目前,LED路燈在道路照明、城市亮化工程等領域中獲得了廣泛應用,然而其控制方式多為人工控制或定時控制。這兩種控制方式簡單,但存在明顯缺陷:不能根據(jù)天氣情況或外界自然光情況自動調(diào)節(jié)LED路燈的光照強度,從而造成電能浪費。為解決這個問題,許多學者和工程師進行了大量的研究工作,試圖降低LED路燈的能耗。
重慶路燈廠黃昏時分的自然光照強度緩慢變?nèi)?
目前,LED路燈在道路照明、城市亮化工程等領域中獲得了廣泛應用,然而其控制方式多為人工控制或定時控制。這兩種控制方式簡單,但存在明顯缺陷:不能根據(jù)天氣情況或外界自然光情況自動調(diào)節(jié)LED路燈的光照強度,從而造成電能浪費。為解決這個問題,許多學者和工程師進行了大量的研究工作,試圖降低LED路燈的能耗。
重慶路燈廠黃昏時分的自然光照強度緩慢變?nèi)?,若能根?jù)自然光的這種特征,自適應地調(diào)節(jié)LED路燈光照逐漸變強,從而保持整體光照程度(LED路燈光照與自然光照之和)不變,即充分利用自然光照補償LED路燈,可以減少LED的能耗。在這種自適應控制方法中,首先需要完成光照強度檢測、構(gòu)建光照強度與LED驅(qū)動電壓的模型,從而實現(xiàn)LED路燈控制。然而實驗發(fā)現(xiàn),光照強度檢測傳感器輸入-輸出特性、光照強度與LED驅(qū)動電壓均成非線性關(guān)系,建模不易。
神經(jīng)網(wǎng)絡具有很強的逼近非線性函數(shù)能力,已廣泛應用于系統(tǒng)建模、校正與補償。它可通過構(gòu)建基于神經(jīng)網(wǎng)絡的光照強度測量逆模型(即LED光照測量輸出電壓與光照強度之間的函數(shù)關(guān)系)、訓練神經(jīng)網(wǎng)絡獲得模型參數(shù),為LED光照強度自適應控制做準備。這種光照控制模型的性能主要取決于神經(jīng)網(wǎng)絡的泛化能力。因此,如何提高其泛化能力對這種光照控制模型尤為重要。系統(tǒng)先驗知識可以通過結(jié)構(gòu)約束和權(quán)值約束實現(xiàn)對神經(jīng)網(wǎng)絡的優(yōu)化,顯著提高神經(jīng)網(wǎng)絡的泛化能力。實驗發(fā)現(xiàn),LED路燈光照測量輸出電壓隨光照強度增強而增加,即輸出電壓是光照強度的單調(diào)遞增函數(shù)(即一階導數(shù)大于0)。利用LED路燈光照測量系統(tǒng)的這種先驗知識,構(gòu)成基于神經(jīng)網(wǎng)絡LED路燈光照強度控制模型的約束條件,能夠獲得比傳統(tǒng)訓練方法更好的訓練效果,傳統(tǒng)方法僅利用數(shù)據(jù)樣本訓練神經(jīng)網(wǎng)絡,不利用導數(shù)信息等先驗知識。
由于引入了約束條件,此時神經(jīng)網(wǎng)絡的訓練將是一個有條件約束問題的求解過程,與普通神經(jīng)網(wǎng)絡訓練(即無條件約束問題)相比,其算法要復雜的多,因此需要采用新的神經(jīng)網(wǎng)絡訓練方法?,F(xiàn)有的解決約束優(yōu)化問題的乘子法等為有條件約束的神經(jīng)網(wǎng)絡訓練提供了參考。因此,利用乘子法,結(jié)合導數(shù)約束,提出一種基于約束條件的神經(jīng)網(wǎng)絡(CCNN)LED光照強度控制方法,以完成黃昏時分LED路燈光照自適應調(diào)節(jié),實現(xiàn)LED路燈的進一步節(jié)能。
http://www.www.hfgssw.cn/