汪麗珍

（江西索普信實業(yè)有限公司，江西 上饒 335500）

隨著社會發(fā)展和科技進步，室內(nèi)照明設計在人們的日常生活和工作中扮演著越來越重要的角色。優(yōu)良的室內(nèi)照明設計不僅能提升照明效率，還可以增強人們的視覺舒適度，進而提高工作效率。傳統(tǒng)的室內(nèi)照明設計方法往往基于經(jīng)驗不斷試錯，效率低下且難以滿足不同的設計目標。在這樣的背景下，基于輻射分布的照明設計策略逐漸受到人們的重視。這種設計策略主要通過光源的光譜分布優(yōu)化，減少眩光，提高光照均勻性，實現(xiàn)提高照明質(zhì)量和視覺舒適度的目標。

結合機器學習和多目標優(yōu)化技術，優(yōu)化基于輻射分布的室內(nèi)照明設計。首先，通過光學仿真軟件對室內(nèi)空間的光照情況進行模擬，以獲取詳盡的光照數(shù)據(jù)。然后，利用機器學習算法，通過訓練模型準確預測不同照明參數(shù)和目標之間的關系。最后，運用多目標優(yōu)化技術，如遺傳算法，對照明設計進行優(yōu)化，以獲得最佳的照明方案。將輻射分布優(yōu)化與機器學習和多目標優(yōu)化相結合，實現(xiàn)高效、舒適、節(jié)能的室內(nèi)照明設計，為實現(xiàn)智能化室內(nèi)照明設計提供可行的方法和技術支持。

1 室內(nèi)照明設計基礎

1.1 照明設計因素

現(xiàn)有照明設計方案在滿足人們對照明的需求方面發(fā)揮著重要作用。這些方案從多個角度出發(fā)，旨在創(chuàng)造舒適、高效、環(huán)保且富有藝術感的照明環(huán)境。首先，光照強度與分布是照明設計的核心要素[1]。設計方案通常會針對不同的空間和功能需求，采用不同的光照強度和分布方式，以避免眩光和照明死角，同時確保足夠的照度。其次，色溫與顯色指數(shù)也是照明設計中需要考慮的重要因素。不同的色溫能創(chuàng)造或溫暖或清新的照明氛圍，而顯色指數(shù)則影響物體顏色的再現(xiàn)程度[2]。另外，布局與空間利用也是照明設計的重要方面。合理的布局能提高空間利用率，同時營造舒適的空間氛圍。能耗與環(huán)保也是照明設計中需要考慮的因素[3]。現(xiàn)代照明設計越來越注重高效節(jié)能和環(huán)保，包括選擇高效節(jié)能的照明設備、合理控制照明的使用時間和強度、采用環(huán)保材料等。

1.2 基于輻射分布的照明設計

室內(nèi)照明的輻射分布指的是照明光源的光線在室內(nèi)空間和表面的分布情況，也可以理解為照明光源向四周發(fā)射的光線在空間中形成的投射范圍和強度分布[4]。在輻射分布與照明設計關系方面，光譜分布是影響照明質(zhì)量和視覺舒適度的關鍵因素之一。不同的光譜分布可以產(chǎn)生不同的照明效果，從而影響人的視覺效果和感受。此外，空間分布和時間分布也是影響照明質(zhì)量的重要因素。不合理的空間分布導致照明不均勻，而過亮或過暗的區(qū)域都會影響人的視覺舒適度。時間分布則與照明的動態(tài)調(diào)節(jié)有關，不同的時間分布可以產(chǎn)生不同的照明效果，從而影響人的視覺舒適度和工作效率。因此，基于輻射分布的室內(nèi)照明設計優(yōu)化是一個具有重要意義的研究方向。

2 基于輻射分布的室內(nèi)照明設計優(yōu)化方案

2.1 優(yōu)化目標

研究目標是提供一種基于輻射分布的室內(nèi)照明設計方法。在家庭室內(nèi)照明設計中，眩光值和均勻度是重要的目標和約束條件，這是因為它們直接影響到居住者的舒適感和視覺體驗。眩光值指的是視野中出現(xiàn)的過亮區(qū)域，會導致眼睛的不適和視覺疲勞。高強度、刺眼的光源可能造成眩光問題。在室內(nèi)房間中，避免眩光對于保護居住或工作者的視覺健康至關重要。均勻度指的是房間內(nèi)不同位置的照度分布是否均勻。在家庭房間中，良好的照度均勻度可以確保房間內(nèi)各個區(qū)域的照明水平相對一致。均勻的照明分布可以提供更加舒適和平衡的視覺體驗，避免眼睛頻繁調(diào)整以適應明暗變化。因此，建立多目標優(yōu)化模型

約束條件為

式中：A1,A2 ...An代表n個待優(yōu)化的輻射相關照明因素，UGR(·)代表眩光值，F(xiàn)eu(·)代表光照分布均勻度，l0和u0分別代表約束條件中的臨界值。

2.2 照明設計優(yōu)化步驟

在設立好目標優(yōu)化模型和約束條件后，結合正交表、機器學習和遺傳算法等技術，通過正交試驗設計，可以在有限的試驗次數(shù)內(nèi)覆蓋多個因素和水平組合，從而減少試驗次數(shù)并提高效率。在建立機器學習模型時，正交試驗設計可以用于選擇訓練數(shù)據(jù)集[5]。在正交試驗設計中設置不同的因素水平，可以獲得均勻分布的樣本，以覆蓋輸入空間的不同領域，并提高模型的泛化能力。采用如下具體步驟進行優(yōu)化：

1）建立光學仿真模型。根據(jù)室內(nèi)空間的設計和尺寸，使用建模軟件，如Catia，創(chuàng)建室內(nèi)空間的三維模型。在光學仿真軟件DiaLux中導入三維模型進行光學仿真。在光學仿真軟件中設置光源、材質(zhì)和接收面等參數(shù)，以模擬實際的光照情況。

2）確定優(yōu)化參數(shù)和優(yōu)化目標。根據(jù)眩光和光照分布均勻性的行業(yè)標準設置臨界條件，設置輻射相關的優(yōu)化變量，如燈具光通量、燈具配光曲線和內(nèi)飾材料反射率等照明設計參數(shù)。

3）正交試驗。使用所選的優(yōu)化變量和水平變量，根據(jù)正交試驗設計方法，生成正交試驗表。將設計好的優(yōu)化變量輸入光學仿真模型中進行計算，得到優(yōu)化目標值。

4）機器學習預測模型?；谡辉囼灡淼臄?shù)據(jù)，建立機器學習模型，選擇感知機學習算法。將優(yōu)化變量作為輸入?yún)?shù)，將優(yōu)化目標和約束條件的參數(shù)值作為輸出參數(shù)，訓練感知機。多層感知機由全連接層構成，具有較好的非線性表達能力。選取Relu作為激活函。設輸入向量為x，第i層神經(jīng)元的權重向量為wi，偏置項為bi，激活函數(shù)為fi，第i層神經(jīng)元的輸出為yi。全連接層的計算公式

式中：Wi是權重矩陣，維度為（ni,ni-1），ni表示第i層神經(jīng)元的數(shù)量，ni-1表示第i-1層神經(jīng)元的數(shù)量。

5）遺傳算法求解目標。根據(jù)設定的優(yōu)化目標和約束條件，構建多目標優(yōu)化模型。應用遺傳算法對多目標優(yōu)化模型進行求解，逐步完善多目標優(yōu)化模型，得到最優(yōu)解集[6]。最后，設計師根據(jù)用戶想要的風格，確定照明方案。

3 基于輻射分布的室內(nèi)照明設計優(yōu)化實驗

3.1 實驗場景設置

采取某家庭房間為研究對象，以下是具體的信息、參數(shù)和約束條件的設置。房間長寬均為4m、高2.8 m，是一個正方形客廳。假設房間的四面墻壁反射率為0.8，在房間中放置一張2 m長的沙發(fā)和一張1.2 m長的茶幾。在房間的天花板上安裝一個吊燈作為主要照明，同時在茶幾上放置一盞臺燈作為輔助照明。設定沙發(fā)區(qū)域的平均照度約束為300 lx，作為眩光約束臨界值。設定沙發(fā)鄰座區(qū)域內(nèi)的照度均勻度約束為不超過20%的變化，作為均勻性的臨界值。此外，設計頂燈光通量和光束角、臺燈光通量和光束角作為優(yōu)化變量。

3.2 實驗結果

將設計好的優(yōu)化變量和水平變量根據(jù)正交試驗設計方法，輸入光學仿真模型中計算，即可得到正交試驗數(shù)據(jù)表，用作機器學習預測模型的訓練樣本集。具體而言，給出的頂燈光通量控制水平數(shù)為8 lm，光束角為3°；臺燈光通量為4 lm，光束角為3°。根據(jù)優(yōu)化變量設置水平生成的正交試驗數(shù)據(jù)表包含60個數(shù)據(jù)樣本，樣本包括變量取值和對應的目標值及條件參數(shù)。

在感知機模型訓練中，輸入為優(yōu)化變量，輸出為優(yōu)化目標和約束條件參數(shù)值，采用了Adam算法優(yōu)化均方差損失。預測模型建立完畢，可采用測試集的絕對誤差值來進行模型精度驗證，眩光值誤差小于1，均勻度誤差小于0.1%，說明預測模型的擬合精度較好，可滿足后續(xù)優(yōu)化的需要。在得到連續(xù)預測模型后，采用遺傳算法來求解上述兩個目標優(yōu)化模型。通過迭代計算即可得到滿足約束條件的最優(yōu)解集，具體方案如表1所示。

表1 最優(yōu)方案策略集

3.3 實驗分析

從最小化眩光值和最大化光分布值這兩個目標出發(fā)，優(yōu)化得到的解均為非支配解。根據(jù)結果可得，當眩光值最小時，時，眩光值為24.1，空間光分布為2.56；當空間分布值最大時，，空間光分布為7.55，相應的眩光值為27.6。方案1室內(nèi)環(huán)境較昏暗，但是眩光較輕微；方案2室內(nèi)整體明亮，光束角較大，但眩光較嚴重。在最終方案選擇時，設計師可充分考慮用戶的需求，亦可通過調(diào)查問卷的方式來選擇人們主觀舒適感更高、工作效率更高的方案。

此外，將最終的方案使用仿真軟件進行測試，得到的誤差如表2所示。眩光值的誤差平均為0.8%，光分布的平均誤差約為2.6%。說明實驗過程中，訓練的多層感知機模型是有效的。

表2 模型預測與仿真值之間的誤差

4 結論

基于輻射優(yōu)化的室內(nèi)照明設計方法，通過光學仿真模型和多目標優(yōu)化算法，成功實現(xiàn)了高效、舒適、節(jié)能的室內(nèi)光照方案。通過正交試驗設計和機器學習預測模型，能準確預測照明設計參數(shù)與優(yōu)化目標之間的關系，為優(yōu)化算法提供有效的輸入。利用遺傳算法對多目標優(yōu)化模型進行求解，得到一系列最優(yōu)解集，為設計人員提供了室內(nèi)照明設計的參考方案。這些方案不僅滿足了設計要求和標準，還考慮了舒適性和能源效率的平衡，為基于輻射優(yōu)化的室內(nèi)照明設計提供了可行的方法和技術支持，對于推動室內(nèi)照明設計的科學化和智能化具有重要意義。未來的研究可以進一步探索更復雜的優(yōu)化模型和算法，以滿足不同場景和需求的室內(nèi)照明設計挑戰(zhàn)。