一種超高壓水射流清除道路標線效果預測方法及裝置製造方法
2023-06-13 07:48:36
一種超高壓水射流清除道路標線效果預測方法及裝置製造方法
【專利摘要】本發明提供了一種超高壓水射流清除道路標線效果預測方法及裝置，所述方法基於蟻群算法建立優化的BP神經網絡模型，對BP神經網絡模型進行學習訓練後，用於預測清洗率。所述裝置包括數據採集模塊、數據預處理模塊、資料庫、建模模塊、訓練模塊、預測模塊，所述數據採集模塊通過通訊接口與數據預處理模塊相連，所述數據預處理模塊、建模模塊、訓練模塊、預測模塊依次相連、且與資料庫相連。本發明提出了基於蟻群算法優化的BP神經網絡模型，以蟻群算法優化的權值作為BP神經網絡的初始權值，使訓練出的模型收斂速度更快、預測精度更高、避免陷入局部極小點，能夠更好的預測超高壓水射流清除道路標線的效果。
【專利說明】一種超高壓水射流清除道路標線效果預測方法及裝置
【技術領域】
[0001]本發明屬於超高壓水射流清洗【技術領域】，尤其是一種超高壓水射流清除道路標線效果預測方法及裝置。
【背景技術】
[0002]隨著城市化進程的加快，公路越來越多。按照相關法規，公路上均要按照交通規則噴塗交通標誌線，但是隨著時間的推移，交通標誌線會逐漸磨損或因其他狀況要更改交通標誌線。為了使噴塗的新標誌線效果更好，在噴塗新的標誌線之前要去掉舊的標誌線。常用的清洗方法有手工清洗、化學清洗、機械清洗等，但是這些清洗方法效率低，勞動強度大，還會汙染環境。由此，為了改變這種傳統的清洗工藝方法，近年來超高壓水射流清洗技術倍受國際上的青睞。
[0003]目前國內在這方面的研究比較晚，且技術處於初步階段，還存在很多問題，如超高壓水射流道路除標線重要清除參數設置無依據，完全依靠設計者的經驗，國內也沒有相關的理論標準和依據。以致無法設置最佳的清洗參數，最大限度達到清洗車最好的清洗效果。
【發明內容】
[0004]為了解決超高壓水射流道路除標線清洗參數設置無依據，清洗時不能達到最佳的清洗效果等問題，本發明提供一種超高壓水射流清除道路標線效果預測方法及裝置。
[0005]本發明是採用以下的技術方案來實現的。
[0006]一種超高壓水射流清除道路標線效果預測方法，其特徵在於，包括以下步驟:
[0007](I)在柏油馬路上對不同厚度的標誌線樣本進行超高壓水射流清除試驗，獲得清除效果和包含射流壓力、旋轉接頭轉速、執行機構移動速度、靶距、標線厚度的清除參數的數據；將清洗效果和清除參數的數據進行歸一化處理，歸一化處理後的數據範圍為[0，I],將歸一化處理後的清洗效果和清除參數的數據中的一部分數據作為BP神經網絡模型的訓練樣本，另一部分作為測試樣本；
[0008](2)建立基於蟻群算法優化的BP神經網絡模型；
[0009]⑶將訓練樣本輸入到優化後的BP神經網絡模型中，對BP神經網絡模型進行學習訓練，通過測試樣本對BP神經網路模型進行檢測，驗證該模型的可靠性和準確性；
[0010](4)根據超高壓水射流清除道路標線的清除參數、通過測試後的BP神經網絡模型預測運算，並將BP神經網絡運算後的輸出值進行反歸一化處理，得到預測的清洗率值。
[0011]進一步地，步驟⑵中通過蟻群算法獲得BP神經網絡初始權值的步驟如下:
[0012](2.1)將BP神經網絡權值區間[-1，I]分成a等份，為每個權值參數建立一個信息素表，設置信息素初值S ^、信息素揮發係數P、信息素增量強度Q、蟻群算法最大迭代次數countMax、優化結束條件ε ；
[0013](2.2)釋放m只螞蟻，每一隻螞蟻從每一個權值的子區域穿過且僅穿過一次，第k只螞蟻從一子區域移動到另一子區域的轉移概率為
【權利要求】
1.一種超高壓水射流清除道路標線效果預測方法，其特徵在於，包括以下步驟: (1)在柏油馬路上對不同厚度的標誌線樣本進行超高壓水射流清除試驗，獲得清除效果和包含射流壓力、旋轉接頭轉速、執行機構移動速度、靶距、標線厚度的清除參數的數據；將清洗效果和清除參數的數據進行歸一化處理，歸一化處理後的數據範圍為[O，1]，將歸一化處理後的清洗效果和清除參數的數據中的一部分數據作為BP神經網絡模型的訓練樣本，另一部分作為測試樣本； (2)建立基於蟻群算法優化的BP神經網絡模型； (3)將訓練樣本輸入到優化後的BP神經網絡模型中，對BP神經網絡模型進行學習訓練，通過測試樣本對BP神經網路模型進行檢測，驗證該模型的可靠性和準確性； (4)根據超高壓水射流清除道路標線的清除參數、通過測試後的BP神經網絡模型預測運算，並將BP神經網絡運算後的輸出值進行反歸一化處理，得到預測的清洗率值。
2.根據權利要求1所述的超高壓水射流清除道路標線效果預測方法，其特徵在於，步驟(2)中通過蟻群算法獲得BP神經網絡初始權值的步驟如下: (2.1)將BP神經網絡權值區間[-1，I]分成a等份，為每個權值參數建立一個信息素表，設置信息素初值Stl、信息素揮發係數P、信息素增量強度Q、蟻群算法最大迭代次數countMax、優化結束條件ε ； (2.2)釋放m只螞蟻，每一隻螞蟻從每一個權值的子區域穿過且僅穿過一次，第k只螞
蟻從一子區域移動到另一子區域的轉移概率為
3.根據權利要求1所述的超高壓水射流清除道路標線效果預測方法，其特徵在於，所述步驟(2)所建立的BP神經網絡模型的結構分三層，分別為輸入層、中間層、輸出層；輸入層有5個神經元節點，分別對應清除參數射流壓力、旋轉接頭轉速、執行機構移動速度、靶距、標線厚度；輸出層有I個神經元節點，對應清除效果；中間層有8個神經元節點，中間層神經元的傳遞函數採用雙極性s型函數，即
4.根據權利要求1所述的超高壓水射流清除道路標線效果預測方法，其特徵在於，步驟(1)中所述的清洗效果用清洗率來表徵，所述清洗率
5.根據權利要求4所述的超高壓水射流清除道路標線效果預測方法，其特徵在於，採集S(標線已清除區域面積)的方法為:清除標線完畢後，用CCD相機拍下標線樣本照片，用matlab軟體對標線樣本照片進行剪切及二值化處理，獲得S (標線已清除區域面積)。
6.根據權利要求1所述的超高壓水射流清除道路標線效果預測方法，其特徵在於，所述步驟(1)中所述歸一化處理的公式為
7.根據權利要求1所述的超高壓水射流清除道路標線效果預測方法，其特徵在於，射流壓力範圍為50Mpa~150Mpa，靶距範圍為17mm~37mm，旋轉接頭轉速範圍為600rpm~1200rpm，執行機構移動速度範圍為60m/h~330m/h，標線厚度為1mm~2.5mm，清洗率範圍為O~100%。
8.一種超高壓水射流清除道路標線效果預測裝置，其特徵在於，包括數據採集模塊、數據預處理模塊、資料庫、建模模塊、訓練模塊、預測模塊；所述數據採集模塊通過通訊接口與數據預處理模塊相連，所述數據預處理模塊、建模模塊、訓練模塊、預測模塊依次相連、且與資料庫相連；所述數據採集模塊包括用於測旋轉接頭轉速的轉速測速器、用於調節和測量噴嘴到標線之間距離的靶距調節刻度盤(4)、用於採集執行機構移動速度的進給速度採集卡、用於測量射流壓力的壓力傳感器(7)、用於採集標線厚度的厚度採集設備、用於採集試驗樣本照片的CCD相機(10)和用於計算清除效果的PC機(9)，所述轉速測速器安裝在清洗執行機構的清洗盤(5)上，所述靶距調節刻度盤(4)位於車體支架(1)上，所述進給速度採集卡安裝在清洗執行機構的車輪一側，所述壓力傳感器(7)安裝在超高壓管道上； 所述數據預處理模塊用於對數據採集模塊採集的樣本數據進行歸一化處理； 所述建模模塊用於利用蟻群算法獲得BP神經網絡的初始權值，並建立BP神經網絡模型； 所述訓練模塊用於根據數據預處理模塊的數據對建立的BP神經網絡模型進行訓練和檢測；所述預測模塊用於根據超高壓水射流清除道路標線的清除參數、通過測試後的BP神經網絡模型預測運算，並將BP神經網絡運算後的輸出值進行反歸一化處理，得到預測的清洗率；所述資料庫用於存放數據 和建立各個模塊之間的數據信息交流。
【文檔編號】G06N3/08GK103955743SQ201410163610
【公開日】2014年7月30日 申請日期:2014年4月22日 優先權日:2014年4月22日
【發明者】顧寄南, 李 柱, 劉家博, 包運佳, 施紅健, 相明明, 李美軒, 王紅梅 申請人:江蘇大學