1.本发明涉及室内照明技术领域，具体地说，涉及一种基于自然光与人工照明动态平衡的室内光疗方法。
背景技术：2.光疗是应用日光、人造光源中的可见光线和不可见光线防治疾病的方法。目前的光疗主要有紫外线疗法、可见光疗法、红外线疗法和激光疗法。
3.红外线作用于人体主要改善局部血液循环、促进肿胀消退、镇痛、降低肌张力、缓解肌痉挛及干燥渗出性病变。
4.紫外线作用于人体，光能量引起一系列化学反应，有消炎、止痛、抗佝偻病的作用，常用以治疗皮肤化脓性炎症和其他皮炎、疼痛症候群、佝偻病或软骨病等；波长310-313nm范围的紫外线称之谓窄谱中波紫外线(nbuvb)，集中了紫外线中生物活性最强的部分直接作用皮肤患处，同时过滤掉对皮肤有害的不良波段紫外线，副作用小，作用于皮肤角质层，起效时间短，见效快。已在各大医院广泛用于银屑病、白癜风、慢性湿疹、神经性皮炎、特应性皮炎、掌跖脓疱病、玫瑰糠疹、斑秃、副银屑病、皮肤慢性溃疡、蕈样肉芽肿等疾病的治疗。
5.可见光就是人眼能看到的光线。用可见光治疗疾病的方法为可见光疗法。主要包括红光、蓝光、蓝紫光及多光谱疗法。红光具有兴奋作用；黄光、绿光与红光作用相反；蓝紫光可用于治疗核黄疸。
6.激光为受激辐射光放大产生的光，具有发散角小、方向性好、光谱纯、单色性好,能量密度高、亮度大,相干性好等特点，具有热效应、机械效应、电磁效应。可用于许多疾病的诊治。
7.但是上述光疗不能根据合室内数据将自然光和人工补光进行有效的结合。
技术实现要素：8.本发明的内容是提供一种基于自然光与人工照明动态平衡的室内光疗方法，其能够克服现有技术的某种或某些缺陷。
9.根据本发明的一种基于自然光与人工照明动态平衡的室内光疗方法，其包括以下步骤：
10.s1：基于bp神经网络，预测全年系数库
‑ⅱ
中各系数的全年昼间各时间点内的数值；
11.s2：基于多项式函数组，结合预测全年系数库
‑ⅱ
中各系数，计算出全年系数库
‑ⅰ
中各系数的全年昼间各时间点内的数值；
12.s3：基于多项式函数，结合全年系数库
‑ⅰ
中各系数，获得全年昼间各时间点内的室内的瞳孔照度分布；
13.s4：基于遗传算法，以1000-2000lux为室内各点照度目标范围，在补光库(6)中择优选择人工补光方案，实现全年动态补光。
14.作为优选，步骤s1中，bp神经网络采用三层结构的bp神经网络模型，包含输入层、隐含层和输出层，相邻的两层之间的神经元彼此相连，且有一个对应的连接权值；该bp神经网络输入参数包括时间、太阳高度角和方位角，输出为全年系数库
‑ⅱ
中各系数的全年昼间各时间点内的数值，包括aa、ba、ca；ab、bb、cb；ac、bc、cc；ad、bd、cd；ae、be、ce。
15.作为优选，步骤s2和s3中，在瞳孔照度和深度y之间进行多项式拟合，计算18个宽度步骤和13个平均每天10小时的多项式函数系数，输出为系数ⅰ矩阵；对系数ⅰ和宽度x进行多项式拟合，输出系数ⅱ矩阵；通过对比不同多项式方程对瞳孔照度分布的预测准确度，最终确定1个四次多项式及5个二次多项式对室内瞳孔照度分布的预测精度最高，拟合度r2值》0.999；
16.其中多项式公式为：
17.ecor＝a*y4+b*y3+c*y2+d*y+e；
18.a＝aa*x2+ba*x+ca；
19.b＝ab*x2+bb*x+cb；
20.c＝ac*x2+bc*x+cc；
21.d＝ad*x2+bd*x+cd；
22.e＝ae*x2+be*x+ce。
23.作为优选，步骤s4中，补光库由室内不同布灯条件下的上百组光分布数据组成，布灯条件有：
24.a、布灯网格，网格灯具节点间距为0.2m-0.5m，安装高度3m；
25.b、灯具光通量，补光库包含2000lm，4000lm，6000lm及8000lm4种灯具的光分布数据，灯具配光方式包括：朗博配光、朗博配光基础上70
°
、50
°
、30
°
截光角的配光方案；
26.c、亮灯数量，根据全年缺光数量，计算出各种光输出灯具所需的数量范围分别为：
27.2000lm：5-40盏，4000lm：5-30盏，6000lm：5-20盏，8000lm：5-15盏；
28.d、亮灯排数，包含1-5排的布灯方式的光分布数据信息；
29.e、横向排列方式，包括灯具集中于房间东面区域、灯具集中于房间中间区域和灯具集中于房间西面区域。
30.作为优选，步骤s4中，遗传算法的步骤为：
31.1)以自动排序且不重复的方式编码待筛选补光分布数据；
32.2)拟选补光分布数据的个数，设置每组数据由灯具数量、灯具输出、灯具配光、灯具排数组成，并产生初始数据；
33.3)将补光分布数据与日光数据结合计算是否满足1000-2000lux为室内各点照度目标范围；
34.4)进行补光数据更替，直到补光分布数据满足步骤3)的设定；
35.5)输出结果，从已产生的补光分布数据中选择最优人工补光方案。
36.本发明提供一种自然采光与人工补光动态稳定的室内光疗方法。该方法基于bp神经网络、多项式函数和系数库建立，结合实时光气候数据预测室内自然光分布数据，据此，结合遗传算法动态选择最佳人工补光方案，实现室内空间中全区域、全视野、全时段达到光干预有效阈值(1000-2000lux)。本发明提出的方法可以运用于养老空间的治疗照明，能够充分考虑地区光气候及太阳运行规律，结合智能控制实现精确、定向补光，以保证养老空间
中全区域、全视野、全时段达到有效阈值。
附图说明
37.图1为实施例中一种基于自然光与人工照明动态平衡的室内光疗方法的流程图；
38.图2(a)为实施例中系数库
‑ⅱ
中aa、ba、ca的示意图；
39.图2(b)为实施例中系数库
‑ⅱ
中ab、bb、cb的示意图；
40.图2(c)为实施例中系数库
‑ⅱ
中ac、bc、cc的示意图；
41.图2(d)为实施例中系数库
‑ⅱ
中ad、bd、cd的示意图；
42.图2(e)为实施例中系数库
‑ⅱ
中ae、be、ce的示意图；
43.图3为实施例中遗传算法逻辑图。
具体实施方式
44.为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
45.实施例
46.如图1所示，一种基于自然光与人工照明动态平衡的室内光疗方法，其包括以下步骤：
47.s1：基于bp神经网络1，预测全年系数库
‑ⅱ
中各系数的全年昼间各时间点内的数值；
48.s2：基于多项式函数组2，结合预测全年系数库
‑ⅱ
中各系数，计算出全年系数库
‑ⅰ
中各系数的全年昼间各时间点内的数值；
49.s3：基于多项式函数3，结合全年系数库
‑ⅰ
中各系数，获得全年昼间各时间点内的室内的瞳孔照度分布4；
50.s4：基于遗传算法5，以1000-2000lux为室内各点照度目标范围，在补光库(6)中择优选择人工补光方案，实现全年动态补光。
51.步骤s1中，bp神经网络1采用三层结构的bp神经网络模型，包含输入层、隐含层和输出层，相邻的两层之间的神经元彼此相连，且有一个对应的连接权值；该bp神经网络输入参数包括时间、太阳高度角和方位角，输出为全年系数库
‑ⅱ
中各系数的全年昼间各时间点内的数值，包括aa、ba、ca；ab、bb、cb；ac、bc、cc；ad、bd、cd；ae、be、ce。
52.步骤s2和s3中，在瞳孔照度和深度y之间进行多项式拟合，计算18个宽度步骤和13个平均每天10小时的多项式函数系数，输出为系数ⅰ矩阵([18
×
130]，宽度18步，平均每天10小时，计算平均天数13天)；对系数ⅰ和宽度x进行多项式拟合，输出系数ⅱ矩阵([1
×
130])；通过对比不同多项式方程对瞳孔照度分布的预测准确度，最终确定1个四次多项式及5个二次多项式对室内瞳孔(ecor)照度分布的预测精度最高，拟合度r2值》0.999；
[0053]
其中多项式公式为：
[0054]
ecor＝a*y4+b*y3+c*y2+d*y+e；
[0055]
a＝aa*x2+ba*x+ca；
[0056]
b＝ab*x2+bb*x+cb；
[0057]
c＝ac*x2+bc*x+cc；
[0058]
d＝ad*x2+bd*x+cd；
[0059]
e＝ae*x2+be*x+ce。
[0060]
系数库
‑ⅱ
如图2(a)、图2(b)、图2(c)、图2(d)、图2(e)所示；图2(a)、图2(b)、图2(c)、图2(d)的纵坐标与图2(e)相同。
[0061]
步骤s4中，补光库6由室内不同布灯条件下的上百组光分布数据组成，布灯条件有：
[0062]
a、布灯网格，网格灯具节点间距为0.2m-0.5m，安装高度3m；
[0063]
b、灯具光通量，补光库包含2000lm，4000lm，6000lm及8000lm4种灯具的光分布数据，灯具配光方式包括：朗博配光、朗博配光基础上70
°
、50
°
、30
°
等多种截光角的配光方案；
[0064]
c、亮灯数量，根据全年缺光数量，计算出各种光输出灯具所需的数量范围分别为5-40盏(2000lm)，5-30盏(4000lm)，5-20盏(6000lm)，5-15盏(8000lm)；
[0065]
d、亮灯排数，包含1-5排的布灯方式的光分布数据信息；
[0066]
e、横向排列方式，包括灯具集中于房间东面区域、灯具集中于房间中间区域和灯具集中于房间西面区域。
[0067]
作为优选，步骤s4中，遗传算法5的步骤为：
[0068]
1)以自动排序且不重复的方式编码待筛选补光分布数据；
[0069]
2)拟选补光分布数据的个数，设置每组数据由灯具数量、灯具输出(lm)、灯具配光、灯具排数等组成，并产生初始数据；
[0070]
3)将补光分布数据与日光数据结合计算是否满足1000-2000lux为室内各点照度目标范围；
[0071]
4)进行补光数据更替，直到补光分布数据满足步骤3)的设定；
[0072]
5)输出结果，从已产生的补光分布数据中选择最优人工补光方案。
[0073]
遗传算法逻辑如图3所示。图3所示为基于遗传算法的人工补光方案择优策略，灯光库包含大量灯光方案，并可不断拓展；每个灯光方案具有特定的身份信息，即为遗传算法的遗传基因，包括但不限于灯具数量、灯具输出(lm)、灯具配光、灯具排数、灯具外沿位置；这些基因随机生成若干种群(即对应的灯光方案种群)，对于某一特点时间下的自然采光条件，遗传算法基于以上随机生成灯光方案群，分别与自然采光进行加权，获得自然采光与人工补光同时作用的室内瞳孔照度分布，并以瞳孔照度1000-2000lux为目标，进行对比，获得最佳补光方案可能出现种群位置，通过基因的遗传、变异、重组、交叉等算子，获得新的灯光方案种群，分别以自然光加权后，对比择优，满足条件(1000-2000lux)则为有用方案，不满足条件则进行进化(遗传、变异、重组、交叉等)，获得下一代灯光方案种群，直至找到最佳灯光方案。
[0074]
本实施例还提供了一种基于自然光与人工照明动态平衡的室内光疗系统，其采用上述的一种基于自然光与人工照明动态平衡的室内光疗方法，该系统分为软件系统和硬件系统两部分：
[0075][0076]
a)软件部分
[0077]
自然光预测模型：
[0078]
采用三层结构的bp神经网络模型，包含输入层、4个隐含层和输出层，相邻的两层之间的神经元彼此相连，且有一个对应的连接权值；该bp神经网络输入参数包括时间、太阳高度角和方位角3个输入数据，输出为系数
‑ⅱ
的全年数据，包括aa、ba、ca；ab、bb、cb；ac、bc、cc；ad、bd、cd；ae、be、ce。结合预测全年系数库
‑ⅱ
中各系数，计算出全年系数库
‑ⅰ
中各系数的全年昼间各时间点内的数值。结合全年系数库
‑ⅰ
中各系数，获得全年、全天处于动态变化状态的室内自然光瞳孔照度分布预测模型。
[0079]
自然光修正模型：
[0080]
结合采集的实时光气候数据，对bp神经网络计算进行修正。
[0081]
动态补光模型：
[0082]
基于遗传算法，根据灯具数量、灯具输出(lm)、灯具配光、灯具排数的布灯方式形成灯光库，以1000-2000lux为室内各点照度目标范围，在灯光库中择优选在人工补光方案，实现全年动态补光。同时遗传算法通过更新学习，还会选择更优的人工补光方案。
[0083]
b)硬件部分
[0084]
服务器：
[0085]
一套高速接受及处理实时信息的设备。包括但不限于电脑、路由器、网线等。内部安装“自然光预测模型”、“动态补光模型”、“光气候修正模型”等用于预测自然光及动态补
光的软件。
[0086]
实时环境参数采集设备：
[0087]
该设备整合了多种组件，以实现对环境信息的全面采集，满足系统的需求，相关参数的分析转化方法根据前期研究成果实现。本设备包括但不限于以下组件：1)时间信息采集设备，采集实时时间信息；2)光环境参数采集设备，采集实时光环境参数信息。
[0088]
超高速信息传输及转化设备：
[0089]
该设备包括显示设备和操作杆。光干预设备系统校准方法基于前期大量的多项式函数、bp网络、遗传算法研究以获得全年的动态补光数量及补光分布计算模型。通过多种补光库择优选择对设备进行调整，提高设备的适配度。
[0090]
光干预灯具组件：
[0091]
根据算法得到最优的补光组合方式与自然光结合，获得整体高照度及高均匀度。实现了老人在移动状态下瞳孔照度始终保持在有效阈值范围内，且室内全区域覆盖。
[0092]
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
技术特征：1.一种基于自然光与人工照明动态平衡的室内光疗方法，其特征在于：包括以下步骤：s1：基于bp神经网络(1)，预测全年系数库
‑ⅱ
中各系数的全年昼间各时间点内的数值；s2：基于多项式函数组(2)，结合预测全年系数库
‑ⅱ
中各系数，计算出全年系数库
‑ⅰ
中各系数的全年昼间各时间点内的数值；s3：基于多项式函数(3)，结合全年系数库
‑ⅰ
中各系数，获得全年昼间各时间点内的室内的瞳孔照度分布(4)；s4：基于遗传算法(5)，以1000-2000lux为室内各点照度目标范围，在补光库(6)中择优选择人工补光方案，实现全年动态补光。2.根据权利要求1所述的一种基于自然光与人工照明动态平衡的室内光疗方法，其特征在于：步骤s1中，bp神经网络(1)采用三层结构的bp神经网络模型，包含输入层、隐含层和输出层，相邻的两层之间的神经元彼此相连，且有一个对应的连接权值；该bp神经网络输入参数包括时间、太阳高度角和方位角，输出为全年系数库
‑ⅱ
中各系数的全年昼间各时间点内的数值，包括a
a
、b
a
、c
a
；a
b
、b
b
、c
b
；a
c
、b
c
、c
c
；a
d
、b
d
、c
d
；a
e
、b
e
、c
e
。3.根据权利要求1所述的一种基于自然光与人工照明动态平衡的室内光疗方法，其特征在于：步骤s2和s3中，在瞳孔照度和深度y之间进行多项式拟合，计算18个宽度步骤和13个平均每天10小时的多项式函数系数，输出为系数ⅰ矩阵；对系数ⅰ和宽度x进行多项式拟合，输出系数ⅱ矩阵；通过对比不同多项式方程对瞳孔照度分布的预测准确度，最终确定1个四次多项式及5个二次多项式对室内瞳孔照度分布的预测精度最高，拟合度r2值>0.999；其中多项式公式为：ecor＝a*y4+b*y3+c*y2+d*y+e；a＝a
a
*x2+b
a
*x+c
a
；b＝a
b
*x2+b
b
*x+c
b
；c＝a
c
*x2+b
c
*x+c
c
；d＝a
d
*x2+b
d
*x+c
d
；e＝a
e
*x2+b
e
*x+c
e
。4.根据权利要求1所述的一种基于自然光与人工照明动态平衡的室内光疗方法，其特征在于：步骤s4中，补光库(6)由室内不同布灯条件下的上百组光分布数据组成，布灯条件有：a、布灯网格，网格灯具节点间距为0.2m-0.5m，安装高度3m；b、灯具光通量，补光库包含2000lm，4000lm，6000lm及8000lm4种灯具的光分布数据，灯具配光方式包括：朗博配光、朗博配光基础上70
°
、50
°
、30
°
截光角的配光方案；c、亮灯数量，根据全年缺光数量，计算出各种光输出灯具所需的数量范围分别为：2000lm：5-40盏，4000lm：5-30盏，6000lm：5-20盏，8000lm：5-15盏；d、亮灯排数，包含1-5排的布灯方式的光分布数据信息；e、横向排列方式，包括灯具集中于房间东面区域、灯具集中于房间中间区域和灯具集中于房间西面区域。5.根据权利要求1所述的一种基于自然光与人工照明动态平衡的室内光疗方法，其特征在于：步骤s4中，遗传算法(5)的步骤为：1)以自动排序且不重复的方式编码待筛选补光分布数据；
2)拟选补光分布数据的个数，设置每组数据由灯具数量、灯具输出、灯具配光、灯具排数组成，并产生初始数据；3)将补光分布数据与日光数据结合计算是否满足1000-2000lux为室内各点照度目标范围；4)进行补光数据更替，直到补光分布数据满足步骤3)的设定；5)输出结果，从已产生的补光分布数据中选择最优人工补光方案。
技术总结本发明涉及室内照明技术领域，涉及一种基于自然光与人工照明动态平衡的室内光疗方法，其包括以下步骤：S1：基于BP神经网络，预测全年系数库
技术研发人员：陈尧东 刘秋萍 雷远方 刘洋
受保护的技术使用者：西南交通大学
技术研发日：2022.06.16
技术公布日：2022/11/1
