CN112566331A - 基于各向对称吸顶灯的公共宿舍混合照明方法 - Google Patents

Abstract

本发明公开了基于各向对称吸顶灯的公共宿舍混合照明方法，首先离线状态下建立各向对称吸顶灯、工作台灯的光分布模型，以及各用户的光色评分模型，然后，在线控制时，采用多目标优化算法对各灯的光色参数进行寻优。寻优过程中，第一阶段基于入睡用户的评分对各向对称吸顶灯的光色参数进行优化，第二阶段基于学习用户的评分，采用混光后的总出光效果来评价工作台灯的光色参数。寻优结果通过调光映射单元转换为驱动电流值分别发送给各灯驱动器执行调光。本发明能协调公共宿舍内不同用户、不同作息对光照的要求，实现公共宿舍的自动优化混合照明；还通过用户接口单元的操作或与日光色的对比，对优化结果进行调节，从而使照明效果更符合用户需求。

Description

基于各向对称吸顶灯的公共宿舍混合照明方法

本申请为申请号201910287131.5、申请日2019年04月03日、发明名称“基于各向对称吸顶灯的公共宿舍混合照明系统、方法及优化方法”专利的分案申请。

技术领域

本发明涉及智能照明领域，具体涉及一种基于各向对称吸顶灯的公共宿舍混合照明方法。

背景技术

在我国学校、机关、企事业单位，大量存在单身职工、学生居住的公共宿舍或集体宿舍。这些宿舍的居住人数类型有双人房间、三人房间、四人房间、六人房间、八人房间不等。随着经济发展、社会进步、以人为本的体现，现在的集体宿舍公寓化硬件不断更新、设施不断完善、环境不断优化。

以学校的学生公共宿舍为例，宿舍是大多数在校学生每天待的时间最长的地方之一，一般来说，同学们在宿舍除了睡觉之外，还会进行看书、学习、上网、看电视等活动。在大学宿舍，随着选修课在国家政策要求下的日益增多，同一宿舍不同学生的个人培养计划差别非常明显，比如早上第一二节课有人有课有人没课；加之个性化时代每个人的时间安排都各有特点，因此，作息时间相比过去的相对单调一致而变得越来越参差不齐。

公共宿舍内，作息时间、作息规律的差别为共用同一个宿舍环境的不同个体带来了很多困扰。在这些困扰因素中，声音可以通过佩戴耳机来缓解，但光线的矛盾则难以协调。比如，有些人早睡早起，有些人在名义上的统一熄灯时间后还要学习一两个小时，要学习的人总是需要开灯的，而不可调节的灯光对则会抑制想要入睡的人的睡意甚至将他们吵醒后使得他们难以继续入睡。

现有研究中，对公共宿舍照明的研究，主要在于结构设计和采光调查方面。如，南京大学2015年的硕士论文《南京大学生宿舍天然采光及照明研究》通过实地测量和问卷调研分析了南京大学生宿舍的采光情况及其存在的问题，为改善宿舍采光环境提供了参考依据。而发表在《电力需求侧管理》杂志2010第12卷第3期的《北京市高校照明现状调查与分析》，则通过对北京市55所高校教室、图书馆、食堂和宿舍照明产品使用情况的调查和典型教室照度的测试，为照明节能提供基础数据。

光环境对人的生理、心理都会产生显著的影响。首先，光是正常的人产生视觉的必要条件。如果没有充足的光线，人就不能发挥视觉功效，无法识别环境，以致影响自己的判断和行为。这说明光环境条件差，会导致视觉失误，影响正常学习或操作。因此光环境与人们的生存和人身安全有着直接关系。在光环境中，光刺激对于人体血压、脉搏、呼吸、筋肉紧张等也有很大影响，能够引起自律神经系统和大脑皮质的活动。

其次，在光刺激对人体生理活动造成影响的基础上，光色还通过与人的视觉体验及生活经验相结合，影响人的生理感受。比如，柔和偏暖色的灯光使人觉得心情平静，而冷色偏蓝的灯光使人思想集中、思维活跃。

在公共宿舍中，学习与入睡两种重要作息活动对灯光的不同要求，使得不同个体间因灯光控制的问题而产生矛盾。

夜间，当入睡用户准备休息时，经常会进行一些过渡性的活动，如工作计划安排、睡前阅读，当前还有更多的年轻人会用智能手机或平板看一些让人放松的内容。入睡前的这个阶段，用低色温低亮度的灯具或设备背光，都能对身体放松直至犯困、入睡有帮助。但对于学习用户来说，要保证学习效率，需要较高亮度和高色温的光照。

这种矛盾，虽然可以通过开台灯等小灯、佩戴眼罩等方法得以缓解。但对于大灯，如各向对称发光的吸顶灯，如果其只能通过简单的开关切换来进行控制，就可能将不同个人间的矛盾激化。

反之，如果在各向对称吸顶灯与台灯进行混合照明的公共宿舍内，能根据学习、入睡等活动自动调节各向对称吸顶灯的出光，照顾不同个体的感受，则能协调不同照明需求，大大减小公共宿舍内对光需求的矛盾。

基于以上因素，目前需要一种能根据宿舍用户不同作息活动进行需求协调并自动对灯具出光进行调节的照明方法与系统。

发明内容

环境照明对人类的生活、学习、入睡都有着直接的影响。人们通过视觉从外界获取信息，并且迅速作出反应，工作和学习效率都直接受制于环境的照明条件，而维持基本的视觉功能也依赖于照明。同时，人体与其他生物一样，都受到日夜这种自然节律的影响。对比研究表明，按照生物节律来安排一天、一周、一月、一年的作息制度，能提高工作效率和学习成绩，减轻疲劳，预防疾病防止意外事故的发生。

人眼视网膜上的第三类感光细胞即本征感光视网膜神经结细胞被发现后，已被证明它可以通过对进入人眼的可见光辐射产生一系列化学生物反应来控制人的生理节律。医学研究表明，视觉系统不仅传递给大脑光的信号，而且把外界光环境的明暗信息传递给大脑的松果体。松果体产生褪黑激素来控制了人的觉醒水平。

黑暗环境会刺激松果腺合成并释放褪黑激素进入血液中，明亮环境则抑制褪黑激素的产生。光线中的蓝光能抑制松果体分泌褪黑素，白天蓝光最强，人精神抖擞；夜间蓝光最弱，脑内松果体分泌褪黑素，进入血液中的褪黑素促进人体泛困、入睡和深眠。

由于影响学习效率与入睡的环境照明因素有很多方面，其中比较重要的有：照度水平、照度分布、颜色显现、光影光色等。而这些因素对不同个体的学习、入睡的影响程度是有区别的。

对于光照环境与学习效率、入睡速度之间存在一种什么约束关系，这是一个多因素的映射问题。要描述它们之间的关系，可以通过离线数据的记录与统计，计算出每种光色组合条件下个体的学习效率与入睡效率评分，并将这些评分用表格形式存储。

本发明专利首先基于位置识别单元、用户身份识别单元识别公共宿舍内各用户的作息活动，查找其当前活动对应的光色评分表，对多目标优化处理中个体分别进行评价值计算，并基于该评价值进行寻优，最后将最优个体所表示的光色参数映射为灯具的驱动电流值。其中，优化处理中所述个体，以全局照明的各向对称吸顶灯、局部照明的工作台台灯组成的混合照明灯组各自出光的色温或颜色、亮度等光色参数为待寻优参数集；所述多目标优化处理包括两个阶段，第一阶段对各向对称吸顶灯参数进行寻优，第二阶段基于第一阶段的寻优结果再对工作台灯参数进行寻优。

寻优所依据的评价函数F为公共宿舍内各用户评价值的加权和，由于光色参数寻优涉及到多个因素，这是一个多目标优化问题，对于多目标优化问题，其优化解被称为Pareto解。通过多目标遗传优化算法即MOGA来求解该问题。

经过优化求解后，获得总评价值高的光色参数。然后，调光映射单元将该优化出的光色参数映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内的驱动器，从而实现公共宿舍内多需求自动优化的照明。

调光映射单元将光色参数转换为灯组驱动电流的映射，可以基于多种手段。首先，可以基于一个事先生成的光色空间至驱动电流空间的查找表；其次，可以基于经最小二乘法回归生成的光色空间至驱动电流空间的变换多项式。

本发明的技术解决方案是，提供一种基于各向对称吸顶灯的公共宿舍混合照明方法，包括以下步骤：

基于各向对称吸顶灯的公共宿舍混合照明方法，包括以下步骤：

S1、初始化，在控制单元中建立光分布模型、光色评分模型，

公共宿舍内的照明灯组包括各向对称吸顶灯、及多个工作台灯，这些灯均具有在色温、颜色之中至少一种光性质可调、且亮度可调的特性，

所述光分布模型为公共宿舍中每个灯的亮度到作息位置照度的对应关系，所述作息位置为公共宿舍内每个用户的学习、入睡等作息位置，

所述光色评分模型为光色评分表集合，对公共宿舍中每个用户都有一个光色评分表，表中记录有所述用户对不同作息模式下所在作息位置受到照射的光的照度、及色温/颜色的评分；

S2、通过控制单元的输入输出模块向照明灯组内各灯发出调光信号，

在各灯混合照明时，对调光变化后的各照明环境，由公共宿舍中每个用户进行评分，将作息模式、光的照度、色温/颜色及评分记录在光色评分表中；

S3、在线控制时，采用多目标优化算法对各灯的光色参数进行寻优，

首先，确定将各灯出光的亮度、及色温/颜色等光色参数进行编解码的策略，并确定其各自取值区间，

确定优化计算中种群规模、交叉概率、变异概率等参数，

令当前待寻优灯为各向对称吸顶灯；

S4、随机产生初始种群；

S5、针对搜索空间内进化群体中的各个体，解码得到其对应的光色参数，根据所述光色参数，基于所建立的光分布模型、光色评分模型，计算各个体的评价值：

对于各向对称吸顶灯，将光色参数中的亮度根据光分布模型转换为每个入睡用户当前作息位置处的照度，并根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的入睡用户评分进行加权求和计算总评分值，

对于工作台灯，将待寻优工作台灯、以及已寻优各向对称吸顶灯共同混光照明时，基于总出光在每个学习用户当前作息位置处的总出光照度、总出光色温，根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的学习用户评分进行加权求和计算总评分值；

S6、基于所述总评分值，进行交叉遗传和变异操作，更新进化群体；

S7、转至步骤S5，反复迭代，直至搜索结束后，输出Pareto优化解；

S8、如果还未完成所有灯的寻优，则令当前待寻优灯为所有工作台灯组成的灯集合，转S4；否则转S9；

S9、调光映射单元将寻优结果映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内工作台灯、各向对称吸顶灯各自的驱动器进行调光。

作为优选，所述光分布模型采用照明分布表，在各向对称吸顶灯照明分布表、各工作台灯照明分布表中，记录有各灯的不同亮度及该亮度所对应的宿舍中每个工作台、床位的照度，且所述照明分布表、光色评分表均通过电子数据读取的方式获得，

所述步骤S2还包括：离线状态下，所述控制单元通过用户接口单元及用户身份识别单元，接受宿舍用户的注册，并将用户注册表保存在存储器中，所述用户注册表包括用户识别号、用户身份识别特征、工作台位置号、床位号，

并且，控制单元还通过网络连接将存储器内的数据上传到外部云服务器上，当用户更换宿舍后，通过用户身份识别单元将其光色评分表自动读入到新宿舍控制单元的存储器中。

作为优选，所述各向对称吸顶灯、工作台灯均各包括高色温、低色温两种LED串且每串LED各对应一个驱动电流通道，所述调光映射单元中，对所述每个灯，均有一个所述灯亮度、色温组成的光色空间至其双通道驱动电流空间的查找表，对于所述寻优结果(L₀，K₀)，通过在查找表中进行插值来获取双通道驱动电流值。

作为优选，所述插值处理过程为：

先找到光色空间中P(L₀，K₀)周围的四个点：A(L₁，K₁)，B(L₂，K₁)，C(L₁，K₂)及D(L₂，K₂)，其中L₁≤L₀≤L₂，K₁≤K₀≤K₂，

双通道电流值(i₀₁，i₀₂)用距离做加权值进行插值，

其中，d₁代表P到四个点距离中的最短距离，d₂为第二短的点，依次类推，d_T为四个距离之和；i₁₁和i₂₁分别为距离最短点的双通道的电流值；与待查找的P点最近的四个点依据距离长短不同被分别加上不同权重，距离最短权重最重。

作为优选，所述光色评分模型采用人工神经网络，对于公共宿舍内的每个用户，对应其学习、入睡两种作息模式，所述控制单元中均分别建立有一个人工神经网络，所述神经网络替换光色评分表来作为光色评分模型中光色评分的依据，其输入变量包括色温、照度，输出变量为光色评分值，

所述步骤S2还包括：

采集神经网络训练样本，所述控制单元中的处理模块对光色传感单元采集的信号进行处理，对于学习、入睡两种作息模式，分别获取学习时工作台的、入睡时入睡位置的照度、色温共2个光色参数，并由用户对光色参数进行评分，

处理模块通过输入输出模块向照明灯组发出调光信号后，对变化后的光环境基于光色传感单元反复获取训练样本集，并基于所述样本集对所述神经网络进行离线训练，

并且，在线控制时，所述步骤S5中，用经训练的神经网络代替光色评分表对不同光色参数条件下的光色评分值进行计算。

作为优选，所述灯组中灯的颜色以色坐标xyz表示，

所述灯组为LED灯组，各向对称吸顶灯与工作台灯均通过驱动器调节内部各LED串的驱动电流值，所述调光信号为各LED串驱动电流的PWM波占空比数值；

所述步骤S5中的所述总出光照度、总出光色温的评分按如下方法进行计算：

将寻优到的各向对称吸顶灯的色坐标xyz以及亮度，转换为XYZ三刺激值后，再根据各向对称吸顶灯与每个学习用户位置处工作台灯的照明分布表基于照度相等原理将所述XYZ三刺激值继续转换为对应所述位置处工作台灯的XYZ三刺激等效值；然后，在对每个学习用户位置处工作台灯进行光色参数寻优时，将待寻优的亮度和xyz色坐标转换为XYZ三刺激值，并与所述XYZ三刺激等效值混光相加后，转换回所述工作台灯的亮度和xyz色坐标；再将该亮度通过工作台灯的照度分布表计算出其对应的该学习用户位置处的照度，从而通过对光色评分表的索引查找和插值，获得所述待寻优的亮度和xyz色坐标组成的光色组合的评分，

或者，当所述灯组中灯的颜色以色温表示时，可以先将所述色温转换为色坐标xyz；

并且，所述步骤S5还包括：

在计算总评分值时，如果当前时间属于上午8点至下午5点范围内，还要根据待评分光色参数与当前日光色的相似度，对总评分值进行调整：

f′＝f·(1+η)，

η＝α·sim(K，Know)+(1-α)·sim(L，Lnow)，

其中，α为设定系数，K、L分别为待评分光的色温值、亮度与最大亮度的比值这两个值，Know、Lnow分别为当前时间日光的色温和相对亮度，所述相对亮度为当前时间日光亮度与正午日光亮度的比值，相似度函数sim(，)采用以第二个参数为中心的正态分布函数或三角形分布函数且其分布的幅度根据第一个参数的取值范围进行设定，η为调整系数，f和f′分别为调整前后的评分值。

作为优选，在用户接口单元中设置至少一个用户操作终端，通过移动用户操作终端内滑动输入器上的游标，来调整待寻优光色参数的评分值，

所述步骤S5还包括：

根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据用户对滑动输入器进行操作后游标的位置，对所述评分值进行调整：

f′＝f·(1+η·Δ)，

其中，L为待评分的光的亮度，L₀为当前光的亮度且其对应于滑动输入器上正中间的位置，当游标朝滑动输入器左右两边滑动时左右两端位置分别对应于L₀的0.9和1.1倍亮度，L_n为用户操作后游标位置对应的亮度，Δ为按亮度进行评分调整的设定阈值，η为调整系数，f和f′分别为调整前后的评分值。

作为优选，基于位置传感器对用户的连续检测来获取用户的连续学习时间，并根据所述连续学习时间，来调整待寻优光色参数的评分值，

所述步骤S5还包括：

根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据连续学习时间长度t和色温值K，对所述评分值进行调整：

f′＝f·η，

其中，t的单位为分钟，K为待评分的光的色温，K_S为设定的中间色温值，η为调整系数，f和f′分别为调整前后的评分值。

作为优选，本发明方法还包括以下步骤：

在用户接口单元中设置至少一个床位操作终端以及与每个床位置相对应的光电传感器，在床位操作终端中设置入睡按键、时旋钮、分旋钮和模式键；用所述时旋钮、分旋钮和模式键来进行起床时间设置，用所述光电传感器用来检测床帘是否拉上；

在线控制时，当检测到一个用户的入睡按键被按下或床帘拉上时，对所述用户的作息模式设定为入睡，并且当公共宿舍内所有用户都不处于学习模式时，将各向对称吸顶灯和所有工作台灯熄灭，

在控制单元的存储器中对每个用户还设置有一个起床模式光色评分表，当某用户起床时间到时，基于所建立的其起床模式光色评分表、以及其他入睡用户的光色评分表中的入睡模式子表，分别对待寻优光色参数进行评分，并且在计算总评分值时将起床用户对应的权值设定得比入睡用户对应的权值高。

作为优选，所述人工神经网络采用BP神经网络，所述BP神经网络模型为：

隐含层第j个节点输出为

输出层节点输出为

其中，f()函数取为sigmoid函数，w_ij和v_j分别为输入层到隐含层的连接权值和隐含层到输出层的连接权值，a_j和b分别为隐含层和输出层阈值，k为隐含层节点数。

采用本发明方案，与现有技术相比，具有以下优点：本发明针对公共宿舍内学习与入睡两种重要作息活动对灯光的矛盾需求，基于不同作息模式下用户对光色条件的评分，控制单元通过多目标优化算法，先对照射范围广的各向对称吸顶灯参数进行寻优，然后基于照明效果的等效变换再对仅照射局部范围的工作台灯参数进行寻优，寻优结果通过调光映射单元转换为灯组中各灯的驱动电流并通过驱动器执行调节，从而实现公共宿舍中不同作息活动照明需求的自动优化，并通过用户接口单元的操作或与日光色的对比，能实现优化结果的调节，从而使照明效果更符合用户需求。

应当理解的是，前述概念以及下文中更详细地讨论的附加概念的所有组合(倘若这样的概念并非相互不一致)都可以被设想为本文公开的发明主题的一部分。特别地，出现在本公开方案的要求保护的主题的所有组合都可以被设想为本文公开的发明主题的一部分。

附图说明

图1为基于各向对称吸顶灯的公共宿舍混合照明系统的组成结构图；

图2为控制单元组成结构图；

图3为照明参数映射示意图；

图4为照明环境示意图；

图5为另一照明环境示意图；

图6为BP神经网络结构示意图；

图7为用户操作终端结构示意图；

图8为用户操作终端局部结构示意图；

图9为床位操作终端结构示意图；

图10为灯组驱动结构示意图；

图11为基于各向对称吸顶灯的公共宿舍混合照明优化流程图；

图12为基于各向对称吸顶灯的公共宿舍混合照明方法工作流程图。

其中：

100基于各向对称吸顶灯的公共宿舍混合照明系统，110光色传感单元，120位置识别单元，130用户身份识别单元，140用户接口单元，150控制单元，160调光映射单元，170工作台灯，180各向对称吸顶灯，

151输入输出模块，152处理模块，153存储器，154神经网络，

21工作台，22床，23床帘，24光电传感器，25位置传感器，26用户操作终端，27床位操作终端，

261底板，262键盘，263指纹输入器，264显示屏，265滑动输入器，2651游标，

271上盖板，272下盖板，273入睡按键，274时旋钮，275分旋钮，276模式键。

具体实施方式

以下结合附图对本发明的优选实施例进行详细描述，但本发明并不仅仅限于这些实施例。本发明涵盖任何在本发明的精神和范围上做的替代、修改、等效方法以及方案。

在下列段落中参照附图以举例方式更具体地描述本发明。需说明的是，附图均采用较为简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

实施例1

如图1所示，本发明基于各向对称吸顶灯的公共宿舍混合照明系统100，其包括位置识别单元120、用户身份识别单元130、用户接口单元140、照明灯组、调光映射单元160和控制单元150。其中，所述灯组又包括工作台灯170和各向对称吸顶灯180，它们用来实现公共宿舍内的混合照明。

用户身份识别单元130对用户进行身份识别，以进行针对独特个体的数据采集和操作。作为优选，用户身份识别单元130可以采用以下其中一种或几种识别方式：指纹识别、虹膜识别、语音识别、人脸识别。

用户接口单元140包括总开关和多个分布于不同宿舍用户位置的用户操作终端。调光映射单元160将控制单元150优化出的工作台灯、各向对称吸顶灯的光色参数映射为其各自的驱动电流。

结合图1、图12所示，本发明中基于各向对称吸顶灯的公共宿舍混合照明方法，包括以下步骤：

S1、初始化，在控制单元中建立光分布模型、光色评分模型，

公共宿舍内的照明灯组由提供全局基础照明的各向对称吸顶灯、以及提供局部补充照明的多个工作台灯组成，所述工作台灯及各向对称吸顶灯，均具有在色温、颜色之中至少一种光性质可调、且亮度可调的特性，

所述光分布模型为公共宿舍中每个灯的亮度到作息位置照度的对应关系，所述作息位置为公共宿舍内每个用户的学习、入睡等作息位置，

所述光色评分模型为光色评分表集合，对公共宿舍中每个用户都有一个光色评分表，表中记录有所述用户对不同作息模式下所在作息位置受到照射的光的照度、及色温/颜色的评分；

S2、通过控制单元的输入输出模块向照明灯组内各灯发出调光信号，

在各灯单独照明时，对调光变化后的各照明环境采集样本，同时获取灯的亮度及各用户作息位置的照度并记录保存在光分布模型中，

在各灯混合照明时，对调光变化后的各照明环境，由公共宿舍中每个用户进行评分，将作息模式、光的照度、色温/颜色及评分记录在光色评分表中；

S3、在线控制时，采用多目标优化算法对各灯的光色参数进行寻优，

首先，确定将各灯出光的亮度、及色温/颜色等光色参数进行编解码的策略，并确定其各自取值区间，

确定优化计算中种群规模、交叉概率、变异概率等参数，

令当前待寻优灯为各向对称吸顶灯；

S4、随机产生初始种群；

S5、针对搜索空间内进化群体中的各个体，解码得到其对应的光色参数，根据所述光色参数，基于所建立的光分布模型、光色评分模型，计算各个体的评价值：

对于各向对称吸顶灯，将光色参数中的亮度根据光分布模型转换为每个入睡用户当前作息位置处的照度，并根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的入睡用户评分进行加权求和计算总评分值，

对于工作台灯，将待寻优工作台灯、以及已寻优各向对称吸顶灯共同混光照明时，基于总出光在每个学习用户当前作息位置处的总出光照度、总出光色温，根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的学习用户评分进行加权求和计算总评分值；

S6、基于所述总评分值，进行交叉遗传和变异操作，更新进化群体；

S7、转至步骤S5，反复迭代，直至搜索结束后，输出Pareto优化解；

S8、如果还未完成所有灯的寻优，则令当前待寻优灯为所有工作台灯组成的灯集合，转S4；否则转S9；

S9、调光映射单元将寻优结果映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内工作台灯、各向对称吸顶灯各自的驱动器进行调光。

结合图1、图7所示，用户操作终端26包括底板261、键盘262、显示屏264和滑动输入器265。其中，键盘262用来供公共宿舍用户输入用户ID、身份等注册信息和包括光色评分表的各种参数，显示屏用来辅助进行参数的显示。

在用户操作终端26上，还设置有一个用户身份识别单元所包括的指纹输入器263，用指纹输入器来进行用户身份识别。

对应于宿舍用户个数的工作台灯170、以及各向对称吸顶灯180，均具有在色温、颜色之中至少一种光性质可调且亮度可调的特性。其中，对称吸顶灯的出光为各向对称的，可采用蝙蝠翼形光分布的光源。

图4、图5为公共宿舍内照明环境示意图。其中，图4示意了公共宿舍内一个用户的床位、工作台布置，工作台21位于床22的下方。工作台21的台面左上方有工作台灯170、中间有属于位置识别单元的位置传感器25、右上角有用户操作终端26。在床22的床头有一个属于用户接口单元的床位操作终端27，并且在床边沿布置有一个床帘23，通过固定在床帘拉线上的光电传感器，可以检测到用户拉上床帘的操作。位置传感器25可采用红外传感器，对用户是否在工作台位置学习进行检测。当用户拉上床帘或通过按下床位操作终端27中的入睡按键时，控制单元将该用户的当前作息模式设定为入睡；并且，当公共宿舍内所有用户都不处于学习模式时，控制单元发出调光指令，将各向对称吸顶灯和所有工作台灯熄灭。

作为优选，还可以根据预设的熄灯时间将各向对称吸顶灯熄灭；作为优选，当预设数量的用户为入睡模式时，熄灭各向对称吸顶灯。

图4中，各向对称吸顶灯180位于多个用户床位中心的天花板顶部，提供基础的全局照明，工作台灯则提供用户各自工作台范围的局部照明。每个工作台灯局部照明范围有限，当各学习者距离足够远时，他们各自的工作台灯对其他用户位置所造成的影响可以忽略。

作为优选，照明灯组中灯的颜色以色坐标xyz表示。

参见图1，作为优选，灯组采用LED串172/182作为光源，各向对称吸顶灯180与工作台灯170均通过驱动器181/171调节内部各LED串的驱动电流值，控制单元150与调光映射单元160发给灯组的调光信号为各LED串驱动电流的PWM波占空比数值。

图5的床位、工作台布置与图4有所区别。图5中，四个工作台21放在一起，工作台21的台面左上方有工作台灯170、中间有用户操作终端26。属于位置识别单元的位置传感器25则位于与每个工作台旁边座位相对应的天花板上，四张床分别位于宿舍的四个角落。

在图5的布局中，由于各个工作台距离较小，不同工作台工作面会受到相邻工作台的工作台灯照明的显著影响。

结合图1、图2所示，控制单元150分别与用户接口单元、照明灯组、位置识别单元和用户身份识别单元相连。控制单元150包括处理模块152、存储器153、输入输出模块151，并且其被配置为：

离线状态下，通过用户接口单元及用户身份识别单元，接受宿舍用户的注册，并将用户注册表保存在存储器153中，所述用户注册表包括用户识别号、用户身份识别特征、工作台位置号、床位号；

对每一个经注册的用户，通过用户接口单元，输入一个光色评分表并将其保存在存储器中，所述光色评分表的每条记录中，包括作息模式、色温、颜色、照度、评分值，其中色温和颜色两个字段可以有一个为空，

在存储器中预先对灯组中各向对称吸顶灯、各工作台灯分别设置一个照明分布表作为光照分布模型，以反映各灯亮度到各入睡位置或学习位置照度的转换关系，

所述照明分布表可以是亮度到照度的变换列表，表中记录有各灯的不同亮度及该亮度所对应的宿舍中每个工作台、床位的照度；

在线控制时，处理模块152根据用户从用户操作终端输入的作息模式、以及通过位置识别单元检测到的用户位置，基于所述灯组中各灯的照明分布表、用户的光色评分表，通过多目标优化算法，

首先，针对当前宿舍中所有入睡用户，令灯组中各工作台灯的出光为零，在各向对称吸顶灯其光色参数可取值的空间范围内，对各向对称吸顶灯的亮度、及色温或颜色进行寻优，

然后，针对当前宿舍中所有学习用户，扣除各向对称吸顶灯寻优结果对应的出光后，在工作台灯其光色参数可取值的空间范围内，对工作台灯的亮度、及色温或颜色进行寻优，

最后，处理模块152将寻优结果传输给调光映射单元160，调光映射单元160将寻优结果映射为工作台灯170、各向对称吸顶灯180各自的驱动电流值，并将所述电流值传送给对应灯的驱动器。

作为优选，还可以在光色评分表中增加时间段字段，以体现开不同时间段学习或入睡对光色的评分区别；

作为优选，还可以将所述光色评分表拆分或通过筛选分别获得学习、入睡等不同作息模式下的光色评分子表；

作为优选，当床有床帘时，照明分布表中要区别开床帘是否拉上两种情形；

作为优选，多目标优化算法采用MOGA多目标遗传算法，优化过程中对光色参数计算其单用户评分时，先将光色参数中的亮度根据照明分布表计算出每一个在公共宿舍内用户其当前位置处的照度，再基于该照度与光色参数中的色温或颜色，根据该用户的光色评分表计算出评分；

待寻优光色参数的总评分为各个在公共宿舍内的单用户评分的加权和，作为优选，其中的权值可以均取为用户数的倒数；作为优选，在夜间某一时刻如22点后将入睡用户的权值提高，而在其他时间则提高学习用户的权值；

作为优选，在在夜间某一时刻如22点后，在对各向对称吸顶灯进行参数寻优时，将非入睡用户的权值设置为0。

作为优选，控制单元150通过网络连接将存储器内的数据上传到外部云服务器上，当用户更换宿舍后，可以通过用户身份识别单元将其光色评分表自动读入到新宿舍控制单元的存储器中。

结合图1、图3、图4及图5所示，由于工作台灯的照射范围局限在其对应的工作台范围，因此对于入睡用户可以仅考虑各向对称吸顶灯的出光；而对于学习用户而言，其工作面是各向对称吸顶灯的出光与工作台灯混合照明的结果，因此要结合两种光源混光后的照明效果来对该工作面的光色参数进行评分。

如图3所示，工作台灯出光亮度与工作面照度的对应关系为第二映射，各向对称吸顶灯出光亮度与工作面照度的对应关系为第一映射。其中，亮度可以是从工作台面中心位置朝向光源方向而测得的。

对于混合照明的总出光，当前学习用户基于其工作面照度、颜色或色温的光色组合，对该用户的光色评分表进行查找获取该组合的评分，所述评分用在MOGA优化算法对光色参数进行寻优的过程中。

结合图3所示，第一映射、第二映射均为每个灯亮度与该灯单独照明时某位置的照度之间的关系。由于XYZ三刺激值均与亮度成比例关系，因而其也与该亮度对应的照度成比例关系。因此，基于照度相等原理，在各向对称吸顶灯的亮度和工作台灯亮度之间可以建立一个第三映射，从而，通过该第三映射，可以将各向对称吸顶灯的X、Y、Z三个刺激值分别转换为工作台灯的X、Y、Z三个刺激值。

在第一阶段对各向对称吸顶灯光色参数进行寻优完成后，第二阶段对工作台灯光色参数进行寻优过程中，所述各向对称吸顶灯的出光按如下过程进行扣除：

将寻优到的各向对称吸顶灯的色坐标xyz以及亮度，转换为XYZ三刺激值后，再根据第三映射将所述XYZ三刺激值转换为对应同一学习用户位置处工作台灯的XYZ三刺激等效值；

然后，在对每个学习用户位置处工作台灯进行光色参数寻优时，将待寻优的亮度和xyz色坐标也转换为XYZ三刺激值，并与所述XYZ三刺激等效值混光即将X、Y、Z三个刺激值分别相加后，将XYZ三刺激值转换回所述工作台灯的亮度和xyz色坐标；再将该亮度通过工作台灯的照度分布表计算出其对应的该学习用户位置处的照度，从而通过对光色评分表的索引查找和插值，获得所述待寻优的工作台灯的亮度和xyz色坐标组成的光色组合的评分，

或者，当所述灯组中灯的颜色以色温表示时，可以先将所述色温转换为色坐标xyz。

所述多目标优化算法处理过程中，基于每个用户的光色评分表对光色参数条件分别评分后对评分进行加权求和计算总的评分值，作为优选，如果当前时间属于上午8点至下午5点范围内，还要根据待评分光色参数与当前日光色的相似度，对所述总的评分值进行调整：

f′＝f·(1+η)，

η＝α·sim(K，Know)+(1-α)·sim(L，Lnow)，

其中，α为设定系数，K、L分别为待评分光的色温值、亮度与最大亮度的比值这两个值，Know、Lnow分别为当前日光的色温和相对亮度，所述相对亮度为当前日光亮度与正午日光亮度的比值，相似度函数sim(，)采用以第二个参数为中心的正态分布函数或三角形分布函数且其分布的幅度根据第一个参数的取值范围进行设定，η为调整系数，f和f′分别为调整前后的评分值。

经过优化求解后，获得兼顾入睡用户与学习用户照明要求的光色参数。然后，调光映射单元将该优化出的光色参数映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内的驱动器，从而实现公共宿舍内的自动优化混合照明。

调光映射单元将光色参数转换为灯组驱动电流的映射，可以基于多种手段。例如，可以基于一个事先生成的光色空间至驱动电流空间的查找表。

为简化起见，不失一般性，将上述光色参数中的颜色参数去除，仅考虑出光亮度、色温这2个参数。

结合图10所示，作为常用的一种可调光灯，假设各向对称吸顶灯、工作台灯均各包括高色温、低色温两种LED串且每串LED各对应一个驱动电流通道，如图10中的10a所示，假设n＝2。对每个灯，调光映射单元中含有一个该灯出光亮度、色温组成的光色空间至双通道驱动电流空间的查找表，对于所述寻优结果(L₀，K₀)，通过在查找表中进行插值来获取双通道驱动电流值。

先找到光色空间中P(L₀，K₀)周围的四个点：A(L₁，K₁)，B(L₂，K₁)，C(L₁，K₂)及D(L₂，K₂)，其中L₁≤L₀≤L₂，K₁≤K₀≤K₂，

双通道电流值(i₀₁，i₀₂)用距离做加权值进行插值，

其中，d₁代表P到四个点距离中的最短距离，d₂为第二短的点，依次类推，d_T为四个距离之和；i₁₁和i₂₁分别为距离最短点的双通道的电流值；与待查找的P点最近的四个点依据距离长短不同被分别加上不同权重，距离最短权重最重。

基于光色评分表对光色参数进行评分时，也可采用所述插值方法。

如图10中的10b所示，假设灯组采用三基色LED灯珠串，其驱动电流包括RGB三个通道，此时，对每个灯，调光映射单元中含有一个该灯出光亮度、色温组成的光色空间至三通道驱动电流空间的查找表。此时，分别改变其中一个通道的驱动电流值，可改变灯的光色。当从某个状态开始，三个通道电流同步增大或变小时，灯可以表现出颜色不变而亮度渐亮或渐暗。

实施例2

区别于实施例1，本实施例采用BP神经网络替换光色评分表来作为光色评分的依据。

如图1所示，基于各向对称吸顶灯的公共宿舍混合照明系统100，其还包括一个光色传感单元110。对于公共宿舍内的每个用户，对应其学习、入睡两种作息模式，在控制单元中均分别建立有一个人工神经网络。如图6所示，神经网络采用BP神经网络，其输入变量包括色温、照度，输出变量为光色评分值。

控制单元还被配置为：

采集神经网络训练样本时，处理模块对光色传感单元采集的信号进行处理，对于学习、入睡两种作息模式，分别获取学习时工作台的、入睡时入睡位置的照度、色温共2个光色参数，并由用户对光色参数进行评分，

处理模块通过输入输出模块向照明灯组发出调光信号后，对变化后的光环境基于光色传感单元反复获取训练样本集，并基于所述样本集对所述神经网络进行离线训练，

在线控制时，在多目标优化算法处理过程中，经训练的神经网络代替光色评分表对不同光色参数条件下的光色评分值进行计算。

所述BP神经网络模型为：

隐含层第j个节点输出为

输出层节点输出为

其中，f()函数取为sigmoid函数，w_ij和v_j分别为输入层到隐含层的连接权值和隐含层到输出层的连接权值，a_j和b分别为隐含层和输出层阈值，k为隐含层节点数，采用梯度下降法进行网络训练。

实施例3

在实施例1的基础上，本实施例通过对优化过程中的评分进行调整，来获得更接近用户要求的照明效果。

结合图7、图8所示，在用户操作终端的滑动输入器265上，有一个游标2651，用户通过移动该游标，来调整其对光色的评分。

当游标位于滑动输入器上正中间的位置时，表示不改变光色评分表中的评分；当游标左移时，表示用户希望灯发出比当前亮度暗一点的光线，并将亮度比当前亮度低的光色组合的评分提高；否则当游标右移时，表示用户希望灯发出比当前亮度更亮一点的光线，并将亮度比当前亮度高的光色组合的评分提高。

相应地，控制单元还被配置为：

在多目标优化处理过程中，根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据用户对滑动输入器进行操作后游标的位置，对所述评分值进行调整：

f′＝f·(1+η·Δ)，

其中，L为待评分的光的亮度，L₀为当前光的亮度且其对应于滑动输入器上正中间的位置，当游标朝滑动输入器左右两边滑动时左右两端位置分别对应于L₀的0.9和1.1倍亮度，L_n为用户操作后游标位置对应的亮度，Δ为按亮度进行评分调整的设定阈值，如可以设定Δ为0.1倍，η为调整系数，f和f′分别为调整前后的评分值。

另外，实验表明，长时间的学习容易使人疲劳犯困，而高色温光线中蓝色分量高，有助于用户保持思想集中状态。为此，在光色评分中体现累积学习时间和色温因素。

通过位置传感器来连续检测用户是否在工作台位置，并通过累积得到用户的连续学习时间，相应地，控制单元还被配置为：

在多目标优化处理过程中，根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据连续学习时间长度t和色温值K，对所述评分值进行调整：

f′＝f·η，

其中，t的单位为分钟，K为待评分的光的色温，K_S为设定的中间色温值，如可将K_S值取为4500K，η为调整系数，f和f′分别为调整前后的评分值。

作为进一步改进，本实施例还通过较低色温的灯光在早晨帮助用户从睡眠中逐渐觉醒。

如图9所示，床位操作终端包括上盖板271、下盖板272、入睡按键273、时旋钮274、分旋钮275和模式键276。用户通过旋转时旋钮、分旋钮来对第二天的起床时间进行设置。并且，当模式键按下时为在第二天早上启动起床照明模式，否则为取消起床模式照明。

相应地，控制单元还被配置为：

在存储器中对每个用户还设置有一个起床模式光色评分表，当某用户起床时间到时，基于所建立的其起床模式光色评分表、以及其他入睡用户的光色评分表中的入睡模式子表，通过多目标优化算法，对各向对称吸顶灯、工作台灯的光色进行寻优，调光映射单元根据寻优结果进行调光；

作为优选，在所述起床时间到时，工作台灯的驱动电流设置为零。

作为优选，早晨起床阶段，多目标优化算法处理过程中可以将起床用户的评分权值设定得比入睡用户的评分权值高。

作为优选，早晨起床阶段，控制单元还可以将优化结果与早晨日光的光色参数进行调和，即以宿舍内距离窗口1米处为依据，将日光的XYZ三刺激值乘以系数后，按实施例1中对各向对称吸顶灯的出光进行扣除的方法在总出光中补入日光成分。

作为优选，早晨起床阶段，灯光以逐步变亮的方式在一定时间后达到优化结果所对应的光色。

实施例4

本实施例中，提供一种基于各向对称吸顶灯的公共宿舍混合照明优化方法。

结合图11所示，基于各向对称吸顶灯的公共宿舍混合照明优化方法，其包括以下步骤：

Y1、确定评价标准，

假设在公共宿舍内共有m1个入睡用户，m2个学习用户，以及待优化出光的1个各向对称吸顶灯和m2个工作台灯，对公共宿舍内的每个用户，均在存储器中预设有一个光色评分表，所述光色评分表记录有用户在入睡或学习等作息模式下对作息位置各种色温、照度等光色参数组合的评分值，

建立基于各向对称吸顶灯的公共宿舍照明光照总体评价函数F，

其中，w_i为设定的加权系数，f_i为各因素评价值，

如，对各向对称吸顶灯，

f_i为：

各向对称吸顶灯单独照明时，其出光亮度根据照明分布表对应到在各入睡用户位置处照度、以及其出光色温两个光色参数的组合，对应在第i个入睡用户的光色评分表的入睡模式子表中进行查表，获得的评分值，

对工作台灯，

f₁为：

m2个工作台灯组成的灯集合、以及各向对称吸顶灯混光照明时，总出光的照度、以及总出光色温两个光色参数的组合，对应在第i个学习用户的光色评分表的学习模式子表中进行查表，获得的评分值；

其中，不失一般性，w_i可以为1/N，N为因素个数；或者在规定休息时间段内，增加入睡用户相对学习用户的权重，其他时间段，则相反操作；

Y2、初始化进化种群规模、交叉概率、变异概率等参数，确定各向对称吸顶灯、各工作台灯色温、亮度光色参数的取值区间和编码策略以及每代群体中被全局Pareto最优.解替换的个数N_rp，

第一阶段，令当前待寻优灯为对各向对称吸顶灯；

Y3、世代数k＝0，对当前待寻优灯或灯集合，随机产生初始种群P(0)；

Y4、令k＝k+1；如果达到结束条件，转第Y11，否则接下一步；

Y5、将本代群体P(k-1)中所有个体解码得到光色参数，计算出各个体的各因素评价值f_i，比较获得本代的Pareto最优解集PT_k，并更新全局Pareto最优解集PT_g；

Y6、如果PT_k集的个体数N(PT_k)为奇数，随机选择一个个体加入到PT_k集，使之能相互配对，计算出本代群体中PT_k集外各个体的总体评价函数F值，并根据各个体的F值按轮盘赌法选择出其它(N(gp)-N(PT_k))/2对父体；得到的父代群体为P′(k)；

Y7、对P′(k)中的个体进行交叉和变异操作，产生群体P″(k)；

Y8、对于P″(k)中PT_k集的子代个体，如果其总体评价函数F值不能优于其父体，则用其父体回代，得到群体P″′(k)；

Y9、将P″′(k)中非PT_k集子代的N_rp个个体随机地用全局Pareto最优解个体作替换，产生下一代群体P(k)；

Y10、转步骤Y4；

Y11、搜索结束，基于最后得到的Pareto最优解集，选出总体评价函数F值最优的解，保存最优解；如果各向对称吸顶灯和工作台灯均已寻优，则转Y13；

Y12、第二阶段，令当前待寻优灯为m2个工作台灯组成的灯集合，转步骤Y3；

Y13、优化结束，将所获取的最优解输出。

结合图5所示，当学习用户工作台的间隔较小时，如果其各自的工作台灯对其他学习用户位置有显著影响，则在对工作台灯进行寻优过程中的评分时，在每个学习用户位置，要对各向对称吸顶灯及工作的所有工作台灯的发光进行混光处理后再评分。

作为优选，所述步骤Y1中所述总出光的照度、总出光色温按如下方法进行计算和处理：

T1、基于色温到色坐标的转换关系式，将各向对称吸顶灯、工作台灯的色温转换为xyz色坐标，

T2、各向对称吸顶灯的色坐标xyz以及亮度，转换为XYZ三刺激值后，再根据各向对称吸顶灯的照明分布表，将其亮度Y转换为在第i个学习用户位置处的第一照度，同时将X、Z同比例变化后得到对应于该处的第一XYZ三刺激，

T3、包括第k个工作台灯的m2个工作台灯组成的灯集合，所述集合中的每个灯将其色坐标xyz以及亮度，转换为各自XYZ三刺激值后，再根据其各自的照明分布表，将其各自亮度Y转换为在第i个学习用户位置处的照度，同时将各自X、Z同比例变化后得到对应于该处的XYZ三刺激变换值，所述集合中所有灯对应的照度的和为第二照度，所有X、Y、Z三刺激变换值分别相加获得第二XYZ三刺激值，

T4、将所述第一、第二照度相加得到总照度，将第一、第二XYZ三刺激值分别对应相加获得总XYZ三刺激值，将总XYZ三刺激值转换为总xyz色坐标，并进一步转换为总色温，根据所述总照度、总色温查找第i个学习用户的光色评分表，获得评分值；

所述步骤Y1中所述加权系数还按如下方法进行调整：

根据用户对滑动输入器进行操作后游标的位置、以及连续学习时间长度t和色温值K，对所述总的评分值进行调整：

F′＝F·(1+η·Δ)·η′，

其中，L为待评分的光的亮度，L₀为当前光的亮度且其对应于滑动输入器上正中间的位置，当游标朝滑动输入器左右两边滑动时左右两端位置分别对应于L₀的0.9和1.1倍亮度，L_n为用户操作后游标位置对应的亮度，Δ为按亮度进行评分调整的设定阈值，t的单位为分钟，K为待评分的光的色温，K_S为设定的中间色温值，η及η′为调整系数，F和F′分别为调整前后的评分值。

作为优选，暂不计工作台灯对入睡用户的影响，当实际环境中工作台灯对入睡用户有显著时，对各向对称吸顶灯可以按与对工作台灯参数寻优相同的混光方法处理，即将第一阶段第二阶段的寻优合并为一个阶段，光色评分值为所有入睡用户、学习用户对混光后总出光的评价值的加权和。

应用本发明进行公共宿舍的照明，各向对称吸顶灯提供全局基本照明，工作台灯提供局部补充照明，基于各灯的光照分布模型及各用户在入睡、学习等作息模式时对光色参数的评价，控制单元通过多目标优化方法，对各灯的出光参数进行寻优，最后将寻优结果通过调光映射单元转换为驱动电流值发送给驱动器执行调光，从而协调公共宿舍内不同用户、不同作息对光照的要求，实现公共宿舍的自动优化混合照明。

以上，说明了本发明的几个实施方式，但这些实施方式是作为例子而提示的方式，并没有限定发明的范围。这些实施方式可以通过其他的各种方式实施，在不脱离发明的主旨的范围内，能够进行各种省略、置换、变更。这些实施方式或其变形包含于发明的范围或主旨，并同样地包含于权利要求书记载的发明及其等同的范围内。

Claims (10)

1.基于各向对称吸顶灯的公共宿舍混合照明方法，包括以下步骤：

S1、初始化，在控制单元中建立光分布模型、光色评分模型，

公共宿舍内的照明灯组包括各向对称吸顶灯、及多个工作台灯，这些灯均具有在色温、颜色之中至少一种光性质可调、且亮度可调的特性，

所述光分布模型为公共宿舍中每个灯的亮度到作息位置照度的对应关系，所述作息位置为公共宿舍内每个用户的学习、入睡等作息位置，

所述光色评分模型为光色评分表集合，对公共宿舍中每个用户都有一个光色评分表，表中记录有所述用户对不同作息模式下所在作息位置受到照射的光的照度、及色温/颜色的评分；

S2、通过控制单元的输入输出模块向照明灯组内各灯发出调光信号，

在各灯混合照明时，对调光变化后的各照明环境，由公共宿舍中每个用户进行评分，将作息模式、光的照度、色温/颜色及评分记录在光色评分表中；

S3、在线控制时，采用多目标优化算法对各灯的光色参数进行寻优，

首先，确定将各灯出光的亮度、及色温/颜色等光色参数进行编解码的策略，并确定其各自取值区间，

确定优化计算中种群规模、交叉概率、变异概率等参数，

令当前待寻优灯为各向对称吸顶灯；

S4、随机产生初始种群；

S5、针对搜索空间内进化群体中的各个体，解码得到其对应的光色参数，根据所述光色参数，基于所建立的光分布模型、光色评分模型，计算各个体的评价值：

对于各向对称吸顶灯，将光色参数中的亮度根据光分布模型转换为每个入睡用户当前作息位置处的照度，并根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的入睡用户评分进行加权求和计算总评分值，

对于工作台灯，将待寻优工作台灯、以及已寻优各向对称吸顶灯共同混光照明时，基于总出光在每个学习用户当前作息位置处的总出光照度、总出光色温，根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的学习用户评分进行加权求和计算总评分值；

S6、基于所述总评分值，进行交叉遗传和变异操作，更新进化群体；

S7、转至步骤S5，反复迭代，直至搜索结束后，输出Pareto优化解；

S8、如果还未完成所有灯的寻优，则令当前待寻优灯为所有工作台灯组成的灯集合，转S4；否则转S9；

S9、调光映射单元将寻优结果映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内工作台灯、各向对称吸顶灯各自的驱动器进行调光。

2.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，所述光分布模型采用照明分布表，在各向对称吸顶灯照明分布表、各工作台灯照明分布表中，记录有各灯的不同亮度及该亮度所对应的宿舍中每个工作台、床位的照度，且所述照明分布表、光色评分表均通过电子数据读取的方式获得，

所述步骤S2还包括：离线状态下，所述控制单元通过用户接口单元及用户身份识别单元，接受宿舍用户的注册，并将用户注册表保存在存储器中，所述用户注册表包括用户识别号、用户身份识别特征、工作台位置号、床位号，

并且，控制单元还通过网络连接将存储器内的数据上传到外部云服务器上，当用户更换宿舍后，通过用户身份识别单元将其光色评分表自动读入到新宿舍控制单元的存储器中。

3.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，所述各向对称吸顶灯、工作台灯均各包括高色温、低色温两种LED串且每串LED各对应一个驱动电流通道，所述调光映射单元中，对所述每个灯，均有一个所述灯亮度、色温组成的光色空间至其双通道驱动电流空间的查找表，对于所述寻优结果(L₀，K₀)，通过在查找表中进行插值来获取双通道驱动电流值。

4.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，所述光色评分模型采用人工神经网络，对于公共宿舍内的每个用户，对应其学习、入睡两种作息模式，所述控制单元中均分别建立有一个人工神经网络，所述神经网络替换光色评分表来作为光色评分模型中光色评分的依据，其输入变量包括色温、照度，输出变量为光色评分值，

所述步骤S2还包括：

采集神经网络训练样本，所述控制单元中的处理模块对光色传感单元采集的信号进行处理，对于学习、入睡两种作息模式，分别获取学习时工作台的、入睡时入睡位置的照度、色温共2个光色参数，并由用户对光色参数进行评分，

处理模块通过输入输出模块向照明灯组发出调光信号后，对变化后的光环境基于光色传感单元反复获取训练样本集，并基于所述样本集对所述神经网络进行离线训练，

并且，在线控制时，所述步骤S5中，用经训练的神经网络代替光色评分表对不同光色参数条件下的光色评分值进行计算。

5.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，所述灯组中灯的颜色以色坐标xyz表示，

所述灯组为LED灯组，各向对称吸顶灯与工作台灯均通过驱动器调节内部各LED串的驱动电流值，所述调光信号为各LED串驱动电流的PWM波占空比数值；

所述步骤S5中的所述总出光照度、总出光色温的评分按如下方法进行计算：

将寻优到的各向对称吸顶灯的色坐标xyz以及亮度，转换为XYZ三刺激值后，再根据各向对称吸顶灯与每个学习用户位置处工作台灯的照明分布表基于照度相等原理将所述XYZ三刺激值继续转换为对应所述位置处工作台灯的XYZ三刺激等效值；然后，在对每个学习用户位置处工作台灯进行光色参数寻优时，将待寻优的亮度和xyz色坐标转换为XYZ三刺激值，并与所述XYZ三刺激等效值混光相加后，转换回所述工作台灯的亮度和xyz色坐标；再将该亮度通过工作台灯的照度分布表计算出其对应的该学习用户位置处的照度，从而通过对光色评分表的索引查找和插值，获得所述待寻优的亮度和xyz色坐标组成的光色组合的评分，

或者，当所述灯组中灯的颜色以色温表示时，可以先将所述色温转换为色坐标xyz；

并且，所述步骤S5还包括：

在计算总评分值时，如果当前时间属于上午8点至下午5点范围内，还要根据待评分光色参数与当前日光色的相似度，对总评分值进行调整：

f′＝f·(1+η)，

η＝α·sim(K，Know)+(1-α)·sim(L，Lnow)，

其中，α为设定系数，K、L分别为待评分光的色温值、亮度与最大亮度的比值这两个值，Know、Lnow分别为当前时间日光的色温和相对亮度，所述相对亮度为当前时间日光亮度与正午日光亮度的比值，相似度函数sim(，)采用以第二个参数为中心的正态分布函数或三角形分布函数且其分布的幅度根据第一个参数的取值范围进行设定，η为调整系数，f和f′分别为调整前后的评分值。

6.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，在用户接口单元中设置至少一个用户操作终端，通过移动用户操作终端内滑动输入器上的游标，来调整待寻优光色参数的评分值，

所述步骤S5还包括：

根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据用户对滑动输入器进行操作后游标的位置，对所述评分值进行调整：

f′＝f·(1+η·Δ)，

其中，L为待评分的光的亮度，L₀为当前光的亮度且其对应于滑动输入器上正中间的位置，当游标朝滑动输入器左右两边滑动时左右两端位置分别对应于L₀的0.9和1.1倍亮度，L_n为用户操作后游标位置对应的亮度，Δ为按亮度进行评分调整的设定阈值，η为调整系数，f和f′分别为调整前后的评分值。

7.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，基于位置传感器对用户的连续检测来获取用户的连续学习时间，并根据所述连续学习时间，来调整待寻优光色参数的评分值，

所述步骤S5还包括：

根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据连续学习时间长度t和色温值K，对所述评分值进行调整：

f′＝f·η，

其中，t的单位为分钟，K为待评分的光的色温，K_S为设定的中间色温值，η为调整系数，f和f′分别为调整前后的评分值。

8.根据权利要求1所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，还包括以下步骤：

在用户接口单元中设置至少一个床位操作终端以及与每个床位置相对应的光电传感器，在床位操作终端中设置入睡按键、时旋钮、分旋钮和模式键；用所述时旋钮、分旋钮和模式键来进行起床时间设置，用所述光电传感器用来检测床帘是否拉上；

在线控制时，当检测到一个用户的入睡按键被按下或床帘拉上时，对所述用户的作息模式设定为入睡，并且当公共宿舍内所有用户都不处于学习模式时，将各向对称吸顶灯和所有工作台灯熄灭，

在控制单元的存储器中对每个用户还设置有一个起床模式光色评分表，当某用户起床时间到时，基于所建立的其起床模式光色评分表、以及其他入睡用户的光色评分表中的入睡模式子表，分别对待寻优光色参数进行评分，并且在计算总评分值时将起床用户对应的权值设定得比入睡用户对应的权值高。

9.根据权利要求4所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，所述人工神经网络采用BP神经网络，所述BP神经网络模型为：

隐含层第j个节点输出为

输出层节点输出为

其中，f()函数取为sigmoid函数，w_ij和v_j分别为输入层到隐含层的连接权值和隐含层到输出层的连接权值，a_j和b分别为隐含层和输出层阈值，k为隐含层节点数。

10.根据权利要3所述的基于各向对称吸顶灯的公共宿舍混合照明方法，其特征在于，所述插值处理过程为：

先找到光色空间中P(L₀，K₀)周围的四个点：A(L₁，K₁)，B(L₂，K₁)，C(L₁，K₂)及D(L₂，K₂)，其中L₁≤L₀≤L₂，K₁≤K₀≤K₂，

双通道电流值(i₀₁，i₀₂)用距离做加权值进行插值，

其中，d₁代表P到四个点距离中的最短距离，d₂为第二短的点，依次类推，d_T为四个距离之和；i₁₁和i₂₁分别为距离最短点的双通道的电流值；与待查找的P点最近的四个点依据距离长短不同被分别加上不同权重，距离最短权重最重。

Images