应用于DALI控制系统的日光灯自动调控方法及系统与流程

本技术涉及照明控制，具体而言，涉及一种应用于dali控制系统的日光灯自动调控方法及系统。

背景技术：

1、随着照明技术的不断发展和智能化趋势的加速推进，对照明系统的调控精度和智能化水平提出了更高的要求。传统的照明调控方法往往依赖于人工操作和固定的调控策略，无法适应复杂多变的照明环境和用户需求。因此，开发一种能够自动学习和优化照明调控策略的方法成为当前的研究热点。传统的led日光灯具与dali控制板互不相容，导致传统的led日光灯具无法形成在dali控制板下进行控制。

2、dali(digitaladdressable lighting interface)控制系统作为一种先进的照明控制系统，具有对照明设备进行精确控制和灵活配置的能力。然而，目前dali控制系统在自动调控方面仍存在一些挑战。一方面，由于照明场景的多样性和复杂性，如何准确获取和分析照明场景数据成为关键问题。另一方面，传统的调控策略往往无法适应不同照明场景下的调控需求，导致调控效果不佳或能耗过高。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种应用于dali控制系统的日光灯自动调控方法及系统，通过获取照明调控策略学习模型，利用调控策略分析网络和调控效果评估网络对照明场景数据进行分析和处理，生成调控特征矢量和调控属性分析结果。进一步地，利用关联调控目标模型对初始照明场景采集数据进行处理，得到关联调控目标处理结果。基于这些结果和相应的标识，确定训练误差参数，并对调控策略分析网络和调控效果评估网络进行参数学习，从而生成训练完成的照明调控策略学习模型。最终，基于该学习模型向嵌入一体式led日光灯具的dali控制板发送对应的调控指令数据。通过本发明的方法，可以实现对照明系统的智能调控，提高调控精度和效果，为用户提供更加舒适、节能的照明体验。

2、依据本技术的第一方面，提供一种应用于dali控制系统的日光灯自动调控方法，应用于dali控制系统，所述方法包括：

3、获取照明调控策略学习模型，所述照明调控策略学习模型包括调控策略分析网络和调控效果评估网络；

4、获取初始照明场景采集数据、所述初始照明场景采集数据中状态参数对应的调控属性标识，以及所述初始照明场景采集数据的关联调控目标标识；其中，所述调控属性标识反映所述初始照明场景采集数据中照明元素的调节性质，所述关联调控目标标识反映所述初始照明场景采集数据的关联调控目标的效果；

5、将所述初始照明场景采集数据加载至所述调控策略分析网络中进行分析，生成所述初始照明场景采集数据对应的调控特征矢量，将所述调控特征矢量加载至所述调控效果评估网络中，对所述初始照明场景采集数据进行分析，生成所述初始照明场景采集数据中状态参数对应的调控属性分析结果；

6、将所述调控特征矢量加载至关联调控目标模型中，对所述初始照明场景采集数据进行关联调控目标处理，生成所述初始照明场景采集数据对应的关联调控目标处理结果，基于所述调控属性分析结果和所述调控属性标识，以及所述关联调控目标处理结果和所述关联调控目标标识，确定训练误差参数；

7、基于所述训练误差参数，对所述调控策略分析网络和所述调控效果评估网络进行参数学习，生成训练完成的照明调控策略学习模型，并基于所述照明调控策略学习模型，向所述嵌入一体式led日光灯具的dali控制板发送对应的调控指令数据。

8、在第一方面的一种可能的实施方式中，所述关联调控目标模型包括照明类型估计模型；

9、所述将所述调控特征矢量加载至关联调控目标模型中，对所述初始照明场景采集数据进行关联调控目标处理，生成所述初始照明场景采集数据对应的关联调控目标处理结果，包括：

10、将所述调控特征矢量加载至所述照明类型估计模型中，对所述初始照明场景采集数据的照明类型进行估计，生成所述初始照明场景采集数据对应的照明类型估计结果。

11、在第一方面的一种可能的实施方式中，所述关联调控目标模型包括调光关联性观测模型；所述将所述调控特征矢量加载至关联调控目标模型中，对所述初始照明场景采集数据进行关联调控目标处理，生成所述初始照明场景采集数据对应的关联调控目标处理结果，包括：

12、从所述初始照明场景采集数据中任意选择第一目标照明场景采集数据和第二目标照明场景采集数据；

13、从所述调控特征矢量中确定基于所述第一目标照明场景采集数据进行处理生成的第一目标调控信息，以及基于所述第二目标照明场景采集数据进行处理生成的第二目标调控信息；

14、将所述第一目标调控信息和所述第二目标调控信息加载至所述调光关联性观测模型中，对所述第一目标照明场景采集数据和所述第二目标照明场景采集数据的调光关联性进行观测，生成所述第一目标照明场景采集数据和所述第二目标照明场景采集数据的调光关联性观测结果。

15、在第一方面的一种可能的实施方式中，所述基于所述调控属性分析结果和所述调控属性标识，以及所述关联调控目标处理结果和所述关联调控目标标识，确定训练误差参数，包括：

16、基于所述调控属性分析结果和所述调控属性标识，确定对所述初始照明场景采集数据进行分析的第一成分训练误差参数；

17、基于所述关联调控目标处理结果和所述关联调控目标标识，确定对所述初始照明场景采集数据进行关联调控目标处理的第二成分训练误差参数；

18、对所述第一成分训练误差参数和所述第二成分训练误差参数进行融合，生成训练误差参数。

19、在第一方面的一种可能的实施方式中，所述对所述第一成分训练误差参数和所述第二成分训练误差参数进行融合，生成训练误差参数，包括：

20、确定所述第一成分训练误差参数和第一重要性系数的权重融合值，生成第一融合结果；

21、确定所述第二成分训练误差参数和第二重要性系数的权重融合值，生成第二融合结果；

22、基于所述第一融合结果和所述第二融合结果的相加参数值，生成训练误差参数；其中，所述第一重要性系数不小于所述第二重要性系数。

23、在第一方面的一种可能的实施方式中，所述方法还包括：

24、检测各个所述初始照明场景采集数据是否未携带对应的调控属性标识或者关联调控目标标识；

25、当所述初始照明场景采集数据未携带对应的调控属性标识，取消所述将所述调控特征矢量加载至所述调控效果评估网络中，对所述初始照明场景采集数据进行分析的步骤；

26、或者，当所述初始照明场景采集数据未携带对应的关联调控目标标识，取消所述将所述调控特征矢量加载至关联调控目标模型中，对所述初始照明场景采集数据进行关联调控目标处理的步骤。

27、在第一方面的一种可能的实施方式中，所述方法还包括：

28、获取多个参考照明场景采集数据；

29、对各个所述参考照明场景采集数据进行特征屏蔽，生成样本学习数据序列；

30、基于所述样本学习数据序列和所述参考照明场景采集数据，对所述调控策略分析网络进行初始化参数学习；

31、其中，所述对各个所述参考照明场景采集数据进行特征屏蔽，包括以下至少之一：对所述参考照明场景采集数据进行随机特征屏蔽；或者，对所述参考照明场景采集数据中的若干状态参数进行特征屏蔽；或者，对所述参考照明场景采集数据中的若干照明元素信息进行特征屏蔽。

32、在第一方面的一种可能的实施方式中，所述基于所述照明调控策略学习模型，向所述嵌入一体式led日光灯具的dali控制板发送对应的调控指令数据的步骤，包括：

33、获取目标照明场景采集数据；

34、将所述目标照明场景采集数据加载至所述调控策略分析网络中进行分析，生成所述目标照明场景采集数据对应的目标调控特征矢量；

35、将所述目标调控特征矢量加载至所述调控效果评估网络中，对所述目标照明场景采集数据进行分析，生成调控属性数据，其中，所述调控属性数据反映所述目标照明场景采集数据中照明元素的调节性质；

36、基于所述调控属性数据向所述嵌入一体式led日光灯具的dali控制板发送对应的调控指令数据。

37、在第一方面的一种可能的实施方式中，所述将所述目标调控特征矢量加载至所述调控效果评估网络中，对所述目标照明场景采集数据进行分析，生成调控属性数据，包括：

38、在设定的照明调控知识库中对所述目标照明场景采集数据进行搜索匹配，生成所述目标照明场景采集数据对应的第一调控特征矢量；

39、对所述目标调控特征矢量和所述第一调控特征矢量进行融合，生成第二调控特征矢量；

40、将所述第二调控特征矢量加载至调控效果评估网络中，对所述目标照明场景采集数据进行分析，生成所述调控属性数据。

41、依据本技术的第二方面，提供一种dali控制系统，所述dali控制系统包括处理器以及可读存储介质，所述可读存储介质存储有程序，该程序被处理器执行时实现前述的应用于dali控制系统的日光灯自动调控方法。

42、依据本技术的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，在监测到所述计算机可执行指令被执行时，实现前述的应用于dali控制系统的日光灯自动调控方法。

43、依据以上任意一个方面，本技术中，能够实现对嵌入一体式led日光灯具的智能调控。通过获取照明调控策略学习模型，并对初始照明场景采集数据进行分析和处理，生成调控特征矢量和调控属性分析结果。进一步地，利用关联调控目标模型处理初始照明场景采集数据，得到关联调控目标处理结果。基于这些结果和相应的标识，确定训练误差参数，并对调控策略分析网络和调控效果评估网络进行参数学习，从而生成训练完成的照明调控策略学习模型。最终，基于该照明调控策略学习模型向嵌入一体式led日光灯具的dali控制板发送对应的调控指令数据。由此，提高了照明调控的智能化水平和调控精度，为用户提供了更加舒适、节能的照明体验，同时降低了人工干预的成本和误操作的风险。

44、也即，本技术能够通过获取初始照明场景采集数据、生成调控特征矢量以及基于训练误差参数进行参数学习，有效地生成训练完成的照明调控策略学习模型，可以自动地向嵌入一体式led日光灯具的dali控制板发送对应的调控指令数据。在该方法中，所述照明调控策略学习模型包括调控策略分析网络和调控效果评估网络，这使得模型能够准确地解析出初始照明场景采集数据中状态参数对应的调控属性以及关联调控目标的效果。此外，由于使用了调控属性分析结果和调控属性标识，以及关联调控目标处理结果和关联调控目标标识，来确定训练误差参数，因此可以确保照明调控策略学习模型的训练效果和精度。由此，能够实现对dali控制系统的日光灯自动调控，不仅能够提高日光灯的使用寿命，还能够改善照明环境，提升用户体验，同时节约能源，减少碳排放。