室内照明自然采光的模糊控制

     摘要: 自然采光是建筑节能照明的重要方面，合理利用自然光，在节能基础上保证室内光环境的舒适度成为目前研究热点之一。但是自然光具有随机性、多变性、易干扰性，其应用与控制较为复杂。本文尝试将模糊控制策略应用于自然光照明领域，模糊控制不依赖模型，并具有较强的抗干扰性，对于多因素变量下的模型不确定情况有很好的控制效果。另外，本文根据人体工效学思想确定模糊规则，使遮光百叶的控制更接近人对自然光的判断，更符合人们生活习惯。

　　1 引言

　　从远古的篝火、油灯到蜡烛、白炽灯，再到今天千家万户的荧光灯，人类已经基本适应了人工光源的室内照明环境。但是由于千万年来的环境影响，自然光仍然是人类最习惯、感觉最舒适的光源，自然采光一直受到建筑师和照明设计师的高度重视。当今社会建筑的节能环保需求更对自然采光照明提出了进一步的要求。《建筑采光设计标准》

　　中的国家技术经济政策指出: 建筑设计要充分利用天然光，创造良好的光环境。

　　对室内照明自然采光的研究具有重要的意义:

　　(1) 资料表明，照明用电占整个商业建筑能耗的25 － 40% ，而自然采光在特定的情况下可以节省52% 的照明用电，大大节约了能源。

　　(2) 相关研究表明，人在自然光条件下工作，可以增加满意度和提高工作效率。保证正常的生理节奏，防止季节性情绪失调等症状。

　　(3) 自然采光的工作照度水平及其均匀度对视觉疲劳有着重要影响。

　　目前对自然采光的研究主要集中在CIE 标准天空模型、建筑及照明自动控制方面。由于自然光具有随机性、易变性，而且应用场所的格局、朝向具有多样性，因此本文引用模糊控制的方式，结合人体工效学思想，探测窗台内外关键点照度值，对自然光变化进行了模糊逻辑推理判断，使遮光器件的调节更合理更人性化。同时区别于一般窗帘仅在高度维度上的控制，增加了对百叶角度的控制，控制自然光进入室内的强度及角度，合理的进行自然采光，以提高办公效率及办公环境的舒适度，增加居住工作人员对室内环境的满意度。

　　2 模糊控制理论

　　模糊控制是以模糊*论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。能避开对象的数学模型，将模糊控制器输入量的确定值转换为相应模糊语言变量值，此相应语言变量值均由对应的隶属度来定义，适用于不易获得精确数学模型的被控对象，其结构参数不是很清楚，或难以求得，只要求掌握操作人员或领域专家的经验或知识。作为一种语言变量控制器，其控制规则只用语言变量形式定性的表达，构成了被控对象的模糊模型。

　　模糊控制的基本原理由图1 表示，其核心部分为模糊控制器，即将输入变量模糊化和输出变量的去模糊化过程，如图虚线框中部分所示。计算机通过采样获得控制量的精确值，然后将此量与给定值比较得到的误差信号E。一般选取误差信号E 作为模糊控制器的输入量。把误差信号的精确量进行模糊化，用相应的模糊语言表示。得到误差E 的模糊语言*的一个子集e。在有e 和模糊规则R( 模糊关系) 根据推理的合成规则进行模糊决策，得到模糊控制量u 为：

　　综上，模糊控制可以概括为以下步骤:

　　(1) 确定系统输入变量，并将输入变量的精确值模糊化;(2) 定义模糊子集;(3) 建立模糊规则并确定隶属度函数;(4) 计算得到输出变量并进行去模糊化处理。

图1 模糊控制系统原理图

　　3 室内自然采光模糊控制策略

　　3. 1 控制策略

　　本系统采用侧窗采光系统，即在房间的一侧或两侧上开采光窗口， 使用可调节百叶窗， 采用Delphi 法( 专家法)对遮光百叶进行自然采光模糊控制，解决自然光随机性、干扰因素多等问题。

　　自然光的影响因素较为复杂，很多干扰难以用数学算式统一表达。夏天太阳太强烈时，过度的自然光容易引起不舒适; 云朵飘过、树影浮动都会对自然光照度有较大影响，如果及时反应，遮光百叶需要频繁地转动，有时噪音比较大，影响室内人员工作和休息。因此本系统引入人体工效学思想，结合模糊逻辑推理，合理控制遮光百叶的调节。

　　我们首先对侧窗采光系统进行室内照度分布测量，分析典型晴天、阴天等天气情况下一天中室内的照度分布及照度变化情况，并总结其规律，找到能反映当前室内照度与外界天气情况以及窗台照度关系的一个或几个点，并定义为关键点，探测关键点的照度值以及照度值变化和变化快慢，从而对百叶角度βb 进行调节( 以5 度为最小调节量)。

　　针对直射光，我们设定一个阈值，当光照强度超过阈值时，拒绝自然采光。自然光较强时( 水平遮阳百叶) 将直射日光反射到顶棚区域，形成漫反射，既保证了照度均匀以及人员与外界的视觉沟通，又避免了眩光。当且仅当太阳光的变化情况达到了我们需要的调节的范围内电动百叶才做出反应。如果照度变化发生且变化较慢时，做出百叶调节，照度值增加则百叶角度变小，照度值减小则百叶角度变大以增加采光; 如果照度变化且变化快时，判断为云朵或者树影干扰，不做出窗帘调节。

　　3. 2 模糊控制器结构

　　我们采用模糊统计法及专家经验法进行隶属函数的确定。控制规则的建立和参数的赋值，是在对我们选取的标准采光室的室内照度分布测量数据和复旦大学、天津大学、重庆大学等建筑院系照明研究经验基础上完成的。

　　本控制器为二维模糊控制器: 输入变量为误差△E 和误差的变化量为CE; 输出变量为控制量μ。

　　对误差△E，误差变化量CE 及控制量μ 的模糊集定义如下:

　　误差△E，误差变化量CE 及控制量μ 的模糊集均为:

　　{ 负大、负中、负小、零、正小、正中、正大}

　　用英文字头缩写为{NB，NM，NS，0，PS，PM，PB}。

　　以此建立模糊规则表如表1 所示。

表1 模糊规则控制表

　　注: 表格中列CE 由0 到PB 表示照度从小变大， 由0 到NB 变化表示照度从大变小。

　　表格中行△E 由0 到PB 表示照度按一定速度向照度增大的方向变化，由0 到NB 变化表示照度按一定的速度向照度减小的方向变化。

　　控制量μ 表示具体调节尺度( NB，NM，NS，0，PS，PM，PB)。

　　0 表示不调节，系统处于空闲即监视采样状态。

　　鉴于窗帘控制的精确度要求不需要过高，因此本文并未区分误差变化中N0 ( 正零) 和P0 ( 负零) 的区别。

　　3. 3 模糊规则确定

　　对于误差△E，误差变化CE 和控制量μ 的论域定义如下:

　　误差△E，误差变化CE 的论域都为:

　　{ － 5， － 4， － 3， － 2， － 1，0，1，2，3，4，5}

　　μ 的论域为:

　　{0，1}

　　根据室内照度分布研究结果，我们将室内照度值离散化，以50lx 为梯度，划分为11 档{ － 300，－ 200， － 150， － 100， － 50，0，50，100，150，200，300} ，并对应简化为E = { － 5， － 4， － 3，－ 2， － 1，0，1，2，3，4，5}。当值不属于该*时，用四舍五入法将其归入最接近的整数，例如4.5 － > 5. 0，2. 7 － > 3. 0。这种粗略的模糊化方式是符合人脑对模糊信息的处理习惯的。

　　其中照度在－ 50 到50 之间变化时对人对室内照度变化的感受并不明显，故属于变化负小、正小。

　　照度变化为150 左右时，由于个体差异，部分人的经验认为有影响，部分人认为影响不明显，但变化达到200 以上时大部分人都认为影响是明显的，故－ 200， － 150， － 100 及100、150、200 为中等变化范畴，再根据经验判断每个数值的隶属度，也即其对室内照度影响的具体程度大小，具体参见表2。

表2 模糊变量E 赋值表

　　CE 所对应的*{ － 5， － 4， － 3， － 2， － 1，0，1，2，3，4，5} 分别表示照度单位采样时间内的变化情况。照度减小的程度从大到小对应－ 5 到－ 4; 照度增大的程度从大到小对应1 到5。用来反映误差的变化趋势及变化程度，从而判断照度的变化是干扰还是不可逆转的改变。依据照度差值的变化，以及工效学中人对于照度感受值的体验，可以确定照度变化值的CE 赋值表。其中的误差的变化CE 由dE/dt得到，引入原理如图2 所示：

　图2 误差引入原理图

　　ShannON 采样定理指出采样周期的上限为：

　　ωmax为采样信号的上限角频率， 在此范围中，采样周期越小就越接近连续控制，但考虑到电动窗帘的响应时间，本文将采样频率定为5 次/ 分钟，T= 12s。

　　3. 4 模糊规则的合成

　　根据模糊数学计算法则及合成规则，设合成后的控制规则隶属函数为μ ( u)。

　　由于控制量μ 的*U 在本设计中论域为经典*的论域{ 0，1 } ， 故经公式4 合成， 同时结合实际情况和经验值调整后得到如表3 所示。

表3 窗帘模糊控制规则赋值表

　　输出量的去模糊化采用最大从属度法，并结合具体控制方式模糊*被精确化，由此可得执行结果，选择是否对窗帘进行调节。

　　3. 5 系统模糊控制流程

　　根据上述模糊规则的设置，我们设计了如下图3 所示的模糊控制程序流程图。

图3 模糊控制系统流程图

　　系统首先对关键点照度进行监控，当照度发生变化时，通过模糊判断该变化是干扰量还是需要调节的变量。首先以一分钟为时间节点，主控单元通过传感器获得五次采样的照度值。通过依次计算相邻两个数据之间的差值，判断照度的大小变化。差值为正表示照度变大，差值为负表示照度变小。仅当五次的变化同为正或同为负时，也即一分钟内照度的变化趋势一致时，用第五次采样的值与第一次采样的照度值之差作为CE 的值。用五次差值的平均值作为模糊规则中的ΔE。根据前面规定的模糊控制规则，程序可以通过调用相应的窗帘调节子程序完成相应的调节动作。

　　根据上述程序流程，在每次模糊判别的子程序中，系统通过判断照度误差△E，误差变化情况CE的值，判别当前室外照度变化是否属于外界干扰，若不属于干扰应采取何种调节方式。输出量的去模糊化采用最大从属度法，具体表现为当时进行调节，并结合具体控制方式模糊*被精确化，其执行结果如表4 所示。

表4 模糊控制子程序执行结果表

　　实验结果显示，当外界照度变化小于设定值时，系统不进行调节。当外界照度变化超过设定值，但是变化速度较快，而且在预设时间内照度恢复到接近原值时，系统判定为外界干扰，不进行调节，这样可以避免很多情况下的无意义操作，极大地降低了外界干扰对自然采光照明的影响。只有在外界照度持续变化，且单向改变的情况下，系统作出相应的调节。该控制方式使系统准备性得到了极大地提高，并且减少了很多的干扰波动，使用户感觉更为舒适与人性化。

　　4 结论

　　本文根据相关标准确定了自然采光的模糊控制策略，根据室内照度变化的情况，利用Delphi 专家法确定了模糊变量的隶属度函数，以室内关键点的照度变化为控制变量，并进行了变量的模糊化处理和模糊控制。

　　经过原理性试验， 我们设计了基于C8051 单片机芯片的自然采光控制器， 并将百叶控制与智能照明控制相结合， 取得了较好的实验结果。模糊控制具有很强的鲁棒性， 可以很好的避免干扰出现时窗帘的频繁移动， 并且模糊算法与工效学结合，可以更好的符合人体对自然采光的感受以及控制行为。

　　自然采光可以充分的利用阳光资源，除了节能环保之外，还更符合人体舒适性感受。综上所述，自然采光与模糊控制的结合是非常有应用价值的。