基于BP神经网络数学算法智能照明控制应用.docVIP

基于BP神经网络数学算法智能照明控制应用 　　摘 要：传统控制系统通常具有固定的控制模式，而无法根据实际环境进行灵活调整。基于BP神经网络算法，以英飞凌XC836芯片为平台，设计了能够自动根据环境信息调整光照亮度的照明控制系统。相比传统照明控制系统，该设计具有更高的灵活性与可调性，同时还通过BP神经网络的线性参数实现了光照强度的线性调节控制。 　　关键词：LED照明；智能控制系统；PWM应用；BP神经网络 　　DOIDOI：10.11907/rjdk.151209 　　中图分类号：TP319 文献标识码：A 文章编号：1672-7800（2015）007-0079-03 　　0 引言 　　随着LED照明技术的发展，由于其具有低功耗、高亮度、易控制等特点，已经逐渐成为照明系统的首选。但是传统LED照明控制系统通常采用简单的开关控制方案，不仅无法发挥出LED灯的照明潜能，还容易导致LED灯长期高负荷运行，严重影响其使用寿命[1]。因此，为了延长LED灯的使用寿命，实现灵活的照明控制，需要采用智能LED照明控制方案。 　　罗静华[2]设计了利用单片机与键盘输入控制LED亮度的智能照明系统。其方案可有效降低LED的工作负荷，延长照明系统的使用寿命。但是由于LED仅能够根据预设值进行简单的亮度调节，而不对调节结果进行反馈处理，因此无法实现准确的智能控制；吴玉香[3]通过反馈通信解决了实时调节问题，但是增加了系统的实现与运行成本。 　　照明控制系统通常需要独立运行，因此智能控制方案需要具有较高的自适应性。此外，由于嵌入式系统对功耗有严格要求，因此控制方案还需要具有较低的运算开销。基于以上约束条件，非常适合采用BP神经网络算法作为控制方案。 　　BP神经网络是人工智能领域连接主义学派的主要研究方向，起源于人们对动物神经元及神经冲动传播机制的研究。其通过阈值模拟动物神经元的信息处理与传递过程，将待解问题的空间集合化[4]。问题的解空间越大，其适应度就越高，拥有的潜能也越大。因此，基于BP神经网络的控制系统通常具有良好的自适应能力，并可以在较低运算开销下解决复杂的控制问题。此外，由于BP神经网络基于线性参数构成，因此可以实现线性的控制变化[5]。 　　本文基于BP神经网络设计实现了智能照明控制系统。该系统基于英飞凌XC836平台实现，采用当前较为成熟的三层BP神经网络结构，即“输入层-隐含层-输出层”模型。其中，输入层数据使用光照采集模块的输出值，输出数据提供给LED控制系统作为控制值。为了提高系统的调节准确程度，输入层-隐含层权值、隐含层-输出层权值以及节点阈值首先通过模拟计算，得到合理的区间值，然后再基于实际环境进行调整。 　　1 系统设计 　　本文系统由光强采集与处理模块、BP神经网络控制模块、LED灯驱动与调节模块组成，模块间通过I2C总线进行通信，以降低系统的设计与运行成本。系统通过SPD调试端口与主机连接，实现权值与阈值的模拟计算。其中，光强采集模块与LED照明模块通过生成光照强度构成结果反馈。系统设计模块如图1所示。 　　（1） 光强信息采集与处理模块：该模块基于光照传感器采集信息的基本原理，利用光敏器件的感光特性，通过易测的电流来定量得到不易测得的光强信息。在本文系统中，模块采用光敏二极管，通过AD采样二极管的反向漏电流数值获取输入信息。将AD采样的值代入对应的光强计算公式，即可获取实际的光照强度。 　　（2） BP神经网络控制模块：本模块基于BP神经网络理论，通过“输入-隐含-输出”三层网络结构模型，实现智能控制模块的构建。在本文系统中，首先通过PC端模拟控制算法，获取权值与阈值的合理区间，为BP神经网络的路径分配初始权值。然后基于SPD接口将各权值同步至XC836中，基于实际环境调节光照输出，使LED灯的输出与预期匹配，完成权值的误差修正和BP神经网络的自主学习。 　　图1 系统设计模块 　　（3） LED灯驱动与调节模块：本模块基于传统的LED亮度控制理论实现。通过控制LED灯点亮时间的占空比来调整LED灯的亮度。在本文系统中，由于需要进行亮度调整与校正，恒流驱动电路向LED提供的电流大小被严格控制在额定电流以下，以避免LED在调节过程中被损坏。驱动电路被导入具有一定占空比的脉冲方波，通过驱动电路三极管的导通与夹断，使流经LED的电流高频通断，进而控制LED灯的亮度。脉冲方波由XC836平台提供，其空占比由BP神经网络计算得出。 　　2 系统实现 　　2.1 光照采集模块设计 　　光照采集模块的核心部分为光敏二极管。光敏二极管的管芯是一个具有光敏特征的PN结，具有单向导电性，在工作时需加上反向电压。无光照时，有很小的饱和反向漏电流，此时光敏二极管截止。当受到光照时，饱和反向漏电流增加