基于先进控制算法的灯具感光亮度调节设计

刘 茹，刘义艳，俞竣翰

（长安大学 电子与控制工程学院，陕西 西安　710064）

基于先进控制算法的灯具感光亮度调节设计

刘 茹，刘义艳，俞竣翰

（长安大学 电子与控制工程学院，陕西 西安710064）

为了克服传统的室内灯光亮度感应外界环境光照强度的时间滞后性且不精确性，分别对室内环境光照强度和室内灯光亮度进行了分析，提出了时间最优控制和单神经元自适应PID先进控制算法，使得灯光强度自适应外界环境光照度快速且准确的达到人们想要的效果。采用改进后的Bang-Bang控制，使被控对象初始值以不同的误差范围根据光照亮度设定值的变化而改变；再根据单神经元自适应PID通过调节参数而更加精确的调节PWM占空比的输出，从而有效的调节光照亮度。实验结果表明：从时间效应和光亮强度上来看，该控制算法有一定的改善效果，对于智能灯光要求比较高的大型场所有一定的适用性。

灯光亮度；单神经元自适应PID算法；改进的Bang-Bang控制；亮度调节

在今天电力资源比较紧张的时代，节约电能变得尤为重要，本文采用基于 Bang-Bang控制［1-3］与单神经元自适应PID算法［4-5］对灯光适应外界环境光照强度进行自我调节而起到节约电能且保护视力的作用，虽然光照调节控制在生产和工业中十分普遍，但各自内在机理不同，数学模型存在一定的局限性，而且由于光照控制对象与场所的不同，以往的控制［6］大多具有时间常数大，纯滞后时间长，时变性较明显等特点，最终控制效果往往达不到人们预想的程度。所以本文针对此特点提出了一种可以改善以上缺陷的算法：Bang-Bang控制与单神经元自适应PID控制相结合的方法，此种方法实现了对光照亮度的有效且准确调节，能够更好的为人们高效的利用。

1　系统的硬件设计

本次设计采用STC89C52RC控制器实现档案库光照强度调节，在自动调节过程中，感光部分选用光敏电阻进行室内环境光照的采光，由于光照强度的不同，光敏电阻对应的电压会有所不同，从而间接地测量了光照强度，再通过ADC0809模拟-数字转换芯片将其对应的数字量输入控制器，再与软件部分中设定的初始值进行对比，根据误差范围的不同来调节PWM的占空比，即对灯具电流进行控制，从而实现对光亮强度的自动调节。硬件设计原理图如图1所示。

2　Bang-Bang控制算法的改进

传统的Bang-Bang控制虽然也具有过渡时间短，易实现，尤其对于大幅度变动的系统而言，比常规的PID调节有更大的优越性能，但是当控制变量达到期望值后上下波动范围大，精度要求就不能很好地实现，故引入改进的Bang-Bang控制［4］，具体过程是：将采集到的光照强度与预设阀值进行对比，采用改进的Bang-Bang控制，根据误差范围的不同和外界环境光照亮度的改变，适当的对室内灯光进行动态补光，使得在室内环境光照度基本维持在300lx左右，在自然光下，环境亮度范围变化很大，因此照度变化范围也很广，为了在环境光变化时，通过灯光亮度调节实现室内照度稳定，首先利用照度计测量了实验室房间内部在自然光环境下的照度［6］变化，如表1所示。

图1　电路硬件连接原理图Fig．1　Schematic diagram of the hardware circuit connection

表1　室内环境照度范围测量Tab.1　The range measurement of indoor environment illumination

根据表1将室内环境照度分为七个等级，1）L≤1，2）1＜L＜15，3）15＜L＜70，4）70＜L＜150，5）150＜L＜225，6）225＜L＜300，7）L≥300（单位：lx）其中L表示室内照度。利用改进的Bang-Bang算法，对于误差的不同范围，采用不同的Bang-Bang控制值，误差越小，控制值也越小；对于不同的光照设定值，釆用不同的Bang-Bang控制初始值，本系统设计的控制算法中，其参数值设定方法为：改进的Bang-Bang控制和单神经元PID控制相互切换的临界误差值为0．25，（此值为误差标准化后的值）。在Bang-Bang控制过程中，控制初始值的大小为设定光照度的正比例函数，即U0=0．25*SET。这里的初始值代表数字量电压值，根据外界环境亮度的不同，Bang-Bang控制进行7次的逐级递减，即有7个不同的控制初始值，实际采集值与设定的初始值误差范围的定义如公式（1）：

e（k）为经过误差标准化后的值。

这里的光亮控制中，对光亮照度的控制不是一个定值而是一个范围，采用改进后的Bang-Bang控制概念，使Bang-Bang控制的初始值以一定的规律按照光照亮度设定值的变化而变化。这样就可以快速的达到用户想要的一个光亮范围强度，再按照单神经元自适应PID算法来调节PWM波，从而更加精确的调节光亮的强度。

3　单神经元自适应PID原理及应用

传统的PID在系统模型参数变化不大的情况下具有结构简单、调整方便等特点，在一定程度上能满足工程控制的要求，但是在实际的工业控制中，由于被控对象的复杂性且大部分的非线性、不确定、参数时变等特点，使得单纯的使用PID控制根本达不到想要的效果，而单神经元自适应PID，可以在一定程度上解决传统PID调节器不易在线实时整定参数，和一些复杂过程的参数时变、非线性、强耦合系统控制的不足。单神经元模型是根据对人脑神经元进行抽象简化后的人工神经元模型，如图2所示，可以看出，该控制的神经网络是一个多输入单输出的二层网络，其具有自学习能力，其中x1，x2，…，xN是神经元接收到的信息，ωi1，ωi2，…，ωiN为连接强度，称之为权，利用以下公式把各个输入信号与相应加权系数相乘再累加起来，得到的总效果，引起神经元i的状态变化，而神经元i的输出yi是其当前状态的函数y（·），称之为活化函数。

图2　单神经元模型Fig．2　The model of the single neuron

图3中转换器的输入为光照强度设定值r（k）和感应灯具亮度的输出y（k）；转换器的输出为神经元学习控制偏差量所需要的状态量x1（k）、x2（k）、x3（k）它们分别代表设定值与实际输出的偏差、偏差积分、偏差微分，公式（2）为计算式。

z（k）=x1（k）=yr（k）-y（k）=e（k）为性能指标。图3中K为神经元的比例系数，K＞0。神经元通过关联搜索来产生控制信号，即

式中，ωi（k）——对应于xi（k）的加权系数。

图3　单神经元自适应PID控制结构框图Fig．3　Structure diagram of single neuron adaptive PID control

ωi（k）采用有监督Hebb的学习算法可以更好地保证其收敛性和鲁棒性，

公式（4）中ηP、ηI、ηD分别为比例、积分、微分的学习速率，取值一般在0～1之间。

将以上单神经元自适应PID控制器学习算法的运行之后，得出状态效果与可调参数ηP、ηI、ηD、K等的选取紧密相连。通过实验仿真和实控结果得到如下调整规律：

规律一：K的取值直接影响了系统的超调和过渡时间，若系统超调过大，则减小K，若上升时间长，无超调，则增大K；

规律二：先选取K使过程超调不太大，若从超调趋向平稳时间过程太长，则可增大ηP、ηD；若响应产生多次的正弦衰减现象，则可减少ηP增加积分项作用，其他参数不用改变；若上升时间短且超调过大，则应减少ηI；

规律三：权系数初值的选取对系统控制结果有很大影响，如果选择不当，一方面可能使系统不稳定且学习速率下降；另一方面，可能在Bang-Bang控制与自适应控制相切换过程中，系统产生不平滑，引起波动，故刚开始选取先取比例、积分、微分的初值。

公式（5）为神经网络系数初值的计算：

由以上算法，加上实际的仿真与调试，得到各个参数：K= 2，kp=0.75，ki=0.002 5，kd=1.8；ηP=0.36，ηI=0.023，ηD=0.85。

4　实验结果分析

本次实验利用4*4个LED灯作为自适应调节光源来感应外界光照强度，当给定值取300lx时，此时由Bang-Bang控制算法根据给定值与采集到的光照强度值之间的误差来调节光照亮度，由公式（1）得到光照强度的初始值，进而利用单神经元自适应PID算法（公式（2），（4），（5））来调节参数控制PWM的输出，更精确且快速的改变光照亮度。图4是测试在设定值300lx时该控制算法的单位阶跃响应曲线，其中黑色实线为单神经元自适应PID的阶跃响应，虚线为Bang-Bang控制与单神经元自适应结合时的阶跃响应曲线。

图4　单神经元自适应PID算法和Bang-Bang控制结合Fig.4　Combination of single neuron adaptive PID algorithm and Bang-Bang control

由图4可以看出，在单位阶跃响应条件下，使用单神经元自适应PID算法到达稳态值需要2.2s的时间，而Bang-Bang控制与单神经元自适应PID算法结合时只需1 s就能达到预想值，且系统基本无超调现象。图5是运用单神经元自适应PID算法在MATLAB软件中进行调试的参数结果。

图5　kp、ki、kd参数调节Fig.5　Parameters adjustment of kp、ki、kd

5　结束语

本文采用改进的Bang-Bang控制和单神经元自适应PID控制相结合的控制方法，在不同误差范围内设定光照值的情况下，系统能以较快的速度达到设定值，利用MATLAB软件仿真可以看出该方法不会有超调现象，也无振荡现象，即具有良好的动态性能；而且没有出现稳态误差，即具有较好的稳态性能，因此选择该方法具有一定的优势。

［1］禹见达，陈政清，王修勇等．改进的Bang-Bang控制算法的理论与试验研［J］．振动与冲击，2010，29（2）：60-64．

［2］欧青立，吴兴中，崔力．Bang-Bang+模糊PID煤湿度控制器设计与实现［J］．电子测量与仪器学报，2010，24（8）．786-790．

［3］LIU Y，TENG ZH SH，LIN H J．Electronic balance for moisture content measurement based on optimized time fuzzy PID temperature control［J］．Journal of Electronic Measurement and Instrument，2008，22（4）：90-94．

［4］陈静，王永骥．基于单神经元自适应PID控制的温控系统研究［J］．华中科技大学控制科学与工程系智能所，2006，26（3）：20-22．

［5］徐中，孙伟，刘晓冰．单神经元自适应PID控制器的研究［J］．大连理工大学学报，1999，39（5）：668-672．

［6］朱虹．LED照明驱动及自适应调光技术研究［D］．上海：上海大学，2008．

［7］M ENG J X，WANG Y，WANG X Z．Application tesearch on Bang-Bang+Fuzzy-PI hybrid controller［J］．Machine Tool&Hydraulics，2008，36（10）：266-270．

The control design of lamps and lanterns of photosensitive brightness based on advanced control algorithm

LIU Ru，LIU Yi-yan，YU Jun-han
（School of Electronic and Control Engineering，Chang'an University，Xi’an710064，China）

In order to overcome the time lag and inaccurate of environmental illumination intensity which inducted by traditional indoor lamplight brightness，the indoor environmental illumination intensity and light intensity were analyzed separately，the advanced control algorithm which used time optimal control and single neuron adaptive PID is proposed in this paper，it can adapt to the environment light intensity fast and correctly．Firstly，the improved bang-bang control is used to control the initial value of the controlled object，which can change by the different error range in accordance with the change of the brightness setting value；Secondly，the output of PWM duty ratio is regulated precisely by adjusting the parameters，which is based on the single neuron adaptive PID，and can regulate effectively the brightness of the illumination．The results are summarized as:the control algorithm has some improvement effect from the time effect and the intensity of light；it has certain applicability for the smart lighting requirements of large field．

light intensity；single neuron adaptive PID algorithm；improved Bang-Bang control；brightness adjustment

TN79+2；TN602

A

1674－6236（2016）02-0009-03

2015-09-16稿件编号：201509114

国家青年自然科学基金资助（61201407；6203374）；中央高校基本科研业务费的资助（310832151093；2013G1321044）

刘 茹（1991—），女，陕西渭南人，硕士研究生。研究方向：控制算法。