[0059] 以下结合附图对本发明的优选实施例进行详细描述，但本发明并不仅仅限于这些实施例。本发明涵盖任何在本发明的精神和范围上做的替代、修改、等效方法以及方案。
[0060] 为了使公众对本发明有彻底的了解，在以下本发明优选实施例中详细说明了具体的细节，而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。
[0061] 在下列段落中参照附图以举例方式更具体地描述本发明。需说明的是，附图均采用较为简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
[0062] 如图1、5所示，本商务酒店客房照明控制方法所应用的环境，选取长宽高6m×4m×3m的酒店客房为例，根据使用需求将商务酒店房间分为多个区域，其中，床面1、写字台2和沙发3是用户使用较多的区域，因而定义为工作区域；其它部分，用户可能使用到，但并不会长时间逗留的区域，列为临近区域4；床面1与洗手间6的墙壁之间的区域及窗台13所在位置，由于用户一般很少使用，或在使用时对其光照要求很低，故列入背景区域5；洗手间6包含洗手台7，由于对其他区域的影响较小，在洗手间的门关上的情况下几乎不对外界产生任何影响，故暂不列入研究范围。
[0063] 结合图1和图2所示，客房内共放置八个标记为带叉号圆圈的可调光LED灯8，同时，为观测各功能区域内的照度分布，设置十六个标记为带叉号矩形的照度观测点9。
[0064] 区域划分完成后，通过查阅酒店照明相关标准或建议对商务酒店照明环境进行数学建模，在世界坐标系中表示出房间各功能区域位置和/或形状、各照明灯具的几何位置；同时，获取各灯具的光分布模型；然后，建立评价函数f，对各区域照度、照度均匀度的计算值相对于参考值的达标程度进行评分：
[0065] f＝w1×u(E1)+w2×u(E2)+w3×u(E3)+w4×u(U1)+w5×u(U2)
[0066] 其中，E1为工作平面水平照度(单位：lx)，其一般参考数值取300，E2为工作平面临近区域照度，其一般参考数值取260，E3为背景区域照度，其一般参考数值取200，U1为工作平面照度均匀度，其一般参考数值取0.7，U2为目标工作平面临近区域照度均匀度，其一般参考数值取0.6；w1、w2、w3、w4、w5分别为各项指标的权重系数；u()表示各项指标的计算值与参考值的接近程度，对于E1、E2、E3而言当计算值不等于参考值时u()可由下式表示：
[0067]
[0068] 式中，E为相应被评价指标的参考值，E’为照明灯具按照对应的照明参数进行照明时各区域的照度计算值。对于U1、U2而言，当计算值小于参考值时按上述第一个比值公式计算，否则当计算值大于参考值时依然认为u()＝1。
[0069] 评价函数f建立完成后，采用层次分析法对其权重系数w1、w2、w3、w4、w5进行赋值，根据权重系数个数n建立判断矩阵An*n，用数字1到9中的两个整数的比对矩阵进行填充，其数值大小代表相应行权值项所对应指标，相比于相应列权值项所对应指标的重要程度(1为两者同样重要，aij为第i个权值项与第j个权值项的重要性比值，如aij小于1则说明后者j比前者i更重要)。不失一般性，矩阵An*n各元素数值采用主观评价给定，取值如下：
[0070]
[0071] 其中，行1至5与列1至5分别对应优化指标E1、E2、E3、U1、U2。元素a12的数值为5，即表示填充决策认为E1的重要程度高于E2；同时，各元素之间具有一定独立性，例如E2与E3之间的重要度关系，不应由元素a12与a13的比值确定。然后，将矩阵A5*5代入几何平均方程中，确定各权重系数具体数值，几何平均方程如下：
[0072]
[0073] 可得各项指标权重系数，如下：
[0074]
[0075] 在不同照明场景需求下，入住者期望的照度分布也有所不同。因此，在上述基于达标程度评分的基础上，需要对评分计算式做出相应调整，以体现特定场景所对应的参数指标优化要求。依据客房使用的不同使用需求，确定节能、会客、娱乐、办公、休闲阅读等五种场景作为优化目标场景，以期提升入住者的入住体验。对于不同场景，根据场景需求特点分别对f进行补充建立新的评价函数F1至F5，此时，各项指标中所引用的参考值可在上述一般参考数值基础上进行调整，而各项指标权重系数也可以根据偏好重新赋值。
[0076] 其一、对节能指标而言由于要求灯具整体能耗尽量减小，故其相应评价函数F1表示为：
[0077]
[0078] 其中，P(i)为第i盏灯具的功率消耗，可以看出P(i)越小，则评价函数F1的取值越高。
[0079] 其二、针对办公场景，对于需要办公的用户而言办公区域主要集中在写字台区域，为了达到最佳的工作照明效果，要求写字台的照度和光照照度均匀度尽量满足参考条件，此时新的评价函数F2可表示为：
[0080]
[0081] 式中，E11表示写字台区域内的桌面水平照度，U11表示写字台区域内的桌面照度均匀度，q1、q2、k1、k2、k3为相应项的权重系数，其数值可由层次分析法获得。
[0082] 式中，E11表示写字台区域内的桌面水平照度，其参考值取为320；U11表示写字台区域内的桌面照度均匀度，其参考值取为0.7；q1、q2、k1、k2、k3为相应项的权重系数，其数值亦可由层次分析法获得，不失一般性，数值可分别为0.45、0.55、0.27、0.46、0.27。
[0083] 其三、针对会客场景，就评价指标而言，该场景更为注重区域内整体亮度和照度均匀度，因而统一设定各区域内照度参考值为一固定值如350lx，照度均匀度参考值为一固定值如0.6，以营造一种明亮、舒适的照明氛围，此时新的评价函数F3表示为：
[0084]
[0085] 通过增加权重系数k1的取值使k1＞k2，以增加评价过程中对整体照度和照度均匀度的要求。采用层次分析法重新对w1、w2、w3、w4、w5、k1、k2进行赋值，其数值分别为0.2765、0.2559、0.0999、0.2765、0.0922、0.71、0.29。
[0086] 其四、娱乐场景，该场景主要适用于用户位于床面使用手机或电视时使用，要求背景及邻近区域照明亮度较低，其照度参考值可设置为150lx，此时新的评价函数F4表示为：
[0087]
[0088] 其中，E12表示工作区域内写字台外的水平照度，q1、q2、q3、k1、k2、k3为相应项的权重系数。根据层次分析法，此时，w1、w2、w3、w4、w5、q1、q2、q3、k1、k2、k3，分别赋值为0.2765、0.2559、0.2765、0.0999、0.0922、0.27、0.39、0.34、0.37、0.41、0.12。
[0089] 其五、休闲阅读场景主要供用户在床头或沙发区域进行书本阅读时使用，要求床头附近的m盏灯具亮度较高，此时新的评价函数F5表示为：
[0090]
[0091] 式中，It分别代表床头附近第t盏灯具的亮度，qt表示其相应权重系数；k1、k2、k3为相应项的权重系数。
[0092] 结合图1、3所示，休闲阅读场景时要求床头附近的f、g、h共三盏灯具的亮度较高。根据层次分析法，此时，w1、w2、w3、w4、w5、q1、q2、q3、k1、k2、k3，分别为0.1338、0.0933、0.0780、
0.3662、0.3286、0.33、0.33、0.33、0.37、0.41、0.12。
[0093] 评价函数F1至F5建立完成后，采用粒子群优化算法对灯具参数即照明参数或其调制值进行优化，优化过程中分别使用评价函数F1至F5对群内各粒子进行评价。
[0094] 粒子群优化算法作为一种有效的智能搜索算法，被广泛运用于各种离散点的最优值寻找应用中，且寻优能力强、实现方法灵活性较高、应用领域广泛。其基本原理可以看做是搜索空间内一群粒子，粒子位置即为被优化指标最优值的可能取值。通过追踪粒子位置改变，寻找粒子本身的最优解Pbest和群体最优解Gbest并根据这两项指标调整粒子自身位置。
[0095] 如图2及图3所示，客房内共放置八个可调光LED灯8，分别为灯具a至灯具h，使用某品牌LED灯泡，额定功率为15W，理论照度为1600lm，其布局位置根据商务酒店原有灯座位置安放，同时，设置十六个照度观测点9，选取时应尽量保证照度观测点9位于各区域垂直中线或水平中线位置，并做等间距分布。可以根据需要增加照度观测点。
[0096] 灯具的光分布模型，优选采用已验证过的，如果没有先验模型，则可以采用实际单独亮灯实验来获取。通过单独亮灯实验测出每个灯具的出光参数，建立其光分布模型。然后，根据灯具的光分布模型、灯具及采样点在世界坐标系中的相对位置，计算：八个可调光LED灯8在具体的灯具参数即照明参数调制值状态下，空间中每个采样点的照度。其中，采样点在每个所划分的区域内都设四个以上，从而可以获得各区域的照度及照度均匀度，进而可以计算，该照明参数调制值的评分值。
[0097] 采用粒子群优化算法对灯具参数进行优化，并分别使用评价函数F1至F5作为F对其优化结果进行评价，流程如下：
[0098] T1、随机生成集合X(1)50*8，其表示房间内八盏灯具，粒子群的规模为50组，每个元素xij(1)表示房间内灯具j的i组粒子初始照明参数调制值；
[0099] 根据光分布模型对第i组粒子对应的所有8个灯具计算酒店房间各区域在每个灯具按当前照明参数调制值进行照明时的照度分布，并采用当前评价函数F评价第i组粒子所对应的照明效果；
[0100] 各区域的照度按其内所有采样点的平均照度值取值，并根据这些采样点的照度计算照度均匀度：
[0101] 照度均匀度＝最小照度值/平均照度值
[0102] 各采样点的照度值对应关系如下：
[0103]
[0104] EjP为灯具j在其照射空间内任意一点P的水平照度，L和H分别为点P与灯具在水平和垂直方向上的距离；Iθ表示灯具总光通量为1000lm时θ方向光强，K为维护系数；Φ为灯具实际光通量即集合X(1)50*8中各元素xij(1)对应的照明参数调制值；
[0105] 根据评价函数分别获取各粒子组照明参数调制值向量的初始评分值，作为自身历史最优解的初始评分值并记录照明参数调制值向量；
[0106] 同时，记录所有N组粒子初始评分值中的最大值作为群体历史最优解的初始评分值并记录该照明参数调制值向量，令更新次数k＝1；
[0107] T2、在粒子群优化过程中，每个元素xij()都对应一个改变值vij()，元素vij()表示相应灯具j的在其照明参数调制值xij()的基础上还需进行vij()的改变，为保证其有效性，vij()取值区间一般不应大于xij()可能取到的最大值的10％；若改变后的xij()大于xij()可能取到的最大值，则xij()仍然取其最大值；
[0108] 随机生成集合V(k)50*8，其各元素分别表示合集X(k)50*8中各元素需作出的改变值，并采用下式对V(k)50*8及X(k)50*8进行多次更新：
[0109] vij(k+1)＝wvij(k)+c1r1(Pij(k)-xij(k))+c2r2(Gj(k)-xij(k))
[0110] xij(k+1)＝xij(k)+vij(k+1)
[0111]
[0112] 其中，k为当前更新次数；Pij(k)代表第i组粒子数据在第k次更新时的自身历史最优解所对应的第i个具体照明参数调制值，通过比较更新后各组照明参数调制值与其自身历史最优解两者的评分值获得，若更新后的评分值大于其自身历史最优解的评分值，则将更新后的照明参数调制值作为新的自身历史最优解进行记录；
[0113] Gj(k)代表第j个具体照明参数调制值在第k次更新时的粒子群体历史最优解，通过比较更新后的各组照明参数调制值与群体历史最优解的评分值获得，若更新后的某组评分值大于其群体历史最优解的评分值，则将该组更新后的照明参数调制值作为新的群体历史最优解进行记录；；
[0114] c1，c2为常数一般取2.05，r1，r2为均匀分布在区间(0，1)之间的随机数，可通过随机数生成函数获得；w为权重系数，wmax，wmin分别为权重系数最大值和最小值，一般分别取0.9和0.5。
[0115] X(k+1)i*n及V(k+1)i*n表示对X(1)i*n及V(1)i*n的第k次优化结果。K表示最大更新次数，当k等于K时结束更新，并输出Gi(k)中记录的群体历史最优解的照明参数调制值，作为最后的输出结果。
[0116] 重复进行T1、T2所述的优化过程四次，其中T1中用k替换1并跳过初始的随机生成过程，然后分别利用评价函数F2至F5逐一替换T1中的评价函数F1，以获得五组不同的优化结果，将优化结果转换和存储为照明场景灯具调控参数以供用户使用。
[0117] 如图4所示的粒子群优化过程评分值更新示意图是以节能指标优化为例的。从图4可看出，当更新次数逐渐接近最大更新次数K时，评价函数F1取值，即对应群体历史最优解的评价值逐渐收敛，优化完成。节能场景下，所获得的群体历史最优解对应灯具a至灯具h的照明参数调制值(光通量)为：270，663，988，1016，1020，942，954，1000(lm)。
[0118] 如图5及图3所示，当五组照明场景全部优化完成后，通过布置在商务酒店房间内的控制面板11、集控主机10来调控LED灯组。其中控制面板11包括两个完全相同的触控式控制面板，分别置于酒店客房门厅12和床面1右侧墙壁上。控制面板11采用触摸屏，其界面上有场景打开按键，点击按键后，通过集控主机10将由LED灯8构成的LED灯组，按照明场景所对应的灯具调控参数分别调节各LED灯的驱动电流，打开相应照明场景。
[0119] 灯具调控参数可以是灯具光通量或与灯具光通量对应的驱动电流的大小，而驱动电流的大小，可以是绝对值，也可以是相对于额定驱动电流值的百分比值。假设LED灯的光通量与驱动电流成正比，则将不同场景优化所得的灯具调控参数映射为驱动电流PWM波的占空比，存储于集控主机10中。当控制面板11接收到场景触控信息时，向集控主机10发出场景切换指令，集控主机10获取场景相应的驱动电流PWM波占空比，改变驱动电流，分别改变可调光LED灯的供电电流，实现预设场景的切换。
[0120] 不难理解，粒子群优化过程中，每个灯具可以具有多个照明参数调制值，如亮度、色温、颜色等，即粒子群中可以用多个元素xij()来表示房间内某一个灯具的i组粒子照明参数调制值。
[0121] 以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等，均应包含在该技术方案的保护范围之内。
