LED路灯光照强度自适应控制方法

摘要

根据黄昏时分自然光照缓慢变弱的特征,提出了一种基于神经网络的LED路灯光照强度自适应控制方法,实现了LED路灯光照强度随自然光照强度变化自动调节。该方法以LED路灯光照测量输出电压与光照强度之间函数关系的单调递增性(即导数大于0)为先验知识,构造神经网络模型训练的约束条件,并利用Lagrange乘子法构建增广拉格朗日函数作为训练目标函数,给出了详细的训练算法,完成神经网络优化设计,提高了LED路灯光照强度自适应控制模型的泛化能力。仿真实验表明,这种基于约束条件的神经网络方法(CCNN),比传统的数据驱动训练方法(DINN,即仅利用数据样本训练神经网络)具有更好的泛化能力,模型误差更小;现场测试表明,黄昏时分采用这种CCNN方法的LED路灯节能最大超过20%。