基因演算法於發光二極體模擬目標光源之研究｜國立臺灣科技大學博碩士論文系統

簡易檢索 / 詳目顯示

回結果列表

研究生：	周發泰 Fa-tai Chou
論文名稱：	基因演算法於發光二極體模擬目標光源之研究 Simulation of standard illuminants based on combinations of LED light sources using genetic algorithm
指導教授：	柯正浩 Cheng-Hao Ko
口試委員:	徐勝均 Sheng-Dong Xu 沈志霖 Jhih-lin shen
學位類別：	碩士 Master
系所名稱：	工程學院 - 自動化及控制研究所 Graduate Institute of Automation and Control
論文出版年：	2011
畢業學年度：	100
語文別：	中文
論文頁數：	91
中文關鍵詞：	基因演算法、光譜儀、D65標準光源、A標準光源、發光二極體
外文關鍵詞：	Genetic algorithm, Spectrometer, D65 standard illuminant, A standard illuminant, LED
相關次數：	點閱：349 下載：7
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

半導體材料及製程技術的進步，發光二極體(Light Emitting Diode)顏色及亮度有大幅度地改善。由於發光二極體光譜分布比較窄，可利用不同波長發光二極體和調整發光二極體的光譜強度之參數值，即可改變目標光譜。另一方面，多變數的函數求解，其過程相當複雜且費時，如使用人工計算方式不僅不易求得最佳解，也容易發生錯誤，基因演算法(Genetic algorithm)是有效獲得最佳解方法，並且找出發光二極體的光譜強度之參數值。
本研究以5種不同光源之光譜為目標(D65、A、高斯光譜光源、等強度光譜光源、方形光譜光源)，在波長300 nm至 700 nm範圍內，使用7到 11 種不同波長發光二極體模擬組成光譜研究，研究結果使用 11 種發光二極體組成相似度高的目標光譜，兩者光譜誤差值依照排序分別為4.91%、1.93%、2.07 %、2.80 %、12.30%。
因此自行設計一套光譜儀軟體及光源控制電路，由基因演算法得到參數值，經光譜儀軟體控制發光二極體光源電路，發光二極體光源透過微光譜儀傳給電腦軟體顯示光譜訊號。驗證此方法理論，發光二極體組成相似度高的目標光譜，可以實現光譜的優化結果。

The advancement in semiconductor materials and processing technologies has improved the color performance and brightness of light-emitting diode (LED). The spectral distribution of LED is quite narrow; therefore it requires various wavelengths of LEDs and adjusting spectral intensity value of the LEDs to obtain the simulated spectrum.
But a mathematically solvable process with many variables is not only complex but also time consuming. Manual calculation is not easy to obtain the optimal values and has the risk of pilot errors. Compared with that, the Genetic Algorithm is an efficient way to acquire for the optimal values of the parameters for spectral intensity value of the LEDs.
This research uses 5 different types of target spectra in the following order: D65, A, Gaussian spectral intensity, equal spectral intensity, and square,within the spectral range from wavelength 300 nm to 700 nm. The simulate spectra were composed of adopting 7 to 11 different LED wavelengths. The values of the Root-Mean-Square (RMS) error for these 5 spectrum types are 4.91 %, 1.93 %, 2.07 %, 2.80 %, and 12.30 %, respectively.
A spectrometer program and a control circuit is developed. It first runs the Genetic Algorithm to acquire the parameters, which are then passed to control the intensities of the LEDs. By using a spectrometer, the spectrum of the LED is passed to the computer program to process the feedback control.
We have demonstrated a feedback control system to simulate the standard illuminants by a combination of LEDs.

摘要................................................................................................................. III
Abstract ...........................................................................................................IV
誌謝..................................................................................................................V
目錄.................................................................................................................VI
圖目錄.............................................................................................................IX
表目錄..........................................................................................................XIII
第一章 緒論..................................................................................................... 1
1.1 研究背景........................................................................................ 1
1.2 文獻探討........................................................................................ 1
1.3 研究動機........................................................................................ 4
1.4 論文架構........................................................................................ 4
第二章 光學與色彩學..................................................................................... 5
2.1 光源................................................................................................ 5
2.2 色彩視覺理論................................................................................ 7
2.3 CIE標準色度學系統的演進......................................................... 9
2.4 色溫..............................................................................................11
2.5 光源演色性..................................................................................12
2.6 發光二極體原理..........................................................................12
2.7 發光二極體構造..........................................................................15
2.8 發光二極體發光原理..........................................................16
2.9 各式光源之特性比較..................................................................18
第三章 系統架構介紹...................................................................................19
3.1 系統架構......................................................................................19
3.2 光譜儀介紹..................................................................................19
3.3 數位轉換類比電路設計..............................................................22
3.4 發光二極體驅動方式..................................................................24
3.5 微控制器架構..............................................................................24
3.6 微控制器之程式設計流程..........................................................25
3.7 基因演算法介紹..........................................................................27
第四章 研究方法...........................................................................................34
4.1 人機介面軟體介紹......................................................................34
4.2 測量LED 光譜............................................................................36
4.3 基線漂移校正..............................................................................38
4.4 目標光譜介紹..............................................................................39
4.5 基因演算法設計流程..................................................................41
4.6 不同波長的LED組成光譜........................................................50
第五章 研究結果及分析...............................................................................52
5.1 基因演算法參數設定..................................................................52
5.2 軟體模擬LED光譜....................................................................55
5.3 硬體控制LED光譜....................................................................69
第六章 結論與未來展望...............................................................................80
6.1 結論..............................................................................................80
6.2 未來展望......................................................................................84
參考文獻.........................................................................................................85
附錄 A A光譜光源RMS值..........................................................................87
附錄B 高斯光譜光源 RMS值.....................................................................88
附錄C 方形光譜光源 RMS值.....................................................................89
附錄 D 等強度光譜光源RMS值................................................................90

                                

[1] The International Commission on Illumination, CIE relative SPD of D65, http://www.cie.co.at/.
[2] F. Grum, “Artificial light sources for simulating natural daylight and skylight,” Applied Optics, vol. 7, pp. 183-187, 1986.
[3] Ian Powell, “Quartz - halogen D65 simulation,” Applied Optics, vol. 34,pp. 7925-7934, 1995.
[4] Antonio Corrons and Alicia Pons, “Daylight simulator,” Applied Optics, vol. 26, pp. 2867-2870, 1987.
[5] Fryc S.W. Brown and Y Ohno, “Spectral matching with an LED-based spectrally tunable light source ” SPIE, vol. 5941, p. 59411, 2005.
[6] 大田登，“色彩工程學理論與應用”，臺北縣，全華圖書，2007。
[7] 陳德請，“近代光電顯示工程導論”，臺北縣，全華圖書，2006。
[8] 戴孟宗，“現代色彩學”，臺北市，全華圖書，2010。
[9] 胡國瑞、陳鴻興，“顯示色彩工程學”，臺北縣，全華圖書，2009。
[10] Janos Schanda,“Colorimetry : understanding the CIE system,” John Wiley & Sons, Inc., 2007.
[11] 史光國，“半導體發光二極體及固體照明”，臺北市，全華圖書，2005。
[12] 郭啟田，“能源報導”，臺北市，經濟部能源局，2010。
[13] 張建中，“凹面型光柵光譜儀應用於水果糖度檢測之研製”，屏東科技大學機械系碩士論文，2003。
[14] 陳丁再，“A/D 轉換器入門”，臺北市，全華圖書，1991。
[15] 陳連春，“A/D-D/A變換電路入門”，臺北縣，建興文化,，2002。
[16] 李齊雄、游國幹，“單晶片微電腦原理與實作 ”，臺北巿，儒林圖書，2004。
[17] 張孝德，“機器學習：類神經網路、模糊系統以及基因演算法則”，臺北市，全華圖書，2004。
[18] C. Z. Janikow and D. St. Clair, “Genetic algorithms simulating nature's methods of evolving the best design solution,” Potentials, IEEE, vol. 14, 1995.
[19] David E. Goldberg,“Genetic algorithms in search, optimization, and machine learning ”, Addison Wesley, 1989.
[20] Mitsuo Gen and Runwei Cheng,“Genetic algorithms and engineering design,” John Wiley & Sons, Inc., 1997.

簡易檢索 / 詳目顯示

相關論文