CN120111751B 一种移动式照明灯塔的控制方法和相关设备 （广州南网科研技术有限责任公司）

(19)国家知识产权局(12)发明专利(72)发明人杨鑫刘柱廖一帆简淦杨姬煜轲邓柏荣公司11227HO5B47/105(2020.01)权利要求书3页说明书15页附图3页一种移动式照明灯塔的控制方法和相关设备本申请公开了一种移动式照明灯塔的控制合2利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，其中所述传感器数据集合包括光强度和温湿度结合的多维数据；对所述传感器数据集合进行趋势分析，得到环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息；结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略；对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间；获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略；根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，其中所述用户需求信息通过解析用户基于智能设备端发送的控制指令得到。2.根据权利要求1所述的方法，其特征在于，所述利用移动式照明灯塔上的传感器检测利用所述移动式照明灯塔上的传感器检测环境的光强度数据和温湿度数据；对所述光强度数据进行分层采集，得到多个不同高度和方位的光强度数据，并进行整对所述温湿度数据进行多维特征提取，得到温度与湿度对光强度变化的独立贡献度，并结合温度与湿度的交互作用构建回归模型，得到全局温湿度预测数据；根据所述光强度分布数据和所述全局温湿度预测数据的交互关系，对每一时刻的环境状态进行归类，得到动态环境状态数据；将所述光强度分布数据、所述全局温湿度预测数据和所述动态环境状态数据进行数据3.根据权利要求1所述的方法，其特征在于，对所述传感器数据集合进行趋势分析，得对所述传感器数据集合中的光强度数据进行时间序列分解处理，得到长周期趋势成对所述传感器数据集合中的温湿度数据进行动态状态估计，得到所述温湿度数据对应的状态估计值；对所述长周期趋势成分和所述状态估计值进行时空相关性分析，生成环境变化趋势；运用指数平滑法对所述环境变化趋势进行未来时间段的预测，得到所述环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息。4.根据权利要求1所述的方法，其特征在于，结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策对所述环境变化预测结果和所述传感器检测到的当前环境数据进行联合建模处理，得到环境变化与照明需求的联合模型；3利用所述联合模型对各个输入特征进行特征重要性分析，计算各输入特征对照明需求预测结果的贡献度，得到影响照明控制策略的关键因子；基于所述关键因子构建动态权重分配机制，得到照明控制策略权重模型；基于粒子群优化算法优化所述照明控制策略权重模型，生成所述照明控制策略。5.根据权利要求1所述的方法，其特征在于，对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间，包括：基于光强度数据对所述照明控制策略中的光照强度进行权重分配处理，形成权重分配结果；对所述权重分配结果进行灵敏度评估，计算所述权重分配结果中的环境因子对所述照明控制策略的影响程度，得到分析结果，其中，所述环境因子包括光强度数据和温湿度数将所述分析结果中的每个环境因子的影响权重与所述照明控制策略中的照明需求相乘，得到各个时间段的光照强度需求，并根据所述光照强度需求计算最优照明持续时间。6.根据权利要求1所述的方法，其特征在于，获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略，包括：获取所述移动式照明灯塔的功率限制信息，其中所述功率限制信息至少包括当前电池电量、电池放电曲线、功率消耗历史、设备最大输出功率和预定操作时间限制；对所述功率限制信息进行特征提取，得到功率消耗速率、功率负载波动、剩余电量预测值和最大工作时长的特征数据，形成功率限制特征向量；对所述功率限制特征向量中的各个特征进行加权处理，形成功率限制条件，并获取在所述功率限制条件下最优照明持续时间的取值范围；根据所述取值范围生成动态调节策略，基于所述动态调节策略调整所述照明控制策略，得到功率调度函数；根据所述功率调度函数在模拟环境中执行时序调整，得到所述最优照明控制策略。7.根据权利要求1所述的方法，其特征在于，根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，包括：获取用户基于智能设备端发送的控制指令，解析并提取所述控制指令中的关键信息，形成需求数据集合；对所述需求数据集合进行特征映射，得到多维用户需求特征向量；基于所述最优照明控制策略与多维用户需求特征向量，通过匹配分析得到符合用户需求的照明控制方案；根据所述照明控制方案对所述最优照明控制策略进行优化处理，得到优化结果；根据所述优化结果生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔。8.一种移动式照明灯塔的控制装置，其特征在于，包括：采集模块，用于利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，4其中所述传感器数据集合包括光强度和温湿度结合的多维数据；分析模块，用于对所述传感器数据集合进行趋势分析，得到环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息；构建模块，用于结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略；计算模块，用于对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间；优化模块，用于获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略；控制模块，用于根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，其中所述用户需求信息通过解析用户基于智能设备端发送的控制指令得到。9.一种移动式照明灯塔的控制设备，其特征在于，包括存储器和处理器；所述处理器，用于执行所述程序，实现如权利要求1-7中任一项所述的移动式照明灯塔的控制方法的各个步骤。10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的移动式照明灯塔的控制方法的各个步骤。5技术领域[0001]本申请涉及灯塔控制领域，更具体地说，涉及一种移动式照明灯塔的控制方法和相关设备。背景技术[0002]在当今社会，户外照明需求呈现出持续增长的态势，特别是应急救援、建筑施工以及灾后恢复等关键领域，移动式照明灯塔已成为不可或缺的重要照明设备。然而，当前市面上的移动式照明灯塔控制技术存在明显局限。其运作模式基本为预设的固定方案，难以实时感知并响应环境条件的动态变化，无法依据实际情况自动、精准地调节照明强度，致使照明效果起伏不定，难以契合复杂多变的实际使用需求。[0003]从现有技术层面来看，移动式照明灯塔的控制系统主要依赖人工手动操作，或者借助简单的时间调度程序运行，未能充分挖掘和运用环境数据来实现智能调控。尽管部分系统配备了传感器用于监测环境参数，可这些系统普遍缺失对环境变化趋势的前瞻性预测分析功能。不仅如此，现有技术下的移动式照明灯塔在智能化用户交互功能方面也存在明显短板。绝大多数照明控制系统难以依据用户的实时需求做出灵活且及时的调整，尤其在紧急状况下，用户的控制需求往往既紧迫又多变，而现有照明控制系统却仍局限于固定的预设模式，或是仅能接收简单的操作指令，严重缺乏对用户需求的深度剖析与个性化定制能力。如此一来，用户实际需求与照明控制策略之间常常出现脱节现象，进而引发照明时间不合理(过长或过短)、光照强度不匹配等一系列问题，给照明效率与效果带来了负面影响。[0004]基于此，本申请提供了一种移动式照明灯塔的控制方案，克服了现有技术的不足，有效提升照明效果。发明内容[0005]有鉴于此，本申请提供了一种移动式照明灯塔的控制方法和相关设备，旨在克服现有技术无法根据环境条件和用户指令调整照明强度，导致照明效果较差的技术问题。[0007]利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，其中所述传感器数据集合包括光强度和温湿度结合的多维数据；[0008]对所述传感器数据集合进行趋势分析，得到环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息；[0009]结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略；[0010]对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间；[0011]获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略；CN120111751B说明书2/15页6[0012]根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，其中所述用户需求信息通过解析用户基于智能设备端发送的控制指令得到。[0013]可选的，所述利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，包括：[0014]利用所述移动式照明灯塔上的传感器检测环境的光强度数据和温湿度数据；[0015]对所述光强度数据进行分层采集，得到多个不同高度和方位的光强度数据，并进行整合加权处理，得到光强度分布数据；[0016]对所述温湿度数据进行多维特征提取，得到温度与湿度对光强度变化的独立贡献度，并结合温度与湿度的交互作用构建回归模型，得到全局温湿度预测数据；[0017]根据所述光强度分布数据和所述全局温湿度预测数据的交互关系，对每一时刻的环境状态进行归类，得到动态环境状态数据；[0018]将所述光强度分布数据、所述全局温湿度预测数据和所述动态环境状态数据进行数据融合，得到传感器数据集合。[0020]对所述传感器数据集合中的光强度数据进行时间序列分解处理，得到长周期趋势[0021]对所述传感器数据集合中的温湿度数据进行动态状态估计，得到所述温湿度数据对应的状态估计值；[0022]对所述长周期趋势成分和所述状态估计值进行时空相关性分析，生成环境变化趋[0023]运用指数平滑法对所述环境变化趋势进行未来时间段的预测，得到所述环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息。[0024]可选的，结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略，包括：[0025]对所述环境变化预测结果和所述传感器检测到的当前环境数据进行联合建模处理，得到环境变化与照明需求的联合模型；[0026]利用所述联合模型对各个输入特征进行特征重要性分析，计算各输入特征对照明需求预测结果的贡献度，得到影响照明控制策略的关键因子；[0027]基于所述关键因子构建动态权重分配机制，得到照明控制策略权重模型；[0028]基于粒子群优化算法优化所述照明控制策略权重模型，生成所述照明控制策略。[0029]可选的，对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间，包括：[0030]基于光强度数据对所述照明控制策略中的光照强度进行权重分配处理，形成权重分配结果；[0031]对所述权重分配结果进行灵敏度评估，计算所述权重分配结果中的环境因子对所述照明控制策略的影响程度，得到分析结果，其中，所述环境因子包括光强度数据和温湿度[0032]将所述分析结果中的每个环境因子的影响权重与所述照明控制策略中的照明需7求相乘，得到各个时间段的光照强度需求，并根据所述光照强度需求计算最优照明持续时[0033]可选的，获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略，包括：[0034]获取所述移动式照明灯塔的功率限制信息，其中所述功率限制信息至少包括当前[0035]对所述功率限制信息进行特征提取，得到功率消耗速率、功率负载波动、剩余电量预测值和最大工作时长的特征数据，形成功率限制特征向量；[0036]对所述功率限制特征向量中的各个特征进行加权处理，形成功率限制条件，并获取在所述功率限制条件下最优照明持续时间的取值范围；[0037]根据所述取值范围生成动态调节策略，基于所述动态调节策略调整所述照明控制[0038]根据所述功率调度函数在模拟环境中执行时序调整，得到所述最优照明控制策[0039]可选的，根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，包括：[0040]获取用户基于智能设备端发送的控制指令，解析并提取所述控制指令中的关键信[0041]对所述需求数据集合进行特征映射，得到多维用户需求特征向量；[0042]基于所述最优照明控制策略与多维用户需求特征向量，通过匹配分析得到符合用户需求的照明控制方案；[0043]根据所述照明控制方案对所述最优照明控制策略进行优化处理，得到优化结果；[0044]根据所述优化结果生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔。[0046]采集模块，用于利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，其中所述传感器数据集合包括光强度和温湿度结合的多维数据；[0047]分析模块，用于对所述传感器数据集合进行趋势分析，得到环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息；[0048]构建模块，用于结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略；[0049]计算模块，用于对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间；[0050]优化模块，用于获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略；[0051]控制模块，用于根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，其中所述用户需求信息通过解析用户基于智能设备端发送的控制指令得到。[0052]一种移动式照明灯塔的控制设备，包括存储器和处8[0054]所述处理器，用于执行所述程序，实现如上述任一项所述的移动式照明灯塔的控制方法的各个步骤。[0055]一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述任一项所述的移动式照明灯塔的控制方法的各个步骤。[0056]从上述的技术方案可以看出，本申请实施例提供的一种移动式照明灯塔的控制方法和相关设备，该方法首先利用灯塔上的传感器检测环境数据，形成包含光强度和温湿度等多维数据的传感器数据集合。接着，对这些数据进行趋势分析，得出包含未来预设时间内照明需求信息的环境变化预测结果。之后，结合环境变化预测结果与当前环境数据构建照明策略模型，进而计算出照明控制策略。为了优化照明方案，对该策略中的光照强度进行敏感性分析，确定其影响权重并计算出最优照明持续时间。再获取灯塔的功率限制信息，结合最优照明持续时间对策略进行优化，得到最优照明控制策略。最后，解析用户基于智能设备端发送的控制指令得到用户需求信息，将其与最优照明控制策略综合计算，生成照明控制指令来控制灯塔。[0057]本申请通过采集与分析光强度、温湿度等多维环境数据，能实时掌握环境变化趋势，避免了现有技术依赖固定模式或人工调节导致的照明效果不稳定问题。结合环境变化预测与当前环境数据动态调整照明策略，基于敏感性分析计算最优照明持续时间，还能解析用户指令并综合用户需求与最优策略，可根据不同场景和用户需求灵活调整照明效果，提升了照明系统的个性化和智能化水平。在紧急情况下能快速响应用户实时需求，避免了无法及时调整照明模式的问题，有效提升了照明效率、效果与能源利用率，大大提升了移动式照明灯塔的智能化水平，为多变的户外照明需求提供了高效、节能且智能的解决方案。附图说明[0058]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。[0059]图1为本申请实施例公开的一种移动式照明灯塔的控制方法的流程图；[0060]图2为本申请实施例公开的一种移动式照明灯塔的结构示意图；[0061]图3为本申请实施例公开的一种移动式照明灯塔的控制装置的示意图；[0062]图4为本申请实施例公开的一种移动式照明灯塔的控制设备的硬件结构框图。具体实施方式[0063]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他[0064]本申请可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的9分布式计算环境等等。[0066]图1为本申请实施例公开的一种移动式照明灯塔的控制方法的流程图。[0068]步骤S1、利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，其中所述传感器数据集合包括光强度和温湿度结合的多维数据。[0069]具体的，环境光强度传感器主要通过感应光照强度来收集数据。这类传感器通常配备光电传感器元件，能够敏锐探测周围环境中自然光或人工光源产生的光强。随后，将探测到的光强转化为电信号，并经过数字化处理后传输至控制系统。光强度的变化与时间、天气、季节更替等因素紧密相连，能够精准反映当前实际的照明需求。[0070]温湿度传感器则负责监测环境中的温度和湿度数据。它利用热敏元件和湿敏元件，对周围空气的温度和湿度进行检测，并将其转化为对应的电信号，最终传输至数据处理[0071]在整个检测过程中，所获得的原始传感器数据会被整合为按时间序列化的多维数据集合。因为环境光强度和温湿度数据会随时间持续变化，所以这些数据会被连续记录下来，从而形成包含环境光强度和温湿度值的多维数据集合。[0072]步骤S2、对所述传感器数据集合进行趋势分析，得到环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息。[0073]具体的，趋势分析属于一种数据处理技术，其核心是对原始传感器数据的历史记录进行深入剖析，从中挖掘出潜在的模式或趋势。首先，要对原始数据开展预处理工作，像去除噪声、填补缺失值等操作。接着，运用历史数据进行时间序列分析，以此识别数据里的周期性波动或者突发性变化。[0074]举例来说，可以借助滑动窗口技术将数据分段进行分析，计算每一段时间内光强和温湿度的变化模式，进而推断出短期和长期可能出现的趋势。同时，还能结合回归分析、移动平均、指数平滑等方法，对未来某一时段的环境变化进行预测。[0075]在趋势分析过程中，通过剖析环境光强度和温湿度的变化趋势，能够估算出未来预设时间段内的照明需求。比如，在预设时间段里，若光强度预计会大幅下降，或者温湿度值出现异常，就可预测照明需求会增加；若环境光强度预计上升，或者温湿度保持稳定，那么照明需求可能会减少或者维持在较低水平。为使预测结果更为精准，可以将历史数据和实时环境数据结合起来分析，这样就能实现对预测结果的实时调整与优化。[0076]步骤S3、结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略。[0077]具体的，当前环境数据源自步骤S1采集的传感器数据集合，包含实时的环境光强度、温湿度等参数。把当前环境数据与未来环境变化预测结果相结合，实际上是让照明系统能够全面、动态地应对可能出现的不同状况。[0078]在实际操作时，构建照明策略模型需要综合考量多个因素。可以运用数学建模或人工智能算法，对当前环境数据和预测结果进行深入分析，从而确定影响照明需求的关键因素。比如，温度上升或许会使照明需求降低，湿度增加也与光照需求的变化存在关联。基于这些因素，构建一个多因素的数学模型，利用这些输入变量来预测最佳的照明方案。[0079]为提升模型的精度和适应性，可在模型中加入动态调整机制，让照明控制策略能环境光强度较高时，适当降低照明强度以减少能量浪费；而在温度较低、湿度较高的环境下，可能需要延长照明持续时间，以确保有足够亮度。通过这样的考量，可以计算出一组待调整的照明参数。[0080]基于构建好的照明策略模型，就能计算出具体的照明控制策略。这一过程其实就是模型求解的结果，将当前环境数据和预测的变化趋势输入照明策略模型，进而生成一组具体的控制参数，包括照明强度、开启与关闭时间、照明持续时长等。通过对这些控制参数的计算，照明系统能够在未来一段时间内根据环境变化自动调整照明状态，既满足既定的照明需求，又能保证能源的高效利用。[0081]步骤S4、对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间。[0082]具体的，敏感性分析旨在探究在照明控制策略里，不同的光照强度参数会如何影响整体策略的有效性与能效。此过程采用数学和统计方法，衡量光照强度在不同场景下对照明控制策略的影响。通过运用变化系数、灵敏度指数等指标，逐步调整光照强度，进而观察照明控制策略其他要素(如能量消耗、光照时间等)的变化情况。[0083]例如，当光照强度增加或减少时，可能会使照明持续时间发生改变，甚至影响功率的消耗效率。通过逐步改变光照强度，系统能够量化各个光照强度对最终控制效果的贡献，从而明确每一变化对照明控制策略的权重。[0084]经过敏感性分析，可得出一个影响权重指标，该指标能反映不同光照强度对整体照明控制策略的实际影响程度。随后，可以采用优化算法(如遗传算法、粒子群优化等),在模拟不同光照强度下的能效和照明需求后，计算出最优的照明持续时间。[0085]如此一来，照明灯塔在满足照明需求的同时，能够最大程度地节约能源、延长使用时间。甚至可以根据用户需求和环境条件自动调整照明策略，并通过持续的监测与反馈机制，不断调整和优化照明系统，以适应复杂多变的实际环境。[0086]步骤S5、获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略。[0087]具体的，功率限制信息指的是移动式照明灯塔工作时所能支持的最大功率输出，它由照明灯塔的硬件性能、设备电池容量、能源供应条件以及其他外部限制因素共同决定。获取功率限制信息的途径有多种，既可以通过传感器直接检测，也能借助设定的参数和控制系统中的电力调度模型来获取。这些信息通常涵盖当前电池电量、功率消耗模式、最大负载功率等数据。[0088]基于这些功率限制信息，要对照明控制策略做进一步优化。其中，最优照明持续时间是通过前面的光照强度敏感性分析得出的，它是在特定环境条件下，既能最大程度满足照明需求又不会造成能源浪费的理想时长。然而在实际情况中，受电力资源限制，这个最优照明持续时间可能无法直接应用，需要依据功率限制信息进行调整。[0089]比如，当传感器检测到照明灯塔的电池电量接近下限时，就需要根据功率限制信息降低照明强度或者缩短照明时间，以此确保照明灯塔持续工作并满足最低照明需求。在某些特殊场景下，若环境变化剧烈或用户需求突变，还需动态调节照明策略以适应这些变11化。在未来一段时间内，要依据当前功率限制条件，推算出在不超出电力资源限制的前提下，所能支持的最优照明时间和照明强度。[0090]步骤S6、根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，其中所述用户需求信息通过解析用户基于智能设备端发送的控制指令得到。[0091]具体的，首先要对用户通过智能设备端(像智能手机、平板电脑或者其他联网设备)发送的控制指令进行解析。用户借助这些智能设备向移动式照明灯塔发送的控制指令，可涉及对照明强度、照明模式、开关状态等方面的调整。这些控制指令通常带有明确的需求[0092]接着，将用户需求信息与之前得出的最优照明控制策略进行综合计算。先把用户需求转化为具体的照明控制参数，如光照强度和持续时间等，再与照明控制策略里已设定的最优光照强度和最优照明持续时间作对比。若用户需求与现有策略相匹配，就可直接依据最优控制策略生成控制指令。若用户需求超出了策略支持范围，系统会自动调整，重新计算最合适的照明参数，进而生成包含调整灯塔光照强度、开关状态、运行时长等内容的照明控制指令，该指令会直接驱动灯塔执行相应照明任务。[0093]通过这种方式，智能控制方法既能保证灯塔依据环境条件自动调节，又能灵活响应用户的实时需求。这种用户与系统间的实时互动，显著增强了照明系统的智能性和灵活性。[0094]从上述的技术方案可以看出，本申请实施例提供的一种移动式照明灯塔的控制方法和相关设备，该方法首先利用灯塔上的传感器检测环境数据，形成包含光强度和温湿度等多维数据的传感器数据集合。接着，对这些数据进行趋势分析，得出包含未来预设时间内照明需求信息的环境变化预测结果。之后，结合环境变化预测结果与当前环境数据构建照明策略模型，进而计算出照明控制策略。为了优化照明方案，对该策略中的光照强度进行敏感性分析，确定其影响权重并计算出最优照明持续时间。再获取灯塔的功率限制信息，结合最优照明持续时间对策略进行优化，得到最优照明控制策略。最后，解析用户基于智能设备端发送的控制指令得到用户需求信息，将其与最优照明控制策略综合计算，生成照明控制指令来控制灯塔。[0095]本申请通过采集与分析光强度、温湿度等多维环境数据，能实时掌握环境变化趋势，避免了现有技术依赖固定模式或人工调节导致的照明效果不稳定问题。结合环境变化预测与当前环境数据动态调整照明策略，基于敏感性分析计算最优照明持续时间，还能解析用户指令并综合用户需求与最优策略，可根据不同场景和用户需求灵活调整照明效果，提升了照明系统的个性化和智能化水平。在紧急情况下能快速响应用户实时需求，避免了无法及时调整照明模式的问题，有效提升了照明效率、效果与能源利用率，大大提升了移动式照明灯塔的智能化水平，为多变的户外照明需求提供了高效、节能且智能的解决方案。[0096]参考图2,在一个实施例中，移动式照明灯塔包括支撑腿3、发电机4、灯具1和灯具高度调节件2,支撑腿3通过液压升降装置与底座进行连接，这种液压升降装置可以根据需要调节支撑腿3的高度和角度。[0097]支撑腿3与灯塔机身5通过铰链连接件进行连接。铰链连接允许支撑腿3在垂直方向上具有一定的旋转自由度，使得在升降时，支撑腿3能够自如地跟随灯塔机身5的移动，并确保灯塔的稳定性。在操作过程中，支撑腿3通过铰链与灯塔机身5的连接，可以根据需要快[0098]发电机4通过多点螺栓连接与电控箱连接，这种连接方式提供了强度和稳定性，确保发电机4在运行过程中能够稳固地与电控系统相连。通过这种连接，电控箱能够实时监控发电机4的工作状态，并根据实际需求调节电力输出，确保灯具1及其他系统的正常运行。[0099]灯具1通过齿轮传动装置与灯具高度调节件2连接。齿轮传动装置能够精确调节灯具1的升降和角度，使其能够根据环境需求调整光照方向和高度。调节件通过旋转齿轮控制灯具1的垂直方向升降，以确保灯塔能够提供最佳的照明效果。[0100]具体地，灯具高度调节件2通过内螺纹与调节杆连接，灯具1通过销轴与调节杆的孔槽连接，在本实施例中，通过上述的控制指令可以控制支撑腿3升降[0101]此外，移动式照明灯塔还具备故障自检与报警功能。当灯塔的某个部件如发电机4、灯具1或升降装置出现故障时，智能控制系统能够迅速识别故障类型，并通过智能设备端向用户发送报警信息，详细指出故障位置及可能的解决方案。这种即时反馈机制极大地缩短了故障响应时间，提高了灯塔的维护效率。[0102]在本申请的一些实施例中，对步骤S1进行进一步介绍，具体可以包括：[0103]步骤S11、利用所述移动式照明灯塔上的传感器检测环境的光强度数据和温湿度[0104]步骤S12、对所述光强度数据进行分层采集，得到多个不同高度和方位的光强度数[0105]步骤S13、对所述温湿度数据进行多维特征提取，得到温度与湿度对光强度变化的独立贡献度，并结合温度与湿度的交互作用构建回归模型，得到全局温湿度预测数据；[0106]步骤S14、根据所述光强度分布数据和所述全局温湿度预测数据的交互关系，对每一时刻的环境状态进行归类，得到动态环境状态数据；[0107]步骤S15、将所述光强度分布数据、所述全局温湿度预测数据和所述动态环境状态数据进行数据融合，得到传感器数据集合。[0108]具体的，移动式照明灯塔配备了多个传感器，其作用是实时监测并采集环境中的相关数据。光强度传感器可依据所处环境条件，精准测量不同位置和高度的光照强度；温湿度传感器则能记录环境的温度和湿度水平。[0109]在采集光强度数据时，会在不同高度和方位角度进行数据采集。例如，地面、半空和顶部这三个不同高度的传感器所测得的光强度值可能不同。在整合这些数据时，会充分考虑不同位置对整体环境光照的影响。分层采集完成后，会进行数据的整合与加权处理，目的是将不同采集位置的光强度数据综合为一个能代表整个区域的光强度分布数据。具体可通过权重系数对不同高度和方向的光强度数据进行加权，而权重系数的分配需根据实际环境中的光照特点和需求来设定。[0110]进一步而言，会建立一个回归模型来探究温度和湿度对光强度的影响，综合考虑温度和湿度对光强度的独立作用以及交互作用，即温度与湿度的组合会如何影响光照。比如，低温可能使空气密度增加，从而影响光照的折射和传播；高湿度则可能增加空气中的水蒸气含量，影响光的散射和吸收。通过这些特征提取，可得到全局温湿度预测数据并进行分类。对每一时刻的环境数据进行分析，判断当前环境处于何种状态，如光照充足、温湿度适中或光照较弱等。[0111]最后，将所有采集到的数据，包括光强度分布数据、全局温湿度预测数据和动态环境状态数据进行融合，把不同类型的数据合并成一个完整的原始传感器数据集合。这一融合过程可通过贝叶斯融合算法或神经网络来实现，以确保能获取全局性的环境信息，进而实现照明效果和能效的最优化。[0112]在本申请的一些实施例中，对步骤S2进行进一步介绍，具体可以包括：[0113]步骤S21、对所述传感器数据集合中的光强度数据进行时间序列分解处理，得到长周期趋势成分；[0114]步骤S22、对所述传感器数据集合中的温湿度数据进行动态状态估计，得到所述温湿度数据对应的状态估计值；[0115]步骤S23、对所述长周期趋势成分和所述状态估计值进行时空相关性分析，生成环境变化趋势；[0116]步骤S24、运用指数平滑法对所述环境变化趋势进行未来时间段的预测，得到所述环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息。[0117]具体的，对原始传感器数据集合中的环境光强度数据实施时间序列分解处理。时间序列分析是一种专门针对按时间顺序收集的数据进行剖析的方法。在这一过程中，会将原始的环境光强度数据从整体上拆解为几个组成部分，一般包括趋势成分、季节成分和残差成分。在本实施例中，重点关注的是长周期趋势成分，旨在获取光强度的长期变化模式，例如季节性更替、天气模式等因素对光照强度产生的长期影响。举例来说，若某个区域的光强度数据呈现出逐渐减弱的态势，这有可能是因为冬季来临，日照时间缩短所致，这种趋势较为稳定且具有持续性。通过对光强度数据进行时间序列分解处理，能够精准提取出这种长期趋势。[0118]进一步来讲，要对温湿度数据进行动态状态估计以得到状态估计值。动态状态估计是基于随时间变化的温湿度数据来推断当前环境状态的方法。通过特定的模型或算法对温湿度数据进行处理，估算出不同时间点的状态变化，常见的如卡尔曼滤波、粒子滤波或其他状态估计算法。这些方法会将温湿度数据与环境中的其他因素相结合，从而得出当前的估计状态值。[0119]时空相关性分析通过综合考虑空间分布和时间序列，能够捕捉到环境数据之间的相互依赖关系。通过时空相关性分析，可以把光强度的长周期趋势和温湿度的动态状态估计值关联起来，找出它们之间的相关性，进而生成综合的环境变化趋势。[0120]最后，使用指数平滑法对未来的环境变化进行预测，以此得到未来预设时间段内的照明需求信息。指数平滑法属于一种时间序列预测方法，它通过为历史数据赋予不同的权重来逐步预估未来的趋势。具体操作是，给予近期的数据较高的权重，而远期的数据则赋予较低的权重。在照明需求预测中，指数平滑法能够依据前期的环境变化趋势，有效预测未来时间段的照明需求。[0121]在本申请的一些实施例中，对步骤S3进行进一步介绍，具体可以包括：[0122]步骤S31、对所述环境变化预测结果和所述传感器检测到的当前环境数据进行联合建模处理，得到环境变化与照明需求的联合模型；[0124]步骤S33、基于所述关键因子构建动态权重分配机制，得到照明控制策略权重模控制策略的权重模型进行优化。该算法模拟粒子在搜索空间中的飞行过程来寻找最优解，[0129]其中，L代表最终的照明控制策略输出(即照明需求的预测值),这个值将用于决定每个照明设备的工作状态(开启/关闭)以及其态调整因子，0为环境变化的时间参数。β(E₁,Ey)代表特征i在当前环境状态下的修正因子，其中E,是实时环境数据，E是环境预测数据。P代表第i个粒子群优化结果中的优化因子对所述照明控制策略的影响程度，得到分析结果，其中，所述环境因子包括光强度数据和温湿度数据；[0133]步骤S43、将所述分析结果中的每个环境因子的影响权重与所述照明控制策略中的照明需求相乘，得到各个时间段的光照强度需求，并根据所述光照强度需求计算最优照明持续时间。[0134]具体的，首先要根据实时或者预设的环境光强度数据，明确不同时间段内环境光强度对照明控制策略中光照强度的影响程度。这需要对不同时间段的环境光强度进行建模和分析，可以借助回归分析或者其他机器学习方法，构建环境光强度与室内光照强度需求之间的函数关系。[0135]接着，对初步的权重分配结果进行评估，深入分析不同环境因子(如环境光强度、温湿度值)对光照强度需求的具体影响。举例来说，温湿度对照明需求的影响并非直接产生，然而温湿度的变化会影响人们的舒适度，进而间接影响照明需求。通过灵敏度分析，能够得出每个环境因子对照明控制策略的具体影响程度，也就是每个因子的灵敏度指数。对于灵敏度较高的因子，会赋予其更高的权重；而对于灵敏度较低的因子，则减少其对策略的影响。运用这种方法，能够依据环境光强度、温湿度等多个因素的变化，自动调整照明控制策略，从而实现精准的照明需求预测。[0136]最后，根据各个时间段内的光照强度需求，结合环境因子对光照需求的影响权重，能够确定每个时间段所需的光照强度，最终计算出每个时间段内最为适宜的照明持续时[0137]在本申请的一些实施例中，对步骤S5进行进一步介绍，具体可以包括：[0138]步骤S51、获取所述移动式照明灯塔的功率限制信息，其中所述功率限制信息至少包括当前电池电量、电池放电曲线、功率消耗历史、设备最大输出功率和预定操作时间限[0139]步骤S52、对所述功率限制信息进行特征提取，得到功率消耗速率、功率负载波动、剩余电量预测值和最大工作时长的特征数据，形成功率限制特征向量；[0140]步骤S53、对所述功率限制特征向量中的各个特征进行加权处理，形成功率限制条件，并获取在所述功率限制条件下最优照明持续时间的取值范围；[0141]步骤S54、根据所述取值范围生成动态调节策略，基于所述动态调节策略调整所述照明控制策略，得到功率调度函数；[0142]步骤S55、根据所述功率调度函数在模拟环境中执行时序调整，得到所述最优照明控制策略。[0143]具体的，先获取移动式照明灯塔的功率限制信息，该数据集合涵盖了电池当前电量、电池放电曲线、设备功率消耗历史、设备最大输出功率以及预定操作时间限制等内容。接着对功率限制数据集合进行特征提取，从而生成功率限制特征向量。特征提取旨在从原始的功率限制数据中提炼出具有代表性的参数，这些参数有助于深入分析电池电量变化与设备功率输出之间的关系。所提取的特征至少包括功率消耗速率、功率负载波动、剩余电量预测值和最大工作时长。[0144]功率消耗速率体现了在不同负载条件下设备的功率使用速度；功率负载波动反映了设备功率消耗在不同时间段内的变化情况，这对于动态调节照明持续时间十分关键，因为功率负载的波动可能会影响电池的放电曲线。剩余电量预测值是基于现有数据对电池在未来一段时间内的剩余电量进行的预测，有助于系统判断是否能够持续提供照明服务。最大工作时长则是根据现有电量和功率消耗速率计算得出的设备能够持续工作的最长时间。[0145]随后，对功率限制特征向量中的各个特征进行加权处理，根据每个特征在优化过程中对最终照明持续时间的影响程度赋予不同权重。例如，电池剩余电量和最大工作时长会被赋予较高权重，因为功率消耗速率和负载波动对电池寿命的影响相对较小。通过加权处理，得到的功率限制条件能够精准反映在特定电池状态和设备负载条件下，照明持续时间的最优取值范围。[0146]基于这些功率限制条件，生成动态调节策略。该策略会根据电池电量的实时变化、功率消耗速率以及其他影响因素，调整照明控制策略，以在满足照明需求的同时，避免电池电量耗尽。动态调节策略的核心优势在于其灵活性和适应性。依据此策略生成功率调度函数，该函数是控制照明系统在不同时间段内功率分配和调节的核心工具，能够根据环境变化和设备状态实时调整功率输出，确保在功率限制下提供最适宜的照明强度。[0147]最后，基于功率调度函数在模拟环境中进行时序调整，对最优照明控制策略进行测试和优化。[0148]在本申请的一些实施例中，对步骤S6进行进一步介绍，具体可以包括：[0149]步骤S61、获取用户基于智能设备端发送的控制指令，解析并提取所述控制指令中[0150]步骤S62、对所述需求数据集合进行特征映射，得到多维用户需[0151]步骤S63、基于所述最优照明控制策略与多维用户需求特征向量，通过匹配分析得到符合用户需求的照明控制方案；[0152]步骤S64、根据所述照明控制方案对所述最优照明控制策略进行优化处理，得到优化结果；[0153]步骤S65、根据所述优化结果生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔。[0154]具体的，获取用户基于智能设备端发送的控制指令是整个流程的起始点。用户可借助智能设备端的应用程序、语音助手或其他途径向照明系统发送控制指令，这些指令涵需求数据集合。该集合的内容可能有用户请求的光照强度、期望的照明时间、所需的照明模[0155]接着，对需求数据集合进行特征映射，以获取多维用户需求特征向量。特征映射的作用是把用户需求从原始的控制指令转化为能够量化和处理的数值化特征。这些特征向量可能包含用户要求的光照强度范围、照明持续时间的上下限以及所选择的光照模式等。特征映射过程可运用机器学习中的标准化、归一化以及向量化等方法，保证生成的特征向量能有效体现用户需求的多维度特性。[0156]之后，将最优照明控制策略与用户需求进行匹配分析，对比用户的需求特征向量和最优照明控制策略中的各个特征之间的差异，以此确定是否需要对照明控制策略做出调整。在完成需求与策略的匹配后，对最优照明控制策略进行优化处理，从而生成符合用户需求的最终照明控制方案。优化过程会依据用户需求对照明控制策略进行调节。例如，若用户要求的照明持续时间较长，就需要调整功率输出策略来延长照明时间；若用户的需求超出了设备的功率输出能力，会自动调整光照强度或照明模式，在保证照明效果的同时，避免过度消耗电池电量。优化的目标是找到一个平衡点，在不超出设备功率和电池限制的前提下，尽可能满足用户的照明需求。[0157]经过优化后，最终生成的照明控制指令将包含具体的照明参数，如照明强度、持续时间和控制模式等，并依据该指令对移动式照明灯塔进行控制。控制指令的生成既考虑了用户的实际需求，也充分优化了设备的功率消耗和剩余电量等因素，确保照明系统的可靠性和稳定性。[0158]下面对本申请实施例提供的一种移动式照明灯塔的控制装置进行描述，下文描述的一种移动式照明灯塔的控制装置与上文描述的一种移动式照明灯塔的控制方法可相互对应参照。[0159]参见图3,图3为本申请实施例公开的一种移动式照明灯塔的控制装置的示意图。[0160]如图3所示，所述一种移动式照明灯塔的控制装置可以包括：[0161]采集模块110,用于利用移动式照明灯塔上的传感器检测环境数据，得到传感器数据集合，其中所述传感器数据集合包括光强度和温湿度结合的多维数据；[0162]分析模块120,用于对所述传感器数据集合进行趋势分析，得到环境变化预测结果，其中，所述环境变化预测结果包括未来预设时间内的照明需求信息；[0163]构建模块130,用于结合所述环境变化预测结果和所述传感器检测到的当前环境数据构建照明策略模型，基于所述照明策略模型计算得到照明控制策略；[0164]计算模块140,用于对所述照明控制策略中的光照强度进行敏感性分析，得到光照强度对所述照明控制策略的影响权重，基于所述影响权重计算得到最优照明持续时间；[0165]优化模块150,用于获取所述移动式照明灯塔的功率限制信息，基于所述最优照明持续时间和所述功率限制信息对所述照明控制策略进行优化，得到最优照明控制策略；[0166]控制模块160,用于根据用户需求信息与所述最优照明控制策略进行综合计算，生成照明控制指令，并基于所述照明控制指令控制所述移动式照明灯塔，其中所述用户需求信息通过解析用户基于智能设备端发送的控制指令得到。从上述的技术方案可以看出，本申请实施例提供的一种移动式照明灯塔的控制方法和相关设备，该方法首先利用灯塔上的传感器检测环境数据，形成包含光强度和温湿度等多维数据的传感器数据集合。接着，对这些数据进行趋势分析，得出包含未来预设时间内照明需求信息的环境变化预测结果。之后，结合环境变化预测结果与当前环境数据构建照明策略模型，进而计算出照明控制策略。为了优化照明方案，对该策略中的光照强度进行敏感性分析，确定其影响权重并计算出最优照明持续时间。再获取灯塔的功率限制信息，结合最优照明持续时间对策略进行优化，得到最优照明控制策略。最后，解析用户基于智能设备端发送的控制指令得到用户需求信息，将其与最优照明控制策略综合计算，生成照明控制指令来控制灯塔。[0167]本申请通过采集与分析光强度、温湿度等多维环境数据