基于人工神经网络的智能路灯节能控制系统

摘要

本发明公开了一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，其特征在于：所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成。本发明根据每个路灯照明单元的周边环境情况，实现智能功率控制，在满足照明要求的前提下，有效降低能耗。

主权项

1. 一种基于人工神经网络的智能路灯节能控制系统，包括传感器系统、节能控制系统和功率控制器，所述传感器系统的输出信号连接至节能控制系统的输入端，节能控制系统的输出信号连接至功率控制器，其特征在于：所述传感器系统包括环境光信号采集处理模块、红外信号采集处理模块和声音信号采集处理模块；所述节能控制系统包括DSP嵌入式系统和设置在DSP芯片中的人工神经网络模块；所述人工神经网络模块由人工神经网络BP算法的前向算法和经过训练的人工神经元构成；所述人工神经网络模块由计算机中经训练的人工神经网络移植获得，其过程包括：(1)在计算机中构建采用BP算法的人工神经网络，所述人工神经网络的输入向量包括环境光信号、红外信号、声音信号和时间，输出为路灯功率；(2)选取m个不同的路灯安装地点，对每个地点以预先设定的时间间隔t采集n个样本，一共采集m×n个样本作为学习样本，同时给出相应时间地点满足照明要求的照明功率作为导师信号，其中，m为大于等于8的整数，0.5小时≤t≤2小时，n为大于等于5的整数；(3)把样本和相应的导师信号输入至计算机中的人工神经网络，对人工神经网络进行训练，训练完成后，把经过训练的人工神经元的结果输出为矩阵保存；(4)把计算机中采用BP算法的人工神经网络的前向算法和输出的人工神经元矩阵移植到DSP芯片中；BP人工神经网络的训练包括传感器信号预处理、前向计算、误差反向传播；所述的传感器信号预处理为， 确定训练的传感器信号样本集Xp，其中，p=1,2,……P，P为样本的个数，取其中一个样本进行编码，给出环境信息的导师信号t，初始化权值；所述的前向计算为，隐含层的输入为，为第i个输入神经元，为输入层和隐含层之间的权值，隐含层的输出为， 其中为sigmoid函数；输出层的输入为隐含层和输出层之间的权值，输出层的输出为定义误差；为给出的学习信号的值，为人工神经网络的输出与学习信号的差方的和；所述的误差反向传播为，更新规则——利用梯度下降法调整权值，学习速率为，，其中是误差函数对权值的负偏导数，是的一阶导数，，其中是误差函数对权值的负偏导数，是的一阶导数，更新权值，，是上一次运算的结果，是本次运算的结果；是上一次运算的结果，是本次运算的结果。