一種基于深度學習的智能led燈控制裝置的制造方法
【技術領域】
[0001]本實用新型涉及可調亮度LED燈控制裝置，尤其涉及基于深度學習的自適應智能LED燈控制裝置。
【背景技術】
[0002]目前，很多家庭都在使用各式各樣的LED燈控制裝置。然而，就目前的情況來看，這些照明設備被作為單一的并且獨立的個體來使用，沒有專門的系統進行管理。這不僅使得用戶需要花費精力去控制這些設備，容易造成能源利用率低下而且不合理的亮度控制會對用戶肉眼造成傷害。
[0003]基于這個事實，智能LED燈控制裝置的概念應運而生。智能LED燈控制裝置是以個人住所為單位，通過物聯網技術、網絡技術、嵌入式技術等技術手段，并結合LED燈高能源利用率的特點，對家庭照明做合理的管理與控制。近些年，智能LED燈控制裝置作為智能家居中的一部分逐漸變成人們生活中越來越重要的一部分，它為用戶提供越來越多的個性化服務，使得人們的生活更加舒適、便捷和節能。當前，市場上出現的智能LED燈控制裝置大多是由單獨嵌入到LED燈中的系統控制，并利用無線通信方法與用戶進行交互。
【發明內容】
[0004]本發明的目的是:
[0005]由于智能LED燈控制裝置是一個剛剛興起的行業，當前有許多地方需要進一步的研究。其中系統不夠靈活，人性化程度不高，使用與安裝難度較大，缺少自適應功能等，都是現階段智能LED燈控制裝置所存在的問題。本實用新型的目的是，針對上述問題和不足，提出了一種基于深度學習算法、高靈活性、具有自主適應能力的LED燈控制裝置。
[0006]技術方案:
[0007]—種基于深度學習的智能LED燈控制裝置，包括網關、控制節點與傳感器節點三部分，通過WIFI網絡連接三種設備；
[0008]所述傳感器節點上安裝有多種傳感器，被安放在環境中的不同位置，用于采集周圍環境數據，并將采集到的周圍環境數據發送給網關；
[0009]所述網關帶有深度學習算法模塊，采用自動編碼器結構，定時的將采集到的周圍環境數據與用戶決策輸入到深度學習算法中，從而實現訓練系統的目的；訓練完畢后，通過傳感器采集到的周圍環境數據，并結合歷史數據和用戶設定，生成相應控制表，給出相應的決策，并發送給控制節點；使系統能夠學習人的行為習慣，結合用戶設定，做出準確的決策，從而大大提高系統的靈活性，實現自適應智能控制。
[0010]所述控制節點上搭載有LED燈的驅動電路，接收到來自網關的決策命令后，對LED亮度做相應調節。
[0011]進一步的，所述多種傳感器包括溫濕度傳感器、光敏傳感器、紅外傳感器。能夠更好的感知周圍環境，提高決策的準確。
[0012]進一步的，所述控制節點通過PffM脈寬調制裝置調節LED燈光亮度。
[0013]本實用新型具有如下有益效果:
[0014]1、裝置采用深度學習算法模塊，可以學習用戶行為，并根據不同環境參數做出不同的決策，實現對LED燈的智能控制。
[0015]2、系統具有檢測傳感器數據并上傳至用戶的能力，使用戶能夠實時的監控家庭環境信息。
[0016]3、系統能夠根據用戶設定完成對LED燈亮度的自動控制。
[0017]4、系統采用無線組網方式，方便安裝和配置。
[0018]5、系統采用星形組網形式，方便用戶對LED燈的監管。
【附圖說明】
[0019]圖1為系統總體硬件框圖；
[0020]圖2為網關硬件框圖；
[0021 ]圖3為LED控制節點硬件框圖；
[0022]圖4為傳感器節點硬件框圖；
[0023]圖5為網關自主學習與自動控制的運行流程圖；
[0024]圖6為傳感器節點運行流程圖；
[0025]圖7為LED控制節點運行流程圖。
【具體實施方式】
[0026]下面結合附圖及【具體實施方式】對本實用新型進行詳細說明。
[0027]系統由網關、LED控制節點和傳感器節點三者組成，具體的硬件連接框圖，如圖1所示。
[0028]1、網關的設計
[0029]網關起的是一個樞紐和運算的作用，它連接外部網絡的用戶手機端和內部網絡中的節點，并在其上運行ANDROID軟件。首先，在本系統中，網關外部聯網的方式為以太網，內部則通過WIFI與節點通信并工作在AP模式下。其次，網關通過Flash存儲器保存一些配置信息和數據信息，比如節點信息、配置信息、工作數據等。除此之外，需要人機交互用的觸摸屏。其硬件模塊結構如圖2所示，其中具體模塊功能如下:
[0030](I)無線模塊。采用R0ADC0M的BCM4330WIFI芯片作為主控芯片，并工作在AP模式下，同時使用高增益天線擴大覆蓋范圍。
[0031](2)觸摸電容屏。采用7寸的觸摸式TFT屏幕，方便用戶查看數據和控制LED燈。
[0032](3)以太網模塊。通過以太網連接至因特網，從而使用戶可以使用智能手機連接因特網訪問系統。
[0033](4)Flash存儲模塊。用于存儲相關的傳感器數據、用戶設定、用戶決策和生成的控制表等。
[0034](5) SOC0采用基于ARM Cortex A9的芯片作為系統主控，并在其上運行ANDROID
-ψ-1 口 O
[0035]網關上運行ANDROID平臺，利用JAVA語言實現了深度學習算法。深度學習的概念來源于人工神經網絡，是一種含有多隱層的感知器。深度學習通過將特征進行組合形成抽象表示，從而發現數據的高層特征。本系統采用自動編碼器結構，定時的將傳感器數據與用戶決策輸入到深度學習算法中，從而實現訓練系統的目的。訓練完畢后，通過傳感器數據，并結合歷史數據和用戶設定，生成相應控制表，給出相應的決策。使系統能夠學習人的行為習慣，結合用戶設定，做出準確的決策，從而大大提高系統的靈活性，實現自適應智能控制。網關自主學習與自動控制的運行流程，如圖5所示。首先完成初始化操作，通過UDP協議獲取所有傳感器的IP，并通過IP地址與節點通訊，獲取其上的設備信息。如果該節點為傳感器節點則將新建一個線程，接收來自該節點的數據，將接收到的數據放入接收幀緩沖區，再利用包解析模塊對數據進行解析，生成標準格式信息。將信息放入數據庫中，系統將定時的從數據庫中取出信息，采用深度學習算法訓練系統，當訓練完畢后再根據傳感器數據給出相應的決策，生成控制表，傳遞給裝包模塊。再將數據包通過發送模塊，放入發送緩沖區，發送給LED控制節點。
[0036]2、節點(LED控制節點與傳感器節點)的設計
[0037]由于節點需要與網關通信，所以采用了 WIFI無線通信模塊并工作在STA模式下鏈接到網關的AP上。另外，節點分為LED控制節點和傳感器節點兩類。其中，LED控制節點通過PffM提供LED驅動信號，傳感器節點則通過相應通訊協議獲取傳感器數據。LED控制節點的硬件框圖，如圖3所示。傳感器節點的硬件框圖，如圖4所示。其中圖中具體模塊功能如下:
[0038](l)MCU。其中MCU選用的MSP430F2122，具有16MHZ的最高運行頻率，運行模式下250uA的超低功耗以及支持多種通訊協議(如UART、SP1、I2C等)的特點。非常適合于作為本系統的節點主控使用。
[0039](2)供電模塊。由于本系統為了安裝方便并且進行了低功耗方面的優化，所以采用了鋰電池的供電方案。電路方面使用BQ24090芯片對電池充電，利用TPS78030線型穩壓器提供穩定的3.0V電壓輸出。
[0040](3)無線模塊。WIFI通訊方面采用TI的CC3200作為主控芯片，使用貼片型天線，利用FLASH芯片存儲配置信息，實現WIFI的小型化和低功耗，同時利用UART與MCU通訊。
[0041](4)傳感器模塊。采用BH1750作為光照度傳感器，它內置16位的模數轉換器，使用I2C通訊協議，采用貼片封裝體積小巧。
[0042](5) LED驅動模塊。采用LM3402驅動LED燈，使用PffM脈寬調制裝置對燈光亮度進行調節。
[0043]節點的運行流程，按照節點類型，分為傳感器節點運行流程如圖6所示，以及LED控制節點運行流程如圖7所示。其中傳感器節點，首先完成節點的初始化。然后節點將定時的獲取傳感器數據，并檢驗數據有效性，如果有效則通過裝包模塊形成數據包，再利用發送處理模塊，發送給網關。LED控制節點，首先完成節點初始化。接著節點將不停的接收來自網關的數據，如果發現數據有效，則通過解析包模塊，將數據解析成控制信息，傳遞給LED驅動，從而輸出相應PWM波，控制LED燈的亮度。
[0044]以上所述僅是本發明的優選實施方式，應當指出:對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。
【主權項】
1.一種基于深度學習的智能LED燈控制裝置，其特征在于:包括網關、控制節點與傳感器節點三部分，通過WIFI網絡連接三種設備； 所述傳感器節點上安裝有多種傳感器，被安放在環境中的不同位置，用于采集周圍環境數據，并將采集到的周圍環境數據發送給網關； 所述網關帶有深度學習算法模塊，采用自動編碼器結構，定時的將采集到的周圍環境數據與用戶決策輸入到深度學習算法中，從而實現訓練系統的目的；訓練完畢后，通過傳感器采集到的周圍環境數據，并結合歷史數據和用戶設定，生成相應控制表，給出相應的決策，并發送給控制節點； 所述控制節點上搭載有LED燈的驅動電路，接收到來自網關的決策命令后，對LED亮度做相應調節。2.根據權利要求1所述的一種基于深度學習的智能LED燈控制裝置，其特征在于:所述多種傳感器包括溫濕度傳感器、光敏傳感器、紅外傳感器。3.根據權利要求1所述的一種基于深度學習的智能LED燈控制裝置，其特征在于:所述控制節點通過PWM脈寬調制裝置調節LED燈光亮度。
【專利摘要】本實用新型公開了一種基于深度學習算法、高靈活性、具有自主適應能力的LED燈控制裝置，分為網關、控制節點與傳感器節點三部分，通過WIFI網絡連接三種設備；采用自動編碼器結構，定時的將傳感器數據與用戶決策輸入到深度學習算法中，從而實現訓練系統的目的。訓練完畢后，通過傳感器數據，并結合歷史數據和用戶設定，生成相應控制表，給出相應的決策。使系統能夠學習人的行為習慣，結合用戶設定，做出準確的決策，從而大大提高系統的靈活性，實現自適應智能控制。
【IPC分類】H05B37/02
【公開號】CN204733413
【申請號】CN201520271519
【發明人】楊玲, 宋林, 程勇
【申請人】南京信息工程大學
【公開日】2015年10月28日
【申請日】2015年4月29日