专利名称：照明系统的自动配置的制作方法
技术领域：
本发明涉及对由照明系统创建的照明效果的自动配置，特别地涉及用联网的照明系统创建跟随人的照明效果。
背景技术：
在非先前公布的国际专利申请PCT/EP2010/050836中，描述了一种用于自动配置照明的系统，其能够学习来预测哪个灯具将是下一个打开的灯具。基于此信息，照明控制系统可以在灯具连接的存在检测器检测活动前打开所述灯具，从而增加了用户的舒适性。
发明内容
本发明的目标是进一步改进如在的非先前公布的国际专利申请PCT/EP2010/050836中描述的、照明的自动配置。该目标由独立权利要求的主题解决。进一步的实施例由从属权利要求示出。本发明的基本思想是使对作为输入数据所接收的灯具和存在检测器的激活的基于学习的处理以可变的适应速率适应于自动配置照明的系统中的改变，以便使得自动照明配置相对于系统改变更加健壮。因此，根据本发明的、用于自动配置照明的系统可以将噪声可能出现的情况考虑在内，特别是当设计如在PCT/EP2010/050836中所描述的那样的系统时，并且在这样的基于学习的系统抗噪声有多强和这样的系统能够多快地适应于由系统配置中的改变导致的输入数据的新模式之间可能存在基本的权衡。噪声例如可以是由输入数据处理的输入数据的模式中的随机偏差造成的。这从如下事实得出，即如果系统的配置改变了，其将总是会看起来如同所述系统没有改变，但在它的原始输入数据模式上正经历着噪声。因此，系统抗噪声越强，其对新系统配置或使用输入数据模式中的改变的适应将越慢。输入数据模式是灯具和存在检测器的激活的一定的模式，其作为输入数据被接收并被处理以用于照明配置。本发明的实施例提供了一种用于自动配置照明的系统，其中所述系统包括
-灯具的网络，其中每个灯具由控制信号激活并输出它的激活，
-存在检测器的网络，其中每个存在检测器通过直接或间接地检测活动被激活并输出它的激活，以及
-照明配置器，用于基于学习来处理作为输入数据接收到的、灯具和存在检测器的激活，并根据所处理的输入数据输出针对灯具的控制信号以用于配置照明，其中由照明配置器进行的对输入数据的处理可以以可变的适应速率被适应于系统中的改变。所述照明配置器可以包括
-灯具和存在检测器的激活的随机过程的模型，其中所述随机过程的模型被配置成 -从所接收到的输入数据来学习灯具和存在检测器的激活的模式，
-基于所接收到的输入数据、学习到的灯具和存在检测器的激活的模式以及适应速率的当前设置来预测灯具和存在检测器的激活的模式，以及-作为控制信号输出所预测的模式。照明配置器可以包括降低或增加适应速率的配置器。所述配置器特别地可以使得用户能够手动降低或增加所述适应速率。降低适应速率可以包括以下中的一项:_改变由随机过程的模型在学习的过程中所使用的历史输入数据的数量，
-改变历史输入数据如何被随机过程的模型在学习过程中加权，
-改变确定对随机过程的模型进行的改变有多快的参数，所述随机过程的模型预测激活的模式，
-将学习行为完全打开或关闭的任意行动，
-设置适应速率使得随机过程的模型根本不学习，
-重置照明配置器的存储器，使得对随机过程的参数的所有估计被移除，
-使所述系统适应速度的任意其它行动，在它接收到关于它的预测模型正确与否的反馈时使它的预测与所述速度相适应。所述照明配置器可以被配置成在来自如下组的事件发生时检测所述系统中的改变，所述组的构成如下:
-与由所述系统经由用户接口接收到的适应速率有关的用户输入，
-将存在检测器和/或灯具添加到存在检测器和/或灯具的网络，或者从存在检测器和/或灯具的网络移除存在检测器和/或灯具，
-网络配置中的任意改变，所述网络配置包括(相对的)信号强度、路由表、物理网络连
接，
-随机过程的模型中的噪声，其匹配对于系统的改变的集合，其中所述改变的集合包括如下:灯具或存在检测器已经被添加；灯具或存在检测器已经被移除/打碎；灯具或存在检测器已经被放入另一位置；灯具和/或存在检测器的网络被分开(portioned)。本发明的另一实施例涉及一种用于在本发明的且如上面所描述的系统中自动配置照明的方法，其中所述方法包括如下动作:
-处理作为输入数据接收到的、灯具和存在检测器的激活，以及-根据所处理的输入数据输出针对灯具的控制信号以用于配置所述照明，其中由照明配置器对输入数据进行的处理可以以可变的适应速率被适应于系统中的改变。处理输入数据的动作可能包括由函数实施的随机过程的模型，其用于基于在第二
时间步■^内的灯具i的激活和所有先前的事件Ci2来预测灯具i在第一时间步h内是否将被激活，其中事件Ctx包括可以被使用来预测灯具的网络中的特定的灯具在一定时间期间^内是否将被激活的任意信息。所述函数可以作为进一步的输入接收学习速率参数Lr，所述参数指示:相比于
较旧的事件C12,较新的事件QI应当如何被加权。所述函数可以包括
-第一函数f，其将第二时间步时的事件E: *CalCXCe^ll丨、第二时间步时的灯具激活L =.丨UMdu丨和学习速率参数Lr作为输入，以及
-第二函数m，其由第一函数输出，以及将第二时间步时的事件E+= U<ea<+e,丨丨作
为输入，并且输出第一时间步“时的灯具激活Iitl是真或假。第一函数f和第二函数m可以被组合成一个函数。第一函数f和/或第二函数m可以由下面组中的一个实施，该组的构成为
-神经网络算法
-机器学习算法 -统计模式识别算法 -强化学习算法 -动态编程算法 -优化函数算法 -遗传算法。在所述方法中
-学习速率参数Lk可以随时间而改变，和/或
-灯具i的激活I可以是指示灯具i的调光水平的值。本发明的又一实施例提供了一种被配置来执行根据本发明的方法的计算机，诸如PC (个人计算机)，并包括到灯具的网络和存在检测器的网络的接口。所述计算机可以执行具有图形用户接口的程序，从而允许用户舒适地调节适应速率，以用于使对输入数据的处理适应于系统中的改变。所述计算机可以进一步由程序配置来实施本发明的照明配置器。本发明的另一实施例提供了一种使得处理器能够实施根据本发明的且如上面指定的方法的计算机程序。根据本发明的另一实施例，一种存储根据本发明的计算机程序的记录载体可以被提供，例如⑶-ROM、DVD、存储卡、磁盘、互联网存储设备或适合于存储计算机程序以用于光学或电子访问的类似的数据载体。本发明的这些或其它方面从下文中所描述的实施例将是明显的，并将参照下文中所描述的实施例进行阐述。本发明将在下文中参照示范性的实施例被更详细地描述。然而，本发明并不限于这些示范性的实施例。
图1示出了根据本发明的实施例的、用于自动配置照明的系统；以及 图2示出了根据本发明的实施例的照明配置器的方块图。
具体实施例方式在下面，功能性类似或相同的单元可以具有相同的参考标号。图1示出了用于自动配置灯具12的网络中的照明的系统10，每个灯具被耦合到存在或移动检测器14。所示出的系统10可以如在非先前公布的国际专利申请PCT/EP2010/050836中所描述的那样被实施，所述的国际专利申请通过引用被合并于此。在该系统中，灯具12和存在检测器14的激活被处理来配置照明。PCT/EP2010/050836中所描述的系统尝试在存在检测器14的激活、灯具12的UI (用户接口)开关和激活中寻找模式。在PCT/EP2010/050836中所描述的系统背后的假设是:具有灯具和存在检测器的激活的随机过程，该随机过程生成数据，并且通过(隐式地)估计该随机过程的参数，所述模式被尽可能完美地预测。在所述系统中通过估计该随机过程的参数和使用对于近似的估计，该随机过程被接近(approximated)。与所述近似的偏差可以导致所述照明的不恰当的配置。图1中的系统10包括照明配置器16，其在图2中被详细示出。照明配置器16包括随机过程的模型24。模型24被配置成从所接收到的输入数据18学习灯具12和存在检测器14的激活的模式。学习到的模式被存储在照明配置器16中的数据库26中。学习到的模式26连同模型24是此随机过程的参数的估计，并且形成此随机过程的近似。此随机过程的模型24通过使用学习到的模式26和适应速率22的当前设置来处理所接收到的输入数据18，即所述系统中的灯具12和存在检测器14的激活。所述处理预测灯具和存在检测器的激活的一定的模式，其作为针对系统10中的灯具12的控制信号20被输出。照明配置器16可以被实施为单独的装置，例如与灯具12和存在检测器14的网络耦合的计算机，或者也可以被实施为分布式系统，具体地被实施在灯具12中，灯具12可以包括嵌入式计算机来执行照明配置器的任务。系统10中的通信可以是有线的和/或无线的。例如，灯具12和存在检测器14可以通过使用诸如Bluetooth 、ZigBee > W1-Fi 这样的无线技术来与照明配置器16通信。灯具12也可以被实施成使用电力线技术经由LAN (本地局域网)与照明配置器16进行通
目。存在检测器14可以被集成到灯具12中并成为灯具12的一部分，或者可以被实施为单独的设备并且广播它们的激活信号。如上面已经提到的，照明配置器16作为输入数据18接收灯具12和存在检测器14的激活，并且输出针对灯具12的控制信号20以便配置灯具12的照明。照明配置器16作为进一步的输入接收可变的适应速率22，由模型24对输入数据18的处理可以以该速率被适应于系统10中的改变，这可能导致与具有所述模型的随机过程的近似的偏差。可变的适配速率22例如可以由用户经由系统10的UI开关输入，或者由与系统10耦合的设备输入，所述设备例如是智能电话28、平板PC、笔记本电脑、PDA (个人数字助理)，并且包括用于获得对系统10的功能的访问权的Π。图1示出了具有照明控制应用O^app)的智能电话28，其可以经由某种无线技术(诸如W1-Fi 或3G移动通信技术)与所述系统的照明配置器16进行通信30。对于所述app，用户可以通过使用所述智能电话来调节可变的适配速率22。如前面所提到的，系统10中的改变可以导致与所述照明的自动配置背后的随机过程的当前近似的偏差。偏差原则上可有两个原因:
所述偏差是由随机过程中的噪声导致的
生成随机数据的随机过程已经改变，例如(由于系统改变):
灯具已经被添加 灯具已经被移除/被打碎 灯具已经被放入另一位置 传感器已经被添加 传感器已经被移除/被打碎 传感器已经被放入另一位置 网络被分开。基本上没有办法在这两个事件间进行区分，唯一可以做的事情是改变与对所述随机过程的估计相适应的速度。对随机过程的估计的适应可以用可变的适应速率22来执行。所述适应速率在这里也被称为学习速率，因为它影响到对于变化的输入数据的随机过程的学习。学习速率可以在根本没有学习(通常被描绘为O)和仅考虑最后接收到的信息(通常被描绘为I)之间变化。选择针对学习速率的正确的设置因此无论何时系统被改变都将非常快速地适应但是抗噪声并不强的系统与抗随机噪声非常强但是学习对于随机过程的改变并不快速的系统之间进行平衡。在系统10中，学习速率可以基于随机过程被改变的证据而变化。所述学习速率在用户怀疑或知道系统的设置已经改变时应当被降低，以及在用户非常自信于她/他对学习速率的估计是正确的时被增加。这包括设置所述学习速率使得所述系统根本不学习，或者重置学习系统的存储器使得对随机过程的所有估计被移除。可以被使用来适应学习速率的当前设置的指示符包括
使用某种接口的用户行动，其中他可以明确地进行如下改变
将系统改变为不学习的
将系统重置为忘记对随机过程背后的模型的所有当前估计
将学习速率设置为任意其它速度
将传感器和/或灯具添加到网络或将其移除
对通信网络的改变，通信网络包括路由表、信号强度、物理连接
随机过程中的噪声，其匹配对于系统的改变的有限集合
灯具已经被添加 灯具已经被移除/被打碎 灯具已经被放入另一位置 传感器已经被添加 传感器已经被移除/被打碎 传感器已经被放入另一位置 网络被分开。在下面，用于在系统10中自动配置照明的方法的实施例被描述。所述方法可以在照明配置器16中被实施，并且可以处理输入数据18和创建针对灯具的控制信号20以用于配置照明。首先，用于描述的一些重要的术语被定义
事件，可以被使用来预测特定的灯具在特定的时间期间内是否将打开的任意信息；字
母e被使用来指示事件，在时间步t时的灯具激活用h表示，其指示灯具I在时间步t内是开启还是关闭的，Cf指示在时间步t内接收的所有事件，这包括其它灯具的所有激活。随机过程的模型是这样的函数，其基于所有先前的事件C12和激活Iit2 (其中，o< t2 < t1 预测I:在一定的时间步t丨内是否开启。问题是基于
权利要求
1.一种用于自动配置照明的系统(10)，其中所述系统包括 -灯具(12)的网络，其中每个灯具由控制信号激活并输出它的激活， -存在检测器(14)的网络，其中每个存在检测器通过检测活动被激活并输出它的激活，以及 -照明配置器(16)，用于基于学习来处理作为输入数据(18)接收的灯具和存在检测器的激活，并根据所处理的输入数据来输出针对灯具的控制信号(20)以用于配置照明，其中由照明配置器进行的对输入数据的所述处理可以以可变的适应速率(22)被适应于所述系统中的改变。
2.权利要求1所述的系统，其中所述照明配置器包括 -灯具和存在检测器的激活的随机过程的模型(24)，其中所述随机过程的模型被配置成 -从所接收的输入数据(18)学习灯具和存在检测器的激活的模式， -基于所接收的输入数据(18)、学习到的灯具和存在检测器的激活的模式(26)、适应速率的当前设置(22)来预测灯具和存在检测器的激活的模式，和-作为控制信号(20 )输出所预测的模式。
3.权利要求2所述的系统，其中所述照明配置器包括降低或增加适应速率的配置器。
4.权利要求3所述的系统，其中适应速率的降低包括以下中的一项: -改变由所述随机过程的模型在学习的过程中所使用的历史输入数据的数量， -改变历史输入数据如何由所述随机过程的模型在学习过程中进行加权， -改变确定对所述随机过程的模型进行的改变有多快的参数，所述随机过程的模型预测激活的模式， -将所述学习行为完全打开或关闭的任意行动， -设置所述适应速率，使得所述随机过程的模型根本不学习， -重置所述照明配置器的存储器，使得对所述随机过程的参数的所有估计被移除， -使所述系统适应速度的任意其它行动，在它接收到关于它的预测模型正确与否的反馈时使它的预测与所述速度相适应。
5.权利要求2到4中的任一项所述的系统，其中所述照明配置器被配置成在来自如下组的事件发生时检测所述系统中的改变，所述组的构成如下: -与由所述系统经由用户接口接收到的适应速率有关的用户输入， -将存在检测器和/或灯具添加到存在检测器和/或灯具的网络，或者从存在检测器和/或灯具的网络移除存在检测器和/或灯具， -网络配置中的任意改变，所述网络配置包括信号强度、路由表、物理网络连接， -随机过程的模型中的噪声，其匹配对于系统的改变的集合，其中所述改变的集合包括如下:灯具或存在检测器已经被添加；灯具或存在检测器已经被移除/打碎；灯具或存在检测器已经被放入另一位置；灯具和/或存在检测器的网络被分开。
6.一种用于在前述权利要求中的任一项的系统中自动配置照明的方法，其中所述方法包括如下动作: -基于学习来处理作为输入数 据所接收的灯具和存在检测器的激活，以及 -根据所处理的输入数据输出针对灯具的控制信号以用于配置所述照明，其中由照明配置器对输入数据进行的处理可以以可变的适应速率被适应于系统中的改变。
7.权利要求6所述的方法，其中处理输入数据的动作包括由函数实施的随机过程的模型，其用于基于在第二时间步.^内的灯具i的激活和所有先前的事件Co来预测灯具i在第一时间步％内是否将被激活，其中事件Cts包括可以被使用来预测灯具的网络中的特定的灯具在一定的时间期间tx内是否将被激活的任意信息。
8.权利要求7所述的方法，其中所述函数作为进一步的输入来接收学习速率参数Lr，所述参数指示:相比于较旧的事件e_2,较新的事件eti应当如何被加权。
9.权利要求8所述的方法，其中所述函数包括 -第一函数f，其将第二时间步■^时的事件E = I Ce JXcl^cil卜第二时间步b时的灯具激活L::丨和学习速率参数Lr作为输入，以及 -第二函数m，其由第一函数输出，以及将第二时间步t2时的事件E= !caJ<ca<c .1#为输入，并且输出第一时间步tj时的灯具激活Ijll是真或假。
10.权利要求9所述的方法，其中所述第一函数f和第二函数m被组合成一个函数。
11.权利要求9或10的方法，其中所述第一函数f和/或第二函数m由如下组中的一个实施，所述组的构成是: -神经网络算法 -机器学习算法 -统计模式识别算法 -强化学习算法 -动态编程算法 -优化函数算法 -遗传算法。
12.权利要求8、9、10或11所述的方法，其中 -学习速率参数Lr随时间而改变，和/或 -灯具i的激活I是指示灯具i的调光水平的值。
13.一种计算机程序，其使得处理器能够`执行根据权利要求6到12中的任一项所述的方法。
14.一种记录载体，其存储根据权利要求13所述的计算机程序。
15.一种计算机，其被编程来执行根据权利要求6到12中的任一项所述的方法。
全文摘要
本发明涉及由照明系统创建的照明的自动配置，特别地涉及用联网的照明系统创建跟随人的照明。本发明的基本思想是使对作为输入数据所接收的灯具和存在检测器的激活的基于学习的处理以可变的适应速率适应于自动配置照明的系统中的改变，以便使得自动照明配置相对于系统改变更加健壮。本发明的实施例涉及一种用于自动配置照明的系统(10)，其中所述系统包括-灯具(12)的网络，其中每个灯具由控制信号激活并输出它的激活，-存在检测器(14)的网络，其中每个存在检测器通过检测活动被激活并输出它的激活，以及-照明配置器(16)，用于基于学习来处理作为输入数据(18)接收到的灯具和存在检测器的激活，并根据所处理的输入数据来输出针对灯具的控制信号(20)以用于配置照明，其中由照明配置器进行的对输入数据的所述处理可以以可变的适应速率(22)被适应于所述系统中的改变。
文档编号G05B13/02GK103081571SQ201180041687
公开日2013年5月1日 申请日期2011年8月22日 优先权日2010年8月27日
发明者B.德格鲁特 申请人:皇家飞利浦电子股份有限公司