霂瑞霂��撘����迨��辣:
http://elartu.tntu.edu.ua/handle/lib/46693| Title: | Застосування методів машинного навчання в системах розумного освітлення |
| Other Titles: | Application of machine learning methods in smart lighting systems |
| Authors: | Киянчук, Тарас Любомирович Kyianchuk, Taras |
| Bibliographic description (Ukraine): | Киянчук Т. Л. Застосування методів машинного навчання в системах розумного освітлення : робота на здобуття кваліфікаційного ступеня магістра : спец. 141 – електроенергетика, електротехніка та електромеханіка / наук. кер. Л. М. Костик. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. 78 с. |
| Issue Date: | 十二月-2024 |
| Date of entry: | 19-十二月-2024 |
| Publisher: | Тернопільський національний технічний університет імені Івана Пулюя |
| Country (code): | UA |
| Place of the edition/event: | Тернопільський національний технічний університет імені Івана Пулюя |
| Supervisor: | Костик, Любов Миколаївна Kostyk, Liubov |
| UDC: | 628.921 |
| Keywords: | 141 електроенергетика, електротехніка та електромеханіка інтелектуальні технології керування освітленням машинне навчання штучна нейронна мережа фотодетектор intelligent lighting control technologies machine learning artificial neural network |
| Number of pages: | 78 |
| Abstract: | У кваліфікаційній роботі встановлено фактори раціонального вибору схем керування для різних типів приміщень та сценаріїв перебування у них користувачів. На основі аналізу існуючих методів машинного навчання визначено, які методи мають можливість практичної реалізації в технологіях розумного освітлення, встановлено особливості їх застосування для систем інтелектуального освітлення. Представлено енергоефективний інтелектуальний метод керування внутрішнім освітленням для точного регулювання рівня затемнення світильників, який адаптований до нелінійної зміни природної освітленості. Подано схему керування інтелектуальною системою освітлення, яка складається з трьох основних блоків: ініціатора, препроцесора і блоку прийняття рішень. Представлено алгоритм для розрахунку необхідного рівня освітленості від керованих штучних джерел світла для приміщення, розділеного на окремі зони із різними пріоритетами, з врахуванням природного освітлення та зайнятості окремих зон. The qualification work establishes the factors of rational selection of control schemes for different types of premises and scenarios of users staying in them. Based on the analysis of existing machine learning methods, it is determined which methods have the possibility of practical implementation in smart lighting technologies, and the features of their application for intelligent lighting systems are established. An energy-efficient intelligent method of controlling internal lighting for precise adjustment of the dimming level of luminaires is presented, which is adapted to nonlinear changes in natural light. A control scheme for an intelligent lighting system is presented, which consists of three main blocks: an initiator, a preprocessor and a decision-making block. An algorithm is presented for calculating the required level of illumination from controlled artificial light sources for a room divided into separate zones with different priorities, taking into account natural light and occupancy of individual zones. |
| Description: | На основі аналізу інтелектуальних систем керування освітленням встановлено фактори раціонального вибору схем керування для різних типів приміщень та сценаріїв перебування у них користувачів. На основі аналізу існуючих методів машинного навчання визначено, які методи мають можливість практичної реалізації в технологіях розумного освітлення, встановлено особливості їх застосування для систем інтелектуального освітлення. Представлено енергоефективний інтелектуальний метод керування внутрішнім освітленням для точного регулювання рівня затемнення світильників, який адаптований до нелінійної зміни природної освітленості. Подано схему керування інтелектуальною системою освітлення, яка складається з трьох основних блоків: ініціатора, препроцесора і блоку прийняття рішень. |
| Content: | ВСТУП 7 1 АНАЛІТИЧНИЙ РОЗДІЛ 9 1.1 Технології керування освітленням у будівлях 9 1.1.1 Схеми контролю присутності 13 1.1.1.1 Економія електроспоживання при використанні методів контролю присутності 19 1.1.1.2 Фактори, що впливають на якість контролю на основі присутності 20 1.1.2 Керування освітленням з врахуванням природнього світла 22 1.1.2.1 Способи контролю освітленості з врахуванням денного світла 24 1.1.2.2 Економія електроспоживання при використанні системи керування освітленням з врахуванням денного світла 26 1.1.2.3 Фактори, що впливають на продуктивність елементів керування, які враховують природне освітлення 27 1.1.2.4 Налаштування контрольних параметрів 29 1.1.3 Управління освітленням за розкладом 31 1.1.4 Змішана система управління 32 1.1.5 Тенденції розвитку технологій керування освітленням 33 1.2 Висновки до розділу 1 35 2 ПРОЄКТНО-КОНСТРУКТОРСЬКИЙ РОЗДІЛ 36 2.1 Машинне навчання в розумному освітленні 36 2.1.1 Методи машинного навчання 36 2.1.1.1 Контрольоване навчання 38 2.1.1.2 Неконтрольоване навчання 41 2.1.1.3 Навчання з підкріпленням 43 2.1.1.4 Ансамблеве навчання 44 2.1.1.5 Глибоке навчання 45 2.2 Застосування машинного навчання в розумному освітленні 47 2.3 Висновки до розділу 2 54 3 РОЗРАХУНКОВО-ДОСЛІДНИЦЬКИЙ РОЗДІЛ 55 3.1 Структура інтелектуальної системи керування освітленням із можливістю навчання 55 3.2 Енергоефективна інтелектуальна система керування освітленням із врахуванням денного освітлення і можливістю навчання 56 3.2.1 Ініціатор 58 3.2.2 Препроцесор 60 3.2.3 Блок прийняття рішень 65 3.2.4 Зміни природного освітлення в робочому режимі 69 3.2.5 Видалення фотодетекторів при зміні природної освітленості 70 3.3 Висновки до розділу 3 71 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 72 4.1 Вимоги електробезпеки до освітлювальних установок 72 4.2 Правила техніки безпеки при експлуатації освітлювального обладнання 74 4.3 Робота з освітлювальними установками при надзвичайних ситуаціях 75 ЗАГАЛЬНІ ВИСНОВКИ 77 ПЕРЕЛІК ПОСИЛАНЬ 78 |
| URI: | http://elartu.tntu.edu.ua/handle/lib/46693 |
| Copyright owner: | © Киянчук Т. Л., 2024 |
| References (Ukraine): | 1. Киянчук, Т. Л., & Костик, Л. М. (2024). Налаштування контролю інтелектуальної системи керування освітленням. Матеріали Ⅶ Міжнародної науково-технічної конференції „Світлотехніка й електроенергетика: історія, проблеми, перспективи “, 41-42. 2. Коваль В.П. Методичні вказівки до виконання кваліфікаційної роботи магістра для здобувачів другого рівня вищої освіти за ОПП Електроенергетика, електротехніка та електромеханіка/ В.П. Коваль, М.Г. Тарасенко, О.А. Буняк, Л.Т. Мовчан – Тернопіль: ТНТУ, 2024. – 51 с. 3. Martirano L. A Smart Lighting Control to Save Energy. In: Proceedings of the 6th International Conference on Intelligent Data Acquisition and Advanced Computing Systems; 2011. Р. 132–138. 4. Von Neida B, Maniccia D, Tweed A. Ananalysis of the Energy and Cost Savings Potential of Occupancy Sensors for Commercial Lighting Systems. J Illum Eng Soc 2001; 30:111–25. 5. Ghisi E, Tinker JA. An Ideal Window Area Concept for Energy Efficient Integration of Daylight and Artificial Light in Buildings. Build Environ 2005;40: 51–61. 6. KNX Association. KNX Association (Official website). URL: http://www.knx.org/knx-standard/introduction/〉 7. The Future of Illumination: AI and Machine Learning in Custom Lighting Design. URL: https://www.sonnyee-lighting.com/the-future-of-illumination-ai and-machine-learning-in-custom-lighting-design/ 8. Putrada A.G., Abdurohman M., Perdana D., Nuha H.H. Machine Learning Methods in Smart Lighting Towards Achieving User Comfort: A survey / IEEE Access (2022), 10.1109/ACCESS.2022.3169765. 9. X.Chen, M.Liao, and X.-F.Feng, Real-time Affine Invariant Gesture Recognition for LED Smart Lighting Control / Proc. SPIE, vol. 9399, Mar. 2015, Art. no. 939906. 10.A.Seyedolhosseini, N.Masoumi, M.Modarressi, and N.Karimian, Daylight Adaptive Smart Indoor Lighting Control Method Using Artificial Neural Networks / J. Building Eng., vol. 29, May 2020, Art. no. 101141. 11. Андрійчук, В. А., Костик, Л. М., Філюк, Я. О., & Наконечний, М. С. (2024). ДОСЛІДЖЕННЯ ПЕРЕХІДНИХ ПРОЦЕСІВ В ЕЛЕКТРИЧНОМУ КОЛІ З СВІТЛОДІОДАМИ. Technical Electrodynamics/Tekhnichna Elektrodynamika, (2). 12. Beliakova, I., Kostyk, L., Maruschak, P., Medvid, V., Piscio, V., Shovkun, O., & Mykhailyshyn, R. (2024). The Temperature Dependence of the Parameters of LED Light Source Control Devices Powered by Pulsed Voltage. Applied Sciences, 14(13), 5678. 13. ANDRIYCHUK, V., KOSTYK, L., FILIUK, Y., NAKONECHNYI, M., & BABIUK, S. (2024). Microprocessor Control of the Electric Drive of Variable Radiation Installation and Ensuring of Operation Reliability. Science and Innovation, 20(5), 62-70. 14.Стручок В.С. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання / В.С.Стручок. — Тернопіль: ФОП Паляниця В. А., 2022. — 156 с. |
| Content type: | Master Thesis |
| �蝷箔����: | 141 — електроенергетика, електротехніка та електромеханіка |
��辣銝剔�﹝獢�:
| 獢�獢� | ��膩 | 憭批�� | �撘� | |
|---|---|---|---|---|
| Кваліфікаційна робота_Киянчук Т.Л..pdf | Кваліфікаційна робота магістра_Киянчук Т.Л. | 1,48 MB | Adobe PDF | 璉�閫�/撘�� |
�DSpace銝剜�������★��������雿��.
蝞∠�極�