CN114444669A - 一种智能照明调节方法、系统及计算机储存介质 - Google Patents
一种智能照明调节方法、系统及计算机储存介质 Download PDFInfo
- Publication number
- CN114444669A CN114444669A CN202210204175.9A CN202210204175A CN114444669A CN 114444669 A CN114444669 A CN 114444669A CN 202210204175 A CN202210204175 A CN 202210204175A CN 114444669 A CN114444669 A CN 114444669A
- Authority
- CN
- China
- Prior art keywords
- target area
- illumination
- natural light
- parameters
- analysis model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000013528 artificial neural network Methods 0.000 claims abstract description 31
- 230000001276 controlling effect Effects 0.000 claims abstract description 17
- 230000001105 regulatory effect Effects 0.000 claims abstract description 10
- 238000009877 rendering Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 241000254032 Acrididae Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及一种智能照明调节方法、系统及计算机储存介质,其中方法包括:获取目标区域的自然光参数;基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数;根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种智能照明调节方法、系统及计算机储存介质。
背景技术
在室内设计领域,尤其是室内灯光的设计领域,一个自动的灯光光强颜色设计方法有着十分重要的意义。灯光照明是室内设计中不可缺少的元素,它负责照亮整个室内环境,给人们提供一个舒适的生活和工作环境。与此同时,灯光往往是设计师表达设计想法的重要元素,它能够强调重点的区域,为整个室内设计提供氛围感。
特别是针对机场航站、车站等大型空间内,由于传统的灯源排布方式大都通过传统人工手动控制,未充分考虑到利用自然光,室内结构空间大、高度高等问题。同时,在不太理想的室内采光环境下,不合理的光环境会干扰旅客登机的方向辨别性,降低旅客的舒适感。此外还有局部照度不足、照明区域不合理、色温及出光、副光斑、能耗浪费等问题。
发明内容
基于此,有必要针对现有的上述大型空间内的光照不均匀、能耗浪费等问题,提供一种智能照明调节方法、系统及计算机储存介质。
一种智能照明调节方法,包括:
获取目标区域的自然光参数;
基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数;
根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。
在其中一个优选实施方式中,所述获取目标区域的自然光参数,包括:
通过光照度传感器实时获取目标区域的自然光参数,所述自然光参数包括周期内自然光的光照强度的变化。
在其中一个优选实施方式中,所述基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数,包括:
构建目标区域的建筑模型;
根据目标区域的自然光参数,基于神经网络对不同时刻的自然光参数进行分析,构建目标区域的光照度分析模型;
基于所述光照度分析模型,在所述建筑模型对应目标区域位置模拟不同时刻的自然光渲染模型。
在其中一个优选实施方式中,所述周期内自然光的光照强度的变化,所述周期包括一天、一季度或一年。
在其中一个优选实施方式中,所述方法还包括:
获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
本发明上述实施方式公开的智能照明调节方法,能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
一种智能照明调节系统,包括:
自然光获取模块,用于获取目标区域的自然光参数;
光照度分析模型构建模块,用于基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数;
光源调控模块,用于根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。
在其中一个优选实施方式中,所述自然光获取模块包括:
光照度传感器,所述光照度传感器用于实时获取目标区域的自然光参数,所述自然光参数包括周期内自然光的光照强度的变化。
在其中一个优选实施方式中,所述光照度分析模型构建模块包括:
建筑模型构建单元,用于构建目标区域的建筑模型;
光照度分析单元,用于根据目标区域的自然光参数,基于神经网络对不同时刻的自然光参数进行分析,构建目标区域的所述光照度分析模型;
自然光渲染单元,用于基于所述光照度分析模型,在所述建筑模型对应目标区域位置模拟不同时刻的自然光渲染模型。
在其中一个优选实施方式中,所述系统还包括:
经纬度获取模块,用于获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
本发明上述实施方式公开的智能照明调节系统能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
一种计算机储存介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如以上所述的任一项所述的方法。
本发明上述实施方式公开的计算机储存介质智能照明调节系统能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
附图说明
图1为本发明第一优选实施方式中的一种智能照明调节方法的流程图;
图2为本发明第一优选实施方式中的一种智能照明调节方法的步骤S20的细分步骤流程图;
图3位本发明第二优选实施方式中的一种智能照明调节系统的模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的是,当元件被称为“设置于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
结合图1所示,本发明第一优选实施方式公开了一种智能照明调节方法,该方法主要包括:
S10:获取目标区域的自然光参数。
具体地,本步骤中,通过光照度传感器实时获取目标区域的自然光参数,所述自然光参数包括周期内自然光的光照强度的变化。
上述可以通过设置在特定区域的照度传感器分析和感知现场环境,收集自然光照度变化的数据,按照相关规范存储与平台服务器端,更详细地说,本实施方式中可以通过图像获取设备获取目标区域对应的图像,根据特征提取的方式得到图像中的光亮度,进而得到目标区域的自然光的光照数据。
本步骤中,可以通过实时获取的方式,采集目标区域的自然光参数,以得到一定周期内的目标区域内的光照强度的变化,该一定周期可以为一天、一季度或一年。以周期为一年为例,通过目标建筑的目标区域全年位置的日照时间的分析,基于不同空间自然采光变化为下述步骤中的本地光源的调控分析提供基础数据支撑。
S20:基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
本步骤中,上述所基于的神经网络可以为基于ResNet-34的卷积神经网络,也可以采用由VGG、GAN以及特征调制等的卷积神经网络,也可以通过ResNet-34的卷积神经网络及上述VGG、GAN以及特征调制等的卷积神经网络一起进行联合训练得到光照度分析模型。
上述,在三维可视化场景中模拟不同实验方案和结果,运用Revit、Rhino、Grasshopper等多种工具辅助,并结合BIM特性进行模拟计算。本实施方式中利用Revit、Rhino、Grasshopper等多种工具辅助,并结合BIM特性进行模拟计算。
更详细地,结合图2所示,本实施方式中,上述步骤S20详细包括以下细分步骤:
S21:构建目标区域的建筑模型;
本细分步骤中,构建目标区域对应的BIM,上述BIM(Building InformationModeling,建筑信息模型)主要是通过建立虚拟的建筑工程三维模型,利用数字化技术提供完整的、与实际情况基本一致的建筑工程信息库。例如,上述目标区域对应的建筑物若为机场航站楼,那么上述建筑模型为机场航站的建筑模型;同样地,上述目标区域对应的建筑物为火车站时,那么上述建筑模型为火车站的建筑模型。
S22:根据目标区域的自然光参数,基于神经网络对不同时刻的自然光参数进行分析,构建目标区域的光照度分析模型;
本细分步骤中,本实施方式通过对航站楼全年位置的日照时间的分析,基于不同空间自然采光变化提出精细化控制算法,通过自适应加权实现自然光参数的融合处理,基于神经网格构建光照度分析模型。
S23:基于所述光照度分析模型,在所述建筑模型对应目标区域位置模拟不同时刻的自然光渲染模型。
本细分步骤中,本实施方式中由上述光照度分析模型,得到目标区域自然光的参数,接着在上述构建的建筑模型内对应目标区域的位置,模拟不同时刻的自然光渲染模型。这样能够通过上述自然光渲染模型较为直观的观察到目标区域的自然光的光照度。
S30:根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。
本步骤中,根据上述基于神经网络算法,对自然光的光照强度进行处理,提供照明控制优化策略,并根据航站楼实际环境所需本地光源光照参数,控制开启/关闭所有需要的照明灯具,完成智能调节。
具体地,根据一定周期内的自然光照度数据进行分析,接收本地光照度和中心光照度,实时采集分析;神经网络变换光照强度参数的调控部件部分,调控模型部分按照光照调节量,并将其传递到神经网络光照强度控制部分,
更详细地说,根据预设的亮度与距离之间的第一对应关系,确定与所述预测距离对应的目标亮度;根据所述目标亮度,调整所述本地光源的驱动电流,使得所述本地光源以所述目标亮度发光。例如,在预测距离较大时,将本地光源的亮度调整为较高,以便保证远距离时的目标识别精度;在预测距离较小时,将本地光源的亮度调整为较低,以便在满足近距离的目标识别精度前提下,降低本地光源的功耗。
本实施方式中上述方法还包括下述步骤:
S40:获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
本步骤中,根据目标区域所在位置的经纬度,确定当前节气的自然光线的日照高度,进而确定上述目标区域的自然光的光照角度,进而可以确定当前自然光的光照强度。
本实施方式中,上述方法提出精细化控制算法,通过自适应加权实现监测数据的融合处理,建立应用神经网格建立照明控制模型,并对光照参数进行调控,确保光照快速精确调整到目标区域。
本发明上述实施方式公开的智能照明调节方法,能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
结合图3所示,本发明第一优选实施方式公开了一种智能照明调节系统100,该系统100主要包括自然光获取模块110、光照度分析模型构建模块120及光源调控模块130。
上述自然光获取模块110用于获取目标区域的自然光参数;
具体地,上述自然光获取模块110通过光照度传感器实时获取目标区域的自然光参数,所述自然光参数包括周期内自然光的光照强度的变化。
上述自然光获取模块110可以通过设置在特定区域的照度传感器分析和感知现场环境,收集自然光照度变化的数据,按照相关规范存储与平台服务器端,更详细地说,本实施方式中自然光获取模块110可以通过图像获取设备获取目标区域对应的图像,根据图像中的光亮度得到目标区域的自然光的光照数据。
自然光获取模块110可以通过实时获取的方式,采集目标区域的自然光参数,以得到一定周期内的目标区域内的光照强度的变化,该一定周期可以为一天、一季度或一年。以周期为一年为例,通过目标建筑的目标区域全年位置的日照时间的分析,基于不同空间自然采光变化为下述步骤中的本地光源的调控分析提供基础数据支撑。
上述光照度分析模型构建模块120用于基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数;
上述光照度分析模型构建模块120所基于的神经网络可以为基于ResNet-34的卷积神经网络,也可以采用由VGG、GAN以及特征调制等的卷积神经网络,也可以通过ResNet-34的卷积神经网络及上述VGG、GAN以及特征调制等的卷积神经网络一起进行联合训练得到光照度分析模型。
上述,在三维可视化场景中模拟不同实验方案和结果,运用Revit、Rhino、Grasshopper等多种工具辅助,并结合BIM特性进行模拟计算。本实施方式中利用Revit、Rhino、Grasshopper等多种工具辅助,并结合BIM特性进行模拟计算。
具体地,所述光照度分析模型构建模块120包括建筑模型构建单元121、光照度分析单元122及自然光渲染单元123。
上述建筑模型构建单元121用于构建目标区域的建筑模型;
具体地,上述建筑模型构建单元121构建目标区域对应的BIM,上述BIM(BuildingInformation Modeling,建筑信息模型)主要是通过建立虚拟的建筑工程三维模型,利用数字化技术提供完整的、与实际情况基本一致的建筑工程信息库。例如,上述目标区域对应的建筑物若为机场航站楼,那么上述建筑模型为机场航站的建筑模型;同样地,上述目标区域对应的建筑物为火车站时,那么上述建筑模型为火车站的建筑模型。
上述光照度分析单元122用于根据目标区域的自然光参数,基于神经网络对不同时刻的自然光参数进行分析,构建目标区域的所述光照度分析模型;
具体地,上述光照度分析单元122通过对航站楼全年位置的日照时间的分析,基于不同空间自然采光变化提出精细化控制算法,通过自适应加权实现自然光参数的融合处理,基于神经网格构建光照度分析模型。
上述自然光渲染单元123用于基于所述光照度分析模型,在所述建筑模型对应目标区域位置模拟不同时刻的自然光渲染模型。
上述自然光渲染单元123由上述光照度分析模型,得到目标区域自然光的参数,接着在上述构建的建筑模型内对应目标区域的位置,模拟不同时刻的自然光渲染模型。这样能够通过上述自然光渲染模型较为直观的观察到目标区域的自然光的光照度。
上述光源调控模块130用于根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。
上述光源调控模块130根据上述基于神经网络算法,对自然光的光照强度进行处理,提供照明控制优化策略,并根据航站楼实际环境需要照度,自动能开启/关闭所有需要的照明灯具,完成智能调节。
具体地,根据一定周期内的自然光照度数据进行分析,接收本地光照度和中心光照度,实时采集分析;神经网络变换光照强度参数的调控部件部分,调控模型部分按照光照调节量,并将其传递到神经网络光照强度控制部分,
更详细地说,根据预设的亮度与距离之间的第一对应关系,确定与所述预测距离对应的目标亮度;根据所述目标亮度,调整所述本地光源的驱动电流,使得所述本地光源以所述目标亮度发光。例如,在预测距离较大时,将本地光源的亮度调整为较高,以便保证远距离时的目标识别精度;在预测距离较小时,将本地光源的亮度调整为较低,以便在满足近距离的目标识别精度前提下,降低本地光源的功耗。
本实施方式中,上述系统还包括经纬度获取模块,用经纬度获取模块于获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
经纬度获取模块140根据目标区域所在位置的经纬度,确定当前节气的自然光线的日照高度,进而确定上述目标区域的自然光的光照角度,进而可以确定当前自然光的光照强度。
本实施方式中,上述方法提出精细化控制算法,通过自适应加权实现监测数据的融合处理,建立应用神经网格建立照明控制模型,并对光照参数进行调控,确保光照快速精确调整到目标区域。
本发明上述实施方式公开的智能照明调节系统,能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
在其中一个优选实施方式中,所述系统还包括:
经纬度获取单元,用于获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
本发明上述实施方式公开的智能照明调节系统100能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
本发明另一优选实施方式中,还公开了一种计算机储存介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如以上所述的任一项所述的方法。
本发明上述实施方式公开的计算机储存介质智能照明调节系统能够根据收集机场航站、车站等大型空间的自然光照度变化数据,并基于神经网络对空间内的人工照明的强度进行调节,实现自然光照与人工光照的总光照强度维持在一个稳定且满足需求的光照强度之上,达到智能控制灯光和节省电力资源的目的。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
以上上述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上上述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准
以上上述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种智能照明调节方法,其特征在于,包括:
获取目标区域的自然光参数;
基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数;
根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。
2.根据权利要求1所述的智能照明调节方法,其特征在于,所述获取目标区域的自然光参数,包括:
通过光照度传感器实时获取目标区域的自然光参数,所述自然光参数包括周期内自然光的光照强度的变化。
3.根据权利要求2所述的智能照明调节方法,其特征在于,所述基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数,包括:
构建目标区域的建筑模型;
根据目标区域的自然光参数,基于神经网络对不同时刻的自然光参数进行分析,构建目标区域的光照度分析模型;
基于所述光照度分析模型,在所述建筑模型对应目标区域位置模拟不同时刻的自然光渲染模型。
4.根据权利要求2所述的智能照明调节方法,其特征在于,所述周期内自然光的光照强度的变化,所述周期包括一天、一季度或一年。
5.根据权利要求1所述的智能照明调节方法,其特征在于,所述方法还包括:
获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
6.一种智能照明调节系统,其特征在于,包括:
自然光获取模块,用于获取目标区域的自然光参数;
光照度分析模型构建模块,用于基于神经网络构建目标区域的光照度分析模型,所述光照度分析模型用于根据输入的自然光参数对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数;
光源调控模块,用于根据所述光照度分析模型得到的本地光源光照参数,调控目标区域的本地光源,以使所述目标区域的光照度达到目标阈值。
7.根据权利要求6所述的智能照明调节方法,其特征在于,所述自然光获取模块包括:
光照度传感器,所述光照度传感器用于实时获取目标区域的自然光参数,所述自然光参数包括周期内自然光的光照强度的变化。
8.根据权利要求7所述的智能照明调节方法,其特征在于,所述光照度分析模型构建模块包括:
建筑模型构建单元,用于构建目标区域的建筑模型;
光照度分析单元,用于根据目标区域的自然光参数,基于神经网络对不同时刻的自然光参数进行分析,构建目标区域的所述光照度分析模型;
自然光渲染单元,用于基于所述光照度分析模型,在所述建筑模型对应目标区域位置模拟不同时刻的自然光渲染模型。
9.根据权利要求6所述的智能照明调节方法,其特征在于,所述系统还包括:
经纬度获取模块,用于获取目标区域的经纬度,所述光照度分析模型根据输入的自然光参数及目标区域的经纬度对目标区域的光照度分析,以得到目标区域所需的本地光源光照参数。
10.一种计算机储存介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210204175.9A CN114444669A (zh) | 2022-03-03 | 2022-03-03 | 一种智能照明调节方法、系统及计算机储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210204175.9A CN114444669A (zh) | 2022-03-03 | 2022-03-03 | 一种智能照明调节方法、系统及计算机储存介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444669A true CN114444669A (zh) | 2022-05-06 |
Family
ID=81358769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210204175.9A Pending CN114444669A (zh) | 2022-03-03 | 2022-03-03 | 一种智能照明调节方法、系统及计算机储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444669A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116761306A (zh) * | 2023-08-14 | 2023-09-15 | 华能山东发电有限公司烟台发电厂 | 一种两用照明装置的照明优化方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334387A (zh) * | 2019-05-09 | 2019-10-15 | 重庆大学 | 一种基于bp神经网络算法的室内光照预估方法 |
CN112616216A (zh) * | 2020-12-30 | 2021-04-06 | 深圳卡乐星球数字娱乐有限公司 | 一种灯光控制方法、灯光照明系统、终端设备 |
CN112784351A (zh) * | 2021-03-22 | 2021-05-11 | 南京林业大学 | 一种基于bim的建筑光环境分析方法 |
CN113341792A (zh) * | 2021-05-18 | 2021-09-03 | 华仁建设集团有限公司 | 一种基于bim的建筑数据采集方法及系统 |
CN113408206A (zh) * | 2021-06-23 | 2021-09-17 | 陕西科技大学 | 一种室内天然光照度建模方法 |
CN113423163A (zh) * | 2021-05-27 | 2021-09-21 | 天津大学 | 一种教室智能照明控制方法、系统、设备及储存介质 |
-
2022
- 2022-03-03 CN CN202210204175.9A patent/CN114444669A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334387A (zh) * | 2019-05-09 | 2019-10-15 | 重庆大学 | 一种基于bp神经网络算法的室内光照预估方法 |
CN112616216A (zh) * | 2020-12-30 | 2021-04-06 | 深圳卡乐星球数字娱乐有限公司 | 一种灯光控制方法、灯光照明系统、终端设备 |
CN112784351A (zh) * | 2021-03-22 | 2021-05-11 | 南京林业大学 | 一种基于bim的建筑光环境分析方法 |
CN113341792A (zh) * | 2021-05-18 | 2021-09-03 | 华仁建设集团有限公司 | 一种基于bim的建筑数据采集方法及系统 |
CN113423163A (zh) * | 2021-05-27 | 2021-09-21 | 天津大学 | 一种教室智能照明控制方法、系统、设备及储存介质 |
CN113408206A (zh) * | 2021-06-23 | 2021-09-17 | 陕西科技大学 | 一种室内天然光照度建模方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116761306A (zh) * | 2023-08-14 | 2023-09-15 | 华能山东发电有限公司烟台发电厂 | 一种两用照明装置的照明优化方法及系统 |
CN116761306B (zh) * | 2023-08-14 | 2023-11-07 | 华能山东发电有限公司烟台发电厂 | 一种两用照明装置的照明优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wagiman et al. | Lighting system control techniques in commercial buildings: Current trends and future directions | |
CN108093030B (zh) | 一种基于云服务器的人工智能模型部署方法 | |
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
TWI672665B (zh) | 綠建築效能模擬分析系統及其最適化決策方法 | |
WO2022073307A1 (zh) | 空调的预启动时间控制方法、装置、设备及非易失性存储介质 | |
CN116634622B (zh) | 一种基于物联网的led智能控制方法、系统及介质 | |
CN110705684A (zh) | 基于端云协同的环境自适应学习方法及系统 | |
CN110322544A (zh) | 一种可视化三维扫描建模方法、系统、设备及存储介质 | |
CN112867210B (zh) | 个体识别照明控制方法、装置及照明控制系统 | |
CN114444669A (zh) | 一种智能照明调节方法、系统及计算机储存介质 | |
CN104699476A (zh) | 仿真方法、装置及系统 | |
CN113423163A (zh) | 一种教室智能照明控制方法、系统、设备及储存介质 | |
Wang et al. | Green building design based on 5G network and Internet of Things system | |
CN110597079B (zh) | 分布式智能家居设备的调节方法及装置 | |
CN114298973A (zh) | 一种基于红外图像分割的智能供热监测方法 | |
CN105807671B (zh) | 照明终端数据共享的传感器网络管理系统及管理方法 | |
CN114449715A (zh) | 一种基于路灯照明的低功耗控制方法和系统 | |
CN114488837A (zh) | 智能家居设备的控制方法、装置、存储介质及设备 | |
CN114390762A (zh) | 一种基于边缘计算的自适应调光系统及其工作方法 | |
CN115915530A (zh) | 基于模型预测的室内调光方法、系统、终端及介质 | |
CN113052970B (zh) | 一种灯光光强颜色的设计方法、装置、系统及存储介质 | |
Jia et al. | Design and Optimization of Landscape Lighting in Urban Parks using Internet of Things Technology | |
CN220875427U (zh) | 一种基于IoT的智能灌溉监控装置 | |
CN117896671B (zh) | 一种蓝牙aoa基站智能管理方法及系统 | |
Intarungsee et al. | Intelligent Internet of Things using artificial neural networks and Kalman filters for energy management systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220506 |
|
RJ01 | Rejection of invention patent application after publication |