1.基于分区可控吸顶灯的公共宿舍混合照明系统，其包括：用户接口单元、照明灯组、位置识别单元、用户身份识别单元、调光变换单元和控制单元，所述用户接口单元包括总开关和多个分布于不同宿舍用户位置的用户操作终端，所述照明灯组包括对应于宿舍用户个数的工作台灯，以及分区可控吸顶灯，所述工作台灯及分区可控吸顶灯，均具有在色温、颜色之中至少一种光性质可调且亮度可调的特性，所述分区可控吸顶灯包括多个分区且其中每个分区均可独立控制出光，所述位置识别单元用来检测宿舍用户的位置，

所述用户身份识别单元用来对宿舍用户进行身份识别，

所述调光变换单元将工作台灯、分区可控吸顶灯的光色参数变换为其各自的驱动电流，所述控制单元分别与用户接口单元、照明灯组、位置识别单元和用户身份识别单元相连；所述控制单元包括处理模块、存储器、输入输出模块，并且其被配置为：离线状态下，通过用户接口单元及用户身份识别单元，接受宿舍用户的注册，并将用户注册表保存在存储器中，所述用户注册表包括用户识别号、用户身份识别特征、工作台位置号、床位号，对每一个经注册的用户，通过用户接口单元，输入一个光色评分表并将其保存在存储器中，所述光色评分表的每条记录中，包括作息模式、色温、颜色、照度、评分值，其中色温和颜色两个字段可以有一个为空，在存储器中预先对灯组中分区可控吸顶灯、各工作台灯分别设置一个照明分布表，所述照明分布表为亮度到照度的变换列表，表中记录有各灯/分区的不同亮度及该亮度所对应的宿舍中每个工作台、床位的照度，在线控制时，处理模块根据用户从用户操作终端输入的作息模式、以及通过位置识别单元检测到的用户位置，基于所述灯组的照明分布表、用户的光色评分表，通过多目标优化算法，第一阶段，针对当前宿舍中的所有入睡用户，将分区可控吸顶灯的各个分区根据该分区是、否对入睡用户有照明影响而将其分别列入第一类分区、第二类分区，针对所述第一类分区中的每个分区，基于该分区范围内不同入睡用户的光色评分，对该分区的亮度、及色温或颜色进行寻优，第二阶段，针对当前宿舍中所有学习用户，扣除分区可控吸顶灯的第一类分区已寻优结果对应的出光后，在工作台灯、及分区可控吸顶灯的第二类分区的光色参数可取值空间范围内，对工作台灯、及分区可控吸顶灯的第二类分区的亮度、及色温或颜色进行寻优，处理模块将寻优结果传输给调光变换单元，调光变换单元将寻优结果变换为工作台灯、分区可控吸顶灯各自的驱动电流值，并将所述电流值传送给对应灯的驱动器。

2.根据权利要求1所述的基于分区可控吸顶灯的公共宿舍混合照明系统，其特征在于：其还包括一个光色传感单元，

对于公共宿舍内的每个用户，对应其学习、入睡两种作息模式，所述控制单元中均分别建立有一个人工神经网络，所述神经网络替换光色评分表来作为光色评分的依据，其输入变量包括色温、照度，输出变量为光色评分值，所述控制单元还被配置为：

采集神经网络训练样本时，所述处理模块对光色传感单元采集的信号进行处理，对于学习、入睡两种作息模式，分别获取学习时工作台的、入睡时入睡位置的照度、色温共2个光色参数，并由用户对光色参数进行评分，处理模块通过输入输出模块向照明灯组发出调光信号后，对变化后的光环境基于光色传感单元反复获取训练样本集，并基于所述样本集对所述神经网络进行离线训练，在线控制时，在多目标优化算法处理过程中，经训练的神经网络代替光色评分表对不同光色参数条件下的光色评分值进行计算。

3.根据权利要求1所述的基于分区可控吸顶灯的公共宿舍混合照明系统，其特征在于，所述用户接口单元中包括至少一个用户操作终端，所述位置识别单元包括与每个用户工作台位置相对应的位置传感器，所述用户操作终端包括底板、键盘、显示屏和滑动输入器，所述键盘用来供公共宿舍用户输入注册信息和各种参数，所述滑动输入器上有一个游标，在所述用户操作终端上，还设置有一个用户身份识别单元所包括的指纹输入器，指纹输入器用来进行用户身份识别，所述控制单元还被配置为：

在多目标优化处理过程中，根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据用户对滑动输入器进行操作后游标的位置，对所述评分值进行调整：f′＝f·(1+η·Δ)，

其中，L为待评分的光的亮度，L0为当前光的亮度且其对应于滑动输入器上正中间的位置，当游标朝滑动输入器左右两边滑动时左右两端位置分别对应于L0的0.9和1.1倍亮度，Ln为用户操作后游标位置对应的亮度，Δ为按亮度进行评分调整的设定阈值，η为调整系数，f和f′分别为调整前后的评分值。

4.根据权利要求1所述的基于分区可控吸顶灯的公共宿舍混合照明系统，其特征在于，用户接口单元中包括至少一个床位操作终端、以及与每个床位置相对应的光电传感器，所述光电传感器用来检测床帘是否拉上，所述床位操作终端包括上盖板、下盖板、入睡按键、时旋钮、分旋钮和模式键，所述时旋钮、分旋钮和模式键用来进行起床时间设置，所述分区可控吸顶灯的每个分区均包括一个蓝光分量通道，

所述控制单元还被配置为：

当检测到一个用户的入睡按键被按下或床帘拉上时，对所述用户的作息模式设定为入睡，并且当公共宿舍内所有用户都不处于学习模式时，将分区可控吸顶灯和所有工作台灯熄灭，对影响入睡用户的可控吸顶灯的分区，在寻优完成后调光变换单元还将所述分区的蓝光分量通道关闭，在存储器中对每个用户还设置有一个起床模式光色评分表，当某用户起床时间到时，基于其起床模式光色评分表、以及其他入睡用户的光色评分表中的入睡模式子表，通过多目标优化算法，对分区可控吸顶灯、工作台灯的光色进行寻优，调光变换单元根据寻优结果进行调光，其中，多目标优化算法处理过程中将起床用户的评分权值设定得比入睡用户的评分权值高。

5.基于分区可控吸顶灯的公共宿舍混合照明变换装置，其包括变换输入模块、变换规划模块、变换确定模块、变换存储模块和变换输出模块，变换输入模块又包括光色参数输入部和驱动电流参数输入部，所述光色参数输入部从外部控制设备接收灯出光的亮度、色温、颜色的xyz色坐标值共

5个光色参数，所述驱动电流参数输入部从外部控制设备接收由公共宿舍内工作台灯、分区可控吸顶灯组成的外部可调光灯组的w个驱动电流通道的电流参数，所述变换确定模块中建立有一个BP神经网络，所述BP神经网络的输入量为所述5个光色参数值，输出量为所述w个驱动电流通道的电流参数，所述变换规划模块，在外部控制设备向灯组发出调光信号后，通过所述光色参数输入部、驱动电流参数输入部采集不同光环境下，神经网络的训练样本集；并用所述训练样本集离线训练所述神经网络，调整神经网络的连接权值，将连接权值保持在所述变换存储模块中，在现场环境中，光色参数输入部从从外部控制设备接收经外部控制设备优化搜索到的具有公共宿舍混合照明高评分值的光色参数，由所述变换确定模块中经训练的BP神经网络将所述光色参数值变换为灯组各驱动电流通道的驱动电流值，并通过变换输出模块输出，所述BP神经网络的模型为：隐含层第j个节点输出为

输出层第p个节点输出为

其中，f( )函数取为sigmoid函数，wij和vjp分别为输入层到隐含层的连接权值和隐含层到输出层的连接权值，ai和bp分别为隐含层和输出层阈值，k为隐含层节点数，采用梯度下降法进行网络训练。

6.基于分区可控吸顶灯的公共宿舍混合照明优化方法，其包括以下步骤：

S1、确定评价标准，

假设在公共宿舍内共有m1个入睡用户，m2个学习用户，以及待优化出光的一个分区可控吸顶灯的S个分区和m2个工作台灯，其中S个分区种有S1个分区对入睡用户有照明影响，S2个分区对入睡用户无照明影响，且对于第i个入睡用户，有si个分区对其有照明影响，对公共宿舍内的每个用户，均在存储器中预设有一个光色评分表，所述光色评分表记录有用户在入睡或学习等作息模式下对作息位置各种色温、照度等光色参数组合的评分值，建立基于分区可控吸顶灯的公共宿舍照明光照总体评价函数F，

其中，wi为设定的加权系数，fi为各因素评价值，

如，对所有入睡用户， fi为：

分区可控吸顶灯单独照明时，其第1至si分区的混合出光的亮度根据照明分布表对应到在第i个入睡用户位置处的照度、以及其混合出光的色温两个光色参数的组合，对应该入睡用户的光色评分表的入睡模式子表中进行查表，获得的评分值；

对所有学习用户， fi为：

m2个工作台灯组成的灯集合、以及分区可控吸顶灯混光照明时，总出光的照度、以及总出光色温两个光色参数的组合，对应在第i个学习用户的光色评分表的学习模式子表中进行查表，获得的评分值；

S2、初始化进化种群规模、交叉概率、变异概率等参数，确定分区可控吸顶灯各分区、各工作台灯色温、亮度光色参数的取值区间和编码策略以及每代群体中被全局Pareto最优解替换的个数Nrp，第一阶段，令当前待寻优灯集合为由S1个对入睡用户有照明影响的分区构成的分区可控吸顶灯的第一类分区；

S3、世代数k＝0，对当前待寻优灯集合，随机产生初始种群P(0)；

S4、令k＝k+1；如果达到结束条件，转第S11，否则接下一步；

S5、将本代群体P(k-1)中所有个体解码得到光色参数，计算出各个体的各因素评价值fi，比较获得本代的Pareto最优解集PTk，并更新全局Pareto最优解集PTg；

S6、如果PTk集的个体数N(PTk)为奇数，随机选择一个个体加入到PTk集，使之能相互配对，计算出本代群体中PTk集外各个体的总体评价函数F值，并根据各个体的F值按轮盘赌法选择出其它(N(gp)-N(PTk))/2对父体；得到的父代群体为P′(k)；

S7、对P′(k)中的个体进行交叉和变异操作，产生群体P″(k)；

S8、对于P″(k)中PTk集的子代个体，如果其总体评价函数F值不能优于其父体，则用其父体回代，得到群体P″′(k)；

S9、将P″′(k)中非PTk集子代的Nrp个个体随机地用全局Pareto最优解个体作替换，产生下一代群体P(k)；

S10、转步骤S4；

S11、搜索结束，基于最后得到的Pareto最优解集，选出总体评价函数F值最优的解，保存最优解；如果分区可控吸顶灯和工作台灯均已寻优，则转S13；

S12、第二阶段，令当前待寻优灯为由S2个对入睡用户无照明影响的分区构成的分区可控吸顶灯的第二类分区、及m2个工作台灯组成的灯集合，转步骤S3；

S13、优化结束，将所获取的最优解输出。

7.根据权利要求6所述的基于分区可控吸顶灯的公共宿舍混合照明优化方法，其特征在于，所述步骤S1中所述总出光的照度、总出光色温按如下方法进行计算和处理：T1、基于色温到色坐标的转换关系式，将分区可控吸顶灯的已寻优的第一类分区、待寻优的的第二类分区、工作台灯的色温分别转换为xyz色坐标，T2、分区可控吸顶灯已寻优的第一类分区、待寻优的的第二类分区二者的色坐标xyz以及亮度，转换为XYZ三刺激值后，再根据分区可控吸顶灯的照明分布表，分别将二者的亮度Y转换为在第i个学习用户位置处的第一、第二照度，同时将X、Z同比例变化后得到对应于该处的第一、第二XYZ三刺激，T3、包括第k个工作台灯的m2个工作台灯组成的灯集合，所述集合中的每个灯将其色坐标xyz以及亮度，转换为各自XYZ三刺激值后，再根据其各自的照明分布表，将其各自亮度Y转换为在第i个学习用户位置处的照度，同时将各自X、Z同比例变化后得到对应于该处的XYZ三刺激变换值，所述集合中所有工作台灯对应的照度的和为第三照度，所有X、Y、Z三刺激变换值分别相加获得第三XYZ三刺激值，T4、将所述第一、第二、第三照度相加得到总照度，将第一、第二、第三XYZ三刺激值分别相加获得总XYZ三刺激值，将总XYZ三刺激值转换为总xyz色坐标，并进一步转换为总色温，根据所述总照度、总色温查找第i个学习用户的光色评分表，获得评分值。

8.基于分区可控吸顶灯的公共宿舍混合照明方法，包括以下步骤：

S1、初始化，在控制单元中建立光分布模型、光色评分模型，

公共宿舍内的照明灯组由提供全局基础照明的分区可控吸顶灯、以及提供局部补充照明的多个工作台灯组成，所述工作台灯及分区可控吸顶灯，均具有在色温、颜色之中至少一种光性质可调、且亮度可调的特性，所述分区可控吸顶灯包括多个分区且其中每个分区均可独立控制出光，所述光分布模型为公共宿舍中每个灯的亮度到作息位置照度的对应关系，所述作息位置为公共宿舍内每个用户的学习、入睡等作息位置，所述光色评分模型为光色评分表集合，对公共宿舍中每个用户都有一个光色评分表，表中记录有所述用户对不同作息模式下所在作息位置受到照射的光的照度、及色温/颜色的评分；

S2、通过控制单元的输入输出模块向照明灯组内各灯发出调光信号，

在各灯/分区单独照明时，对调光变化后的各照明环境采集样本，同时获取灯/分区的亮度及各用户作息位置的照度并记录保存在光分布模型中，在各灯/分区混合照明时，对调光变化后的各照明环境，由公共宿舍中每个用户进行评分，将作息模式、光的照度、色温/颜色及评分记录在光色评分表中；

S3、在线控制时，采用多目标优化算法对各灯的光色参数进行寻优，

首先，确定将分区可控吸顶灯各分区、各工作台灯出光的亮度、及色温/颜色等光色参数进行编解码的策略，并确定其各自取值区间，将分区可控吸顶灯的各个分区根据该分区是、否对入睡用户有照明影响而将其分别列入第一类分区、第二类分区，确定优化计算中种群规模、交叉概率、变异概率等参数，

第一阶段，令当前待寻优灯为分区可控吸顶灯的第一类分区，

S4、随机产生初始种群；

S5、针对搜索空间内进化群体中的各个体，解码得到其对应的光色参数，根据所述光色参数，基于所建立的光分布模型、光色评分模型，计算各个体的评价值：对于第一类分区，将光色参数中的亮度根据光分布模型转换为每个入睡用户当前作息位置处的照度，并根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的入睡用户评分进行加权求和计算总评分值，如果是第二阶段，将待寻优的对学习用户有照明影响的工作台灯及第二类分区组成的集合、以及已经寻优的第一类分区共同混光照明时，基于总出光在每个学习用户当前作息位置处的总出光照度、总出光色温，根据该用户的光色评分表，通过查找和插值，计算出该用户的评分，然后对所有当前在公共宿舍内的学习用户评分进行加权求和计算总评分值；

S6、基于所述总评分值，进行交叉遗传和变异操作，更新进化群体；

S7、转至步骤S5，反复迭代，直至搜索结束后，输出Pareto优化解；

S8、如果还未完成所有灯的寻优，则进入第二阶段，令当前待寻优灯为对学习用户有照明影响的、工作台灯及第二类分区组成的集合，转S4；否则转S9；

S9、调光变换单元将寻优结果变换为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内工作台灯、分区可控吸顶灯各自的驱动器进行调光。

9.根据权利要求8所述的基于分区可控吸顶灯的公共宿舍混合照明方法，其特征在于，所述灯组中灯的颜色以色坐标xyz表示，所述灯组为LED灯组，分区可控吸顶灯与工作台灯均通过驱动器调节内部各LED串的驱动电流值，所述调光信号为各LED串驱动电流的PWM波占空比数值；

所述控制单元还被配置为：

第二阶段寻优过程中，所述步骤S5中的所述总出光照度、总出光色温的评分按如下方法进行计算：针对当前宿舍中受到已寻优第一类分区的照明影响的学习用户，

将分区可控吸顶灯的寻优到的第一类分区、待寻优的第二类分区的色坐标xyz以及亮度，分别转换为XYZ三刺激值后，再根据分区可控吸顶灯与每个学习用户位置处工作台灯、二者的照明分布表基于照度相等原理分别将所述XYZ三刺激值继续转换为对应所述位置处工作台灯的XYZ三刺激等效值；

然后，在对每个学习用户位置处工作台灯、及分区可控吸顶灯的第二类分区进行光色参数寻优时，将待寻优工作台灯的亮度和xyz色坐标转换为XYZ三刺激值，并与所述第一、二类分区的XYZ三刺激等效值混光相加后，转换回所述工作台灯的亮度和xyz色坐标；再将该亮度通过工作台灯的照度分布表计算出其对应的该学习用户位置处的照度，从而通过对光色评分表的索引查找和插值，获得所述待寻优的工作台灯、及分区可控吸顶灯的第二类分区的亮度和xyz色坐标组成的光色组合的评分，或者，当所述灯组中灯的颜色以色温表示时，可以先将所述色温转换为色坐标xyz，且所述多目标优化算法处理过程中，基于每个用户的光色评分表对光色参数条件分别评分后对评分进行加权求和计算总的评分值，如果当前时间属于上午8点至下午5点范围内，还要根据待评分光色参数与当前日光色的相似度，对所述总的评分值进行调整：f′＝f·(1+η)，

η＝α·sim(K，Know)+(1-α)·sim(L，Lnow)，其中，α为设定系数，K、L分别为待评分光的色温值、亮度与最大亮度的比值这两个值，Know、Lnow分别为当前日光的色温和相对亮度，所述相对亮度为当前日光亮度与正午日光亮度的比值，相似度函数sim(，)采用以第二个参数为中心的正态分布函数或三角形分布函数且其分布的幅度根据第一个参数的取值范围进行设定，η为调整系数，f和f′分别为调整前后的评分值。

10.根据权利要求8所述的基于分区可控吸顶灯的公共宿舍混合照明方法，其特征在于，基于位置传感器对用户的连续检测来获取用户的连续学习时间，并根据所述连续学习时间，来调整待寻优光色参数的评分值，所述步骤S5还包括：

根据光色评分表对不同光色参数条件进行光色评分值计算后，再根据连续学习时间长度t和色温值K，对所述评分值进行调整：f′＝f·η，

其中，t的单位为分钟，K为待评分的光的色温，KS为设定的中间色温值，η为调整系数，f和f′分别为调整前后的评分值。