日韩看片,久久超级碰,成人午夜性a一级毛片美女,秋霞在线观看视频一区二区三区,国产专区一va亚洲v天堂,欧美人与禽交片在线观看网站

　　目前，LED路燈在道路照明、城市亮化工程等領域中獲得了廣泛應用，然而其控制方式多為人工控制或定時控制。這兩種控制方式簡單，但存在明顯缺陷：不能根據天氣情況或外界自然光情況自動調節LED路燈的光照強度，從而造成電能浪費。為解決這個問題，許多學者和工程師進行了大量的研究工作，試圖降低LED路燈的能耗。
　　重慶路燈廠黃昏時分的自然光照強度緩慢變弱，若能根據自然光的這種特征，自適應地調節LED路燈光照逐漸變強，從而保持整體光照程度(LED路燈光照與自然光照之和)不變，即充分利用自然光照補償LED路燈，可以減少LED的能耗。在這種自適應控制方法中，首先需要完成光照強度檢測、構建光照強度與LED驅動電壓的模型，從而實現LED路燈控制。然而實驗發現，光照強度檢測傳感器輸入-輸出特性、光照強度與LED驅動電壓均成非線性關系，建模不易。
　　神經網絡具有很強的逼近非線性函數能力，已廣泛應用于系統建模、校正與補償。它可通過構建基于神經網絡的光照強度測量逆模型(即LED光照測量輸出電壓與光照強度之間的函數關系)、訓練神經網絡獲得模型參數，為LED光照強度自適應控制做準備。這種光照控制模型的性能主要取決于神經網絡的泛化能力。因此，如何提高其泛化能力對這種光照控制模型尤為重要。系統先驗知識可以通過結構約束和權值約束實現對神經網絡的優化，顯著提高神經網絡的泛化能力。實驗發現，LED路燈光照測量輸出電壓隨光照強度增強而增加，即輸出電壓是光照強度的單調遞增函數(即一階導數大于0)。利用LED路燈光照測量系統的這種先驗知識，構成基于神經網絡LED路燈光照強度控制模型的約束條件，能夠獲得比傳統訓練方法更好的訓練效果，傳統方法僅利用數據樣本訓練神經網絡，不利用導數信息等先驗知識。
　　由于引入了約束條件，此時神經網絡的訓練將是一個有條件約束問題的求解過程，與普通神經網絡訓練(即無條件約束問題)相比，其算法要復雜的多，因此需要采用新的神經網絡訓練方法。現有的解決約束優化問題的乘子法等為有條件約束的神經網絡訓練提供了參考。因此，利用乘子法，結合導數約束，提出一種基于約束條件的神經網絡(CCNN)LED光照強度控制方法，以完成黃昏時分LED路燈光照自適應調節，實現LED路燈的進一步節能。
http://www.clusafe.com/