智能教室照明控制系统
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于模糊理论的智能教室照明控制系统
前言
有时,我们会看到有的教室空无一人,却开满了灯,这样会带来不可忽略的资源浪费。
为了节约资源,相应低碳生活的号召,提出了智能控制教室照明的想法。大概的思路是采集教室的情况,然后通过系统控制教室的电灯打开的数量。从而很好地避免了浪费。
为了比较好的实现控制,将模糊控制的知识引进了该系统。这样可以使系统的鲁棒性增强,同时也可以简化过程的数学模型,是系统更容易实现。从而就形成了本报告中的基于模糊控制的智能教室照明控制系统。
由于作者的水平有限,系统中可能会存在一些错误,欢迎老师批评指正,谢谢!
智能教室照明控制系统流程介绍
1.结构确定
输入量为教室的学生个数和学生分布的集中程度,输出量为电灯的打开盏数。
2.定义输入,输出模糊集
2.1
学生个数表示在教室中的总学生数,论域为[0,80]。
将学生个数分为5个模糊集:VSR(非常少的人),SR(少量的人),MR(一般数量的人),LR(多量的人),VLR(非常多的人)。
2.2
学生分布集中程度定义:将教室的座位去划分为8个区域,统计每个区域中是否有学生,有学生记为1,没有学生则记为0;然后统计整个教室有学生的区域数,得到0~8的数字,即为教室学生密集程度。论域为[0~8]。例如:0表示教室没人,8表示教室的8个区域都有人,即分布分散。
将学生分布集中程度分为5个模糊集:SJ(分布集中),MJ (分布一般),LJ(分布分散)。
2.3
电灯打开盏数表示教室中两者的电灯数,论域为[0,24]。
将电灯打开盏数分为5个模糊集:VS(非常少),S(少量),M (一般),L(多),VL(非常多)。
3.确定隶属关系
3.1采用三角形隶属函数来实现学生人数模糊化
⎪⎪
⎪⎪⎪
⎩⎪⎪⎪⎪⎪⎨⎧≤≤-=⎩⎨⎧≤≤≤≤=⎩⎨⎧≤≤≤≤=⎩⎨⎧≤≤≤≤=≤≤==80x 60 /2060x x 80x 60 /20x -8060x 40 40)/20-(x x 60x 40 /20x -6040x 20 20)/20-(x x 40x 20
/20x -4020x 0 x/20x 20x 0 /20x -20x vlp
lp
mp
sp
vsp
)()(μ)()(μ)()(μ)()(μ)()(μμ学生数
隶属函数图:
3.2采用三角形隶属函数来实现学生分布密集程度模糊化
⎪⎪
⎩
⎪⎪⎨⎧≤≤-=⎩⎨
⎧≤≤-≤≤=≤≤-== 8y 4 4/)4()(8y 4 4/)8( 4y 0 y/4 )( 4y 0 4/)4()y (y y y y y lj mj sj μμμμ密集程度
3.3采用三角形隶属函数来实现模糊化
⎪⎪
⎪⎪⎪
⎩⎪
⎪⎪⎪⎪⎨⎧≤≤-=⎩⎨⎧≤≤≤≤=⎩⎨⎧≤≤≤≤=⎩⎨⎧≤≤≤≤=≤≤==24z 18 /618z z 24z 18 /6z -4218z 12 12)/6-(z z 18z 12 /6z -8112z 6 6)/6-(z z 12z 6
/6z -126z 0 z/6z 6z 0 /6z -6z vl l m
s
vs )()(μ
)()
(μ)()(μ)()(μ)()(μμ开灯盏数
4.常识建立
通常,在教室中自习的学生的数量越多,需要打开的电灯个数越多;当同时需要考虑一个因素是,当学生数量一定时,学生分布密集,则需要打开的电灯数少一点;而学生分布稀疏时,则需要打开的电灯数较多一点。
5.建立模糊控制表
6.模糊匹配
6.1规则匹配
(1)利用传感器测得信息:X(学生数),Y(密集程度)
例如:X(学生数)=35,Y(密集程度)=6
(2)计算得到隶属度
对于上例有:μvsp(35)=0,μsp(35)=0.25,μmp(35)=0.75,μlp(35)=0,μvlp(35)=0
μsj(6)=0,μmj(6)=0.5,μlj(6)=0.5
(3)得到相应的的模糊状态规则表
6.2规则触发
利用6.1中得到的模糊状态规则表得到被触发的规则:
Rule1: If X is SP AND Y is MJ Then Z is S
Rule2: If X is SP AND Y is LJ Then Z is M
Rule3: If X is MP AND Y is MJ Then Z is M
Rule4: If X is MP AND Y is LJ Then Z is L
6.3规则前提推理
同一规则内前提之间通过“与”运算,得到前提可信度,继而得到规则前提可信度表。
Rule1: min(0.25,0.5)=0.25
Rule2: min(0.25,0.5)=0.25
Rule3: min(0.75,0.5)=0.5
Rule4: min(0.75,0.5)=0.5
6.4 将上述的模糊状态规则表与规则前提可信度表进行“与”运算
6.5得到模糊系统的输出
μagg(Z)=max{min(0.25,μs(Z)),min(0.25,μm(Z)),min(0.25,μm(Z)),min(0.25,μl(Z))}
6.6解模糊
首先得到推理过程
Rule1:
Rule2:
Rule3:
Rule4:
通过对上述图的分析,可得结果如下: