(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110701165.1 (22)申请日 2021.06.23 (65)同一申请的已公布的文献号 申请公布号 CN 113408206 A (43)申请公布日 2021.09.17 (73)专利权人 陕西科技大 学 地址 710021 陕西省西安市未央区大 学园 (72)发明人 张玉杰　郭敬　徐源　王帆　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 李红霖 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01)(56)对比文件 CN 110334387 A,2019.10.15 CN 1071219 24 A,2017.09.01 审查员 汪盈盈 (54)发明名称 一种室内天然光照度建模方法 (57)摘要 本申请公开了一种室内天然光照度建模方 法，‑本申请通过采集室内天然 光照度数据， 训练 径向基函数神经网络获得照度分布的基准模型； 采用室内布置少数传感器监测关键点的实时照 度来修正模 型输出， 从而 得到实时室内天然光照 度分布估计。 本申请通过采集实际场景的天然光 照度数据训练获取照度基准模型， 并利用少数传 感器监测的实时照度变化来修正基准模型的照 度输出， 实现快速的照度分布估算， 为舒适照明 控制提供依据。 本申请利用径向基函数神经网络 构建的天然光照度模型只需在应用场景中布置 少数几个照度传感器检测天然光照度的变化， 实 现室内照度分布的快速估计， 解决了大量传感器 布置导致的工程 化难题。 权利要求书1页 说明书6页 附图2页 CN 113408206 B 2022.12.06 CN 113408206 B 1.一种室内天然光照度建模方法， 其特 征在于， 包括以下步骤： S1， 采集室内天然光照度信息， 并记录测量点的位置坐标， 以位置坐标为输入， 照度信 息为输出制作径向基函数神经网络的训练数据集； S2， 采用训练数据集训练径向基函数神经网络， 获得室内天然光照度分布的基准模型； S3， 在室内布设若干传感器监测关键点的实时照度； S4， 将监测关键点的实时照度值对基准模型进行修正， 得到室内实时天然光的照度分 布情况模型； 室内实时天然光的照度分布情况模型如下： 其中， wr为目标位置与传感器之间的修 正参数， 计算方法如下： 其中， E′为基准模型的输出， E为修正后获得的实时天然光照度值， R为设置了R个照度 传感器来测量实时照度值， xr,yr,zr为传感器r的位置 。 2.根据权利要求1所述的一种室内天然光照度建模方法， 其特征在于， 径向基函数神经 网络如下： 其中， Cu为神经元u的中心， X为输入， b1为影响径向基函数形状的给定常数偏置， ωu为 隐层到输出层的权值， b2为隐层到 输出层的偏置 。 3.根据权利要求1所述的一种室内天然光照度建模方法， 其特征在于， S2中， 采用训练 数据集训练径向基函数神经网络的具体方法如下： S21， 初始化网络； S22， 确定样本， 使样本为中心的径向基函数作为隐节点时， 误差最小； S23， 选用该样本为中心的径向基函数作为 新的隐节点； S24， 采用最小二乘法计算隐层到 输出层的权值； S25， 计算新的径向基函数神经网络的新误差， 误差符合要求， 则完成训练； 若误差不符 合要求， 则执 行S22。 4.根据权利要求1所述的一种室内天然光照度建模方法， 其特征在于， 影响室内天然光 照度分布的内在因素包括： 建筑所在的地理位置、 建筑的朝向、 窗户的位置、 大小以及数量、 室内墙壁和物体材 料的反光特性以及由窗户向室内进深。 5.根据权利要求1所述的一种室内天然光照度建模方法， 其特征在于， 影响室内天然光 照度分布的外在因素包括： 天然光的辐射 强度的变化、 室内照度峰值区域的变化、 北半球中 各个季节光照强度的变化以及每日天气的对光照的影响。权　利　要　求　书 1/1 页 2 CN 113408206 B 2一种室内 天然光照度建模方 法 技术领域 [0001]本发明属于照明控制领域， 具体涉及一种室内天然光照度建模方法。 背景技术 [0002]在室内照明控制系统中， 合理地利用天然光是实现节能型照明的有效方法。 在有 效地测量或估计室内天然光照度， 并通过合适的控制策略对室内照明环境进 行人工补光满 足照明需求。 因此， 获得实时的室内天然光照度值是照明控制系统的前提。 在只需要获取极 少数位置照度的情况下， 通过在室内布置照度传感器来测量 天然光照度是可行的。 但是， 在 需要较为精确地照度测量及灯光控制的场合下， 控制系统需要获得大量测量点的天然光照 度值， 利用传感器测量显然存在布置成本高， 维护难， 实现工程化难度大等问题。 另一方面， 通过建模的方式对天然光在室内产生的照度分布进行计算也是一种 “软测量”的方法。 但 是， 室内天然光照度分布受室内布局以及室外环境等多种因素影响， 目前 的建模方法需要 采集大量的输入参数， 建模复杂,而且建模过程中将一些条件理想化使得计算的结果不准 确。 发明内容 [0003]本发明的目的在于克服上述不足， 提供一种室内天然光照度建模方法， 用照度传 感器预先采集照度及坐标形成数据集， 通过数据集对径向基函数神经网络进行训练， 得到 照度基准模型。 在室内关键位置布置少数几个照度传感器测量实时天然光照度， 利用实时 天然光照度数据对基准模型预测的照度值进 行修正， 最后可以得到一个实时天然光照度分 布估计。 [0004]为了达到上述目的， 本发明包括以下步骤： [0005]S1， 采集室内天然光照度信息， 并记录测量点的位置坐标， 以位置坐标为输入， 照 度信息为输出制作径向基函数神经网络的训练数据集； [0006]S2， 采用训练数据集训练径 向基函数神经网络， 获得室内天然光照度分布的基准 模型； [0007]S3， 在室内布设若干传感器监测关键点的实时照度； [0008]S4， 将监测关键点的实时照度值对基准模型进行修正， 得到室内实时天然光的照 度分布情况模型。 [0009]径向基函数神经网络如下： [0010] [0011]其中， Cu为神经元u 的中心， X为输入， b1为影响径向基函数形状的给定常数偏置， ωu为隐层到 输出层的权值， b2为隐层到 输出的偏置 [0012]S2中， 采用训练数据集训练径向基函数神经网络的具体方法如下 “ [0013]S21， 初始化网络；说　明　书 1/6 页 3 CN 113408206 B 3