一种用于使计算机系统510的各个组件和子系统如预期那样彼此通信的机制。尽管总线子系统512被示意性地示出为单个总线，但是总线子系统的替代实施方式可以使用多个总线。

计算机系统510可以是各种类型，包括工作站、服务器、计算集群、刀片服务器、服务器场或任何其他数据处理系统或计算设备。由于计算机和网络的不断变化的性质，图5中描绘的计算机系统510的描述仅旨在作为具体示例，以说明一些实施方式。与图5所绘的计算机系统相比，计算机系统510的许多其他配置可能具有更多或更少的组件。

尽管已经在本文中描述和图示了几个发明实施例，但是本领域普通技术人员将容易设想用于获得本文所描述的优点中的一个或多个和/或结果和/或执行功能的多种其他手段和/或结构，并且这些变型和/或修改中的每一个都被认为在本文所描述的发明实施例的范围内。更一般地，本领域技术人员将容易理解，本文描述的所有参数、尺寸、材料和配置意为示例性的，并且实际参数、尺寸、材料和/或配置将取决于使用本发明的教导的一个或多个具体应用。仅通过常规实验，本领域技术人员将认识到或能够确定本文所述的具体发明实施方案的许多等同方案。因此，应当理解，前述实施方式仅以示例的方式给出，并且在所附权利要求及其等同方案的范围内，可以以不同于具体描述和要求保护的方式来实践本发明的实施例。本公开的发明实施例针对本文所述的每个单独的特征、系统、制品、材料、套件和/或方法。另外，如果这样的特征、系统、制品、材料、套件和/或方法不是相互矛盾的，则两个或更多个这样的特征、系统、制品、材料、套件和/或方法的任意组合包括在本公开的发明范围内。

本文定义和使用的所有定义应理解为凌驾于字典定义、通过引用并入的文件中的定义和/或所定义术语的普通含义之上。

本文使用的术语“照明设施”或“照明器”指以特定形式因子、组件或封装的一个或多个照明单元的实施方式或布置。本文使用的术语“照明单元”是指包括相同或不同类型的一个或多个光源的装置。给定的照明单元可以具有用于（多个）光源的多种安装布置、外壳/壳体布置和形状、和/或电气和机械连接配置中的任何一种。另外，给定的照明单元可以可选地与涉及（多个）光源的操作的各种其他组件（例如，控制电路）相关联（例如，包括、与之耦合和/或封装在一起）。“基于LED的照明单元”是指仅包括一个或多个如上所述的基于LED的光源的照明单元或组合了其他非基于LED的光源的包括一个或多个如上所述的基于LED的光源的照明单元。“多通道”照明单元是指包括至少两个光源的基于LED或不基于LED的照明单元，该至少两个光源被配置为分别生成不同的辐射光谱，其中每个不同的源光谱可以被称为该多通道照明单元的“通道”。

本文一般使用术语“控制器”来描述与一个或多个光源的操作有关的各种装置。可以以多种方式（例如，诸如利用专用硬件）来实现控制器，以执行本文讨论的各种功能。“处理器”是控制器的一个示例，其采用可以使用软件（例如，机器代码）编程的一个或多个微处理器，以执行本文讨论的各种功能。控制器可以在采用或不采用处理器的情况下实现，并且还可以作为执行一些功能的专用硬件与执行其他功能的处理器（例如，一个或多个经编程的微处理器和相关联电路）的组合来实现。可以在本公开的各种实施例中采用的控制器组件的示例包括但不限于常规微处理器、专用集成电路（ASIC）和现场可编程门阵列（FPGA）。

在各种实施方式中，处理器或控制器可以与一个或多个存储介质（在本文中一般性地称为“存储器”，例如，诸如RAM、PROM、EPROM和EEPROM的易失性和非易失性计算机存储器，软盘、致密盘、光盘、磁带等）相关联。在一些实施方式中，可以用一个或多个程序对存储介质进行编码，当在一个或多个处理器和/或控制器上执行该一个或多个程序时，该一个或多个程序执行本文所讨论的功能中的至少一些功能。各种存储介质可以固定在处理器或控制器内或者可以是可移动的，使得可以将存储在其上的一个或多个程序加载到处理器或控制器中，以实现本文所讨论的本发明的各个方面。本文在一般意义上使用术语“程序”或“计算机程序”，来指代可以被采用来对一个或多个处理器或控制器进行编程的任何类型的计算机代码（例如，软件或机器代码）。

本文使用的术语“可寻址”是指配置为接收旨在发往多个设备（包括其自身）的信息（例如数据）并有选择地响应旨在发往其的特定信息的设备（例如，一般而言的光源、照明单元或照明设施、与一个或多个光源或照明单元相关联的控制器或处理器、其他与照明无关的设备等）。术语“可寻址”通常与联网环境（或在下文进一步讨论的“网络”）结合使用，其中多个设备经由某个或某些通信介质耦合在一起。

在一种网络实施方式中，耦合到网络的一个或多个设备可以充当耦合到网络（例如，以主/从关系）的一个或多个其他设备的控制器。在另一实施方式中，联网环境可以包括一个或多个专用控制器，其被配置为控制耦合到网络的设备中的一个或多个设备。一般地，耦合到网络的多个设备均可以访问存在于一个或多个通信介质上的数据；但是，给定设备可能是“可寻址的”，其中它被配置为例如基于分配给它的一个或多个特定标识符（例如，“地址”）而与网络选择性地交换数据（即从网络接收数据和/或向其传输数据）。

本文所使用的术语“网络”是指两个或两个以上设备（包括控制器或处理器）的任何互连，其促进在耦合到网络的两个或更多设备之间和/或多个设备之间进行信息的传达（例如，用于设备控制、数据存储、数据交换等）。应当容易理解，适合于互连多个设备的网络的各种实施方式可以包括多种网络拓扑中的任何一种，并且可以采用多种通信协议中的任何一种。另外，在根据本公开的各种网络中，两个设备之间的任何一个连接可以表示两个系统之间的专用连接，或者可替代地，非专用连接。除了携带旨在发往两个设备的信息之外，这种非专用连接可以携带不一定旨在发往两个设备中的任何一个的信息（例如，开放式网络连接）。此外，应当容易理解，本文讨论的各种设备网络可以采用一个或多个无线、有线/电缆和/或光纤链路来促进整个网络中的信息传达。

除非明确指示为相反，否则本文在说明书和权利要求中使用的不定冠词“一”或“一个”应理解为意思是“至少一个”。

如在说明书和权利要求中所使用的，短语“和/或”应理解为意思是这样连结的元件中的“任一个或两个”，即在某些情况下连结地存在而在其他情况下不连结地存在的元件。用“和/或”列出的多个元件应以相同的方式解释，即，如此连结的元件中的“一个或多个”。除了由“和/或”子句具体标识的元件之外，还可以可选地存在其他元件，无论与那些具体标识的元件相关还是无关。因此，作为一非限制性示例，当与诸如“包括”的开放式语言结合使用时，对“A和/或B”的引用可以在一个实施例中仅指A（可选地包括除B以外的元件）；在另一实施例中仅指B（可选地包括除A以外的元件）；在又一实施例中指A和B这两者（可选地包括其他元件）；等等。

如本文在说明书和权利要求中所使用的，“或”应被理解为具有与如上所定义的“和/或”相同的含义。例如，当将列表中的项分开时，“或”或“和/或”应解释为包括性的，即包括多个元件或元件列表中的至少一个，但也包括不止一个，以及可选地包括其他未列出的项。仅明确指示为相反的术语，诸如“……的仅一个”或“……的恰好一个”，或当在权利要求书中使用时的“由……组成”将指的是仅包括多个元件或元件列表中的恰好一个元件。一般而言，本文中使用的术语“或”仅当在前面有排他性术语（诸如“之一”、“……中的一个”、“……中的仅一个”或“……中的恰好一个”）时应解释为指示排他性替代方案（即“一个或另一个而非两者”）。当在权利要求中使用“基本上由……组成”时，其应具有其在专利法领域中所使用的普通含义。

如本文在说明书和权利要求中所使用的，在提及一个或多个元件的列表时，短语“至少一个”应被理解为是指从该元件列表中的元件中的任何一个或多个元件中选择的至少一个元件，但不必然包括该元件列表中具体列出的每一个元件的至少一个，并且不排除该元件列表中元件的任何组合。该定义还允许可以可选地存在除了短语“至少一个”所指的元件列表内具体标识的元件之外的元件，无论与那些具体标识的元件有关还是无关。因此，作为非限制性示例，“A和B中的至少一个”（或等效地，“A或B中的至少一个”，或等效地，“A和/或B中的至少一个”）在一个实施例中可以指至少一个A（可选地包括不止一个A），不存在B（并且可选地包括除B以外的元件）；在另一实施例中可以指至少一个B（可选地包括不止一个B），不存在A（并且可选地包括除A以外的元件）；在又一实施例中可以指至少一个A（可选地包括不止一个A），和至少一个B（可选地包括不止一个B）（并且可选地包括其他元件）；等。

还应理解的是，除非明确指示为相反，否则在本文要求保护的包括一个以上步骤或动作的任何方法中，方法的步骤或动作的顺序不必限制为该方法被记载的步骤或动作的顺序。

在权利要求以及上面的说明书中，诸如“包括”、“包含”、“携带”、“具有”、“含有”、“涉及”、“持有”、“由……构成”等的所有过渡短语应理解为开放式的，即意思是包括但不限于。如美国专利局专利审查程序手册第2111.03节所规定的，仅过渡短语“由……组成”和“基本上由……组成”应分别是封闭式的或半封闭式的过渡短语。应当理解，依照专利合作条约（“PCT”）的规则6.2（b）在权利要求中使用的某些表达和附图标记不限制范围。

应当理解，前述概念和下面更详细讨论的另外概念的所有组合（假设这样的概念并不相互矛盾）被认为是本文公开的发明主题的一部分。特别地，出现在本公开的结尾处的要求保护的主题的所有组合被认为是本文公开的发明主题的一部分。还应理解，本文明确采用的、也可能出现在通过引用并入的任何公开中的术语应被赋予与本文公开的特定概念最一致的含义。

Claims (20)

1.一种由一个或多个处理器（116、202、216）实施的检测传感器健康状况的方法，所述方法包括：

在第一照明器（114、216）的计算设备处生成对应于影响包括所述第一照明器的照明器网络（110）的激励（204）的第一传感器数据（122）；

在所述第一照明器的所述计算设备处从所述照明器网络中的第二照明器（102、218）接收第二传感器数据（122），其中所述第二传感器数据是由所述第二照明器响应于所述激励而生成的；

访问照明器时空模型（132、222），其中所述照明器时空模型基于从至少所述第一照明器和所述第二照明器收集的历史传感器数据；

从所述照明器时空模型确定差异数据（234），所述差异数据基于所述历史传感器数据和所述第一传感器数据之间的差别以及所述历史传感器数据和所述第二传感器数据之间的差别；和

当在所述差异数据中识别出差异时：使信号基于所述差异而被传输。

2.根据权利要求1所述的方法，其中所述信号使所述第一照明器或所述第二照明器补偿所述差异，其中补偿所述差异包括：限制从所述第一照明器或所述第二照明器的传感器提供的数据量（212）。

3.根据权利要求1所述的方法，其中所述差异数据包括概率度量，并且所述方法还包括：

确定所述概率度量中的至少一个概率度量满足概率阈值。

4.根据权利要求3所述的方法，其中所述第一传感器数据或所述第二传感器数据包括来自多种不同类型的传感器（228、230）的数据。

5.根据权利要求4所述的方法，还包括：

确定来自多种不同类型的传感器的数据之间的相关性的变化，其中所述至少一个概率度量基于所述相关性的变化。

6.根据权利要求1所述的方法，其中所述历史传感器数据包括用于集成到所述照明器网络的传感器的梯度分布数据。

7.根据权利要求1所述的方法，其中所述差异对应于响应于所述激励的等待时间量，并且所述方法还包括：

使根据所述信号修改所述照明器时空模型，其中所述信号基于所述第一照明器或所述第二照明器对所述激励的响应的等待时间量。

8.一种计算设备（202、134），包括：

一个或多个处理器；和

连接到所述一个或多个处理器的存储器，所述存储器包括指令，所述指令在由所述一个或多个处理器执行时，使所述一个或多个处理器执行包括以下的操作：

响应于影响照明器网络（110）的激励（204），从第一照明器（206）接收第一传感器数据，所述一个或多个处理器与所述照明器网络（110）通信；

从第二照明器（208）接收所述照明器网络中的第二传感器数据，其中所述第二传感器数据是由所述第二照明器响应于所述激励而生成的；

确定所述第一传感器数据和所述第二传感器数据之间的相关性；

至少部分地基于所述第一传感器数据和所述第二传感器数据之间的相关性来修改照明器时空模型（132）；

从所述第一照明器或所述第二照明器接收后续传感器数据；和

基于所述后续传感器数据与修改后的照明器时空模型的比较，向所述第一照明器或所述第二照明器提供信号。

9.根据权利要求8所述的计算设备，其中确定所述相关性包括生成概率度量，并且所述操作还包括：

确定所述概率度量满足概率阈值。

10.根据权利要求8所述的计算设备，其中所述第一传感器数据或所述第二传感器数据包括来自多种类型的传感器（228、230、232）的数据。

11.根据权利要求10所述的计算设备，其中确定所述相关性包括确定来自所述多种类型的传感器的数据之间的相关性的变化。

12.根据权利要求8所述的计算设备，其中所述照明器时空模型基于用于集成到所述照明器网络中的多种类型的传感器的梯度分布数据，并且所述多种类型的传感器包括至少被动红外传感器。

13.一种系统，包括：

一个或多个处理器（116、216）；和

存储器，被配置为存储指令，所述指令在由所述一个或多个处理器执行时，使所述一个或多个处理器执行包括以下的操作：

在所述一个或多个处理器处生成第一传感器数据（122），其中所述一个或多个处理器与照明器网络（110）通信；

从所述照明器网络中的照明器接收第二传感器数据（124、128），其中所述第二传感器数据由所述照明器生成；

将所述第一传感器数据和所述第二传感器数据与照明器时空模型（132、222）进行比较，以识别所述第一传感器数据和所述照明器时空模型或所述第二传感器数据和所述照明器时空模型之间的差异（234），其中所述照明器时空模型基于从所述照明器网络中的邻近照明器收集的历史传感器数据；和

当识别出所述差异时，使所述一个或多个处理器或所述照明器进行操作以补偿所述差异。

14.根据权利要求13所述的系统，其中所述差异对应于概率度量，并且所述操作还包括：

确定所述概率度量满足概率阈值。

15.根据权利要求13所述的系统，其中所述第一传感器数据或所述第二传感器数据包括来自多种类型的传感器的数据。

16.根据权利要求15所述的系统，其中所述操作还包括：

确定来自所述多种不同类型的传感器的数据之间的相关性的变化。

17.根据权利要求13所述的系统，其中所述操作还包括：

基于操作以补偿所述差异的所述一个或多个处理器或所述照明器修改所述照明器时空模型，其中所述照明器时空模型存储在所述存储器中。

18.根据权利要求13所述的系统，其中补偿所述差异数据包括限制从传感器提供的数据量。

19.根据权利要求13所述的系统，其中所述照明器时空模型识别从所述邻近照明器收集的所述历史传感器数据的梯度分布。

20.根据权利要求13所述的系统，还包括照明设备，其中所述第一传感器数据和所述第二传感器数据基于在由所述照明器网络照射的区域处检测到的光量。

Images