智能化照明系统的研究

本文通过对照明区域内点照度的分析,在充分考虑实际需求的情况下,提出了一种基于单片机80C51的智能调光方法,结合实际生活和工作环境中的光源分布给出了光传感器的分布方法,详细介绍了智能调光的原理和方法。该系统可依据不同人对照度的不同需求,均匀的调节环境内照度,实现室内照明的人性化、个性化。     

北京科技大学体育馆导光管照明

<正>项目地点:北京市海淀区设计单位:清华大学建筑设计研究院主要完成人:武毅戴德慈王磊金仁东栗铁1、项目介绍(1)照明设计理念该馆比赛场地利用北京地区日照资源丰富的特点设置了可调光式导光管照明系统,可以充分利用自然光。在奥运会期间,导光管照明系统主要用作赛会准备期内的日常工作照明和比赛前的清扫照明。在赛后,导光管照明系统还可以长期服务于学校的体育教学工作和学生课外活动。将导光管照明系统应用在体育馆,在国内尚属首次。在导光管中增设调光系统,可以根据室外照度的变化,调节导光管的出光量,使室内场地照度基本稳定。     

建筑方案的天然采光性能分析方法

通过对建筑方案设计特点的分析,应用采光模拟计算软件( Daysim)预测侧窗和中庭天然采光的室内照度全年满足率,并根据计算结果回归分析得到经验计算公式.经验公式和模拟软件的相关性分析结果表明,可以获得较高的相关系数.在经验公式的基础上,研究建筑整体采光节能率的计算公式,提出方案阶段模拟辅助天然采光设计的方法和流程.     

液化场地水平位移预测数据驱动方法研究

基于Youd等2002液化变形数据库，结合机器学习方法，本研究建立了基于机器学习的液化场地水平位移预测数据驱动方法，并利用其对新近地震液化场地的水平位移进行了预测。首先，收集了新近几次地震液化场地水平位移案例，在此基础上采用已有常用工程经验方法对新近地震液化场地水平位移进行预测以探究其适用性，发现Youd 2018方法具有良好的表现。为获得最优的机器学习模型，本研究分别讨论了BP神经网络模型（BPNN）、径向基神经网络模型（RBF）、决策树模型（DT）、随机森林模型（RF）、支持向量机模型（SVM）等机器学习模型的适用性。研究发现，随机森林模型（RF）表现优越，该方法计算效率高、数据可扩展性好，同时能够很好地反映已有数据特性。相较于Youd 2018方法，随机森林模型（RF）对新近地震液化场地水平位移的整体预测精度提升18.17%。最后，本研究探讨了随机森林模型（RF）预测液化场地水平位移时不同影响因素的敏感性。     

基于BP神经网络的概率径流预测模型

本文采用多元线性回归模型模拟贝叶斯分析的先验分布和似然函数,并结合反向传播神经网络(Back Propagation Neural Network)建立基于BP神经网络的贝叶斯概率径流预测模型,将模型应用于石羊河出山口六河水系的年径流预测中。为降低BP神经网络的"黑箱"特性对预测精度的影响,在实例应用中结合了区域的水文特性对数据进行预处理,结果表明该方法有效的提高了模型的预测精度;同时相对于确定性水文预测方法而言,贝叶斯概率水文预报定量地、以分布函数形式描述水文预报的不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。     

神经网络响应面在堆石坝流变反演中的应用

堆石体的流变参数对高面板堆石坝的长期安全性分析具有重要意义。参数反演可以准确获得符合坝体实际长期变形规律的流变参数。本文分别采用反向传播神经网络（BP）和径向基神经网络（RBF）构造出待反演参数与位移值之间的响应，引入统计学回归预测模型中的均方根误差（RMSE），平均绝对百分比误差（MAPE）和线性回归决定系数（R2）等指标来全面评估不同神经网络响应面映射能力的优劣，从而提高参数反演的效率和准确率。结果表明，RBF神经网络响应面的评估指标均优于BP神经网络响应面。利用RBF神经网络响应面和多种群遗传算法（MPGA）得到反演后的流变参数并将其用于有限元计算，得到的蓄集峡坝体沉降值在大小和分布上与实测值有很好的一致性。     

基于随机森林的电力系统小时负荷预测研究

传统的数据分析模式渐渐不适用于电力系统的负荷预测。为提高负荷预测的精度,基于电力负荷历史数据和天气信息,结合随机森林(RF)算法,对比支持向量机(SVM)和反向传播网络(BP)方法,研究电力系统小时负荷预测。发现树的数量影响随机森林的精度,是建立模型时需要考虑的重要变量。与对比模型结果相比,随机森林在小时负荷预测方面吻合程度较好,提高了小时负荷预测的精度。     

基于遗传算法优化BP神经网络的接触电阻预测

接触电阻是反应导体间电接触性能的重要参数,在实际的工程中往往采用经验公式对接触电阻进行计算,精度难以满足要求。为解决这一问题,将遗传算法(GA)与BP神经网络相结合对接触电阻进行预测。通过实验得到数据,分别利用遗传算法优化BP神经网络、BP神经网络以及回归分析模型进行训练和测试,并将各算法所得误差进行对比。误差对比结果表明：遗传算法优化BP神经网络的收敛效果优于其他两种算法,且遗传算法优化BP神经网络所得接触电阻模型的相对误差平均值比BP神经网络减少了4.01%,比回归分析减少了4.72%,且预测效果较稳定。利用遗传算法与BP神经网络相结合的接触电阻预测模型较单独使用BP神经网络预测模型具有更好的非线性拟合能力和更高的预测精度。     

基于FOA-GRNN的水电站厂房结构振动响应研究

应用果蝇优化算法(FOA)对广义回归神经网络(GRNN)平滑参数spread值进行优化,充分利用果蝇优化算法收敛速度快及径向基函数调整参数少的优点,建立厂房结构的振动响应预测模型,同时结合反向传播神经网络(BP)、局部回归神经网络(ELMAN)对某厂顶溢流式水电站的厂房结构振动响应问题展开对比预测研究。通过比较三种神经网络的预测效果,最终得出:基于果蝇算法优化的广义回归神经网络(FOA-GRNN),在预测能力、学习速度上明显优于BP网络和ELMAN网络。说明运用FOA-GRNN神经网络预测厂房结构振动响应是可行的,为增强厂房结构的智能化监测提供了保障。     

连续布置光井式单元屋顶天然采光系统的量化研究

屋顶采光是体育馆、展览馆、交通建筑等大空间建筑采光的优选方式。在屋顶上开设大面积的采光口是高效的采光方法,但太阳位置的不断变化使室内光环境难于稳定、照度分布难以均匀。本研究提出的连续布置光井式采光单元屋顶采光系统具有紧密排布的狭长腔体,天然光在其中多次反射后照明室内,这种机理有利于营造稳定、均匀的室内光环境。本文量化分析了采光单元光井系数、截面尺寸、表面反射率、朝向、分布密度等对于采光效果的影响,该研究结果可作为大空间建筑屋顶采光设计的参考。     

基于Downhill-Simplex算法的客舱照明优化设计方法研究

优化设计方法在照明设计中得到了广泛和深入的研究。针对民用飞机客舱照明设计方案,研究了Downhill-Simplex优化算法在客舱照明设计中的应用,编写了照明优化设计程序,通过客舱工作面照度均匀度优化设计实例对优化设计程序进行了验证。其中优化前客舱工作面照度均匀度为0．5,通过优化客舱工作面照度均匀度达到了0．8,表明优化算法是可靠的。本优化设计方法可用于飞机内外部照明、道路照明和投影设备等非成像光学设计领域。     

室内照度区域光效法

一个由半透明、不透明材料及开口围成的圆球壳体，球心设一点光源，则壳体的平均透光系数和内表面的平均反射系数可求，故该壳体的光效率可求。把一个室内照明环境，分成照明室间和地板空间，并看成是在工作面相接的两个壳体，因此地板空间和照明空间的光效率可求。照明空间因地板空间的光回受再分配，可求得照明空间总的区域光效率ηψ。由于灯具与点光源的配光存在差异，照明空间与球壳、灯具不在形体中心的差异，引入配光系数Ｋ１     

天然采光影响因素分析与照明节能

目前,国内天然采光的研究还局限于美学角度的考虑和定性分析,缺乏定量的计算和研究.本文利用RADIANCE软件,模拟计算了几个特性参数如窗墙比、窗台高、透光率、窗形等在进深方向对室内天然光分布的影响,并分析了天然采光所带来的照明节能状况.     

非成像光学应用于LED照明的研究

本文主要研究和讨论了采用LED作为光源的照明系统的二次配光器件设计方法以及经过配光后的照度分布。在过去的五十年中,照明光学技术取得了重大的发展和进步,一些新的技术和应用逐渐出现并被应用到照明行业的各个领域,如背光照明领域、户外照明领域,室内照明领域以及投影显示领域等等,而这些技术的核心问题就是如何获得预先设定形状的照度分布。与成像光学不同,照明光学系统属于非成像光学的范畴。因此,在本文中,对照明领域中基本问题的回答将从非成像光学的角度论述,这些观点包括了一些新的设计思想和设计理念,例如＂边缘光线理论＂、＂光学扩展量守恒＂、＂最大收集率＂等等,试图建立一个完整的应用于LED照明二次光学设计的框架。     

智能办公大楼的采光与照明设计研究

本文从采光与照明的角度论述了智能办公楼设计中所需的楼房层高和进深。同时对智能大楼的采光与照明标准和怎样防止天然采光和人工照明中出现的眩光问题进行了探讨。     

不同背景亮度和色温下垂直照度与辨识度关系的实验研究

要提升室内照明的质量,保证“LED照明建筑一体化”的设计水平,照明设计和评价应由单一的水平方向向整体空间需求转变。EN12464—2019针对室内的空间照度进行了规定,提出了柱面照度、墙面照度、顶棚照度的要求,但是目前我国标准对于室内照明场所垂直方向的照度没有明确的规定。为研究垂直照度的合理取值,本文开展了垂直照度与辨识度的实验研究。实验结果表明,达到可识别的程度时所需的垂直照度与背景照明的色温和亮度有着密切的关系,通过分析得到了不同色温条件下垂直照度与背景亮度的关系曲线。     

单级PFC恒流驱动及蓝牙调光技术的研究

LED 智能照明系统逐渐应用到室内照明,具有智能控制、高效节能、绿色的特点。国内 LED 智能照明系统仍不完善,存在不易控制、能源浪费、功率因数低、谐波干扰大等问题,使得 LED 照明的优势没有很好的体现出来,并阻碍其推广。对智能调光控制技术进行研究,设计单级 PFC 反激式恒流驱动电路和蓝牙调光方案,Android 智能手机作为客户端以蓝牙无线技术传输调光控制信号,对 LED 恒流驱动电路进行开关、调光控制实现智能照明,具有便捷可靠、电源转换效率和功率因数高、电流总谐波低的性能。     

基于AVR单片机的LED自适应调光系统

随着LED照明技术快速发展,对LED自适应调光技术需求更加强烈。该文以AVR单片机中ATmega16作为控制器,利用基于12C（Inter Integrated Circuit）总线的光传感芯片TSL2561采集室内环境光照度,采用脉宽调制（Pulse Width Modulation—PWM）方式调节MOS管,进而调节LED的发光亮度,最终维持室内环境光照度在一个设定的水平。完成了LED自适应调光系统的硬件设计和软件编程,重点介绍了ATmega16通过12C总线读取光传感器芯片TSL2561数据、传感器数据转换为实际的室内环境照度、PWM信号生成等的实现方法。     

一种新的智能照明动态模型研究

针对办公建筑中照明系统能源消耗大的问题,提出一种结合用户个性化需求和天然采光的智能照明动态模型,既满足用户人眼视觉效果又对建筑节能有重要意义。本文建立的智能照明动态模型以最小能耗为目标函数,约束条件为工作面实际照度大于等于用户期望照度,采用单纯形算法对模型进行求解,并使用DIALux软件对照明动态模型进行仿真验证。结果表明:智能照明动态模型可以依据用户的个性化需求和室外天然采光的变化和进行自适应调光,使能耗明显降低,体现了该模型具有很好的节能性和人性化。