
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于人工神经网络的智能建筑自适应照明控制:设计、实现与实验验证
《Scientific Reports》:Adaptive lighting control in intelligent buildings using artificial neural networks: design, implementation, and experimental validation
【字体: 大 中 小 】 时间:2026年06月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要本研究介绍了一种基于人工神经网络的智能照明控制系统的设计、实现及实验验证。该系统通过根据日光变化和空间占用情况动态调整人工照明,从而在保持所需照度水平的同时优化能源消耗。控制框架采用离线训练后的前馈神经网络,并将其部署在嵌入式照明控制单元中。本研究并非着眼于新的神经网络架构,
本研究介绍了一种基于人工神经网络的智能照明控制系统的设计、实现及实验验证。该系统通过根据日光变化和空间占用情况动态调整人工照明,从而在保持所需照度水平的同时优化能源消耗。控制框架采用离线训练后的前馈神经网络,并将其部署在嵌入式照明控制单元中。本研究并非着眼于新的神经网络架构,而是重点研究这种基于ANN的控制器在真实办公环境中的嵌入式应用及长期运行表现。在真实智能建筑中的实验表明,在持续运行状态下,该系统能实现7.4–12.5%的节能效果;在有人使用的环境下,同时保持所需照度水平时,节能率为8.5%。该ANN模型具有较高的预测精度(R2 = 0.91),且在动态照明场景下仍能保持稳定性能。所实现的控制算法能够实现平滑的调光过渡,避免了传统开关系统常见的照度剧烈波动问题。该架构无需高性能计算资源,仅需低成本硬件即可实现实时运行,因此非常适合用于现有建筑的改造。总体而言,研究结果证实,基于ANN的自适应照明控制是一种实用、可扩展且节能的解决方案,适用于现代智能建筑自动化系统,也为在不同类型建筑和不同气候条件下的进一步验证提供了基础。