Адаптивне управління освітленням в приміщенні за допомогою датчиків та алгоритмів машинного навчання

Abstract

В умовах сучасного світу питання ефективного використання енергоресурсів набуває особливого значення. Однією з ключових сфер, де можна значно оптимізувати енергоспоживання, є освітлення приміщень. Розробка адаптивної системи управління освітленням, яка автоматично регулює інтенсивність освітлення залежно від реальних умов у приміщенні та поведінки користувачів, сприятиме зниженню витрат на електроенергію та підвищенню комфорту. Об'єкт дослідження – процес автоматизації управління освітленням у приміщеннях, що базується на інтеграції даних із датчиків. Предмет дослідження – взаємодія між системою управління освітленням та її компонентами (датчики освітленості, руху, часу доби) та алгоритмами машинного навчання для оптимізації освітлення. Мета роботи – розробити адаптивну систему управління освітленням на основі передових технологій датчиків та алгоритмів машинного навчання, яка забезпечить енергоефективність і комфорт, залежно від поточних умов та потреб користувачів. Для досягнення мети поставлено такі завдання: − провести аналіз сучасних систем адаптивного управління освітленням, виявити їх переваги та недоліки; − розробити архітектуру системи, що включає алгоритми управління освітленням із використанням сенсорів та технологій комп'ютерного зору; − реалізувати апаратну частину системи на основі мікроконтролера esp32-cam та відповідних датчиків; − розробити програмну частину системи, включаючи мобільний додаток і серверну частину для обробки даних; − провести тестування системи, проаналізувати результати та оцінити її ефективність. Кваліфікаційна робота містить: перелік скорочень, вступ, чотири розділи, висновки, перелік джерел посилань та 2 додатків. Вступ містить обґрунтування актуальності теми дослідження, об’єкт, предмет дослідження, мету та завдання, які необхідно виконати для досягнення поставленої мети. У першому розділі виконано аналіз сучасних систем адаптивного управління освітленням, виявлено їх переваги й недоліки, а також визначено напрямки їхнього вдосконалення. У другому розділі описано теоретичні основи роботи, включаючи алгоритми управління освітленням, технології датчиків, методи машинного навчання та інтеграцію їх в адаптивну систему. У третьому розділі представлено процес розробки системи, включаючи вибір компонентів, проєктування апаратної частини на основі мікроконтролера ESP32-CAM, опис реалізації серверної частини, мобільного застосунку. Четвертий розділ присвячено тестуванню розробленої системи, аналізу її роботи за різних умов, порівнянню отриманих результатів із існуючими рішеннями та оцінці її ефективності. У висновках наведено основні результати виконаної кваліфікаційної роботи та зроблено висновки про досягнення поставленої мети. Додатки містять код програмного забезпечення та інформацію про перевірку кваліфікаційної роботи. Результати дослідження підтверджують ефективність запропонованої системи, що дозволяє знижувати енергоспоживання та підвищувати комфорт користувачів. Кваліфікаційна робота містить 79 сторінок (без додатків), 38 рис., 7 табл., 22 літературних джерела, 2 додатки. In the modern world, the issue of efficient energy use is of paramount importance. One of the key areas where energy consumption can be significantly optimized is indoor lighting. The development of an adaptive lighting control system that automatically adjusts lighting intensity based on real room conditions and user behavior will help reduce electricity costs and enhance comfort. Object of study: The process of automating lighting control in indoor environments based on the integration of sensor data. Subject of study: Interaction between the lighting control system and its components (light sensors, motion detectors, time-of-day sensors) and machine learning algorithms for lighting optimization. Aim of the work: To develop an adaptive lighting control system based on advanced sensor technologies and machine learning algorithms, providing energy efficiency and comfort depending on current conditions and user needs. To achieve the goal, the following tasks were set: − analyze modern adaptive lighting control systems, identifying their advantages and disadvantages; − develop the system architecture, including lighting control algorithms using sensors and computer vision technologies; − implement the hardware part of the system based on the esp32-cam microcontroller and corresponding sensors; − develop the software part of the system, including a mobile application and a server component for data processing; − conduct system testing, analyze the results, and evaluate its effectiveness. The qualification work includes: a list of abbreviations, an introduction, four chapters, conclusions, a list of references, and 2 appendices. The introduction substantiates the relevance of the research topic, defines the object and subject of the study, and outlines the goals and tasks to be accomplished. The first chapter provides an analysis of modern adaptive lighting control systems, highlights their advantages and disadvantages, and identifies directions for improvement. The second chapter describes the theoretical foundations of the work, including lighting control algorithms, sensor technologies, machine learning methods, and their integration into an adaptive system. The third chapter presents the system development process, including component selection, hardware design based on the ESP32-CAM microcontroller, and descriptions of the server and mobile application implementations. The fourth chapter focuses on testing the developed system, analyzing its performance under various conditions, comparing the obtained results with existing solutions, and evaluating its effectiveness. The conclusions summarize the main results of the qualification work and assess the achievement of the set goal. The appendices include the software code and information on the qualification work's verification process. The research results confirm the effectiveness of the proposed system, which allows for reduced energy consumption and enhanced user comfort. The qualification work includes 79 pages (excluding appendices), 38 figures, 7 tables, 22 references, and 2 appendices.