收藏本站
《重庆大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

用信息法研究天空亮度分布

何荥  
【摘要】: 在能源日趋紧张的今天,充分利用天然光,追求生态和可持续发展,节约照明用电,具有十分重要的意义。建筑物利用天然光最重要的因素是天空亮度分布,因此天空亮度分布规律就成为了天然采光的主要研究对象。 本文在较为系统的分析前人有关天空亮度分布模型的基础上,利用信息法来研究天空亮度分布模型,理论上天空亮度分布模型仅与天顶亮度转换系数有关,而天顶亮度转换系数仅取决于太阳高度角的大小,与地域无关,具有普适性。也就是说在理论上仅需要一个地区的数据就可以了,这为我们研究天空亮度分布提供了一种新的方法和新的思路,其结果将会对建筑采光设计、建筑节能及充分合理的利用太阳能产生极大的影响。 本文从大气辐射的基础理论出发,得到了天空亮度来源于太阳辐射在大气中的散射和吸收及影响天空亮度的主导参数是消光系数(或光学厚度)、单散射反照率以及相函数的重要结论,从而为研究天空亮度分布奠定了理论基础。 参考天空是采用尽量少的天空类型来代表变化众多的真实天空,方便采光设计和采光计算,本文对各种不同气候状态下的参考天空与实际天空状况进行了比较分析,明确了参考天空与真实天空之间的关系。通过对影响天空亮度的大气光学参量进行分析研究,并在此基础上提出大气等效模型假设,提出信息法研究天空亮度的数学表达式,同时确定了该表达式中各参量的特性及在不同气候条件下的变化范围和趋势。这为天空分类及利用信息法研究天空亮度分布提供了基础与前提。 本文利用多年积累的多城市、大规模光气候观测试验数据,通过对天空气象参量对天空亮度分布的影响研究,提出参考天空分类标准,即通过太阳日面状况、天空状况(云量)及地平到天顶亮度渐变状况,将天空类型划分为六类。这种分类方法具有易于观察、容易区分,能较准确的反映天空类型,并避免了现有CIE一般天空亮度标准分类模糊不清的缺陷。同时对信息法参考天空模型调整系数a、b、c、d及e对天空亮度分布的影响进行研究分析,得到不同天空类型条件下的大致取值范围,为信息法研究天空亮度模型提供了基础参数。 本文利用了一种崭新的求解复杂优化问题的启发式算法——蚁群算法来研究天空亮度模型,蚁群算法具有智能搜索、全局优化、稳健性强、分布式计算、易与其它方法结合等优点。通过蚁群算法对天空亮度各影响要素的分析优化处理,得到天空亮度相对分布对表达式的各系数值。同时还开发了一套方便实用的天空亮度模型计算软件,提供直观而方便的计算手段。 本文还研究了数码相机测试天空亮度的测试方法;运用经标定后的带鱼眼镜头的数码相机对天空半球拍摄测试,并采用自行开发的图像处理系统对天空亮度数据信息提取记录。通过实际测量数据与由信息法获得的理论模型的计算值相比较,其误差较小,这无疑为天然光利用,特别是建筑采光设计的高精度和标准化工作提供了无论理论上还是运用上都非常有价值的结果。 论文的创新之处在于: ①论文提出将天空类型分为六类的新分类标准,新分类标准解决了现有CIE标准在描述天空特征时所使用的模糊分类语言,方便了实际运用。 ②首次利用了一种崭新的求解复杂优化问题的启发式算法——蚁群算法来研究天空亮度模型,优化求解出天空模型各参数值,并在此基础上开发出天空模型计算系统,经验证该模型具有较高的精度。 ③研究利用带鱼眼镜头的数码相机和亮度计组成的图像处理系统,可方便地进行天空亮度测量,获取天空亮度测试中亮度分布数值。该系统方便易用,且有较高的精度。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吕聪颖,于哲舟,周春光,王康平,庞巍;动态自适应蚁群算法在二次分配问题中的应用[J];吉林大学学报(理学版);2005年04期
2 刘小梅;张君静;;蚁群优化算法基本原理及其应用[J];西部探矿工程;2008年10期
3 刘文;郑丽英;;基于蚁群算法的模糊C均值聚类[J];太原科技;2009年01期
4 孙云山;王学深;刘健;白婧;刘凯;赵冬青;;蚁群算法及其在物流系统中的应用研究[J];科技情报开发与经济;2010年16期
5 李方洁;刘希玉;;基于渐进蚁群算法的DNA多序列比对[J];网络安全技术与应用;2010年09期
6 于连伯;;蚁群算法的研究[J];江苏科技信息;2010年09期
7 陈烨;带杂交算子的蚁群算法[J];计算机工程;2001年12期
8 丁滢颍,何衍,蒋静坪;基于蚁群算法的多机器人协作策略[J];机器人;2003年05期
9 高尚;武器-目标分配问题的蚁群算法[J];计算机工程与应用;2003年03期
10 陈崚,沈洁,秦玲,陈宏建;基于分布均匀度的自适应蚁群算法[J];软件学报;2003年08期
11 纪竹亮,戴连奎;一种改进的自适应路由算法[J];计算机工程;2004年09期
12 杨燕,靳蕃,Mohamed Kamel;一种基于蚁群算法的聚类组合方法[J];铁道学报;2004年04期
13 闻育,吴铁军;求解复杂多阶段决策问题的动态窗口蚁群优化算法[J];自动化学报;2004年06期
14 许毅,李腊元;基于蚁群算法的QoS多播路由优化算法[J];计算机应用研究;2005年02期
15 王俊峰,朱庆保;基于蚁群算法的知识约简[J];南京师范大学学报(工程技术版);2005年02期
16 师凯,蔡延光,邹谷山,王涛;运输调度问题的蚁群算法研究[J];计算技术与自动化;2005年03期
17 胡燕海,叶飞帆;基于蚁群算法的平行流水作业计划方法[J];机械制造;2005年09期
18 冯远静,冯祖仁,彭勤科;一类自适应蚁群算法及其收敛性分析[J];控制理论与应用;2005年05期
19 肖伟;全惠云;;具有调和特性的蚁群改进算法[J];计算机工程与应用;2005年34期
20 黄永青;梁昌勇;张祥德;;基于均匀设计的蚁群算法参数设定[J];控制与决策;2006年01期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
6 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
7 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
9 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
10 陈峻;沈洁;秦玲;;蚁群算法进行连续参数优化的新途径[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(下册)[C];2002年
中国重要报纸全文数据库 前10条
1 本报记者 丁艳;遵从信息法,企业你准备好了吗[N];中国经济导报;2004年
2 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
3 本报记者 连晓东;英国电信监管实施“增肥”计划[N];中国电子报;2002年
4 本报记者 王宏宇;探索中国特色的文化法律体系[N];中国社会科学院院报;2006年
5 记者 陈志奎;领导干部新知识讲座第23讲开讲[N];镇江日报;2010年
6 记者 蒋志臻;民建成员建言综合整治扰民垃圾短信[N];人民政协报;2008年
7 法学所 周林;对制订我国知识产权战略的几点思考[N];中国社会科学院院报;2005年
8 李洪朗;美国:个人隐私资料的取得与公开[N];检察日报;2001年
9 伊佳;中国FMC等待3G信号灯[N];通信产业报;2005年
10 田雨 崔清新;我国公布首部政府信息公开法规[N];各界导报;2007年
中国博士学位论文全文数据库 前10条
1 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
2 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
3 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
4 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
5 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
6 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
7 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
8 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
9 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
10 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
中国硕士学位论文全文数据库 前10条
1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
2 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
3 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
4 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
5 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
6 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
7 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
8 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978