基于效能评价的照明逆设计改进启发式算法开发.pdf
《基于效能评价的照明逆设计改进启发式算法开发.pdf》由会员分享,可在线阅读,更多相关《基于效能评价的照明逆设计改进启发式算法开发.pdf(12页珍藏版)》请在咨信网上搜索。
1、第 56 卷 第 10 期 2023 年 10 月 天津大学学报(自然科学与工程技术版)Journal of Tianjin University(Science and Technology)Vol.56 No.10Oct.2023 收稿日期:2022-07-10;修回日期:2022-09-16.作者简介:陈 鹏(1995 ),男,博士研究生,.通信作者:吴雨婷,.基金项目:国家重点研发计划资助项目(2018YFC0705100);国家自然科学基金资助项目(51678399,52278120).Supported by the National Key Research and Develo
2、pment Program of China(No.2018YFC0705100),the National Natural Science Founda-tion of China(No.51678399,No.52278120).DOI:10.11784/tdxbz202207011 基于效能评价的照明逆设计改进启发式算法开发 陈 鹏1,2,王立雄1,2,王爱英1,2,吴雨婷1,2,于 娟1,2(1.天津大学建筑学院,天津 300072;2.天津市建筑物理环境与生态技术重点实验室,天津 300072)摘 要:为应对照明建筑设计集成新趋势下的质量提升、氛围塑造、节能优化的多元照明设计目标,引
3、入了生成式设计手段,创建了用于照明逆设计的数学模型及启发式算法数学模型以工作面照度和空间亮度系数(Feu)2 项指标调控环境的视觉质量和照明氛围,照明功率密度(LPD)指标调控照明节能;启发式算法对描述光通量、灯具的横向/纵向间距、地面/墙面平均反射率的 5 维决策变量进行优化,获取最优方案为确定最佳算法,基于 Python 算法库scikit-opt 将遗传算法(GA)、差分进化算法(DE)、粒子群算法(PSO)、人工鱼群算法(AFSA)用于数学模型的优化,并以 1 个逆设计函数、4 个数学测试函数为测试基准,比较算法的准确性、稳定性、计算效率 3 类效能根据比较结果,创建了用于逆设计的多策
4、略算法(inverse design multi-strategy algorithm,IDMSA),其特点包括:根据运行阶段和寻优状态决定个体执行 DE 还是 AFSA 的寻优操作;基于冯诺依曼邻域执行 AFSA 的聚群和追尾行为;采用自适应步长用提升寻优难度的测试基准验证算法效能 结果表明:IDMSA 表现出最好的准确性和稳定性,计算效率优于 AFSA 和 DE;使用逆设计数学模型和 IDMSA 算法可有效实现工作面照度-Feu-LPD 的联合优化,生成方案的工作面照度和 Feu 与参考值的偏差小于 5%,统一眩光值(UGR)和照度均匀度符合规范要求;IDMSA 所得方案的 LPD 比 D
5、E 低 2.6%,比 PSO 低 6.1%,节能效果更优 关键词:照明建筑设计集成;逆设计;启发式算法;算法效能;算法改进 中图分类号:TM113.64 文献标志码:A 文章编号:0493-2137(2023)10-1090-12 Development of an Improved Heuristic Algorithm for Inverse Lighting Design Based on Efficacy Evaluation Chen Peng1,2,Wang Lixiong1,2,Wang Aiying1,2,Wu Yuting1,2,Yu Juan1,2(1.School of
6、Architecture,Tianjin University,Tianjin 300072,China;2.Tianjin Key Laboratory of Architectural Physics and Environmental Technology,Tianjin 300072,China)Abstract:The new trend of lighting-building design integration necessitates the multiple lighting design goals of quality improvement,atmosphere fo
7、rming,and energy saving.This study introduces generative methods,a mathematical model for inverse lighting design,and an improved heuristic algorithm to meet these goals.This model adjusts the spatial luminance coefficient(Feu)and the illuminance on the working surface to improve the visual qualitya
8、nd ambiance,as well as optimize energy saving via controlling lighting power density(LPD).The heuristic algo-rithm optimizes 5-dimensional decision variables that describe the luminous flux,lateral/longitudinal distance,and the average wall/floor reflectivity to obtain the optimal solution.To determ
9、ine the best algorithm,the performance of four algorithms,namely,genetic algorithm(GA),differential evolution(DE),particle swarm optimization(PSO),and artificial fish swarm algorithm(AFSA),was compared for inverse design optimization via the Python libraryscikit-opt.Then,one inverse design and four
10、mathematical test functions were set as benchmarks to compare the ac-curacy,stability,and computational efficiency of the algorithms.The inverse design multi-strategy algorithm(IDMSA)was created based on these results.Its features include:The choice between DE or AFSA operations is 2023 年 10 月 陈 鹏等:
11、基于效能评价的照明逆设计改进启发式算法开发 1091 determined by the stage and the state of optimization;The clustering and tail-chasing behavior of AFSA occurs in the von Neumann neighborhood;The step parameter is adaptive.The efficacy of IDMSA was verified based on benchmarks that were modified to be more difficult to op
12、timize.The results demonstrate that IDMSA achieves the bestaccuracy and stability and is faster than AFSA and DE.The joint optimization of the illuminance-Feu-LPD can be real-ized via the proposed mathematical model and IDMSA.The generated scheme conforms to the unified glare rating anduniformity li
13、mit of the lighting standard.The deviation of illuminance and Feu from the respective reference values were less than 5%.Furthermore,the LPD obtained by IDMSA was 2.6%and 6.1%lower than that obtained by DE and PSO,respectively,demonstrating better energy efficiency.Keywords:lighting-building design
14、integration;inverse design;heuristic algorithm;algorithm efficacy;algorithm improvement 近年来,LED 与室内界面、构件一体化设计施工的新理念应运而生1,为室内照明带来了更多的可能性,同时也对照明建筑设计集成的质量和深度提出了更高要求 设计集成策略在同一数字模型内集成建筑空间、结构、设备等多专业信息,实现同一工作环境下多专业设计流程协同、设计目标协调,是照明等建筑专项设计的新趋势 照明和建筑专业模型信息的统一,减少了设计深化中的潜在冲突,可实现更精准的光分配,有利于塑造照明氛围、提高光能利用率 但是,多专业
15、信息、多设计任务的处理超出了设计师凭经验调控模型的能力范围 引入逆设计方法,以生成式手段,能够智能化地解决这一问题,完成设计集成的多元任务 逆设计的含义是以系统的预期性能作为输入,以设计参数作为输出,利用优化算法生成可行的设计方案,在梁结构设计2、光学器件设计3等任务中已得到广泛应用 1993 年,Schoeneman 等4将输入预期光分布后求解光源光通量的逆设计转化为非线性约束优化问题,使用约束最小二乘法解决该问题,是照明学科最早的应用 目前的设计集成任务,要求通过光分布的调控,改善视觉功效和舒适、塑造宜人的空间氛围、减少照明能耗,指标上是通过空间亮度系数(Feu)、照明功率密度(LPD)等
16、间接调控,因而设计集成策略下的逆设计并非简单的约束优化问题,而应归属于“黑盒”5问题 启发式算法利用解的优劣关系引导最优解搜索,使得结果在迭代中导向更符合预期目标的方向,不需要函数的梯度信息,适合求解“黑盒”问题 当前研究已应用于办公室、道路及隧道6-8等照明设计,已证明可行性的有遗传算法(genetic algorithm,GA)、蚁群算法和粒子群算法(particle swarm optimization,PSO)等 然而,由于缺乏算法选择标准,尚未明确不同启发式算法在同一照明设计情境问题中的适用性.诸多学者在建筑能源优化领域分析了不同启发式算法的适用性:如 Hamdy 等9发现,在某近零
17、能耗建筑的多目标设计优化中,两阶段 GA 所得解集最优;司秉卉10比较了不同算法在建筑节能优化中的效能,并给出了根据优化问题特征选择算法的标准;Waibel 等11发现,建筑能源优化和数学测试函数的适应度景观具有相似性,为数学测试函数用于测试启发式算法在设计优化中的泛化效能提供了依据 上述研究还表明,不同启发式算法优化同一问题,可能得出不同结果,决定着所得设计方案能否精准达成设计目标 综上,在设计集成的多专业信息、多设计任务背景下,如何开展照明逆设计尚未明确,何种启发式算法最适用于设计集成更缺乏适用性数据的支撑,导致设计集成的实施缺少高效技术路径 本文建立了以工作面照度和 Feu 调控视觉质量
18、和照明氛围、以LPD 调控照明节能的照明逆设计数学模型,通过对现 有 算 法 效 能 的 比 较 分 析,以 差 分 进 化 算 法(differential evolution,DE)和人工鱼群算法(artificial fish swarm algorithm,AFSA)两种典型算法作为基础,结合两种算法的特点,创建了改进启发式算法 以逆设计函数和数学测试函数组成的测试基准,对改进算法在调控工作面照度-Feu-LPD 的逆设计问题中的适用性与效能进行了验证和评价 1 照明逆设计数学模型 1.1 照明逆设计架构 如图 1 所示,设计集成策略旨在满足视觉功效与视觉舒适的基础上,谋求塑造空间整体
19、氛围,实现良好的空间感知与互动,同时最大限度地降低能耗、提高能效 针对视觉质量、照明氛围、照明节能的多目标协同优化问题,与依赖于设计师经验,通过调整设计参数、多次重复计算,满足设计指标要求的传统方法不同,照明逆设计是输入系统的预期性能(即目标函 1092 天津大学学报(自然科学与工程技术版)第 56 卷 第 10 期 数),使用启发式算法执行优化,输出目标函数最优状态下的决策变量取值,再转换为可识别的照明方案提供给设计师 图 1 照明逆设计原理 Fig.1 Schematic of inverse lighting design 考虑设计集成目标的量化,现行规范已明确了评价视觉质量、照明节能的
20、照明指标;照明氛围则是使用者的感知体验,目前量化研究要求照明空间的光分布使人产生的感知体验与建筑空间功能契合 松下公司的“SmartArchi”12报告建议,照明氛围由工作面照度和 Feu 共同调控,如图 2 所示 (a)柔和:照度低+系数高(b)开放:照度高+系数高(c)放松:照度高+系数低 图 2 空间明亮感评价指标 Feu解析 Fig.2 Schematic of space brightness index Feu 在设置目标函数时,照明指标可分为以下 3 类:(1)设计关键点,要求照明指标接近某定值;(2)最优化目标,要求照明指标达到最优值(最大或最小值);(3)限定条件,要求照明指
21、标满足限值 逆设计的输出是方案的设计参数,具体到照明,就是光源选型、布局方案、建筑空间载体条件的控制参数,也就是启发式算法的决策变量取值 1.2 目标函数 以下依据指标含义,选定逆设计数学模型中各指标的表达式 (1)工作面照度 工作面照度即单位面积工作面上接受的光通量,是视觉功效与视觉舒适的表征指标,其表达式为 avwk/=EA(1)式中:Eav为工作面照度,lx;wk为工作面接收的总光通量,lm;A 为工作面面积,m2 (2)Feu Feu13表征人对空间明亮程度的主观感知,其量值是诱导视野取值范围(水平50、垂直5035)内几何平均亮度的函数 诱导视野取值范围来自畑于田豊彦14对人眼视觉特
22、性的研究结论:在此范围内,人眼可以判别视觉信息的存在,且在部分范围内具备辨别细节的能力;超出此范围,人眼接收信息的能力极度降低 因此,可认为诱导视野内的亮度分布足以表征人对光环境的感受 因逐点计算诱导视野范围内的亮度耗时过长,本鈺文采用林琪15给出的回归公式计算 Feu,即 fcrwwlwFeu1.9970.1600.0410.0080.0770.103=+LLLLL(2)式中 Lf、Lc、Lrw、Lw、Llw分别为房间地面、天花板、右墙面、正墙面、左墙面的亮度,cd/m2 Duff 等16的实验结果表明,当人眼处于观察空间整体为主的视觉行为时,桌面照度与空间明亮感的关系不显著 该实验桌面条件
23、恒定,则照度与亮度成正比,故可认为本文选用的 Feu 计算公式虽未计入桌面亮度,仍能有效表征空间明亮感 (3)LPD LPD 指单位面积的照明安装功率 为处理灯具光通量可变时的 LPD,基于现有推导式17和 LED 光效数据(可达 100 lm/W)18,其表达式设为 totalLPD100=S(3)式中:total为所有灯具的总光通量,lm;S 为房间面积,m2 本文采取目标函数的最小化优化,其中,工作面照度、Feu 是寻求定值的指标,以二者组成的向量与参考值向量的欧氏距离表达;LPD 是寻求最值的指标,以其自身量值表达 照度均匀度表征舒适性,UGR 表征眩光程度,是现行标准19规定的视觉质
24、量评价指标,这两项限定条件在本文的数学模型最终输出的实例中,均通过了模拟校验 1.3 决策变量 由图 1 可见,照明逆设计问题的决策变量包括光源选型、布局方案、建筑空间的载体条件 3 类 使用启发式算法优化前,需将 3 类变量提取为参数形式 光源选型中,现阶段针对的是一般照明的逆设计,所有灯具在同一灯具组内,配光、光谱相同,故可 2023 年 10 月 陈 鹏等:基于效能评价的照明逆设计改进启发式算法开发 1093 优化的是光通量参数;布局方案中,以设计中较为常见的矩形规则网格布灯为例,提取出灯具的横向、纵向间距 2 个参数 载体条件中,可优化的是空间界面材质,提取为平均表面反射率参数(空间形
25、态、功能、尺度、可布置照明的范围等,均为空间自身的属性,不做优化考虑)综上,决策变量最终设定为光通量、灯具间距、平均表面反射率,其参数如下 (1)光通量 本文针对同一灯具组内的优化,组内每个灯具光通量以0表示,单位 lm 同组内灯具为相同光通量和配光 (2)灯具间距 灯具位置设置 2 个参数:横向(面宽方向)间距dw、纵向(进深方向)间距 dl,单位 mm 这 2 个参数的每种取值组合,都对应一种中心对称的均匀布灯网格,依据该网格,在矩形空间的天花板上布置吸顶灯 参数取值与顶部照明布灯方案的对应关系如图 3所示 图 3 顶部照明方案的参数化表达方法 Fig.3 Parametric expre
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 效能 评价 照明 设计 改进 启发式 算法 开发
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。