1.一种改进的人工神经网络室内光源布局方法,其特征在于,所述方法包括:获取需要进行光源布局设计的光源类型、房间类型、光源位置信息和权重;
将获取的光源类型、房间类型、光源位置信息和权重输入预训练好的人工神经网络,得到不同光源布局的品质因数;
对得到的不同光源布局的品质因数进行排序,得到最佳光源布局方案;
所述品质因数的计算公式为:
式中,Emean为平均照度;U为均匀度;UGR为眩光度;LPD为功率密度;C为成本;Emean_limit为平均照度最低限制值;Ulimit为均匀度最低限制值;UGRlimit为眩光度最高限制值;LPDlimit为照明功率密度最高限制值;Climit为成本最高限制值;当照明设计不满足其中一个或多个设计参数时,Q为0;当满足设计参数时,设置权重α(0<α<1)的值,α代表室内照明质量的重要程度。
2.根据权利要求1所述的一种改进的人工神经网络室内光源布局方法,其特征在于,所述人工神经网络的训练方法,包括:建立以光源类型、房间类型、光源位置信息和权重为输入,品质因数为输出的人工神经网络;
获取光源类型、房间类型、光源位置信息和权重,并根据光源类型、房间类型、光源位置信息和权重计算成本、功率密度、均匀度、平均照度和眩光度;
根据成本、功率密度、均匀度、平均照度和眩光度以及各自的限制值,建立品质因数公式;
根据品质因数公式计算得到的结果筛选符合要求的光源类型、房间类型、光源位置信息和权重,使用仿真软件DIALux矫正其功率密度、均匀度、平均照度和眩光度的值,再次计算品质因数;
使用光源类型、房间类型、光源位置信息、权重和矫正的品质因数对建立的人工神经网络进行训练。
3.根据权利要求2所述的一种改进的人工神经网络室内光源布局方法,其特征在于,所述人工神经网络的训练方法,还包括:使用遗传算法优化人工神经网络的阈值和权值。
4.根据权利要求2所述的一种改进的人工神经网络室内光源布局方法,其特征在于,所述光源类型信息包括单个光源价格、功率和发光强度。
5.根据权利要求2所述的一种改进的人工神经网络室内光源布局方法,其特征在于,所述房间类型信息包括房间长、宽、高、墙面反射率、地面反射率和天花板反射率。
6.根据权利要求2所述的一种改进的人工神经网络室内光源布局方法,其特征在于,所述光源位置信息包括两个灯源横向间隔长度、两个灯源纵向间隔长度、一行灯源数量和一列灯源数量。
7.根据权利要求2所述的一种改进的人工神经网络室内光源布局方法,其特征在于,所述成本的计算公式为:式中,F为购买灯具的花销;W为年电力费;C为成本;Emean为平均照度。