Forschungsüberblick
"Real-Time Closed-Loop Color Control of a Multi-Channel Luminaire Using Sensors Onboard a Mobile Device" ist ein Forschungsartikel, der am 27. September 2018 in IEEE Access veröffentlicht wurde. Die Arbeit stellt einen neuartigen Ansatz zur Farbsteuerung von Mehrkanal-LED-Beleuchtungssystemen in Smart-Home-Umgebungen vor, bei dem Smartphone-Kameras als Rückkopplungssensoren eingesetzt werden.
Wichtige Innovation: Diese Forschung führt eine wirtschaftliche und praktische Methode zur präzisen Farbsteuerung von LED-Leuchten ein, indem die Kamera moderner Smartphones genutzt wird, wodurch teure externe Sensoren überflüssig werden. Der Algorithmus kann Mehrkanal-Mischung für jede Farbe und Weißlicht bei gewünschten korrelierten Farbtemperaturen mit hohem Farbwiedergabeindex durchführen.
Wichtige Leistungskennzahlen
Zentrale Forschungserkenntnisse
Smartphone-Kameras als effektive Farbsensoren
Die Forschung zeigt, dass moderne Smartphone-Kameras effektiv als Farbsensoren für die Regelung von LED-Beleuchtungssystemen dienen können, wodurch teure dedizierte Sensoren überflüssig werden.
Algorithmus zur Mehrkanal-Farbmischung
Der neuartige Gradientenabstiegsalgorithmus kann durch Bestimmung des kürzesten Weges im CIELUV-Farbraum Ziel-Farben mit Leuchten beliebiger LED-Kanalanzahl erreichen.
Wirtschaftliche Smart-Home-Beleuchtungslösung
Dieser Ansatz erweist sich als äußerst wirtschaftlich und praktisch, da keine externen Sensoren erforderlich sind und die Umsetzung mit jedem Android-Smartphone auf kompatiblen LED-Leuchten erfolgen kann.
Erzielte hohe Farbgenauigkeit
Das System erreicht bei Mehrkanal-Mischung Farbdifferenzen (Δu'v') von bis zu 0,003 und bei 10-Kanal-Mischung hohe Farbwiedergabeindex-Werte von bis zu 94.
Robust gegenüber externen Lichtquellen
Das geschlossene Regelkreissystem gewährleistet Robustheit gegenüber externen Störungen durch andere Lichtquellen wie einfallendes Sonnenlicht durch Fenster.
Praktische Umsetzung
Der Algorithmus wurde in einer realen Mock-Living-Room-Umgebung (5,8 m × 3,4 m) mit sechs drahtlos gesteuerten 10-Kanal-Forschungsprototyp-Leuchten getestet.
Inhaltsübersicht
Dokumenteninhalt
Zusammenfassung
Smart Homes und das Internet der Dinge sind aufstrebende Konzepte in der modernen Gesellschaft, wobei intelligente Beleuchtung ein wichtiger Bestandteil davon ist. Neben der visuellen Zufriedenheit durch seine Farbwiedergabeeigenschaften hat Beleuchtung auch andere Auswirkungen auf das menschliche Wohlbefinden. Um das volle Potenzial eines intelligent beleuchteten Zuhauses auszuschöpfen, müssen Beleuchtungssysteme mit präzisen Steuerungen ausgestattet sein, die zusätzlich zur konventionellen Ein-/Ausschalt- und Dimmsteuerung auch das Spektrum und die Farbcharakteristiken des Lichts kontrollieren können.
Allerdings benötigen aktuelle kommerzielle Smart-Lighting-Produkte mit solchen Fähigkeiten teure Sensoren, denen es noch an Closed-Loop-Feedback mangelt, das für eine präzise Farbsteuerung von Leuchten auf Light-Emitting Diode (LED)-Basis unerlässlich ist. Dieser Artikel stellt einen neuartigen Ansatz vor, der die Kamera moderner Smartphones nutzt, um eine Closed-Loop-Farbregelung für Beleuchtungssysteme in Smart Homes durchzuführen.
Der Algorithmus kann Mehrkanal-Mischung für jede Farbe sowie für Weißlicht mit einer gewünschten korrelierten Farbtemperatur und hohem Farbwiedergabeindex durchführen. Dieser Ansatz erweist sich als sehr wirtschaftlich und praktisch, da keine externen Sensoren erforderlich sind und er mit jedem Android-Smartphone auf einer kompatiblen LED-basierten Leuchte durchgeführt werden kann.
Einleitung
Leuchtdioden (LEDs) erobern weltweit kontinuierlich mehr Anwendungsbereiche in der Beleuchtungstechnik. Berichten zufolge haben sich die Installationen von LED-Produkten in allen Beleuchtungsanwendungen allein in den Vereinigten Staaten von 2014 bis 2016 mehr als vervierfacht. Das U.S. Department of Energy prognostiziert zudem, dass der Marktanteil von LED-Leuchten in der Allgemeinbeleuchtung bis 2035 dramatisch auf etwa 86 % ansteigen wird.
Viele Verbraucher wenden sich LEDs zu, da diese im Vergleich zu traditionellen Lichtquellen wie Halogen- und Leuchtstofflampen einen geringeren Stromverbrauch aufweisen. Zudem bieten LED-Leuchten weit mehr Vorteile als bloße Energieeinsparung; sie sind in verschiedenen spektralen Zusammensetzungen erhältlich und leicht steuerbar, was zu dynamisch anpassbaren Beleuchtungssystemen führt.
Spektral abstimmbare Lichtquellen gelten als die Zukunft der Beleuchtung, da Studien belegen, dass Licht ein bedeutender Stimulus für die menschliche innere Uhr ist. Es wurde festgestellt, dass die spektrale Zusammensetzung des Lichts erhebliche Auswirkungen auf die menschliche Physiologie und Psychologie hat. Der Reiz eines abstimmbaren Beleuchtungssystems liegt darin, die Lücke zwischen künstlichem und natürlichem Licht zu schließen, was enorme Vorteile für das menschliche Wohlbefinden bietet.
Methodik zur Steuerung des Lichtspektrums
Der Leuchtenprototyp zur Testung des vorgeschlagenen Steueralgorithmus umfasst 10 Kanäle, davon sind 7 Primärfarben mit unterschiedlichen Spitzenwellenlängen, während die restlichen 3 Kanäle phosphorkonvertierte weiße LEDs darstellen. Die Intensität jedes LED-Kanals wird mittels Pulsweitenmodulation (PWM) gesteuert, die drahtlos über ZigBee von einem Arduino-Mikrocontroller in der Leuchte an den LED-Treiber übertragen wird.
Eine Android-Anwendung wurde zur Ausführung des Lichtsteuerungsalgorithmus entwickelt. Der Benutzer wählt zunächst die Zielbeleuchtungsfarbe über eine Farbauswahl; der Algorithmus konvertiert diese Farbe in einen Satz von u'v'-Koordinaten, der als Sollwert bezeichnet wird. Die Informationen zur Raumbeleuchtung werden von der Smartphone-Kamera erfasst und in die u'v'-Farbkoordinaten des Raumlichts umgewandelt.
Die euklidische Distanz zwischen Ziel- und Messfarbkoordinaten wird zur Erzeugung der Regelabweichung berechnet. Der PI-Regler empfängt diese Abweichung, berücksichtigt die Farbkoordinaten der LEDs und erzeugt das PWM-Steuersignal für jeden LED-Kanal in der Leuchte, das drahtlos über ZigBee übertragen wird.
LED-Kanalspezifikationen
| Kanal | CIE 1931 xy x | CIE 1931 xy y | 1976 CIELUV u' | 1976 CIELUV v' |
|---|---|---|---|---|
| Rot (637 nm) | 0,7020 | 0,2975 | 0,5436 | 0,5183 |
| Amber (625 nm) | 0,6817 | 0,3178 | 0,5003 | 0,5247 |
| Gelb (596 nm) | 0,5899 | 0,4093 | 0,3505 | 0,5472 |
| Lime (538 nm) | 0,4087 | 0,5601 | 0,1836 | 0,5662 |
| Grün (523 nm) | 0,1804 | 0,7281 | 0,0634 | 0,5760 |
Entwicklung eines mehrkanaligen Farbsteuerungsalgorithmus
Der in diesem Artikel vorgestellte neuartige Mehrkanal-Farbsteuerungsalgorithmus ist eine Form des Gradientenabstiegsalgorithmus, der sich zur Zielchromatik konvergiert. Die Berechnungen werden im 1976 CIELUV-Farbraum durchgeführt, der eine einheitliche Chromatikskala aufweist. Damit dieser Algorithmus funktioniert, müssen die (u', v')-Koordinaten jedes LED-Kanals beim ersten Betrieb des Systems durch den Benutzer ermittelt werden.
Der Algorithmus durchläuft individuell alle LED-Kanäle in der Leuchte und berechnet dabei die Farbkoordinaten unter Verwendung der Kameradaten als Eingabe. Das Hauptziel des Algorithmus ist es, einen schnellsten und kürzesten Bewegungsweg im CIELUV-Farbraum zu entwickeln, damit die von der LED-Leuchte emittierte Farbe unter Verwendung des Closed-Loop-Regelungsdesigns zur Zielfarbe konvergiert.
Die Tatsache, dass die durch Addition zweier Farben resultierende Farbe immer auf einer Verbindungslinie zwischen den Farben im Chromatizitätsdiagramm liegt, wird als Grundlage verwendet, um iterativ die endgültigen Intensitäten jedes LED-Kanals zu ermitteln.
Algorithm Implementation
Der erste Schritt des Algorithmus besteht darin, die Größe des von der Kamera aufgenommenen Bildes durch eine jeweilige Verringerung der Breite und Höhe um das Zehnfache zu skalieren, sodass ein endgültiges Bild entsteht, das 100-mal kleiner ist als das Original. Anschließend werden die durchschnittlichen RGB-Werte im Bild berechnet.
Die RGB-Werte werden dann verwendet, um die gemessenen Farbkoordinaten (u', v') zu berechnen. Das Fehlersignal wird mithilfe der euklidischen Distanzformel zwischen den Ziel- und Messkoordinaten berechnet.
Ein proportional-integral (PI) Regler wird im Entwurf des Rückführungsregelungsalgorithmus eingesetzt, um einen stationären Endfehler von null zu erreichen. Er wurde mit der bekannten Ziegler-Nichols-Methode abgestimmt, um die Schrittweite für jede Iteration zu berechnen, was dem Algorithmus die Fähigkeit zu adaptiven Schrittweiten verleiht.
Experimentelle Ergebnisse und Diskussionen
Das Versuchssystem wurde in einem nachgebauten Wohnzimmer mit einer Fläche von 5,8 m × 3,4 m eingerichtet, das mit sechs drahtlos steuerbaren und abstimmbaren 10-Kanal-Forschungsprototyp-Leuchten ausgestattet ist. Die sieben Kanäle mit rein-farbigen LEDs decken den sichtbaren Wellenlängenbereich ab und können zur Erzeugung von weißem Licht mit einer Vielzahl von Farbeeigenschaften gemischt werden.
Das Smartphone mit nach oben gerichteter Sekundärkamera erfasst die Beleuchtungsverhältnisse, d.h. die RGB-Werte und die Beleuchtungsstärke des auf die Auflagefläche des Telefons einfallenden Lichts. Ein Konica Minolta CL-500A Beleuchtungsstärke-Spektralfotometer wird in unmittelbarer Nähe des Smartphones platziert, um den Farbsteuerungsalgorithmus zu validieren.
Bi-Channel Mixing Results
| Experiment | Durchschnittlicher Δu'v' | CCT-Bereich | Durchschnittlicher absoluter CCT-Fehler | Durchschnittlicher CRI |
|---|---|---|---|---|
| Warm white & cool white | 0,0103 | 2700K bis 5600K | 4,45% | 77,7 |
| Cool white & yellow | 0,0089 | 2700K bis 5600K | 3,62 % | 59 |
Multi-Channel Mixing Results
Der Farbsteuerungsalgorithmus wurde unter Verwendung verschiedener Szenarien getestet, darunter:
- Sieben Primärfarben zur Erzeugung von weißem Licht
- Zehn LED-Kanäle zur Erzeugung von weißem Licht
- Sieben Grundfarben zur Erzeugung von farbigem Licht
- Zehn LED-Kanäle zur Erzeugung von farbigem Licht
Bei der Mehrkanalmischung wurde der Feedback-Algorithmus so programmiert, dass er anhält, sobald ein Farbunterschied Δu'v' von weniger als 0,003 erkannt wird – ein strengerer Wert im Vergleich zur Zwei-Kanal-Mischung. Dieses Ziel wurde für jede gewählte Farbe erreicht, die von der Smartphone-Kamera erfasst wurde.
Der durchschnittliche CRI war mit 82,76 für Sieben-Kanal-Mischung mit Reinlicht-LEDs und 94 für Zehn-Kanal-Mischung beträchtlich hoch. Durch Optimierung der LED-Primärvalenzen im Leuchtenkörper kann die Anzahl der benötigten LED-Kanäle zur Erzeugung eines größeren Farbraums und hochwertigen CRI-Lichts weiter reduziert werden.
In Bezug auf die Zeitperformance dauert jeder Schritt der geschlossenen Regelungsschleife ungefähr 658 ms, wobei der Algorithmus etwa 10 Iterationen benötigt, um die Lichtfarbe der Leuchten von einer zufälligen Farbe auf die Zielfarbe zu konvergieren. Dies entspricht ungefähr 6–7 s. Diese Konvergenzrate des Algorithmus ist sowohl angemessen als auch in praktischen Anwendungen akzeptabel.
Schlussfolgerung
Dieser Artikel hat einen neuartigen Ansatz zur Farbsteuerung eines mehrkanaligen LED-Beleuchtungssystems in einer Smart-Home-Umgebung vorgestellt, bei dem die Kamera der meisten modernen Android-Smartphones als Hauptrückfühlsensor dient. Der Algorithmus kann das Ausgangsspektrum der Leuchten optimieren, um Licht mit einstellbarer CCT, präziser Farbwiedergabe und hohem Farbwiedergabeindex zu erzeugen.
Ein geschlossenes Regelkreis-System gewährleistet Robustheit gegenüber externen Störungen durch andere Lichtquellen, wie beispielsweise einfallendes Sonnenlicht durch Fenster. Der Algorithmus arbeitet mit angemessener Genauigkeit und bietet Potenzial für Verbesserungen durch nutzerspezifische Kamerakalibrierungsdaten.
Die vorgeschlagene Methode, das Smartphone gleichzeitig als Sensor und Verarbeitungseinheit zu nutzen, erweist sich als äußerst wirtschaftlich und praktisch, da keine zusätzlichen Sensoren installiert werden müssen. Zukünftige Arbeiten können unter anderem Stimmungsbeleuchtung basierend auf Benutzerpräferenzen sowie die Nachbildung von Beleuchtungsszenen umfassen, die der Nutzer an einem anderen Ort mit dem Smartphone aufgezeichnet hat.
References
Die vollständige Arbeit enthält 39 Referenzen zu Themen wie LED-Beleuchtung, Farbsteuerungsalgorithmen, Smartphone-Anwendungen im IoT-Bereich und Smart-Home-Technologien. Wichtige Referenzen umfassen Arbeiten zu:
- LED-Übernahmeprognosen des U.S. Department of Energy
- Studien über die Auswirkungen des Lichtspektrums auf den menschlichen zirkadianen Rhythmus
- Frühere Forschung zu Farbkontrollmethoden für LED-Systeme
- Smartphone-Anwendungen in der Hausautomation und IoT
- Algorithmen für Farbkonstanz und die Gray World Assumption
- Controller-Tuning-Methoden einschließlich Ziegler-Nichols
Hinweis: Dies ist eine Zusammenfassung des Forschungsartikelinhalts. Das vollständige Dokument enthält umfangreiche experimentelle Daten, Algorithmus-Pseudocode, mathematische Formulierungen und detaillierte Ergebnisanalysen. Wir empfehlen, das vollständige PDF für vertiefendes technisches Studium herunterzuladen.