發(fā)布時間：2020-12-04 20:51

　　照明系統(tǒng)作為建筑的重要組成部分,正隨著智能建筑的興起而迅速發(fā)展。照度計算是照明系統(tǒng)工程中的必要環(huán)節(jié),可用于照明系統(tǒng)設(shè)計,室內(nèi)照度校驗和燈具的控制,而傳統(tǒng)的照度計算方法——利用系數(shù)法由于利用系數(shù)查表過程復(fù)雜,給照明系統(tǒng)的設(shè)計和控制帶來了不便。機器學(xué)習(xí)作為人工智能中的研究熱點,善于解決分類和回歸問題,在照明工程中也有了廣泛的應(yīng)用。本文將機器學(xué)習(xí)方法應(yīng)用到照明工程中,使用機器學(xué)習(xí)方法改進了利用系數(shù)法,在保證計算精度的同時簡化燈具利用系數(shù)計算過程,并基于聚類算法和改進的照度計算方法設(shè)計了一種室內(nèi)智能照明控制系統(tǒng)。主要研究內(nèi)容包括以下三個部分:（1）針對傳統(tǒng)利用系數(shù)法中燈具利用系數(shù)查表法過程復(fù)雜且計算結(jié)果不精確的問題,提出了使用機器學(xué)習(xí)方法擬合燈具的利用系數(shù)表,以改進照度計算方法。以YG1-1型熒光燈管的利用系數(shù)為數(shù)據(jù)集,分別建立了基于神經(jīng)網(wǎng)絡(luò)的利用系數(shù)計算模型、基于支持向量機的利用系數(shù)計算模型和基于隨機森林的利用系數(shù)計算模型,使用交叉驗證和控制變量法進行模型超參數(shù)的調(diào)節(jié)。同時對三種模型的計算精確度進行比較,找出最優(yōu)的模型。使用訓(xùn)練好的模型進行燈具利用系數(shù)的計算,以簡化計算過程,提高計算精度。（... 

【文章來源】：蘇州科技大學(xué)江蘇省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問題的提出及研究意義
        1.1.1 問題的提出
        1.1.2 研究意義
    1.2 國內(nèi)外研究和發(fā)展現(xiàn)狀
        1.2.1 照明相關(guān)研究
        1.2.2 機器學(xué)習(xí)相關(guān)研究
    1.3 研究內(nèi)容
第二章 照明系統(tǒng)工程
    2.1 照明概述
    2.2 照度計算
        2.2.1 點照度計算
        2.2.2 平均照度計算
    2.3 利用系數(shù)
        2.3.1 利用系數(shù)計算
        2.3.2 利用系數(shù)計算中存在的問題
    2.4 智能照明控制
    2.5 本章小結(jié)
第三章 機器學(xué)習(xí)算法
    3.1 梯度下降
    3.2 神經(jīng)網(wǎng)絡(luò)
        3.2.1 感知器
        3.2.2 反向傳播神經(jīng)網(wǎng)絡(luò)
        3.2.3 反向傳播算法
    3.3 決策樹與隨機森林
    3.4 支持向量機
    3.5 DBSCAN
    3.6 本章小結(jié)
第四章 基于機器學(xué)習(xí)的利用系數(shù)計算方法
    4.1 數(shù)據(jù)處理
        4.1.1 實驗數(shù)據(jù)
        4.1.2 歸一化
        4.1.3 交叉驗證
    4.2 基于神經(jīng)網(wǎng)絡(luò)的利用系數(shù)計算方法
        4.2.1 模型結(jié)構(gòu)
        4.2.2 單隱層神經(jīng)網(wǎng)絡(luò)超參數(shù)選擇
        4.2.3 雙隱層神經(jīng)網(wǎng)絡(luò)超參數(shù)選擇
    4.3 基于支持向量機和隨機森林的利用系數(shù)計算方法
        4.3.1 基于支持向量機的利用系數(shù)計算模型
        4.3.2 基于隨機森林的利用系數(shù)計算模型
    4.4 對比實驗及結(jié)果分析
    4.5 本章小結(jié)
第五章 利用系數(shù)計算模型優(yōu)化
    5.1 初始權(quán)值優(yōu)化
        5.1.1 Xavier權(quán)重初始化
unitball初始化">        5.1.2 positive_unitball初始化
        5.1.3 PSO初始化
        5.1.4 對比實驗
    5.2 更新算法優(yōu)化
        5.2.1 梯度下降的缺點
        5.2.2 學(xué)習(xí)率衰減
        5.2.3 動量
        5.2.4 Adam優(yōu)化算法
        5.2.5 對比實驗
    5.3 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
    5.4 對比實驗及結(jié)果分析
    5.5 本章小結(jié)
第六章 基于DBSCAN算法的智能照明系統(tǒng)
    6.1 改進DBSCAN算法
        6.1.1 DBSCAN存在的問題
        6.1.2 改進方法
        6.1.3 實現(xiàn)方法
    6.2 系統(tǒng)框架
    6.3 控制器設(shè)計
        6.3.1 控制器簡介
        6.3.2 環(huán)境搭建
        6.3.3 控制方式
        6.3.4 控制電路
    6.4 仿真測試結(jié)果
    6.5 本章小結(jié)
第七章 總結(jié)
參考文獻
圖表目錄
致謝
作者簡歷



本文編號：2898223