基于神经网络的智能路灯节能控制系统研究
发布时间：2024-02-27 14:16
近二十年来,我国社会经济高速发展,对交通运输领域的相关需求日益增加,城市道路建设进入了一个蓬勃发展的时期,城市道路总量保持着高速增长的态势。伴随着城市道路的增多,道路照明所带来的能源消耗也不断增加。城市道路的车流量、人流量较多,为了保障夜间出行的道路安全,降低交通事故的发生概率,市政部门不得不在整个夜晚以最大亮度点亮城市路灯。而一味地追求照明亮度,将会导致能源的过度消耗,增加城市运营成本。为了响应国家节能减排、和谐发展和可持续发展战略目标的号召,市政建设部门提出了智慧城市的建设规划概念。平衡城市道路照明效果和城市运营成本之间的关系,成为城市道路智能照明控制系统所研究的重点。因此,设计一个高效、“聪明”的智能路灯控制系统是智慧城市建设的重点内容。本文研究了近几十年来城市道路照明控制系统的发展现状,结合当前已有的道路路灯控制系统,指出传统道路路灯的控制策略中所存在的不足。通过阐述智能道路路灯控制系统的控制原理、体系架构和城市照明标准,并提炼出智能化、人性化、节能化的路灯控制系统体系架构在设计时的要点。研究智能控制领域的神经网络算法和分析目前基于分布式的神经网络的智能路灯节能控制系统,本论文提出一种基于集中式的神经网络的智能路灯节能控制系统的改进方案。神经网络的控制系统具有并行处理、自学习、自组织以及非线性映射等优点。由于路灯控制系统是一个多变量和复杂的非线性控制系统,因此把神经网络应用到城市路灯控制系统中,可以达到控制系统的智能化、节能化的需求。研究路灯控制系统架构和神经网络算法可以为本文设计基于神经网络的智能路灯控制系统提供架构和理论基础。根据《城市道路照明设计标准》的标准中的要求,收集城市道路的车流量、车速与路灯照明亮度作为样本数据,采用PyTorch神经网络学习架构来训练神经网络模型,实验结果表明,采用ReLU作为激活函数可以很好地完成神经网络模型的训练。在运行对比中,基于神经网络的路灯控制系统相比于传统路灯控制系统节能43.9%,集中式的控制方法比分布式的控制方案在建设成本上明显降低,大大提高了系统智能化、节能化的性能指标。在对数据进行预处理时,采用多传感融合算法,提高了系统的可靠性。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TU113.666;TP273;TP183
【部分图文】：
第二章 智能路灯节能控制系统以及周围的环境信息如光照强度、人流量、车流量、PM2.5 浓度等，然后把信息送到神经网络模型中，最后根据神经网络处理的结果，智能地调节此时的开关和光照亮度，从而在不影响基本照明的前提下，尽最大可能地降低路耗的控制系统[10]。.3 智能路灯控制系统架构为了获得准确可靠的神经网络输入参数以及实现本论文单灯控制的目标，对路灯控制系统架构有一个深入的了解。本论文从路灯的环境参数和控制信流向来对智能路灯控制系统进行分层，并逐一介绍。智能路灯控制系统主要件设施层、感知层、控制层、传输层、数据层、应用层五个层构成。智能路制系统架构如下图 2-1 所示：
电子科技大学硕士学位论文：这个层相当于我们的身体的躯干，是支撑人行系统中主要指的是路灯的灯杆、灯具、灯源的选度，如下图 2-2 路灯户外安装示意图所示。根据不合适的灯杆、灯具、灯源。因为不同的路灯，如灯，它们的控制调节电路是不一样的。加上路灯的硬就比较难也不会轻易去移动。因此需要根据实际，人车流的情况来决定路灯放置的疏密程度，以气和晴天天气的占比来决定是否在路灯上添加太，既可以保证道路的基本照明，又可以节省路灯可以为智慧城市的路灯量身定制一套可靠的、人性[11]。
图 2-3 太阳能路灯：这个层相当于我们的五官和皮肤，能够对现实物理世如，可以通过光照传感器读取光照强度来判断目前是白流传感器和电压传感器来读取路灯的电力状态信息来判息，以及判断是否已经发生的故障；可以通过车流量传断目前是否属于出行的高峰期，可以通过 PM2.5 浓度来和能见度大小。并通过数据总线传递给控制层。因为这节能控制的主要因素。只有完整地采集这些信息，才能。：这个层相当于我们大脑的神经元，能够感知其他神经元处理，把处理后的信息经过神经网络传递给中枢神经大。在智能路灯控制系统中，控制层是通过收集感知层中然后对传感器采集的信息进行基本的处理，同时判断数异常、路灯烧坏等情况，控制层立刻关闭路灯，并且通
【参考文献】
本文编号：2855281
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TU113.666;TP273;TP183
【部分图文】：
第二章 智能路灯节能控制系统以及周围的环境信息如光照强度、人流量、车流量、PM2.5 浓度等，然后把信息送到神经网络模型中，最后根据神经网络处理的结果，智能地调节此时的开关和光照亮度，从而在不影响基本照明的前提下，尽最大可能地降低路耗的控制系统[10]。.3 智能路灯控制系统架构为了获得准确可靠的神经网络输入参数以及实现本论文单灯控制的目标，对路灯控制系统架构有一个深入的了解。本论文从路灯的环境参数和控制信流向来对智能路灯控制系统进行分层，并逐一介绍。智能路灯控制系统主要件设施层、感知层、控制层、传输层、数据层、应用层五个层构成。智能路制系统架构如下图 2-1 所示：
电子科技大学硕士学位论文：这个层相当于我们的身体的躯干，是支撑人行系统中主要指的是路灯的灯杆、灯具、灯源的选度，如下图 2-2 路灯户外安装示意图所示。根据不合适的灯杆、灯具、灯源。因为不同的路灯，如灯，它们的控制调节电路是不一样的。加上路灯的硬就比较难也不会轻易去移动。因此需要根据实际，人车流的情况来决定路灯放置的疏密程度，以气和晴天天气的占比来决定是否在路灯上添加太，既可以保证道路的基本照明，又可以节省路灯可以为智慧城市的路灯量身定制一套可靠的、人性[11]。
图 2-3 太阳能路灯：这个层相当于我们的五官和皮肤，能够对现实物理世如，可以通过光照传感器读取光照强度来判断目前是白流传感器和电压传感器来读取路灯的电力状态信息来判息，以及判断是否已经发生的故障；可以通过车流量传断目前是否属于出行的高峰期，可以通过 PM2.5 浓度来和能见度大小。并通过数据总线传递给控制层。因为这节能控制的主要因素。只有完整地采集这些信息，才能。：这个层相当于我们大脑的神经元，能够感知其他神经元处理，把处理后的信息经过神经网络传递给中枢神经大。在智能路灯控制系统中，控制层是通过收集感知层中然后对传感器采集的信息进行基本的处理，同时判断数异常、路灯烧坏等情况，控制层立刻关闭路灯，并且通
【参考文献】
相关期刊论文 前3条
1 吴飞;;城市路灯照明节能现状分析及未来发展[J];江西建材;2015年18期
2 陈建珍;;BP神经网络在林分平均胸径生长预估中的应用[J];林业调查规划;2009年03期
3 卢德华;;基于人工神经网络的建筑节能体系综合评价[J];建设科技;2007年09期
相关硕士学位论文 前10条
1 杜彦璞;基于生成对抗网络的遥感图像超分辨率方法研究[D];成都理工大学;2018年
2 蒋钰;城市道路智能照明控制系统研究[D];西南石油大学;2017年
3 王春香;基于神经网络的空调系统节能控制研究[D];哈尔滨工业大学;2015年
4 廖明青;路灯开关时间的预测算法研究[D];华中科技大学;2015年
5 吴睿;智慧照明系统研究与实现[D];电子科技大学;2015年
6 马嘉琳;城市照明系统的设计与研究[D];昆明理工大学;2015年
7 郭威;基于ZigBee的无线智能路灯系统研究[D];北京交通大学;2014年
8 李立;智能路灯节能控制系统的研究[D];天津理工大学;2013年
9 张振;智能型太阳能路灯控制器的研制[D];西安电子科技大学;2012年
10 石玉秋;神经网络技术在机器人视觉伺服控制中的应用[D];湖南大学;2006年
本文编号：2855281
本文链接：https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/2855281.html