智能教室照明控制系统

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：