單神經元自適應算法在LED照明控制中的應用

摘要：為實現LED照明的恒照度控制，首先建立了LED的照度模型，然后采用單神經元自適應算法設計LED的照度控制器。仿真結果表明，單神經元自適應控制器能夠實現LED照度的穩定控制，取得了較為理想的控制效果。

關鍵詞：單神經元自適應算法LED照明

1 概述

在環境污染日益嚴重的今天，LED以其低碳環保、體積小而壽命長等優點而受到各國政府、大中型企業與科研機構的重視[1]。由于LED燈具有半導體的非線性、滯后性等特點，因此使用各種智能控制算法，對LED照明系統的各項性能參數進行動態控制，有著較為深遠的理論與實際意義。

2 LED燈具照度模型和控制方案

2.1 LED燈具照度模型 使用容量估算法可建立LED燈具在某區域內平均照度Eav的模型[6]：

Eav=(f創N CU錘MK) A（1）

式（1）中，f為光通量，N為燈具數量，CU為利用系數，一般取值為0.3~0.4。MK為維護系數，一般取值為0.7~0.8。A為照射區域面積。

光通量f可通過下式來求出：

f=2p創I (1-cos■) （2）

式（2）中，I表示發光強度，單位cd；α為發散角度。LED的發光強度I與電致發光的正向電流IF的聯系是

IF=q創AP (LN+LP)創b（3）

式（3）中，q表示單位電子電量，AP為LED二極管的P-N結面積，b為量子產額，LN和LP分別表示電子和空穴的擴散長度。

從以上各式可看到，LED燈具照度與電燈發光的正向電流密切相關。據此可設定控制方案。

2.2 LED燈具照度控制方案 LED燈具的恒照度控制系統由光照度傳感器、恒流驅動模塊、智能控制模塊以及LED燈具等組成。光照度傳感器檢測工作區域內的照度，向智能控制模塊發送所測數據。本文采用單神經元控制器來控制LED燈具的光照度。首先得到實際照度E與設定照度Er的偏差DE，以此為輸入參量來對恒流驅動模塊進行PWM控制。圖1為控制原理框圖。

■

3 單神經元自適應控制器設計

單神經元自適應控制算法屬于最優控制算法的一個分支，其思想來源是人工智能領域的“強化學習”思想[7]。該算法基本原理是監督學習，即通過逐步調整神經元的輸入權值，減小實際輸出與期望輸出之間的差異。因為無需求解復雜的系統方程，所以該算法在非線性系統控制中展示出極大的潛力。算法的結構如圖2所示。

圖2中，K為神經元的比例系數，3個狀態變量，x1=e，x2=De，x3=D2e。

人工神經元通過對連接權值w的不斷調整來實現自組織、自學習的功能。其學習算法為

Δu(k)=u(k)-u(k-1)

=K■ωi(k)·xi(k) （4）

連接權值w的調整按有監督的Hebb學習規則來實現，因此加入監督項z(k)。連接權值w的學習算法為

Δω1(k)=ω1(k)-ω1(k-1)

=η·z(k)·u(k)·x1(k)（5）

Δω2(k)=ω2(k)-ω2(k-1)

=η·z(k)·u(k)·x2(k)（6）

Δω3(k)=ω3(k)-ω3(k-1)

=η·z(k)·u(k)·x3(k)（7）

在式（5）~（7）中，z(k)=e(k)，h為神經元的學習率。控制目標是尋找出一個控制動作u，最終將狀態x控制到 x=0，■=0的平衡點。

K值與h值的選擇十分重要。K越大，則系統響應越快，但也會使超調量增大，甚至使系統出現振蕩。K值過小，則系統快速性變差。

4 仿真研究與結果

在Matlab/Simulink環境中建立LED燈具恒照度控制系統的仿真界面，仿真的對象是LED燈具在某個工作區域內的光照度，假設其初始值為300lx。LED燈具從開始調整到工作狀態穩定，要求將其光照度控制在353lx。兩種控制策略都可使LED燈具光照度從300lx到穩定于設定值353lx，但單神經元自適應控制算法在超調量和調節時間等性能指標方面要優于常規PID控制算法，不足之處是上升時間較長。

5 結論

本文針對LED燈具光照度的機理模型，設計了一個以單神經元自適應算法為核心的恒照度控制器，控制仿真結果表明，該控制器其性能可媲美傳統的PID控制器，能滿足LED燈具光照度控制的精度要求，超調量小，調節時間短，動態性能良好。在非線性復雜系統控制中，人工神經元自適應算法設計的控制器具有廣闊的應用前景。

參考文獻：

[1]毛興武等.LED照明驅動電源與燈具設計[M].北京：人民郵電出版社，2011.

[2]李春茂.LED結構原理與應用技術[M].北京：機械工業出版社，2011.

[3]房海明，肖旭華.LED照明設計及工程案例[M].北京：化學工業出版社，2012.

基金項目：2013欽州學院科研項目(編號：2013XJKY-12B)

作者簡介：黃際樂（1979-），男，廣西巴馬人，碩士，欽州學院教師，研究方向：智能優化控制與智能信息處理。