CN117500127A - 基于无线通信的灯光控制方法及系统 - Google Patents
基于无线通信的灯光控制方法及系统 Download PDFInfo
- Publication number
- CN117500127A CN117500127A CN202410006910.4A CN202410006910A CN117500127A CN 117500127 A CN117500127 A CN 117500127A CN 202410006910 A CN202410006910 A CN 202410006910A CN 117500127 A CN117500127 A CN 117500127A
- Authority
- CN
- China
- Prior art keywords
- lighting
- control
- wireless communication
- illumination
- data
- 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.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 289
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005286 illumination Methods 0.000 claims abstract description 242
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 238000011217 control strategy Methods 0.000 claims abstract description 36
- 230000002195 synergetic effect Effects 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims description 54
- 238000005265 energy consumption Methods 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000002699 waste material Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本申请涉及灯光控制技术领域,公开了一种基于无线通信的灯光控制方法及系统。所述方法包括:创建目标灯光通信控制策略并生成灯光控制需求数据,创建照明控制约束条件集合;进行控制关联特征分析,得到多个控制关联特征;进行照明区域图像特征分析,生成多个第一照明区域图像特征;生成第一照明设备控制参数组合并进行无线通信照明调节;进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;基于照明设备协同影响补偿数据集对第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合,进而提高了无线通信的灯光控制准确率。
Description
技术领域
本申请涉及灯光控制技术领域,尤其涉及一种基于无线通信的灯光控制方法及系统。
背景技术
随着现代城市化和智能化的快速发展,灯光控制系统在提供舒适照明环境的同时,也变得越来越重要。传统的照明系统往往面临能源浪费、照明质量不稳定和难以实现个性化控制等问题。因此,研究者们逐渐将注意力转向了基于无线通信的灯光控制方法,这一领域融合了无线通信技术、数据分析和智能控制算法,旨在提高能源效率、提供更高质量的照明体验以及满足不同场景的需求。
然而,现有技术面临一些挑战和问题。如何有效获取照明设备的分布信息和实时照明需求数据是一个关键问题,这需要高效的数据采集和传输系统。其次,照明系统的控制算法需要在多个设备之间协同工作,因此需要有效的通信协议和控制策略。此外,如何在不同时间和环境条件下动态调整照明参数,以实现最佳能效和照明质量,也是一个具有挑战性的问题。因此,研究基于无线通信的灯光控制方法不仅需要解决技术问题,还需要考虑实际应用场景和用户需求,以实现真正智能化和可持续的照明系统。
发明内容
本申请提供了一种基于无线通信的灯光控制方法及系统,进而提高了无线通信的灯光控制准确率。
本申请第一方面提供了一种基于无线通信的灯光控制方法,所述基于无线通信的灯光控制方法包括:
获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据所述照明设备分布信息创建对应的目标灯光通信控制策略;
通过所述目标灯光通信控制系统生成灯光控制需求数据,并根据所述灯光控制需求数据和所述目标灯光通信控制策略创建照明控制约束条件集合;
通过所述照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对所述无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征;
通过所述多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对所述第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征;
根据所述多个控制关联特征和所述多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节;
获取每个无线通信照明设备对应的第二照明区域图像数据,并根据所述第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;
基于所述照明设备协同影响补偿数据集对所述第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合。
本申请第二方面提供了一种基于无线通信的灯光控制系统,所述基于无线通信的灯光控制系统包括:
获取模块,用于获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据所述照明设备分布信息创建对应的目标灯光通信控制策略;
创建模块,用于通过所述目标灯光通信控制系统生成灯光控制需求数据,并根据所述灯光控制需求数据和所述目标灯光通信控制策略创建照明控制约束条件集合;
关联模块,用于通过所述照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对所述无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征;
分析模块,用于通过所述多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对所述第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征;
调节模块,用于根据所述多个控制关联特征和所述多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节;
补偿模块,用于获取每个无线通信照明设备对应的第二照明区域图像数据,并根据所述第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;
优化模块,用于基于所述照明设备协同影响补偿数据集对所述第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合。
本申请提供的技术方案中,通过获取照明设备分布信息和实时照明需求数据,该方法能够实现智能化照明控制。这使得系统能够根据不同场景的需求自动调整照明参数,提供更加舒适和节能的照明环境。通过分析照明控制约束条件和控制关联特征,系统能够实时调整照明设备的亮度和色温,以最大程度地提高能源效率。这有助于降低电能消耗和减少能源浪费。根据用户需求和场景特点,实现个性化照明体验。不同用户或不同区域可以享受到适合其需求的照明设置,提高了舒适度和用户满意度。通过采集照明设备的控制关联数据和第一照明区域图像数据,系统能够实时监测照明环境,并提供反馈。这有助于及时发现问题并进行调整,确保照明系统的稳定性和可靠性。通过照明设备协同影响补偿数据集,系统可以更好地协同多个设备之间的照明效果,避免光线交叉和冲突,提供均衡和一致的照明效果,进而提高了无线通信的灯光控制准确率。
附图说明
图1为本申请实施例中基于无线通信的灯光控制方法的一个实施例示意图;
图2为本申请实施例中基于无线通信的灯光控制系统的一个实施例示意图。
具体实施方式
本申请实施例提供了一种基于无线通信的灯光控制方法及系统,进而提高了无线通信的灯光控制准确率。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本申请实施例的具体流程进行描述,请参阅图1,本申请实施例中基于无线通信的灯光控制方法的一个实施例包括:
步骤101、获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据照明设备分布信息创建对应的目标灯光通信控制策略;
可以理解的是,本申请的执行主体可以为基于无线通信的灯光控制系统,还可以是终端或者服务器,具体此处不做限定。本申请实施例以服务器为执行主体为例进行说明。
具体的,获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,包括它们的位置、类型、分布等。接着,根据所获得的照明设备分布信息,确定目标灯光通信控制系统的第一照明设备灯光通信中心以及多个第二照明设备灯光通信中心。这些中心的确定有助于建立整个照明系统的结构框架。随后,基于这些信息,建立两个中心之间照明设备分布拓扑图。这张图用于可视化照明设备之间的位置和关系。通过聚类计算,得到聚类分布特征,从而可以将照明设备分成不同的类别。同时,计算每个照明设备灯光通信中心的拓扑关系指标。这些指标有助于理解照明设备之间的相互关系,包括它们之间的距离、通信延迟等等。基于聚类分布特征和拓扑关系指标进行关联控制分析。得到不同照明设备之间的关系,包括它们如何相互影响和如何协同工作。这种关联性分析是实现智能照明控制的关键,因为它使系统能够根据一个设备的状态来调整其他相关设备的行为,以实现更高效的照明。基于关联控制关系,创建无线通信控制环境。这个环境的目标是通过智能化的方式控制第一照明设备灯光通信中心和多个第二照明设备灯光通信中心之间的通信,以实现灯光控制策略的目标。这一步骤涉及无线通信的优化和协同工作,以确保整个系统在不同情况下都能够有效运行。
步骤102、通过目标灯光通信控制系统生成灯光控制需求数据,并根据灯光控制需求数据和目标灯光通信控制策略创建照明控制约束条件集合;
具体的,通过目标灯光通信控制系统获取目标照明场景数据,收集有关照明需求的信息,包括用户需求、环境特征以及其他相关数据。接着,监测目标照明场景数据对应的照明环境因素数据以及照明目标因素数据。这包括了感知照明环境的传感器数据、用户输入以及其他相关信息。这些数据的监测和分析有助于系统理解当前照明环境的状态以及用户的实时需求。之后,进行照明需求预测。通过分析照明环境因素数据和照明目标因素数据,预测未来的照明需求。这包括根据时间、光线强度、用户活动等因素来预测照明需求的变化。根据照明控制需求数据,确定目标照明场景数据的照明优先级约束条件。识别哪些方面的照明需求是最重要的,并为其分配相应的优先级。同时,根据照明控制需求数据生成照明目标跟踪约束条件。这个约束条件确保了照明系统能够根据实际需求进行动态调整,以跟踪变化的照明目标,如用户的移动或环境因素的变化。基于照明优先级约束条件和照明目标跟踪约束条件,生成目标灯光通信控制系统的照明控制约束条件集合。这个集合包括了所有必要的约束条件,以确保灯光控制系统能够根据优先级和目标实时调整照明,以满足用户需求并提供最佳的照明体验。
步骤103、通过照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征;
需要说明的是,根据照明控制约束条件集合,生成目标灯光通信控制系统对应的照明控制无线通信指令集合。这些指令集合包括了照明设备需要执行的具体操作,如调整亮度、色温等。接着,将这些照明控制无线通信指令集合发送至多个无线通信照明设备,以进行无线灯光通信控制。每个设备都执行相应的指令以调整自身的照明参数。同时,通过设备中的多维传感器组,采集对应的无线灯光通信控制关联数据。这些数据反映了每个设备的操作响应和状态。随后,对采集到的无线灯光通信控制关联数据进行参数解析。包括提取照明亮度数据、照明色温数据以及照明设备能耗数据。这些数据是了解照明效果和设备性能的关键信息。对照明亮度数据进行箱线图转换,以得到亮度箱线图。这允许系统更好地了解亮度分布的统计特征。同时,对照明色温数据进行谱图分析,以得到色温谱图。这有助于了解颜色温度的变化情况。另外,对照明设备能耗数据进行曲线拟合,以得到能耗曲线,这有助于跟踪设备的能源消耗趋势。之后,对亮度箱线图进行平均值计算,得到平均亮度。同时,对色温谱图进行变化频率分析,得到颜色变化频率。对能耗曲线进行趋势分析,得到能耗趋势。这些分析结果是关于照明效果、色彩稳定性和能源消耗的关键指标。对平均亮度、颜色变化频率以及能耗趋势进行控制关联特征解析将分析结果结合起来,生成每个无线通信照明设备对应的多个控制关联特征。这些特征反映了设备在不同控制条件下的表现和响应特点。
步骤104、通过多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征;
具体的,通过多个无线通信照明设备中的图像采集终端进行照明区域图像采集。从不同角度和位置捕捉照明区域的第一照明区域图像数据。每个设备都负责采集其周围环境的图像数据,这些数据包括光线强度、颜色、分布等信息。接着,对每个照明设备采集到的第一照明区域图像数据进行特征提取和特征转换,从原始图像数据中提取出有意义的特征,例如亮度、颜色、纹理等。这些特征被组合成初始图像特征数据集。随后,对初始图像特征数据集进行特征分类。将不同类型的特征进行分类和组织,以便进一步分析和处理。例如,亮度特征和颜色特征可以分别分类。将初始分类特征集合输入特征整合模型。这个模型的作用是将不同类型的特征映射到预置的特征空间进行空间特征分析。在特征空间中,各种特征可以相互关联,形成更高层次的特征表示。这有助于提取更丰富和有用的信息。在特征空间中,进行特征距离运算,计算不同特征之间的距离,得到多个目标特征距离。这些距离可以用来描述图像之间的相似性或差异性。系统对这些距离进行标准化处理,以确保它们在一定范围内。接着,根据标准特征距离,进行特征中心移动分析,根据距离信息确定图像中的关键特征点,这些特征点可以代表图像的重要特性或结构。这有助于理解图像内容。对初始分类特征集合和目标特征点进行照明区域图像特征整合分析,综合各种特征信息,以生成多个第一照明区域图像特征。这些特征可以包括亮度、颜色、纹理、结构等多个方面的信息,反映了照明区域的特征和特性。
步骤105、根据多个控制关联特征和多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过多个无线通信照明设备根据第一照明设备控制参数组合进行无线通信照明调节;
具体的,分别构建每个设备对应的控制策略网络,这个网络由算法和模型组成,用于处理控制关联特征和第一照明区域图像特征的信息。接着,对多个控制关联特征和多个第一照明区域图像特征进行特征融合。将不同来源的特征信息整合到一起,以获得更全面的目标照明融合特征。这个融合过程可以包括特征加权、特征组合等操作,以综合利用所有可用信息。随后,将目标照明融合特征输入到控制策略网络中进行网络参数分析。这个分析过程包括了对网络结构和参数的调整,以更好地适应当前的照明需求和环境条件。这使得控制策略网络能够动态地适应不同情况,提高了控制的灵活性和精确性。通过更新后的控制策略网络进行照明控制参数计算。这一计算过程利用网络中学到的参数和特征信息,生成每个无线通信照明设备的第一照明设备控制参数组合。这些参数包括了亮度、色温、颜色等,用于调整设备的照明状态。通过多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节。每个设备根据计算得到的参数组合来调整其照明效果,以实现个性化的灯光控制。这些设备可以相互协调工作,根据环境和用户需求实时调整照明,提供最佳的照明体验。
步骤106、获取每个无线通信照明设备对应的第二照明区域图像数据,并根据第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;
具体的,获取每个无线通信照明设备对应的第二照明区域图像数据。这些数据反映了当前照明环境的实际情况,包括光线强度、颜色分布等。接着,对所获取的第二照明区域图像数据进行照明区域图像特征提取。通过图像处理技术,提取出多个第二照明区域图像特征,如亮度、颜色分布、光源位置等。这些特征有助于系统更好地理解照明环境。进一步,对多个第二照明区域图像特征进行编码处理,生成目标图像特征编码向量。编码向量是对多个特征的综合表示,可以用于后续的分析和建模。将目标图像特征编码向量输入预置的控制参数补偿分析模型。这个模型通常包括双向GRU(门控循环单元)网络、单向GRU网络以及全连接层。这些神经网络用于处理和分析图像特征。通过双向GRU网络,系统对目标图像特征编码向量进行特征运算,得到编码特征向量。这一步骤有助于提取和汇总特征信息,使其更有代表性。将编码特征向量输入单向GRU网络进行解码运算,得到目标解码序列。解码序列是对编码特征的还原和重建,用于帮助系统更好地理解图像特征的含义和重要性。调用预置的控制参数补偿表,并通过全连接层对目标解码序列进行参数补偿映射。将解码序列映射为实际的控制参数,用于动态调整照明设备的参数。
步骤107、基于照明设备协同影响补偿数据集对第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合。
具体的,定义一个优化目标函数,该函数衡量了不同控制参数组合对于整个照明系统性能的影响。这个目标函数可以包括用户体验、能源效率、照明质量等方面的指标。使用照明设备协同影响补偿数据集来评估不同控制参数组合的效果。这可以通过模拟或实验来完成,根据照明环境和用户需求的变化情况,应用不同的控制参数组合,然后根据照明设备协同影响补偿数据集来评估性能。这一过程需要考虑不同设备之间的协同效应,以及如何在整个系统中优化照明效果。优化算法会在不同参数组合之间搜索,以找到最优的控制参数组合,使得目标函数值最小化或最大化,具体取决于具体问题的设定。这个过程可以涉及梯度下降、遗传算法、粒子群优化等数学和计算方法。一旦找到最优的控制参数组合,系统将其应用于每个无线通信照明设备,生成每个设备对应的第二照明设备控制参数组合。这些参数将反映了系统经过协同影响补偿优化后的最佳配置,以最大程度地满足用户需求和提高能源效率。
本申请实施例中,通过获取照明设备分布信息和实时照明需求数据,该方法能够实现智能化照明控制。这使得系统能够根据不同场景的需求自动调整照明参数,提供更加舒适和节能的照明环境。通过分析照明控制约束条件和控制关联特征,系统能够实时调整照明设备的亮度和色温,以最大程度地提高能源效率。这有助于降低电能消耗和减少能源浪费。根据用户需求和场景特点,实现个性化照明体验。不同用户或不同区域可以享受到适合其需求的照明设置,提高了舒适度和用户满意度。通过采集照明设备的控制关联数据和第一照明区域图像数据,系统能够实时监测照明环境,并提供反馈。这有助于及时发现问题并进行调整,确保照明系统的稳定性和可靠性。通过照明设备协同影响补偿数据集,系统可以更好地协同多个设备之间的照明效果,避免光线交叉和冲突,提供均衡和一致的照明效果,进而提高了无线通信的灯光控制准确率。
在一具体实施例中,执行步骤101的过程可以具体包括如下步骤:
(1)获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息;
(2)根据照明设备分布信息确定目标灯光通信控制系统的第一照明设备灯光通信中心以及多个第二照明设备灯光通信中心,并建立第一照明设备灯光通信中心以及多个第二照明设备灯光通信中心之间的照明设备分布拓扑图;
(3)对照明设备分布拓扑图进行聚类计算,得到聚类分布特征,并计算每个照明设备灯光通信中心的拓扑关系指标;
(4)根据聚类分布特征和拓扑关系指标,对照明设备分布拓扑图进行关联控制分析,得到关联控制关系;
(5)基于关联控制关系,对第一照明设备灯光通信中心和多个第二照明设备灯光通信中心进行无线通信控制环境创建,得到目标灯光通信控制策略。
具体的,通过一个集成的无线通信网络来获取各个照明设备的位置和状态信息。这可以通过在每个照明设备中安装无线通信模块实现,如使用Wi-Fi、蓝牙或ZigBee等技术。这些模块不仅可以报告照明设备的物理位置,还可以提供其运行状态,如亮度、颜色温度等。接着,根据照明设备的分布信息确定目标灯光通信控制系统的第一照明设备灯光通信中心及多个第二照明设备灯光通信中心。第一照明设备灯光通信中心作为主控中心,负责协调和管理整个照明网络,而第二照明设备灯光通信中心则负责管理一定区域内的照明设备。通过这种分级管理,可以有效地分配控制任务,提高系统的稳定性和可扩展性。建立第一照明设备灯光通信中心与多个第二照明设备灯光通信中心之间的照明设备分布拓扑图。这个拓扑图是一个虚拟的网络结构图,它反映了不同照明设备之间的物理和逻辑连接关系。通过这个拓扑图,系统可以更好地理解整个照明网络的结构,从而实现更高效的控制和管理。随后,为了进一步优化控制策略,对照明设备分布拓扑图进行聚类计算,得到聚类分布特征。通过算法将具有相似特征的照明设备归为一组,这有助于简化控制策略,因为具有相似特征的设备往往可以共享相同的控制参数。此外,系统还会计算每个照明设备灯光通信中心的拓扑关系指标,这有助于评估每个中心在整个网络中的作用和重要性。基于聚类分布特征和拓扑关系指标,对照明设备分布拓扑图进行关联控制分析,得到关联控制关系。这意味着系统可以识别出哪些照明设备之间的控制是相互关联的,从而在必要时可以同时或协调地调整它们的设置。基于这些关联控制关系,系统将为第一照明设备灯光通信中心和多个第二照明设备灯光通信中心创建无线通信控制环境,并最终得到目标灯光通信控制策略。
在一具体实施例中,执行步骤102的过程可以具体包括如下步骤:
(1)通过目标灯光通信控制系统获取目标照明场景数据,并监测目标照明场景数据对应的照明环境因素数据以及照明目标因素数据;
(2)对照明环境因素数据以及照明目标因素数据进行照明需求预测,得到灯光控制需求数据;
(3)根据灯光控制需求数据确定目标照明场景数据的照明优先级约束条件,同时,根据灯光控制需求数据生成照明目标跟踪约束条件;
(4)根据照明优先级约束条件和照明目标跟踪约束条件生成目标灯光通信控制系统的照明控制约束条件集合。
具体的,通过目标灯光通信控制系统获取目标照明场景的具体数据。这不仅涉及对物理照明设备的监测,还包括对与照明环境相关的各种因素数据的收集,如光照强度、房间使用情况、时间段等。同时,监测照明目标因素数据,这包括特定活动对照明需求的特定要求,例如会议室的演示需要较低的照明强度以突出屏幕的可视性。对照明环境因素数据及照明目标因素数据进行分析,以进行照明需求预测。通过使用各种数据处理和分析技术,如机器学习算法或统计模型,来预测在特定情况下的理想照明设置。接着,根据这些数据确定目标照明场景的照明优先级约束条件。在多个照明需求之间进行权衡时,某些场景(如安全相关或特定活动的重要区域)会被赋予更高的优先级。这种优先级设置确保了在资源有限的情况下,最重要的照明需求得到满足。同时,根据灯光控制需求数据生成照明目标跟踪约束条件。这些条件有助于系统跟踪并维护在特定时间段内特定场景的照明状态,确保持续满足设定的照明目标。基于这些照明优先级约束条件和照明目标跟踪约束条件,生成目标灯光通信控制系统的照明控制约束条件集合。这个条件集合是实现灯光自动控制的基础,它将指导系统如何调整各个照明设备的设置以响应不断变化的环境和需求。
在一具体实施例中,执行步骤103的过程可以具体包括如下步骤:
(1)通过照明控制约束条件集合生成目标灯光通信控制系统对应的照明控制无线通信指令集合;
(2)将照明控制无线通信指令集合发送至多个无线通信照明设备进行无线灯光通信控制,并通过多个无线通信照明设备中的多维传感器组采集对应的无线灯光通信控制关联数据;
(3)对无线灯光通信控制关联数据进行参数解析,得到照明亮度数据、照明色温数据以及照明设备能耗数据;
(4)对照明亮度数据进行箱线图转换,得到亮度箱线图,并对照明色温数据进行谱图分析,得到色温谱图,以及对照明设备能耗数据进行曲线拟合,得到能耗曲线;
(5)对亮度箱线图进行平均值计算,得到平均亮度,并对色温谱图进行变化频率分析,得到颜色变化频率,以及对能耗曲线进行趋势分析,得到能耗趋势;
(6)对平均亮度、颜色变化频率以及能耗趋势进行控制关联特征解析,生成每个无线通信照明设备对应的多个控制关联特征。
具体的,通过照明控制约束条件集合生成相应的照明控制无线通信指令集合。将抽象的控制策略转换为具体的无线通信命令,这些命令能够被照明系统中的无线通信照明设备理解和执行。例如,这些指令包括改变特定灯光的亮度、调整色温或者开关一组灯光。随后,将照明控制无线通信指令集合发送至多个无线通信照明设备以进行无线灯光通信控制。无线通信照明设备通过其内置的多维传感器组采集对应的无线灯光通信控制关联数据。这些数据不仅包括照明设备的操作状态,还包括环境光线情况、使用时长等相关信息。对这些无线灯光通信控制关联数据进行参数解析,以得到诸如照明亮度数据、照明色温数据以及照明设备的能耗数据等关键信息。例如,照明亮度数据可以显示在特定时间段内各个灯光的亮度水平,而色温数据可以反映灯光的色彩温暖程度,能耗数据则能展示每个照明设备的能源使用效率。随后,对照明亮度数据进行箱线图转换以生成亮度箱线图,这有助于识别亮度的波动和异常值。同时,对照明色温数据进行谱图分析可以得到色温谱图,从而可以观察色温的分布和变化趋势。此外,通过对照明设备能耗数据进行曲线拟合,生成能耗曲线,从而更好地理解和预测能源消耗模式。之后,对亮度箱线图进行平均值计算,以得到整体的平均亮度水平,这有助于评估照明系统的整体性能和效率。同时,通过对色温谱图进行变化频率分析,可以得到颜色变化频率,这有助于理解照明系统对环境变化的响应速度和灵敏度。对能耗曲线的趋势分析可以揭示能耗的长期变化趋势,为能源管理和优化提供重要的参考信息。通过综合分析平均亮度、颜色变化频率以及能耗趋势等数据,对每个无线通信照明设备的控制关联特征进行解析,从而生成每个设备对应的多个控制关联特征。这些特征不仅包括设备的当前运行状态,还包括其对环境变化的响应能力和长期的能耗模式。
在一具体实施例中,执行步骤104的过程可以具体包括如下步骤:
(1)通过多个无线通信照明设备中的图像采集终端进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据;
(2)对第一照明区域图像数据进行特征提取和特征转换,得到初始图像特征数据集,并对初始图像特征数据集进行特征分类,得到初始分类特征集合;
(3)将初始分类特征集合输入特征整合模型,并通过特征整合模型将初始分类特征集合映射到预置的特征空间进行空间特征分析,得到初始特征点;
(4)对特征空间中的初始分类特征集合与初始特征点进行特征距离运算,得到多个目标特征距离,并对多个目标特征距离进行标准化处理,得到标准特征距离;
(5)根据标准特征距离,对初始分类特征集合进行特征中心移动分析,得到目标特征点;
(6)对初始分类特征集合和目标特征点进行照明区域图像特征整合分析,得到每个无线通信照明设备的多个第一照明区域图像特征。
具体的,通过多个无线通信照明设备中的图像采集终端进行照明区域的图像采集。这些图像采集终端可以是集成在照明设备中的摄像头或者与照明系统相连的独立摄像设备。它们的作用是捕捉照明区域的实时图像,从而为后续的分析提供原始数据。对第一照明区域图像数据进行特征提取和特征转换,以得到初始图像特征数据集。通过图像处理技术,如边缘检测、颜色分析和纹理识别等,来识别和提取图像中的关键信息。例如,系统会识别出图像中的主要光源位置、亮度变化或特定颜色的分布。随后,对这些初始图像特征数据集进行特征分类,从而得到初始分类特征集合。这个分类过程可以基于不同的参数,如亮度级别、颜色范围或特定的图案和形状。例如,系统会将图像特征分类为高亮度区域、暖色调区域或特定图案的区域。随后,将初始分类特征集合输入到特征整合模型中。这个模型的作用是将初始分类特征集合映射到预置的特征空间中进行空间特征分析。通过这种方式,系统可以在一个统一的框架内对不同的特征进行比较和分析。例如,系统会将所有图像特征映射到一个三维空间中,其中每个维度代表不同的特征类型,如亮度、色温和颜色饱和度。在特征空间中,对初始分类特征集合与初始特征点进行特征距离运算。计算每个特征点与空间中其他点之间的距离,从而确定特征间的相似性或差异性。例如,系统会计算一个特定亮度级别的特征点与所有其他亮度级别特征点之间的距离,以确定不同亮度条件下的照明分布。随后,对这些目标特征距离进行标准化处理,以得到标准特征距离,消除不同特征类型之间的量纲差异,使得距离计算更加公正和可比较。例如,亮度和色温的量纲不同,但通过标准化处理,它们可以在同一尺度上进行比较。接着,基于标准特征距离,对初始分类特征集合进行特征中心移动分析,以得到目标特征点。根据特征之间的距离重新定位特征点,从而更好地反映特征间的实际关系。例如,如果系统发现某个特定的亮度特征点与大多数其他亮度特征点距离较远,则会将这个特征点向中心区域移动,以更好地反映亮度分布的实际情况。对初始分类特征集合和目标特征点进行照明区域图像特征整合分析,从而得到每个无线通信照明设备的多个第一照明区域图像特征。这个整合分析的目的是将所有单独的特征融合成一个综合的特征集,这可以更全面地反映每个照明区域的实际照明条件。
在一具体实施例中,执行步骤105的过程可以具体包括如下步骤:
(1)分别构建每个无线通信照明设备对应的控制策略网络,并对多个控制关联特征和多个第一照明区域图像特征进行特征融合,得到目标照明融合特征;
(2)将目标照明融合特征输入控制策略网络进行网络参数分析,得到更新后的控制策略网络;
(3)通过更新后的控制策略网络进行照明控制参数计算,得到每个无线通信照明设备对应的第一照明设备控制参数组合;
(4)通过多个无线通信照明设备根据第一照明设备控制参数组合进行无线通信照明调节。
具体的,分别构建每个无线通信照明设备对应的控制策略网络,为每个设备提供一个定制化的控制框架,使其能够根据特定的环境和需求自动调整照明设置。并对每个设备的多个控制关联特征和多个第一照明区域图像特征进行特征融合,从而得到目标照明融合特征。控制关联特征包括设备的历史使用模式、响应速度和能耗等信息,而第一照明区域图像特征则包括亮度、色温和空间分布等。通过特征融合,可以将这些信息整合成一个综合的数据集,从而为每个设备提供一个全面的照明控制基础。将这些目标照明融合特征输入到各自的控制策略网络进行网络参数分析。通过使用算法,如机器学习或神经网络技术,来分析和处理融合特征,从而得到更新后的控制策略网络。例如,系统会通过分析客厅照明设备在不同时间段的使用模式,来优化其对自然光变化的响应策略,以提高能源效率和用户舒适度。在得到更新后的控制策略网络后,通过这些网络进行照明控制参数的计算。这包括确定每个照明设备的最佳亮度水平、色温设置和开关时间等。这些参数的计算基于融合特征和网络分析结果,实现最佳的照明效果和能源利用效率。将通过多个无线通信照明设备根据各自的第一照明设备控制参数组合进行无线通信照明调节。这意味着每个照明设备都能根据自己的控制参数自动调整设置,以适应不同的环境和需求。
在一具体实施例中,执行步骤106的过程可以具体包括如下步骤:
(1)获取每个无线通信照明设备对应的第二照明区域图像数据,并对第二照明区域图像数据进行照明区域图像特征提取,得到多个第二照明区域图像特征,并对多个第二照明区域图像特征进行编码处理,生成目标图像特征编码向量;
(2)将目标图像特征编码向量输入预置的控制参数补偿分析模型,其中,控制参数补偿分析模型包括:双向GRU网络、单向GRU网络以及全连接层;
(3)通过双向GRU网络对目标图像特征编码向量进行特征运算,得到编码特征向量;
(4)将编码特征向量输入单向GRU网络进行解码运算,得到目标解码序列;
(5)调用预置的控制参数补偿表,并通过全连接层对目标解码序列进行参数补偿映射,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集。
具体的,获取每个无线通信照明设备对应的第二照明区域图像数据。这些数据可以通过在每个照明设备中集成的图像采集模块获得,这些模块不断捕捉照明区域的实时图像。对这些第二照明区域图像数据进行照明区域图像特征提取,以得到多个第二照明区域的图像特征。识别和分析图像中的关键元素,如亮度变化、色彩分布、阴影形成等。这些特征能够为系统提供关于每个照明区域当前照明状况的详细信息。接着,对这些第二照明区域图像特征进行编码处理,以生成目标图像特征编码向量。编码处理的目的是将图像特征转换成一种格式,使其能够被后续的控制参数补偿分析模型有效处理。例如,系统会将亮度、色彩和纹理等特征转换为数值型数据,形成一个统一的特征向量,以便于后续的计算和分析。将这些目标图像特征编码向量输入预置的控制参数补偿分析模型。这个模型通常包括高级的神经网络结构,如双向GRU(门控循环单元)网络、单向GRU网络以及全连接层。这些网络结构使系统能够深入理解和分析照明特征,以及它们之间的复杂关系。双向GRU网络适用于处理序列数据,因为它能够同时考虑前向和后向的信息流,从而更全面地理解数据的上下关系。通过双向GRU网络对目标图像特征编码向量进行特征运算后,系统得到编码特征向量。这一步骤进一步加工原始特征数据,使其适合于控制策略的生成和优化。例如,双向GRU网络会识别出特定照明模式与时间段或特定活动之间的关联,这有助于后续的调节策略。接着,将这些编码特征向量输入单向GRU网络进行解码运算,以得到目标解码序列。将特征运算结果转换为一系列具体的控制指令或参数,这些指令或参数将直接应用于照明控制。例如,解码运算会生成一系列关于特定区域在不同时间段所需亮度和色温的具体指令。调用预置的控制参数补偿表,并通过全连接层对目标解码序列进行参数补偿映射,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集。全连接层的作用是将解码序列中的信息转换为实际可执行的控制参数,同时考虑到各个照明设备之间的协同影响。这样,系统可以确保整个照明系统的协调一致性和整体效能。
上面对本申请实施例中基于无线通信的灯光控制方法进行了描述,下面对本申请实施例中基于无线通信的灯光控制系统进行描述,请参阅图2,本申请实施例中基于无线通信的灯光控制系统一个实施例包括:
获取模块201,用于获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据所述照明设备分布信息创建对应的目标灯光通信控制策略;
创建模块202,用于通过所述目标灯光通信控制系统生成灯光控制需求数据,并根据所述灯光控制需求数据和所述目标灯光通信控制策略创建照明控制约束条件集合;
关联模块203,用于通过所述照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对所述无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征;
分析模块204,用于通过所述多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对所述第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征;
调节模块205,用于根据所述多个控制关联特征和所述多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节;
补偿模块206,用于获取每个无线通信照明设备对应的第二照明区域图像数据,并根据所述第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;
优化模块207,用于基于所述照明设备协同影响补偿数据集对所述第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合。
通过上述各个组成部分的协同合作,通过获取照明设备分布信息和实时照明需求数据,该方法能够实现智能化照明控制。这使得系统能够根据不同场景的需求自动调整照明参数,提供更加舒适和节能的照明环境。通过分析照明控制约束条件和控制关联特征,系统能够实时调整照明设备的亮度和色温,以最大程度地提高能源效率。这有助于降低电能消耗和减少能源浪费。根据用户需求和场景特点,实现个性化照明体验。不同用户或不同区域可以享受到适合其需求的照明设置,提高了舒适度和用户满意度。通过采集照明设备的控制关联数据和第一照明区域图像数据,系统能够实时监测照明环境,并提供反馈。这有助于及时发现问题并进行调整,确保照明系统的稳定性和可靠性。通过照明设备协同影响补偿数据集,系统可以更好地协同多个设备之间的照明效果,避免光线交叉和冲突,提供均衡和一致的照明效果,进而提高了无线通信的灯光控制准确率。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种基于无线通信的灯光控制方法,其特征在于,所述基于无线通信的灯光控制方法包括:
获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据所述照明设备分布信息创建对应的目标灯光通信控制策略;
通过所述目标灯光通信控制系统生成灯光控制需求数据,并根据所述灯光控制需求数据和所述目标灯光通信控制策略创建照明控制约束条件集合;
通过所述照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对所述无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征;
通过所述多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对所述第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征;
根据所述多个控制关联特征和所述多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节;
获取每个无线通信照明设备对应的第二照明区域图像数据,并根据所述第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;
基于所述照明设备协同影响补偿数据集对所述第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合。
2.根据权利要求1所述的基于无线通信的灯光控制方法,其特征在于,所述获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据所述照明设备分布信息创建对应的目标灯光通信控制策略,包括:
获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息;
根据所述照明设备分布信息确定所述目标灯光通信控制系统的第一照明设备灯光通信中心以及多个第二照明设备灯光通信中心,并建立所述第一照明设备灯光通信中心以及所述多个第二照明设备灯光通信中心之间的照明设备分布拓扑图;
对所述照明设备分布拓扑图进行聚类计算,得到聚类分布特征,并计算每个照明设备灯光通信中心的拓扑关系指标;
根据所述聚类分布特征和所述拓扑关系指标,对所述照明设备分布拓扑图进行关联控制分析,得到关联控制关系;
基于所述关联控制关系,对所述第一照明设备灯光通信中心和所述多个第二照明设备灯光通信中心进行无线通信控制环境创建,得到目标灯光通信控制策略。
3.根据权利要求1所述的基于无线通信的灯光控制方法,其特征在于,所述通过所述目标灯光通信控制系统生成灯光控制需求数据,并根据所述灯光控制需求数据和所述目标灯光通信控制策略创建照明控制约束条件集合,包括:
通过所述目标灯光通信控制系统获取目标照明场景数据,并监测所述目标照明场景数据对应的照明环境因素数据以及照明目标因素数据;
对所述照明环境因素数据以及所述照明目标因素数据进行照明需求预测,得到灯光控制需求数据;
根据所述灯光控制需求数据确定所述目标照明场景数据的照明优先级约束条件,同时,根据所述灯光控制需求数据生成照明目标跟踪约束条件;
根据所述照明优先级约束条件和所述照明目标跟踪约束条件生成所述目标灯光通信控制系统的照明控制约束条件集合。
4.根据权利要求1所述的基于无线通信的灯光控制方法,其特征在于,所述通过所述照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对所述无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征,包括:
通过所述照明控制约束条件集合生成所述目标灯光通信控制系统对应的照明控制无线通信指令集合;
将所述照明控制无线通信指令集合发送至所述多个无线通信照明设备进行无线灯光通信控制,并通过所述多个无线通信照明设备中的多维传感器组采集对应的无线灯光通信控制关联数据;
对所述无线灯光通信控制关联数据进行参数解析,得到照明亮度数据、照明色温数据以及照明设备能耗数据;
对所述照明亮度数据进行箱线图转换,得到亮度箱线图,并对所述照明色温数据进行谱图分析,得到色温谱图,以及对所述照明设备能耗数据进行曲线拟合,得到能耗曲线;
对所述亮度箱线图进行平均值计算,得到平均亮度,并对所述色温谱图进行变化频率分析,得到颜色变化频率,以及对所述能耗曲线进行趋势分析,得到能耗趋势;
对所述平均亮度、所述颜色变化频率以及所述能耗趋势进行控制关联特征解析,生成每个无线通信照明设备对应的多个控制关联特征。
5.根据权利要求1所述的基于无线通信的灯光控制方法,其特征在于,所述通过所述多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对所述第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征,包括:
通过所述多个无线通信照明设备中的图像采集终端进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据;
对所述第一照明区域图像数据进行特征提取和特征转换,得到初始图像特征数据集,并对所述初始图像特征数据集进行特征分类,得到初始分类特征集合;
将所述初始分类特征集合输入特征整合模型,并通过所述特征整合模型将所述初始分类特征集合映射到预置的特征空间进行空间特征分析,得到初始特征点;
对所述特征空间中的初始分类特征集合与所述初始特征点进行特征距离运算,得到多个目标特征距离,并对所述多个目标特征距离进行标准化处理,得到标准特征距离;
根据所述标准特征距离,对所述初始分类特征集合进行特征中心移动分析,得到目标特征点;
对所述初始分类特征集合和所述目标特征点进行照明区域图像特征整合分析,得到每个无线通信照明设备的多个第一照明区域图像特征。
6.根据权利要求1所述的基于无线通信的灯光控制方法,其特征在于,所述根据所述多个控制关联特征和所述多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节,包括:
分别构建每个无线通信照明设备对应的控制策略网络,并对所述多个控制关联特征和所述多个第一照明区域图像特征进行特征融合,得到目标照明融合特征;
将所述目标照明融合特征输入所述控制策略网络进行网络参数分析,得到更新后的控制策略网络;
通过所述更新后的控制策略网络进行照明控制参数计算,得到每个无线通信照明设备对应的第一照明设备控制参数组合;
通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节。
7.根据权利要求1所述的基于无线通信的灯光控制方法,其特征在于,所述获取每个无线通信照明设备对应的第二照明区域图像数据,并根据所述第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集,包括:
获取每个无线通信照明设备对应的第二照明区域图像数据,并对所述第二照明区域图像数据进行照明区域图像特征提取,得到多个第二照明区域图像特征,并对所述多个第二照明区域图像特征进行编码处理,生成目标图像特征编码向量;
将所述目标图像特征编码向量输入预置的控制参数补偿分析模型,其中,所述控制参数补偿分析模型包括:双向GRU网络、单向GRU网络以及全连接层;
通过所述双向GRU网络对所述目标图像特征编码向量进行特征运算,得到编码特征向量;
将所述编码特征向量输入所述单向GRU网络进行解码运算,得到目标解码序列;
调用预置的控制参数补偿表,并通过所述全连接层对所述目标解码序列进行参数补偿映射,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集。
8.一种基于无线通信的灯光控制系统,其特征在于,所述基于无线通信的灯光控制系统包括:
获取模块,用于获取目标灯光通信控制系统中多个无线通信照明设备的照明设备分布信息,并根据所述照明设备分布信息创建对应的目标灯光通信控制策略;
创建模块,用于通过所述目标灯光通信控制系统生成灯光控制需求数据,并根据所述灯光控制需求数据和所述目标灯光通信控制策略创建照明控制约束条件集合;
关联模块,用于通过所述照明控制约束条件集合进行无线灯光通信控制并采集每个无线通信照明设备的无线灯光通信控制关联数据,并对所述无线灯光通信控制关联数据进行控制关联特征分析,得到每个无线通信照明设备对应的多个控制关联特征;
分析模块,用于通过所述多个无线通信照明设备进行照明区域图像采集,得到每个无线通信照明设备的第一照明区域图像数据,并对所述第一照明区域图像数据进行照明区域图像特征分析,生成每个无线通信照明设备的多个第一照明区域图像特征;
调节模块,用于根据所述多个控制关联特征和所述多个第一照明区域图像特征生成每个无线通信照明设备对应的第一照明设备控制参数组合,并通过所述多个无线通信照明设备根据所述第一照明设备控制参数组合进行无线通信照明调节;
补偿模块,用于获取每个无线通信照明设备对应的第二照明区域图像数据,并根据所述第二照明区域图像数据对每个无线通信照明设备进行动态参数调整和照明设备协同影响分析,得到每个无线通信照明设备对应的照明设备协同影响补偿数据集;
优化模块,用于基于所述照明设备协同影响补偿数据集对所述第一照明设备控制参数组合进行控制参数组合优化,生成每个无线通信照明设备对应的第二照明设备控制参数组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410006910.4A CN117500127B (zh) | 2024-01-03 | 2024-01-03 | 基于无线通信的灯光控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410006910.4A CN117500127B (zh) | 2024-01-03 | 2024-01-03 | 基于无线通信的灯光控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117500127A true CN117500127A (zh) | 2024-02-02 |
CN117500127B CN117500127B (zh) | 2024-03-15 |
Family
ID=89671291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410006910.4A Active CN117500127B (zh) | 2024-01-03 | 2024-01-03 | 基于无线通信的灯光控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117500127B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118019194A (zh) * | 2024-04-08 | 2024-05-10 | 深圳市华电照明有限公司 | 灯光参数自动调节方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105122948A (zh) * | 2013-04-25 | 2015-12-02 | 皇家飞利浦有限公司 | 基于用户行为的自适应室外照明控制系统 |
CN106062842A (zh) * | 2014-01-30 | 2016-10-26 | 飞利浦灯具控股公司 | 使用移动终端控制照明系统 |
US10321548B1 (en) * | 2018-01-29 | 2019-06-11 | Joule Iq, Inc. | Smart LED lighting system and method |
CN110851498A (zh) * | 2019-11-06 | 2020-02-28 | 浙江创意声光电科技有限公司 | 智慧城市照明系统数据管理和决策系统 |
US20220053625A1 (en) * | 2019-05-08 | 2022-02-17 | Opple Lighting Co., Ltd. | Street lamp intelligent measurement and control device based on nb-iot technology |
CN114189969A (zh) * | 2021-12-31 | 2022-03-15 | 苏州欧普照明有限公司 | 灯具控制方法、装置、电子设备及计算机可读存储介质 |
CN114390759A (zh) * | 2022-01-13 | 2022-04-22 | 北京瞰瞰智能科技有限公司 | 基于tof相机的智能照明系统控制方法、装置及介质 |
CN117082701A (zh) * | 2023-09-08 | 2023-11-17 | 深圳高力特通用电气有限公司 | 一种基于无线技术的led照明控制系统 |
CN117156635A (zh) * | 2023-08-29 | 2023-12-01 | 中节能建设工程设计院有限公司 | 一种智能交互的节能灯控平台 |
-
2024
- 2024-01-03 CN CN202410006910.4A patent/CN117500127B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105122948A (zh) * | 2013-04-25 | 2015-12-02 | 皇家飞利浦有限公司 | 基于用户行为的自适应室外照明控制系统 |
CN106062842A (zh) * | 2014-01-30 | 2016-10-26 | 飞利浦灯具控股公司 | 使用移动终端控制照明系统 |
US10321548B1 (en) * | 2018-01-29 | 2019-06-11 | Joule Iq, Inc. | Smart LED lighting system and method |
US20220053625A1 (en) * | 2019-05-08 | 2022-02-17 | Opple Lighting Co., Ltd. | Street lamp intelligent measurement and control device based on nb-iot technology |
CN110851498A (zh) * | 2019-11-06 | 2020-02-28 | 浙江创意声光电科技有限公司 | 智慧城市照明系统数据管理和决策系统 |
CN114189969A (zh) * | 2021-12-31 | 2022-03-15 | 苏州欧普照明有限公司 | 灯具控制方法、装置、电子设备及计算机可读存储介质 |
CN114390759A (zh) * | 2022-01-13 | 2022-04-22 | 北京瞰瞰智能科技有限公司 | 基于tof相机的智能照明系统控制方法、装置及介质 |
CN117156635A (zh) * | 2023-08-29 | 2023-12-01 | 中节能建设工程设计院有限公司 | 一种智能交互的节能灯控平台 |
CN117082701A (zh) * | 2023-09-08 | 2023-11-17 | 深圳高力特通用电气有限公司 | 一种基于无线技术的led照明控制系统 |
Non-Patent Citations (1)
Title |
---|
蒋盼盼等: "基于CC2430的无线智能照明控制系统设计", 科技展望, no. 26, 20 September 2016 (2016-09-20), pages 54 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118019194A (zh) * | 2024-04-08 | 2024-05-10 | 深圳市华电照明有限公司 | 灯光参数自动调节方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117500127B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110198237A (zh) | 一种无线意图驱动网络的配置方法 | |
CN105050247A (zh) | 基于表情模型识别的灯光智能调节系统及其方法 | |
CN111556630B (zh) | 基于贝叶斯网络的智能灯自适应场景识别系统及方法 | |
CN113325762B (zh) | 一种智能建筑个性化用能控制方法、系统、装置和设备 | |
WO2012137046A1 (en) | Adaptive illumination | |
CN117270611B (zh) | 智慧运动场馆的环境智能控制系统及方法 | |
CN117354986B (zh) | 一种多功能led灯珠的智能控制方法及系统 | |
CN117156635A (zh) | 一种智能交互的节能灯控平台 | |
CN117240887B (zh) | 一种智慧物联网能源管理平台系统 | |
CN115882455B (zh) | 一种分布式光伏发电预测方法、系统及终端机 | |
CN115268287A (zh) | 智能家居综合实验系统及数据处理方法 | |
CN117500127B (zh) | 基于无线通信的灯光控制方法及系统 | |
CN117222069B (zh) | 照明驱动电源的智能控制方法 | |
CN117543835A (zh) | 一种配电柜智能配电控制方法及装置 | |
US11423762B1 (en) | Providing device power-level notifications | |
CN117460129A (zh) | 基于物联网驱动的节能路灯控制方法及系统 | |
CN116430748A (zh) | 一种基于智能设备的节能控制方法及系统 | |
Ngo et al. | Adaptive smart lighting control based on genetic algorithm | |
CN114298973A (zh) | 一种基于红外图像分割的智能供热监测方法 | |
CN114444669A (zh) | 一种智能照明调节方法、系统及计算机储存介质 | |
CN117939760B (zh) | 一种舞台灯光智能化控制方法及系统 | |
CN117460128B (zh) | 基于多维数据分析的光罩调光控制方法及系统 | |
CN117201558A (zh) | 一种基于物联网的电子信息产品的智能管理方法 | |
CN114912169B (zh) | 基于多源信息融合的工业建筑供热自主优化调控方法 | |
CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |