基于HPSO-BP神经网络融合的隧道照明功率预测

• 作者: 房罡 李向邯 陈超 黄艳国
• 来源期刊: 现代电子技术
• 关键词: 隧道照明 功率预测 混合粒子群算法 智能控制系统 实时调控 仿真实验
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 能源与环境科学
• 页码范围: 125-129,134
• 页数: 6页
• 分类号: TN711-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.23.027

摘要

针对当前高速公路隧道照明存在的过度照明问题,采用一种混合粒子群算法和BP神经网络相结合的联合优化算法实时预测所需LED功率.该算法优化了神经网络的初始权值和阈值,克服了种群易陷入局部极小的缺点,同时也加快了收敛速度,将优化好的神经网络用于预测LED功率减小了误差.具体措施是将由传感器实时采集的洞外亮度、车流量及其车速、能见度作为照明控制系统的输入量,经过计算所得的隧道照明的调光值作为照明控制系统的输出量,搭建一个4个输入1个输出的控制模型,用混合粒子群优化神经网络对监控数据进行训练分析,拟合输入输出的关系,最终实现实时预测调控的目的.以赣州市尖峰岭隧道的真实数据进行设计,Matlab仿真结果表明,基于HPSO-BP神经网络算法比传统BP神经网络算法在预测精度和收敛速度性能上表现得更加优秀,可以达到实时预测调控的要求,减少了照明能耗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄艳国	江西理工大学电气工程与自动化学院	55	401	11.0	18.0
2	陈超	江西理工大学电气工程与自动化学院	12	96	5.0	9.0
3	房罡	江西理工大学电气工程与自动化学院	4	1	1.0	1.0
4	李向邯	江西理工大学电气工程与自动化学院	3	0	0.0	0.0