CN117939721A - 一种多功能防眩可调角度窗台灯及其控制方法 - Google Patents
一种多功能防眩可调角度窗台灯及其控制方法 Download PDFInfo
- Publication number
- CN117939721A CN117939721A CN202410203549.4A CN202410203549A CN117939721A CN 117939721 A CN117939721 A CN 117939721A CN 202410203549 A CN202410203549 A CN 202410203549A CN 117939721 A CN117939721 A CN 117939721A
- Authority
- CN
- China
- Prior art keywords
- user
- lamp
- window
- illumination
- behavior state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005286 illumination Methods 0.000 claims abstract description 95
- 230000004438 eyesight Effects 0.000 claims description 29
- 230000007246 mechanism Effects 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 16
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 13
- 238000009792 diffusion process Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000003825 pressing Methods 0.000 claims description 3
- 238000002834 transmittance Methods 0.000 claims description 3
- 208000003464 asthenopia Diseases 0.000 abstract description 8
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 8
- 230000006399 behavior Effects 0.000 description 34
- 239000013598 vector Substances 0.000 description 14
- 238000001514 detection method Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004313 glare Effects 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 206010025421 Macule Diseases 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 206010057430 Retinal injury Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004310 photopic vision Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种多功能防眩可调角度窗台灯及其控制方法,包括检测室内是否存在用户;若否,则控制窗台灯自动关闭或切换到节能模式;若是,则检测用户的行为状态;在确定所有用户均处于第一行为状态时,控制窗台灯关闭或切换到节能模式;在确定存在用户处于第二行为状态时,获取用户的身份信息和室内光照强度输入至参数推荐模型得到参数配置方案,以调节窗台灯的照度、色温、角度及高度。本发明能够识别出室内无人、用眼强度较低以及用眼强度较高的情况,在用眼强度较高时会根据用户的身份信息、室内光照强度及参数推荐模型自动调节窗台灯,实现对窗台灯的精确控制,降低了能耗,使得色温、照度更符合人的视觉舒适度,降低眼部疲劳感。
Description
技术领域
本发明涉及灯具控制技术领域,尤其涉及一种多功能防眩可调角度窗台灯及其控制方法。
背景技术
窗台灯是一种通常放置在窗户旁边的台灯,用于提供局部照明。它可以被设计成各种风格和形状,以适应不同的室内装饰和个人喜好。常见的窗台灯有夹置式、立柱式;夹置式方便夹在床头或者其他支撑部位,方便对照明区域进行调整,而立柱式则通常固定在一个位置,其稳定性会高于夹置式。
然而,目前的窗台灯在使用过程中,通常存在一些问题,例如调节角度、高度不方便,智能化程度低。由于调节灯具的照明参数,如照度和色温等,通常是依赖用户经验或者个人喜欢,其并不能判断照明光线是否对人的视力的影响情况。由于照明参数的设置不当,会出现照明光线导致晕眩,或者容易引起用户眼部疲劳,危害视力等问题。此外,由于智能化程度低,现有的台灯通常需要手动来决定开启、关闭或低能耗状态,如此会导致室内无人但是台灯依旧采用高照度的工作方式,如此以来不仅造成了资源浪费,不够节能环保,同时也会损害台灯的使用寿命。
发明内容
为了解决上述提出的至少一个技术问题,本发明提供一种多功能防眩可调角度窗台灯及其控制方法。
第一方面,本发明提供了一种多功能防眩可调角度窗台灯的控制方法,所述方法包括:
检测室内是否存在用户,所述室内为窗台灯能够照明的区域;
若否,则控制窗台灯自动关闭或切换到节能模式;
若是,则检测用户的行为状态;其中用户数量为至少一个;
在确定所有用户均处于第一行为状态时,控制窗台灯自动关闭或切换到节能模式;
在确定存在用户处于第二行为状态时,获取当前用户的身份信息和室内光照强度,并输入至参数推荐模型;所述用户的身份信息包括年龄、身高以及视力情况;
获取参数推荐模型输出的参数配置方案,根据所述参数配置方案自适应调节窗台灯的照明参数,所述照明参数包括窗台灯的照度、色温、角度以及高度。
在一个可选的实施方式中,所述方法还包括:
通过红外传感器检测用户的行为状态;
当用户的活动水平或者呼吸模式不满足预设条件时,判定用户处于第一行为状态,所述第一行为状态为用眼强度低于预设值的状态;
当用户的活动水平或者呼吸模式满足预设条件时,判定用户处于第二行为状态,所述第二行为状态为用眼强度大于或等于预设值的状态。
在一个可选的实施方式中,所述方法还包括:
以窗台灯历史使用过程中的用户的身份信息、室内光照强度为输入数据,以窗台灯的照明参数为输出数据,基于C-LSTM网络训练参数推荐模型;
其中,所述C-LSTM网络中LSTM网络的输出作为CNN网络的输入。
在一个可选的实施方式中,所述方法还包括:
利用t-SNE算法对窗台灯历史使用过程中用户的身份信息进行特征降维;
利用Adaboost算法对降维后的样本集进行拟合,根据拟合后的综合指标,筛选出相关性最大的特征量;
将对窗台灯历史使用过程中的室内光照强度与相关性最大的特征量进行融合,作为C-LSTM网络的输入数据。
在一个可选的实施方式中,所述方法还包括:
获取窗台灯的照明时的照度均匀度,反馈至所述参数推荐模型;
控制所述参数推荐模型在线学习,优化模型输出的参数配置方案。
在一个可选的实施方式中,获取所述室内光照强度,包括:
计算入射角为θ时的太阳辐射量HT:
式中,HB表示水平面上的太阳直接辐射量;HD表示水平面上的太阳散射辐射量;RB表示辐射因子;μ表示地面反射率;δ表示日照稳定数因子;
计算室外光照强度:
Qout=kHT(1+ζcosθ)
式中,Qout表示室外光照强度,k表示比例因子,ζ表示太阳辐射的衰减系数;
计算室内光照强度:
Qin=αQout
式中,Qin表示室内光照强度,α表示采光系数,Sc表示采光结构和透光结构的面积总和,β表示透光率,Sn表示采光结构面积所对应的室内面积,hn表示室内地面到采光结构顶部的高度。
第二方面,本发明还提供了一种多功能防眩可调角度窗台灯,用于实现如第一方面中任意一种实施方式所述的控制方法,包括:
底座、支撑机构、灯罩、驱动机构以及控制器;
所述支撑机构包括第一支撑杆和第二支撑杆;所述第一支撑杆的第一端与所述底座活动连接,所述第一支撑杆的第二端与所述第二支撑杆的第一端万向关节轴承连接,所述第二支撑杆的第二端与所述灯罩活动连接;
所述第一支撑杆上设置有沿竖直方向延伸的滑轨,所述支撑机构还包括滑杆,所述滑杆的第一端固定在所述底座上,所述滑杆的第二端与所述滑轨滑动连接;所述滑轨的两端分别设置有第一限位件和第二限位件,所述第二限位件的位置高于所述第一限位件的位置,所述第一限位件和所述第二限位件分别用于限制所述滑杆的移动位置;
所述底座内设有驱动机构及所述控制器,所述控制器电性连接于所述驱动机构,所述灯罩的内壁设有防眩光膜和扩散板;
所述控制器用于根据参数配置方案生成控制信号和驱动信号,所述驱动信号用于控制所述驱动机构调节窗台灯的角度和高度,所述控制信号用于调节窗台灯的照度及色温。
在一个可选的实施方式中,所述第二支撑杆的第二端上设有支撑面,所述支撑面为半球面;所述灯罩的一端上设有球头,所述球头安装在所述半球面内,并通过压紧螺母压紧。
与现有技术相比,本发明的有益效果在于:
1)本发明首先会检测室内是否存在用户,具体的可以通过红外传感器来实现。如果没有用户,则控制窗台灯自动关闭或切换到节能模式;若有用户,则检测用户的行为状态,进一步去判定如何调控灯具的照明参数;如此可以避免在无人使用时灯具仍然处于高能耗状态,降低了灯具的能耗,延长了灯具的使用寿命。
2)本发明在检测到室内存在用户时,会进一步检测用户的行为状态;如果用户处于第一行为状态,即用眼强度低于预设值的状态,那么就会控制窗台灯自动关闭或切换到节能模式;如果用户处于第二行为状态,即用眼强度大于或等于预设值的状态,就会获取当前用户的身份信息和室内光照强度,一并输入到提前训练好的参数推荐模型中,快速得到灯具的照明参数配置方案,其中照明参数包括照度、色温、角度以及高度。通过该方式,本发明可以对用户的行为进行判别,不会使得窗台灯处于同一模式下运行,而是会根据用户需要来自动提供精准的照明服务,通过训练好的参数配置模型,能够使其输出的色温、照度更符合人的视觉舒适度,降低眼部疲劳感,从而更好的保护用户的视力。
3)本发明在获取用户的身份信息时,获取了用户的年龄、身高以及视力情况;不同年龄对于光线的照度和色温需求都不同,例如老人和儿童相比于来说,需要的光线通常更加柔和。身高信息则是用来调节灯具的高度,使得灯具在照明时不会照射到用户的眼睛,起到保护眼睛的作用。而视力情况也用于调控光线的照度和色温,通常佩戴眼睛的用户和视力良好的用户来比,由于镜片或者镜框的反射作用,会影响视野清晰度因此通常会需要更强的光线。本发明综合考虑了年龄、身高以及视力情况对灯具照明参数的影响,从而实现了对灯具更精准、更细粒度的调控,使得照明效果更加符合不同用户的需求,满足了人的视觉舒适度,可以更好的保护视力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案,下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1为本发明实施例提供的一种多功能防眩可调角度窗台灯的结构示意图;
图2为本发明实施例提供的一种多功能防眩可调角度窗台灯的控制方法的流程示意图;
图3为本发明实施例提供的进行照度均匀度测试时测试点的一种选取方式的原理示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
另外,为了更好地说明本发明,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样能够实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本发明的主旨。
目前的窗台灯在使用过程中,通常存在角度、高度调节不方便,色温和照度调节不准确,以及能耗高的问题,不仅照明效果不理想,容易引起眼部视觉疲劳,危害视力,且同时由于高能耗造成了资源浪费,损害台灯寿命。为此,本发明提供了一种多功能防眩可调角度窗台灯及其控制方法,该台灯角度高度可调节,且灯罩采用了防眩光膜和扩散板,能够起到很好的防晕眩效果。在控制过程中,本发明能够识别出室内无人、用眼强度较低以及用眼强度较高的情况,在用眼强度较高时会根据用户的身份信息、室内光照强度及参数推荐模型自动调节窗台灯,实现对窗台灯的精确控制,降低了能耗,使得色温、照度更符合人的视觉舒适度,降低眼部疲劳感。
请参阅图1,图1为本发明实施例提供的一种多功能防眩可调角度窗台灯的结构示意图。如图1所示,该窗台灯的结构如下:
底座1、支撑机构2、灯罩3、驱动机构5以及控制器4;
首先,支撑机构2包括第一支撑杆20和第二支撑杆21;第一支撑杆20的第一端与底座1活动连接,第一支撑杆20的第二端与第二支撑杆21的第一端万向关节轴承连接,第二支撑杆21的第二端与灯罩3活动连接;
第一支撑杆20上设置有沿竖直方向延伸的滑轨24,支撑机构2还包括滑杆22,滑杆22的第一端固定在底座1上,滑杆22的第二端与滑轨24滑动连接;滑轨24的两端分别设置有第一限位件241和第二限位件242,第二限位件242的位置高于第一限位件241的位置,第一限位件241和第二限位件242分别用于限制滑杆22的移动位置。
本实施例中,可以理解的是,由于第一支撑杆20的第二端与第二支撑杆21的第一端万向关节轴承连接,使得第二支撑杆21可以在竖直平面上或者水平面上旋转360度,实现第二支撑杆21大范围的角度调节。
在一个实施例中,第二支撑杆21的第二端上设有支撑面,支撑面为半球面;灯罩3的一端上设有球头31,球头31安装在半球面内并通过压紧螺母压紧,如图1所示。
根据该实施例可知,第二支撑杆21的第二端与灯罩3活动连接的方式转球连接,如此则可以实现灯罩3在空间360度的旋转,其角度调节方式十分灵活。
在实际设计过程中,假设去掉图1中第二支撑杆21的结构,而是将灯罩3直接与第一支撑杆20的第一端活动连接,如此可以减少一个支撑臂的结构,从而节约生产成本。然而,本实施例之所以要添加第二支撑杆21,是因为这样可以延伸灯具可调节的高度以及角度空间。
具体地,关于高度的调节,在第一支撑杆20的滑轨24作用下,第一支撑杆20可伸缩的范围有限,具体介于第一限位件241和第二限位件242之间,为了进一步延伸窗台灯的高度,使其能够照明的范围更广,适用场景更加丰富,因此设置了第二支撑杆21,如此可以将灯具的调节高度在另外增加第二支撑杆21的长度,即第二支撑杆21向远离地面的方向旋转至90度与第一支撑杆20连成一条直线时,此时能够使得灯源的位置最高,其可以照明的范围最广。
此外,在窗台灯不使用的时候,可以将第二支撑杆21向着地面的方面旋转90度,使得第二支撑杆21与第一支撑杆20贴合,如此可以减少台灯所占的空间面积,方便收纳。
另一方面,关于角度的调节,如果采用将灯具直接与第一支撑杆20的第二端连接,那么灯源所固定的位置相当于就只能在第一支撑杆20的第二端。然而,当增设了第二支撑杆21时,使得灯源可以随着第二支撑杆21的转动而改变,相当于灯源在以第一支撑杆20与第二支撑杆21的连接处为圆心,以第二支撑杆21的长度为半径,在竖直平面上或者水平面上画圆,在这个范围内来改变光源的起点,进而改变光源可以照明的范围。
综上,通过第二支撑杆21结合第一支撑杆20的结构,可以灵活的控制窗台灯角度以及高度的调节,操作简便且适用性强。
进一步地,关于第一支撑杆20的滑动可以用来调节窗台灯在竖直方向上的高度,在本实施例中,通过滑竿在第一支撑杆20的滑轨24上来回滑动,可以实现窗台灯沿竖直方向往上或者往下移动。
此外,滑轨24的两端分别设置有第一限位件241和第二限位件242,当滑杆22移动至第一限位件241时,在第一限位件241的限制下,滑杆22无法继续向下移动;反之,滑杆22移动至第二限位件242时,在第二限位件242的限制下,滑杆22无法继续向上移动。如此可以实现灯具在竖直方向上灵活的高度调节。
在一个优选地实施方式中,除了采用滑杆22在滑轨24上滑动调节高度的方式,还可以利用拉伸及卡扣配合的方式来实现高度调节,相比于滑轨24的方式,这种方式的成本更低,例如可以在第一支撑杆20上直接设置几个孔洞,然后在滑杆22上设置一个可伸缩的凸起,当滑杆22上的凸起移动到第一个孔洞时,可以与该孔洞进行卡扣配合连接,将第一支撑杆20的高度固定在该位置,当需要改变高度时,只需要将凸起按压脱离孔洞,继续拉伸滑杆22,直至凸起与想要设置高度所对应的孔洞卡扣连接,实现灯具在该位置下的高度固定。
然而这种方式虽然成本比滑轨24更低,但是在调节方式上比滑轨24的方式要更麻烦,第一是这种方式需要人工手动调节,而滑轨24可以在电机的驱动下,直接停留在对应的高度,其可以实现自动调节,无需手动操作;第二,这种方式下可改变的高度不如滑轨24方式的精细,因为孔洞通常只会设置几个,相当于离散的设置了几个可以改变高度的限位点。但是滑轨24的方式则可以在第一限位件241和第二限位件242之间的任意一点上固定,其可调节位置的粒度更加精细。因此为了实现更精细化、更方便的自动化调节,本实施例通常采用如上所述的滑轨24调节高度的方式。
进一步地,底座1内设有驱动机构5及控制器4,控制器4电性连接于驱动机构5;
控制器4用于根据参数配置方案生成控制信号和驱动信号,所述驱动信号用于控制驱动机构5调节窗台灯的角度和高度,所述控制信号用于调节窗台灯的照度及色温。
本实施例中,控制器4优选采用,微控制器4,即MCU控制板,微控制器4是一种将微处理器、内存、I/O端口等集成在一个芯片上的微型计算机,它能够执行存储在内部存储器中的程序,以控制其他设备的行为。具体地,可以采用STM32F103,该型号的MCU具有高性能和低功耗的优点。
驱动机构5通常包括电机和驱动杆,电机的驱动端通常固定驱动杆,驱动杆远离电机的一端固定连接有第一齿轮,而滑杆22会穿过底座1的第一面,第一面为远离地面的一侧。然后在滑杆22的第一端上设有第二齿轮,第一齿轮与第二齿轮啮合,通过齿轮转动从而驱动滑杆22的滑动。
优选地,为了降低成本,电机可以采用步进电机或直流电机,其中,步进电机是一种将电脉冲转化为角位移的执行机构。其结构简单且可靠性高。而直流电机是一种直接将直流电转换为机械能的电机,其结构简单且易于控制,适用于小型设备。
在一个实施例中,窗台灯中还设有红外传感器,所述红外传感器用于检测用户的行为状态。
在一个实施例中,灯罩3的内壁设有防眩光膜和扩散板;
需要说明的是,防眩光膜是一种特殊的薄膜,其表面经过特殊处理,可以有效地减少眩光,提高视觉舒适度。在灯罩3内壁上设置防眩光膜,可以防止灯光直接照射到眼睛,从而降低眩光,保护视力。
扩散板是一种光学元件,主要用于改变光的传播方向,使其分布更加均匀。在灯罩3内壁上设置扩散板,可以将灯光分散开来,避免光线集中,使光线更加柔和,提高照明质量。
优选地,在本实施例中,扩散板内部会含有扩散剂,光束在扩散板光滑表面一部分发生反射,另一部分射入扩散板内与扩散剂发生折射、散射,由于光束发生不同方向的反射、折射和散射,从而改变了光的行进路线,实现扩散板扩大光束角度的效果,使灯具的光照范围增大。
因此本实施例通过在灯罩的内壁设有防眩光膜和扩散板,可以有效的降低眩光和改变灯具的照明范围,使得光线更加柔和,降低了光线引起的视觉疲劳感,从而保护用户的视力,提高用户照明体验。
上述实施例提供了一种多功能防眩可调角度窗台灯,下面将基于图1所示的窗台灯的结构,提供一种多功能防眩可调角度窗台灯的控制方法,该控制方法用于实现对窗台灯的智能控制,以提高照明质量,满足用户照明体验。
参见图2,图2为本发明实施例提供的一种多功能防眩可调角度窗台灯的控制方法的流程示意图。如图2所示,该控制方法包括以下步骤:
S10、检测室内是否存在用户,所述室内为窗台灯能够照明的区域。
通常,可以采用以下几种方式进行检测:
红外传感器:红外传感器可以检测人体发出的红外线,当有人进入其探测区域时,传感器就会发出信号,台灯接收到信号后就会自动开启。
超声波传感器:超声波传感器通过发射和接收超声波,通过比较反射回来的超声波与原始信号的差异,来判断是否有人进入其探测区域。
光电传感器:光电传感器通过检测环境的亮度变化,当环境变暗时,说明有人进入了其探测区域,此时台灯就会自动开启。
声纹识别:通过内置麦克风,收集环境的声音,通过分析声音的特征,来判断是否有人进入其探测区域。
优选地,本实施例采用红外传感器来进行检测,其中红外传感器设置在窗台灯中。
S20、若否,则控制窗台灯自动关闭或切换到节能模式;
由于室内无人,红外传感器不会产生有人存在的信号。由于不需要提供照明环境,为了节能,此时控制器会产生控制信号,控制窗台灯自动关闭或切换到节能模式。
S30、若是,则检测用户的行为状态;其中用户数量为至少一个。
在一个可选的实施方式中,检测用户的行为状态具体包括:
通过红外传感器检测用户的行为状态;
当用户的活动水平或者呼吸模式不满足预设条件时,判定用户处于第一行为状态,所述第一行为状态为用眼强度低于预设值的状态;
当用户的活动水平或者呼吸模式满足预设条件时,判定用户处于第二行为状态,所述第二行为状态为用眼强度大于或等于预设值的状态。
需要说明的是,红外传感器可以通过检测人体的热量辐射来检测用户的活动水平和呼吸模式。具体原理如下:
活动水平检测:当人体活动时,肌肉和关节的运动会导致体温的微小变化。红外传感器可以捕捉到这种微小的温度变化,然后将其转化为电信号,再通过算法分析这些电信号,就可以得到用户的活动水平。
呼吸模式检测:当人们呼吸时,胸部和腹部的运动会导致体温的微小变化。红外传感器可以捕捉到这种微小的温度变化,然后将其转化为电信号,再通过算法分析这些电信号,就可以得到用户的呼吸模式。
若用户的活动水平或者呼吸模式都不满足预设条件,可以认定用户处于第一行为状态,例如按摩、睡觉、冥想等几乎不用眼的放松行为,这类行为下用户的活动水平低,呼吸心率相对低。若用户的活动水平或者呼吸模式其中一个,或者两个都满足预设条件,可以认定用户处于第二行为状态,所述第二行为状态为用眼强度大于或等于预设值的状态,例如阅读、写作、画画等用眼强度相对高的作业,在这种状态下用户的活动水平显然会增加,例如有翻书、动手、眼动行为,而呼吸模式也会不同于第一行为状态,例如深度思考时大脑会处于一种高度集中和创造的状态,这可能会导致心率升高。可以理解的是,预设值可以根据实际情况设定,此处不作限定。
S40、在确定所有用户均处于第一行为状态时,控制窗台灯自动关闭或切换到节能模式。
假设室内的所有用户均处于第一行为状态,为了节能,可以控制窗台灯自动关闭或切换到节能模式。
S50、在确定存在用户处于第二行为状态时,获取当前用户的身份信息和室内光照强度,并输入至参数推荐模型;所述用户的身份信息包括年龄、身高以及视力情况;
S60、获取参数推荐模型输出的参数配置方案,根据所述参数配置方案自适应调节窗台灯的照明参数,所述照明参数包括窗台灯的照度、色温、角度以及高度。
可以理解的是,假设室内只有一个人,那么可以直接检测这一个人的用户行为,来决定是控制窗台灯自动关闭或切换到节能模式,还是进行参数配置。但是如果室内有两个人的情况,假如一个人在休息,另一个人在工作,那么此时不能直接根据第一个人的行为状态来控制窗台灯自动关闭或切换到节能模式,而是要优先考虑在工作的人的照明需求。此时为了减少光线对休息的人的影响,因此应该进行参数配置,考虑在照度和色温能够满足工作的人的同时,通过调节角度和高度,改变照明范围,使得照明环境尽可能满足室内所有的人的舒适度。
在一个实施例中,在确定存在用户处于第二行为状态时,需要获取当前用户的身份信息和室内光照强度,然后将这两个参数直接输入至参数推荐模型,参数推荐模型就能够直接输出对应的参数配置方案,使得控制器和驱动机构自适应按照参数配置方案调节窗台灯的照明参数,包括窗台灯的照度、色温、角度以及高度。
其中,用户的身份信息包括年龄、身高以及视力情况;
可以理解的事,不同年龄对于光线的照度和色温需求都不同,例如老人和儿童相比于来说,需要的光线通常更加柔和。身高信息则是用来调节灯具的高度,使得灯具在照明时不会照射到用户的眼睛,起到保护眼睛的作用。而视力情况也用于调控光线的照度和色温,通常佩戴眼睛的用户和视力良好的用户来比,由于镜片或者镜框的反射作用,会影响视野清晰度因此通常会需要更强的光线。因此本实施例在训练模型时采用了用户这三个身份信息,结合室内本身的光照强度作为输入数据训练模型。在应用时,只需要将采集的用户的身份信息和室内光照强度输入至参数配置模型即可,就能够快速的得到最优的参数配置方案。
综上,本实施例通过识别出室内是否有人以及当有人时的行为状态,能够确定是否进入关闭或节能状态,降低了窗台灯的能耗。通过对用户的行为进行判别,不会使得窗台灯处于同一模式下运行,而是会根据用户需要来自动提供精准的照明服务,通过训练好的参数配置模型,能够使其输出的色温、照度更符合人的视觉舒适度,降低眼部疲劳感,从而更好的保护用户的视力。
另外,本实施例综合考虑了年龄、身高以及视力情况对灯具照明参数的影响,从而实现了对灯具更精准、更细粒度的调控,使得照明效果更加符合不同用户的需求,满足了人的视觉舒适度,可以更好的保护视力。
在一个可选的实施方式中,所述方法还包括:
以窗台灯历史使用过程中的用户的身份信息、室内光照强度为输入数据,以窗台灯的照明参数为输出数据,基于C-LSTM网络训练参数推荐模型;
其中,所述C-LSTM网络中LSTM网络的输出作为CNN网络的输入,用户的身份信息包括年龄、身高以及视力情况。
在训练模型时,需要先获取大量的历史数据,作为样本集,为了提高样本质量,可以先对样本集中的数据进行数据清洗和归一化操作。
当对数据预处理操作结束后,接着开始训练C-LSTM网络,具体过程如下:
1)将输入数据输入至LSTM网络的隐藏层,输出特征向量。
在建立LSTM隐藏层模型时,需要预先设置如下参数:LSTM层数、各层神经元数、迭代次数、批量大小。其中,LSTM层数越多,网络的非线性拟合能力越强,预测性能也会随之提高;当网络层数大于2时,预测性能不会增强且运行时间会成倍增加,因此本实施例优选双层LSTM网络进行训练。对于其他网络超参数,可采用网格搜索法进行参数寻优,确定出最优设置值。
进一步地,LSTM网络的隐藏层主要提取以下几种特征向量:
隐藏状态:隐藏状态是LSTM网络中最基本的特征向量,它包含了当前时间步的输入信息和前一时间步的隐藏状态信息。
记忆细胞:负责保存网络中的长期记忆。记忆细胞的状态会在每个时间步进行更新,但不会完全丢失,这使得LSTM能够有效地处理长距离的依赖关系。
遗忘门:遗忘门决定了当前时间步的记忆细胞应该忘记多少信息。遗忘门的状态反映了网络对于当前时间步输入信息的重视程度。
输入门:输入门决定了当前时间步的输入应该有多少信息进入记忆细胞。输入门的状态反映了网络对于当前时间步输入信息的接受程度。
输出门:输出门决定了当前时间步的输出应该有多少信息传递出去。输出门的状态反映了网络对于当前时间步输出信息的控制程度。
2)将提取的特征向量输入至LSTM网络的Attention机制层,计算不同特征向量的特征权重,将特征向量与特征权重加权;
LSTM对输入特征进行处理时,将全部特征均处理为统一长度的向量。但这样会弱化负荷数据与特征间的相关性,使关联性较大的特征没有得到有效利用。Attention机制是模拟人的视觉机制接受信息的过程,将注意力聚焦于较高价值的信息中,而对低价值的信息不再过多关注。因此本实施例通过引入Attention机制来计算特征向量的权重。
具体地,Attention机制层会计算不同特征向量的概率分布值,在经过softmax层对概率分布值进行归一化操作,就能够得到特征权重,最后将特征向量与特征权重加权。
3)将加权结果输入至LSTM网络的全连接层,对加权后的特征向量进行映射,并输入至CNN网络,在CNN网络的卷积作用下,输出窗台灯的参数配置方案。
将经过Attention机制层后的各输出向量映射至原始向量维度,得到CNN网络的输入,最后在CNN网络的卷积作用下,得到最终的参数配置方案。
4)利用损失函数计算C-LSTM网络训练后的预测精度,当预测精度不满足预设精度时对模型进行迭代训练,直至满足预设精度时生成参数推荐模型。
为评估预测结果的准确度,选用平均绝对误差MAE、平均绝对百分比误差MAPE及均方根误差RMSE作为共同的评价指标,只有当这三个评价指标都满足预设精度时,才能够得到最终的参数推荐模型。
因此,本实施例通过采用先长短记忆网络后卷积神经网络的C-LSTM网络结构来训练模型,能够兼顾二者的优点,从而得到参数配置模型,使其在应用时能够根据用户的身份信息和室内光照强度快速的输出参数配置方案,从而精准控制窗台灯的照明方式,提升用户舒适度。
在一个优选的实施例中,在将输入数据输入至LSTM网络之前,还包括:
1)利用t-SNE算法对窗台灯历史使用过程中用户的身份信息进行特征降维;
t-SNE(t-分布随机邻域嵌入)是一种用于探索高维数据的非线性的降维机器学习算法。它将多维数据映射到适合于人类观察的两个或多个维度。t-SNE的主要优点是能够很好地保留高维空间中的局部结构。具体地,t-SNE的计算过程包括以下步骤:
计算高维空间中数据点的相似度:通过计算两个数据点之间的欧氏距离,然后将其归一化为一个范围在0到1之间的相似度分数。
构建低维空间:将每个数据点映射到一个新的、低维度的空间。在这个新空间中,每个数据点的位置是由其在高维空间中的相似度决定的。
优化目标函数:t-SNE的目标是在保持高维空间中数据点的相似度的同时,尽可能地让低维空间中的数据点分散开来。主要通过“Kullback-Leibler散度”构建的损失函数来实现。
2)利用Adaboost算法对降维后的样本集进行拟合,根据拟合后的综合指标,筛选出相关性满足预设范围的特征量;
Adaboost算法是一种基于Boosting思想的集成学习方法,算法将多个弱学习器进行加权组合,从而获得一个具有较强学习性能的强学习器。在算法训练过程中,每次循环均根据弱学习器上次循环的训练误差赋予学习器不同的权值,不断对数据进行权值修改,将修改权值后的数据传送到下一层学习器进行训练,从而形成最终的预测函数。AdaBoost算法既能应用分类问题又能解决回归预测问题,如果对其进行稍加修改,将数据集的每个特征对应于一个弱学习器,那么在AdaBoost算法流程中计算弱学习器权重的同时也是在进行特征的重要性计算。
AdaBoost具体算法流程如下:
1.1)假设有dall个数据样本,记经过第p次迭代得到的弱学习器组为Dp(s),其中s=1,2,…,dall。依据特征维度,设置弱学习器数量为m,初始化各数据样本的初始权重大小D1(s)=1/dall。
1.2)将经过加权后的训练数据集输入到弱学习器中,得到第p次迭代下各学习器的预测输出yad(s),根据模型输出结果计算误差和。
yad(s)≠yre(s)
式中:yad(s)为模型预测输出值;yre(s)为真实值。
1.3)依据预测误差和ep获取序列权重ap。
1.4)依据序列权值ap重新计算弱学习器下一轮的训练样本权重。
式中Bp为归一化因子。
得到新的训练样本权重后,判断误差ep是否满足退出条件。满足则退出,并合成最终的强预测函数;不满足则跳转至步骤1.2),继续迭代。
依据上述流程,在迭代结束后便可依据各特征对应的弱学习器最终的学习权重,输出各特征的重要性大小。在选择AdaBoost算法中的弱学习器时,可选择树模型外的机器学习模型,从而使训练模型更加具有泛化性。
根据拟合后的综合指标,利用皮尔逊相关系数计算特征量的相关性,从中筛选出相关性满足预设范围的特征量,即相关性较大的特征量;例如计算了30个特征量,可以选取前5个相关性较大的特征量,将其他的特征量直接剔除。
3)将对窗台灯历史使用过程中的室内光照强度与相关性满足预设范围的特征量进行融合,作为C-LSTM网络的输入数据。
因此,本实施例通过特征降维和特征筛选,大大减少了运算量,加快了模型的训练速度,避免了无关特征对于模型训练的干扰,提高了训练精度。
在一个可选的实施方式中,获取所述室内光照强度,包括:
计算入射角为θ时的太阳辐射量HT:
式中,HB表示水平面上的太阳直接辐射量;HD表示水平面上的太阳散射辐射量;RB表示辐射因子;μ表示地面反射率;δ表示日照稳定数因子;
计算室外光照强度:
Qout=kHT(1+ζcosθ)
式中,Qout表示室外光照强度,k表示比例因子,ζ表示太阳辐射的衰减系数;
计算室内光照强度:
Qin=αQout
式中,Qin表示室内光照强度,α表示采光系数,Sc表示采光结构和透光结构的面积总和,β表示透光率,Sn表示采光结构面积所对应的室内面积,hn表示室内地面到采光结构顶部的高度。
通过上述方式,考虑了外界的太阳符合和室内采光能力,从而准确计算出了室内光照强度,有利于模型更准确的评估出应该配置的照明参数。
在一个可选的实施方式中,所述方法还包括:
获取窗台灯的照明时的照度均匀度,反馈至所述参数推荐模型;
控制所述参数推荐模型在线学习,优化模型输出的参数配置方案。
需要说明的是,照度均匀度是衡量照明系统在一定区域内光照强度分布均匀程度的指标,它是评价照明质量的重要参数之一。如果照度均匀度过低,会导致眼睛在不同的亮度区域频繁调整,容易产生视觉疲劳,长时间下来可能还会导致视力下降。反之,如果照度均匀度过高,可能会使人感到过于刺眼,同样会影响视觉舒适度。而良好的照度均匀度则可以保证视觉清晰度,减少眼睛收到的光线刺激,从而有助于保护眼睛并提高作业效率。因此本实施例考虑引入照度均匀度参数对参数推荐模型进一步优化。
窗台灯的照明时的照度均匀度可以通过照度计检测,通过在窗台灯能够照明的区域设定几个测量点,由照度计获取测试点的照度值,然后计算是照度最大值与照度最小值的比值,若该值越接近1则说明光纤分布越均匀。在设定测量点时可以以光源为圆形画扇形,如图3所示,在30度、60度、90度所在的射线上均匀地各取几个点来进行测试。进一步地,将照度均匀度反馈至参数推荐模型,并将设定好的照度均匀度目标值一并输入至模型;此时控制参数推荐模型进行在线学习,从而进一步优化模型输出的参数配置方案。
因此本实施例通过考虑照度均匀度,能够优化参数推荐模型,进一步提高模型对于窗台灯配置参数的准确性。
蓝光危害是指长时间暴露在高能量的蓝光下,可能会对眼睛产生不良影响,如视网膜损伤、视力下降、甚至可能导致黄斑部病变。因此在一个实施例中,除了考虑照度均匀度的影响,还可以考虑蓝光因子的影响,从而进一步优化参数推荐模型。
窗台灯通常采用的为LED光源,以20岁人眼为标准,窗台灯采用LED光源时对人眼的蓝光危害因子KB的表达式为:
式中,Km为明视觉效应的最大光谱光效能,取值为683Im·W-1;p(λ)为光谱分布;B(λ)为蓝光危害加权函数,v(λ)为明视觉视见函数,Tn(λ)为n岁人眼的透射率,λ为光的波长。
进一步地,蓝光占比Kb是指光谱分布中发生蓝光危害的主要波段的积分面积与可见光波段积分面积/>的比值,可在一定程度上反映蓝光危害的强弱,其计算公式为:/>
因此,在窗台灯根据参数推荐模型输出的参数配置方案运行时,可以检测照明光波的光谱分布,然后分别计算出蓝光占比和蓝光危害因子这两个指标。进一步地,将这两个指标一并输入至参数推荐模型,并提前设定好蓝光占比和蓝光危害因子的目标值一并输入至模型,通过控制参数推荐模型在线学习,最终优化模型输出的参数配置方案,使得输出的色温和照度能够降低蓝光危害。
综上所述,本实施例通过考虑了蓝光危害这一因素,能够对模型进一步优化,从而使得模型输出的参数配置方案更精准、更加符合人眼舒适度,更好的保护用户视力。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种多功能防眩可调角度窗台灯的控制方法,其特征在于,所述方法包括:
检测室内是否存在用户;
若否,则控制窗台灯自动关闭或切换到节能模式;
若是,则检测用户的行为状态;其中用户数量为至少一个;
在确定所有用户均处于第一行为状态时,控制窗台灯自动关闭或切换到节能模式;
在确定存在用户处于第二行为状态时,获取当前用户的身份信息和室内光照强度,并输入至参数推荐模型;所述用户的身份信息包括年龄、身高以及视力情况;
获取参数推荐模型输出的参数配置方案,根据所述参数配置方案自适应调节窗台灯的照明参数,所述照明参数包括窗台灯的照度、色温、角度以及高度。
2.根据权利要求1所述的多功能防眩可调角度窗台灯的控制方法,其特征在于,所述方法还包括:
通过红外传感器检测用户的行为状态;
当用户的活动水平或者呼吸模式不满足预设条件时,判定用户处于第一行为状态,所述第一行为状态为用眼强度低于预设值的状态;
当用户的活动水平或者呼吸模式满足预设条件时,判定用户处于第二行为状态,所述第二行为状态为用眼强度大于或等于预设值的状态。
3.根据权利要求1所述的多功能防眩可调角度窗台灯的控制方法,其特征在于,所述方法还包括:
以窗台灯历史使用过程中的用户的身份信息、室内光照强度为输入数据,以窗台灯的照明参数为输出数据,基于C-LSTM网络训练参数推荐模型;
其中,所述C-LSTM网络中LSTM网络的输出作为CNN网络的输入。
4.根据权利要求3所述的多功能防眩可调角度窗台灯的控制方法,其特征在于,所述方法还包括:
利用t-SNE算法对窗台灯历史使用过程中用户的身份信息进行特征降维;
利用Adaboost算法对降维后的样本集进行拟合,根据拟合后的综合指标,筛选出相关性最大的特征量;
将对窗台灯历史使用过程中的室内光照强度与相关性最大的特征量进行融合,作为C-LSTM网络的输入数据。
5.根据权利要求3所述的多功能防眩可调角度窗台灯的控制方法,其特征在于,所述方法还包括:
获取窗台灯的照明时的照度均匀度,反馈至所述参数推荐模型;
控制所述参数推荐模型在线学习,优化模型输出的参数配置方案。
6.根据权利要求3所述的多功能防眩可调角度窗台灯的控制方法,其特征在于,获取所述室内光照强度,包括:
计算入射角为θ时的太阳辐射量HT:
式中,HB表示水平面上的太阳直接辐射量;HD表示水平面上的太阳散射辐射量;RB表示辐射因子;μ表示地面反射率;δ表示日照稳定数因子;
计算室外光照强度:
Qout=kHT(1+ζcosθ)
式中,Qout表示室外光照强度,k表示比例因子,ζ表示太阳辐射的衰减系数;
计算室内光照强度:
Qin=αQout
式中,Qin表示室内光照强度,α表示采光系数,Sc表示采光结构和透光结构的面积总和,β表示透光率,Sn表示采光结构面积所对应的室内面积,hn表示室内地面到采光结构顶部的高度。
7.一种多功能防眩可调角度窗台灯,用于实现如权利要求1-6任意一项所述的控制方法,其特征在于,包括:
底座、支撑机构、灯罩、驱动机构以及控制器;
所述支撑机构包括第一支撑杆和第二支撑杆;所述第一支撑杆的第一端与所述底座活动连接,所述第一支撑杆的第二端与所述第二支撑杆的第一端万向关节轴承连接,所述第二支撑杆的第二端与所述灯罩活动连接;
所述第一支撑杆上设置有沿竖直方向延伸的滑轨,所述支撑机构还包括滑杆,所述滑杆的第一端固定在所述底座上,所述滑杆的第二端与所述滑轨滑动连接;所述滑轨的两端分别设置有第一限位件和第二限位件,所述第二限位件的位置高于所述第一限位件的位置,所述第一限位件和所述第二限位件分别用于限制所述滑杆的移动位置;
所述底座内设有驱动机构及所述控制器,所述控制器电性连接于所述驱动机构,所述灯罩的内壁设有防眩光膜和扩散板;
所述控制器用于根据参数配置方案生成控制信号和驱动信号,所述驱动信号用于控制所述驱动机构调节窗台灯的角度和高度,所述控制信号用于调节窗台灯的照度及色温。
8.根据权利要求7所述的多功能防眩可调角度窗台灯,其特征在于,所述第二支撑杆的第二端上设有支撑面,所述支撑面为半球面;所述灯罩的一端上设有球头,所述球头安装在所述半球面内,并通过压紧螺母压紧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410203549.4A CN117939721A (zh) | 2024-02-23 | 2024-02-23 | 一种多功能防眩可调角度窗台灯及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410203549.4A CN117939721A (zh) | 2024-02-23 | 2024-02-23 | 一种多功能防眩可调角度窗台灯及其控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117939721A true CN117939721A (zh) | 2024-04-26 |
Family
ID=90753860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410203549.4A Pending CN117939721A (zh) | 2024-02-23 | 2024-02-23 | 一种多功能防眩可调角度窗台灯及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117939721A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111134A1 (en) * | 2012-01-24 | 2013-08-01 | Yechezkal Evan Spero | Detector controlled illuminating system |
CN104812133A (zh) * | 2015-04-14 | 2015-07-29 | 华南理工大学 | 一种多功能随动台灯 |
CN112118659A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种灯光调节方法及智能装置 |
CN212901051U (zh) * | 2020-10-29 | 2021-04-06 | 广东向日葵智能科技有限公司 | 具有防蓝光防眩的灯头结构及应用该灯头结构的台灯 |
CN114845442A (zh) * | 2021-02-02 | 2022-08-02 | 深圳慧安康科技有限公司 | 一种基于台灯的智能照明方法、装置、台灯和存储介质 |
CN115422452A (zh) * | 2022-08-30 | 2022-12-02 | 温州佳润科技发展有限公司 | 基于大数据的智能家居控制方法、装置、设备及存储介质 |
-
2024
- 2024-02-23 CN CN202410203549.4A patent/CN117939721A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111134A1 (en) * | 2012-01-24 | 2013-08-01 | Yechezkal Evan Spero | Detector controlled illuminating system |
CN104812133A (zh) * | 2015-04-14 | 2015-07-29 | 华南理工大学 | 一种多功能随动台灯 |
CN112118659A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种灯光调节方法及智能装置 |
CN212901051U (zh) * | 2020-10-29 | 2021-04-06 | 广东向日葵智能科技有限公司 | 具有防蓝光防眩的灯头结构及应用该灯头结构的台灯 |
CN114845442A (zh) * | 2021-02-02 | 2022-08-02 | 深圳慧安康科技有限公司 | 一种基于台灯的智能照明方法、装置、台灯和存储介质 |
CN115422452A (zh) * | 2022-08-30 | 2022-12-02 | 温州佳润科技发展有限公司 | 基于大数据的智能家居控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112533319B (zh) | 场景式教室智能照明控制装置 | |
CN109890105B (zh) | 开放式办公室照明系统和控制方法 | |
Gordon | Interior lighting for designers | |
CN104938033B (zh) | 照明设备和照明系统 | |
CN110035578B (zh) | 基于混合照明的开放式办公室照明系统 | |
CN110163371B (zh) | 入睡环境调光优化方法 | |
CN105868570A (zh) | 不同光环境下对目标物的视觉功效的测算方法 | |
US20240122782A1 (en) | Vision training device and vision training instrument cross-reference to related applications | |
CN110891352A (zh) | 一种用于智能灯的控制方法及控制系统 | |
De Carli et al. | Review on visual comfort in office buildings and influence of daylight in productivity | |
CN111077780A (zh) | 一种基于神经网络的智能窗户调节方法及装置 | |
CN117939721A (zh) | 一种多功能防眩可调角度窗台灯及其控制方法 | |
CN113826445B (zh) | 基于相机的照明控制 | |
US11762477B2 (en) | Intelligent sunshading louver control system and method based on gesture recognition | |
CN116048164A (zh) | 一种具有优化室内光环境非视觉效应功能的建筑自适应表皮系统及控制方法 | |
Husini et al. | Light, daylighting and fluctuation of illuminance level in office buildings | |
Wyckmans | Intelligent building envelopes. Architectural concept and applications for daylighting quality | |
CN115495810A (zh) | 室内空间明亮感的评价方法、装置、设备及可读存储介质 | |
CN117794027B (zh) | 一种色温可变的护眼吸顶灯的控制方法及系统 | |
JP7413632B2 (ja) | 調光制御機構 | |
Parpairi | Daylight perception | |
CN115942570B (zh) | 一种智能调节照度的光营养装置及照度调节方法 | |
CN116661329B (zh) | 一种用于智慧教室声光系统的协同调控方法 | |
KR102221416B1 (ko) | 근적외선 디바이스 및 이를 이용한 피부상태 모니터링 시스템 및 그 방법 | |
CN219183706U (zh) | 携带式单光子钙成像摄像装置 |
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 |