一種基于神經網絡的隧道照明節能模糊控制系統技術方案

本發明專利技術公開了一種基于神經網絡的隧道照明節能模糊控制系統，屬于隧道照明節能技術領域。其包括隧道監測模塊、數據傳輸模塊和照明LED燈以及LED燈調光控制模塊，所述隧道監測模塊獲取對隧道外亮度、隧道內交通量、隧道內車速、隧道內亮度和隧道內能見度的監測信號，將監測信號通過數據傳輸模塊傳輸到LED燈調光控制模塊內的中心照明控制計算機并作為已訓練好的模糊神經網絡控制模型的輸入量，由計算機得出控制LED燈亮度命令，最后通過采用PWM的LED無級調光控制模式實現對隧道內亮度的256級調光，并將調光后的隧道內實時亮度反饋給中心照明控制計算機作為下一次調光的輸入量，實現對隧道內亮度的實時連續調節。

【技術實現步驟摘要】
一種基于神經網絡的隧道照明節能模糊控制系統
本專利技術涉及一種基于神經網絡的隧道照明節能模糊控制系統，屬于隧道照明節能
。
技術介紹
隧道進行高速公路隧道照明節能的研究勢在必行，其原因有兩方面，進行高速公路隧道照明節能研究是提高運營效益的需要。在高速公路隧道機電系統中，照明負荷約占30%左右；進行高速公路隧道照明節能研究是高速公路隧道安全運營的需要，從駕駛的安全性上來看，為了使駕駛者在隧道內行駛時視覺更自然，減少交通事故的發生，要求隧道照明要盡可能模擬隧道外的環境，耗能必然會提高，照明系統的安全性和節能性存在著此消彼長的矛盾。目前國內的大部分隧道照明控制系統雖然配備了依據時間與環境進行自動照明控制的模塊，但由于光強檢測器的易損與軟件可靠性設計的缺陷，多數還是采用人工控制，根據不同時段和環境，主觀決定燈具開關數量和方式。隨著計算機技術和電子技術的發展，公路隧道照明效率取決于光源，光源的選擇是照明節能的最大的方向，目前使用在隧道中的照明光源以高壓鈉燈、高壓汞燈、鹵素燈等傳統燈具居多，不僅光效低、啟動慢、能耗大、不利于智能控制，而且使用高壓汞燈還會帶來汞污染等問題。
技術實現思路
本專利技術的目的在于克服當前公路隧道照明技術不足，提供一種基于神經網絡的隧道照明節能模糊控制系統，其能夠通過基于一種模糊神經網絡控制模型的LED燈調光控制模塊根據隧道內外亮度、可見度、交通量、車速等影響因素對隧道內亮度的實時調節。本專利技術解決其技術問題所采用的技術方案是：本專利技術一種基于神經網絡的隧道照明節能模糊控制系統，包括隧道監測模塊、數據傳輸模塊和照明LED燈以及對LED亮度進行調節的LED燈調光控制模塊,所述隧道監測模塊用于監測隧道外亮度、隧道內交通量、隧道內車速、隧道內亮度和隧道內能見度，并將監測信號通過數據傳輸模塊傳輸到LED燈調光控制模塊；所述數據傳輸模塊用于傳輸隧道監測量和LED亮度調節指令，所述LED燈調光控制模塊基于一種模糊神經網絡控制模型。其中，所述隧道外亮度采用數碼相機法獲取，所述隧道內亮度由亮度計獲取，所述隧道內交通量大小和車速模塊由檢測器獲取，所述隧道內可見度由能見度檢測器獲取。所述數據傳輸模塊包含光纖以太網、RS485總線與DALI控制協議；其中從照明控制中心與隧道這段距離的數據傳輸用光纖以太網，隧道內系統總線采用RS485實現對數據的傳輸，對隧道內各LED照明燈具的控制選用DALI協議。所述LED燈調光控制模塊采用PWM的無級調光控制模式，所述無級調光控制模式包含具有PWM功能的芯片、單片機、LED驅動電路和電源；所述無極調光控制模式是通過控制LED燈電源的輸出電流，調節LED燈的亮度，可實現256級亮度調節；所述LED燈調光控制模塊通過單片機進行PWM控制，并通過具有PWM功能的芯片對LED驅動電路進行控制。進一步地，所述LED燈調光控制模塊內包含中心照明控制計算機，所述中心照明控制計算機內的模糊神經網絡控制模型采用多層前向BP網絡，共由5層組成：A層、B層、C層、D層、E層，所述A層為輸入層，接受語言變量的輸入，輸入量為隧道外亮度、隧道內亮度、隧道內車速、隧道內交通量和隧道內能見度；所述B層為隸屬函數生成層，實現模糊化操作；所述C層為規則前件匹配層，計算每條規則的適用；所述D層為規則結論層，對相同的規則后件進行綜合；所述E層為輸出層，實現反模糊化操作，輸出量為隧道內的調光數值。進一步地，所述模糊神經網絡控制模型的程序設計及訓練步驟如下：步驟一、設置網絡結構、神經網絡層數和模糊規則數；步驟二、對神經網絡模型的未知參數聚類中心C、中心寬度B、線性系數P的矩陣進行初始化，設置誤差指標取0.01；步驟三、根據給定輸入樣本、初始化的未知參數矩陣及計算公式得出神經網絡的計算輸出量，并根據誤差函數計算出神經網絡訓練誤差；步驟四、計算誤差對三類未知參數的偏導數，并用迭代公式根據當前的未知參數、給定學習速率和訓練誤差對未知參數的偏導數來計算并更新的三種未知參數；步驟五、重復步驟三，將新的未知參數用于計算輸出量，若訓練誤差＜0.01，則退出迭代，訓練結束，得到相應的聚類中心C、中心寬度B、線性系數P的矩陣。通過以上技術方案，相對于現有技術，本專利技術具有以下有益效果：1)本專利技術提出的一種基于神經網絡的隧道照明節能模糊控制系統構建了一種模糊神經網絡控制模型，考慮了隧道內外亮度、隧道內可見度、隧道內交通量、車速等影響因素，通過多層前向BP神經網絡的學習訓練，能進行較為準確的隧道內亮度實時調節，與傳統隧道照明亮度一直保持最大值相比，節能效果明顯；2)本專利技術提出的一種基于神經網絡的隧道照明節能模糊控制系統，采用PWM的無級調光控制模式，無極調光控制模式通過控制LED燈電源的輸出電流，調節LED燈的亮度，可實現256級亮度調節，調光級數多、范圍大，實現了隧道內照明的平滑過渡，并且有效遏止隧道照明的電能浪費；PWM(脈寬調制)調光具有能夠避免在電流變化時發生LED色偏的優點；3)采用高效LED照明代替傳統的高壓鈉燈方案，同樣亮度的LED光源，功率能減少30%左右。并且，通過燈具比選、配光設計、智能控制等技術措施，在達到良好照明效果同時進一步降低LED的功率，達到節能效果。附圖說明下面結合附圖和實施例對本專利技術進一步說明。圖1是本專利技術提出的一種基于神經網絡的隧道照明節能模糊控制系統的LED燈調光控制模塊的照明自動控制模型的示意圖；圖2是本專利技術提出的一種基于神經網絡的隧道照明節能模糊控制系統的程序設計及訓練流程圖的示意圖；圖3是本專利技術提出的一種基于神經網絡的隧道照明節能模糊控制系統的LED燈調光控制模塊的照明控制系統硬件邏輯框圖的示意圖。具體實施方式現在結合附圖對本專利技術作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本專利技術的基本結構，因此其僅顯示與本專利技術有關的構成。本專利技術一種基于神經網絡的隧道照明節能模糊控制系統，包括隧道監測模塊、數據傳輸模塊和照明LED燈以及一種基于模糊神經網絡控制模型的LED燈調光控制模塊。該隧道監測模塊用于監測隧道外亮度、隧道內交通量、隧道內車速、隧道內亮度和隧道內能見度，并將監測信號通過數據傳輸模塊傳輸到LED燈調光控制模塊。其中，隧道外亮度采用數碼相機法獲取、隧道內亮度由亮度計獲取、隧道內交通量大小和車速模塊由檢測器如環形線圈等獲取、隧道內可見度由能見度檢測器獲取。該數據傳輸模塊包含光纖以太網、RS485總線與DALI控制協議，用于傳輸隧道監測量和LED亮度調節指令。其中從照明控制中心與隧道這段距離的數據傳輸用光纖以太網，隧道內系統總線采用RS485實現對數據的傳輸，對隧道內各LED照明燈具的控制選用DALI協議。該LED燈調光控制模塊包含具有PWM功能的芯片、單片機、LED驅動電路和電源。其采用PWM的無級調光控制模式，可對LED亮度進行調節。其中，單片機進行PWM控制，具有PWM功能的芯片對LED驅動電路進行控制，通過控制LED燈電源的輸出電流，調節LED燈的亮度，可實現256級亮度調節。該LED燈調光控制模塊內還包含中心照明控制計算機。該中心照明控制計算機內的模糊神經網絡控制模型采用多層前向BP網絡，共由5層組成：A層、B層、C層、D層、E層。其中，A層為輸入層，接受語言變量的輸入，本文檔來自技高網...

【技術保護點】
一種基于神經網絡的隧道照明節能模糊控制系統，其特征在于：其包括隧道監測模塊、數據傳輸模塊和照明LED燈以及對LED亮度進行調節的LED燈調光控制模塊,所述隧道監測模塊用于監測隧道外亮度、隧道內交通量、隧道內車速、隧道內亮度和隧道內能見度，并將監測信號通過數據傳輸模塊傳輸到LED燈調光控制模塊；所述數據傳輸模塊用于傳輸隧道監測量和LED亮度調節指令，所述LED燈調光控制模塊基于一種模糊神經網絡控制模型。

【技術特征摘要】
1.一種基于神經網絡的隧道照明節能模糊控制系統，其特征在于：其包括隧道監測模塊、數據傳輸模塊和照明LED燈以及對LED亮度進行調節的LED燈調光控制模塊,所述隧道監測模塊用于監測隧道外亮度、隧道內交通量、隧道內車速、隧道內亮度和隧道內能見度，并將監測信號通過數據傳輸模塊傳輸到LED燈調光控制模塊；所述數據傳輸模塊用于傳輸隧道監測量和LED亮度調節指令，所述LED燈調光控制模塊基于一種模糊神經網絡控制模型。2.根據權利要求1所述的基于神經網絡的隧道照明節能模糊控制系統，其特征在于：所述LED燈調光控制模塊內包含中心照明控制計算機，所述中心照明控制計算機內的模糊神經網絡控制模型采用多層前向BP網絡，共由5層組成：A層、B層、C層、D層、E層，所述A層為輸入層，接受語言變量的輸入，輸入量為隧道外亮度、隧道內亮度、隧道內車速、隧道內交通量和隧道內能見度；所述B層為隸屬函數生成層，實現模糊化操作；所述C層為規則前件匹配層，計算每條規則的適用；所述D層為規則結論層，對相同的規則后件進行綜合；所述E層為輸出層，實現反模糊化操作，輸出量為隧道內的調光數值。3.根據權利要求2所述的基于神經網絡的隧道照明節能模糊控制系統，其特征在于：所述模糊神經網絡控制模型的程序設計及訓練步驟如下步驟一、設置網絡結構、神經網絡層數和模糊規則數；步驟二、對神經網絡模型的未知參數聚類中心C、中心寬度B、線性系數P的矩陣進行初始化，設置誤差指標取0.01；步驟三、根據給定輸入樣本、初始化的未知參數矩...

【專利技術屬性】
技術研發人員：李雨菲，陳榮杰，李麗，許多，鄭源，劉珂，付士鳳，方逸波，
申請(專利權)人：河海大學，
類型：發明
國別省市：江蘇,32