[发明专利]一种基于物联网的综合管廊智能照明控制系统

权利要求书

1.一种基于物联网的综合管廊智能照明控制系统，其特征在于，该系统包括终端传感器信息采集模块、无线通讯传输模块、LED灯组功率调节模块以及监控应用平台；

所述终端传感器信息采集模块由电源模块、管廊亮度检测模块、管廊内部人员检测模块、ZigBee无线信息传输模块组成；

所述终端传感器信息采集模块包括亮度传感器、红外探测传感器，亮度传感器安装在管廊中间照明段，红外探测传感器安装在管廊入口及出口的位置，对管廊内部及外部的光照情况、管廊内部人员流动情况进行实时监测，所述亮度传感器、红外探测传感器连接电源稳压电路输入端；所述电源稳压电路输出端连接微控制最小系统输入端；所述微控制最小系统输出端连接无线通信传输模块输入端；所述无线通信传输模块输出端连接监控应用平台；

管廊亮度检测模块利用MAX44009光照传感器实现管廊内部和外部亮度信息的采集，管廊内亮度采集器放置在管廊中间照明段，实时向主控制器发送亮度采集信息；管廊内部人员检测模块利用HC-SR501红外探测器实现管廊内部人员流动信息的获取，根据人员信息调整LED亮度信息，当HC-SR501红外探测模块没有检测到管廊内部人员信息，则照明控制系统开启LED灯组关闭模式；当检测到管廊内部有人员流动的情况，则照明控制系统根据人员具体分布情况调节相应的照明模式；

在无线通讯传输模块中，ZigBee无线传感网络包括终端节点、协调器、路由器三部分，嵌入到LED灯具的终端节点将终端传感器采集的数据信息传输到ZigBee协调器；协调器节点作为无线传感网的通信枢纽，整个网络的创建、管理和维护均由协调器完成；路由器节点作为终端节点与协调器节点之间的通信桥梁，实现数据的传输，工作过程如下：远程上位机通过无线网络、协调器节点、路由器节点传输控制命令，终端节点接收命令后，将采集的数据信息再由数据传输路径上传给上位机，服务器平台对接收到的信息进行处理、调用，实现远程服务中心对管廊照明状况的远程监控，其中终端节点接收数据信息的途径为首先协调器接收来自上位机的控制命令，由无线网络和路由器节点将命令发送给终端节点，终端节点以相反的路径传输数据信息；

LED灯组功率调节模块，采用恒压输出开关电源，远程应用平台根据终端传感器反馈的信息发出相应的功率调节指令，主控制器接收指令并做出响应，将功率调节指令以PWM波占空比的形式传输到光耦器件，经过隔离从而控制VMOS管的关断与导通时间，最终改变流经LED灯组的平均电流；

监控应用平台由服务器与计算机组成，服务器的数据库主要负责储存信息，对通过ZigBee无线网络上传的终端传感器采集的数据信息进行存储，方便应用平台的调用和查看；计算机主要负责调用数据库中的数据，使相关数据显示在上位机软件操作界面上，通过上位机交互界面所显示的管廊光照度、人员流动情况对管廊内LED灯进行打开关闭操作或选择相应的照明模式；

所述监控应用平台远程控制LED灯组的照明模式，采用自适应最优加权融合实现多光照传感器的数据级融合，采用模糊集理论和D-S证据理论数据融合算法实现决策级融合，主要包括计算每一种目标模式的平均可信度函数和数据融合规则两部分，通过模糊集理论可以获得多光照传感器的平均基本信任函数值；采用D-S基本融合规则对平均基本信任函数进行数据融合，对融合后的可信度函数分析，进行决策判断。

2.根据权利要求1所述一种基于物联网的综合管廊智能照明控制系统，其特征在于，利用模糊集理论及D-S证据理论数据融合算法实现远程控制LED灯组的照明模式，包括如下步骤：

步骤1：确定系统的识别框架即LED灯组所有的功率调节模式，分别为全部关闭状态、可调照明模式、全功率照明模式，设计并确定每种功率调节模式对应的管廊外部以及内部亮度检测范围，为相应功率模式的开关提供依据；

步骤2：通过自适应最优加权融合方法对光照传感器采集的数据进行预处理，实现数据级融合，得到更加精确的光照强度值；

步骤3：利用模糊集理论对多传感器采集的信息进行模糊化处理，修改传感器信息构成的证据模型；

步骤4：采用D-S证据理论基本融合规则将步骤3所得的平均基本信任函数值进行数据融合；

步骤5：对融合后的基本信任函数进行分析，得到融合后的可信度，某一种功率调节模式的可信度越大，表明当前状态更适合该功率模式，从而实现LED灯组功率调节模式的选择。

3.根据权利要求2所述一种基于物联网的综合管廊智能照明控制系统，其特征在于，所述步骤3中利用模糊集理论对多传感器采集的信息进行模糊化处理，修改传感器信息构成的证据模型的步骤如下：

步骤3.1：计算每一种功率模式对应的基本概率分配函数，即将经过预处理后的光照传感器值进行归一化处理，利用计算所得的基本概率分配函数将传感器数值映射到区间[0,1]范围上的一个数u；

步骤3.2：由步骤3.1获得的基本概率分配函数值构建特性指标矩阵，则n个传感器的特性指标矩阵为U*，其中u_n1代表第n个传感器对第1种功率调节模式的特性指标；

步骤3.3：计算构建模糊相似矩阵R，表示每两个传感器之间的相似程度，其中，利用最大最小法确定矩阵R中的元素；

步骤3.4：计算每一个传感器对应每一种功率调节模式的支持度Sup(m_p)和可信度Bel(m_p)，p＝1，2，3...n；

步骤3.5：计算每一个传感器对应每一种功率调节模式的平均基本信任函数值，利用步骤3.4所得的可信度作为权重因子，对每一个传感器对应每一种功率调节模式的基本信任分配进行加权平均。