一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法及裝置制造方法
【專(zhuān)利摘要】本發(fā)明提供了一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法及裝置，所述方法基于蟻群算法建立優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)訓(xùn)練后，用于預(yù)測(cè)清洗率。所述裝置包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)庫(kù)、建模模塊、訓(xùn)練模塊、預(yù)測(cè)模塊，所述數(shù)據(jù)采集模塊通過(guò)通訊接口與數(shù)據(jù)預(yù)處理模塊相連，所述數(shù)據(jù)預(yù)處理模塊、建模模塊、訓(xùn)練模塊、預(yù)測(cè)模塊依次相連、且與數(shù)據(jù)庫(kù)相連。本發(fā)明提出了基于蟻群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型，以蟻群算法優(yōu)化的權(quán)值作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，使訓(xùn)練出的模型收斂速度更快、預(yù)測(cè)精度更高、避免陷入局部極小點(diǎn)，能夠更好的預(yù)測(cè)超高壓水射流清除道路標(biāo)線(xiàn)的效果。
【專(zhuān)利說(shuō)明】一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于超高壓水射流清洗【技術(shù)領(lǐng)域】，尤其是一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法及裝置。
【背景技術(shù)】
[0002]隨著城市化進(jìn)程的加快，公路越來(lái)越多。按照相關(guān)法規(guī)，公路上均要按照交通規(guī)則噴涂交通標(biāo)志線(xiàn)，但是隨著時(shí)間的推移，交通標(biāo)志線(xiàn)會(huì)逐漸磨損或因其他狀況要更改交通標(biāo)志線(xiàn)。為了使噴涂的新標(biāo)志線(xiàn)效果更好，在噴涂新的標(biāo)志線(xiàn)之前要去掉舊的標(biāo)志線(xiàn)。常用的清洗方法有手工清洗、化學(xué)清洗、機(jī)械清洗等，但是這些清洗方法效率低，勞動(dòng)強(qiáng)度大，還會(huì)污染環(huán)境。由此，為了改變這種傳統(tǒng)的清洗工藝方法，近年來(lái)超高壓水射流清洗技術(shù)倍受?chē)?guó)際上的青睞。
[0003]目前國(guó)內(nèi)在這方面的研究比較晚，且技術(shù)處于初步階段，還存在很多問(wèn)題，如超高壓水射流道路除標(biāo)線(xiàn)重要清除參數(shù)設(shè)置無(wú)依據(jù)，完全依靠設(shè)計(jì)者的經(jīng)驗(yàn)，國(guó)內(nèi)也沒(méi)有相關(guān)的理論標(biāo)準(zhǔn)和依據(jù)。以致無(wú)法設(shè)置最佳的清洗參數(shù)，最大限度達(dá)到清洗車(chē)最好的清洗效果。

【發(fā)明內(nèi)容】
[0004]為了解決超高壓水射流道路除標(biāo)線(xiàn)清洗參數(shù)設(shè)置無(wú)依據(jù)，清洗時(shí)不能達(dá)到最佳的清洗效果等問(wèn)題，本發(fā)明提供一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法及裝置。
[0005]本發(fā)明是采用以下的技術(shù)方案來(lái)實(shí)現(xiàn)的。
[0006]一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，包括以下步驟:
[0007](I)在柏油馬路上對(duì)不同厚度的標(biāo)志線(xiàn)樣本進(jìn)行超高壓水射流清除試驗(yàn)，獲得清除效果和包含射流壓力、旋轉(zhuǎn)接頭轉(zhuǎn)速、執(zhí)行機(jī)構(gòu)移動(dòng)速度、靶距、標(biāo)線(xiàn)厚度的清除參數(shù)的數(shù)據(jù)；將清洗效果和清除參數(shù)的數(shù)據(jù)進(jìn)行歸一化處理，歸一化處理后的數(shù)據(jù)范圍為[0，I],將歸一化處理后的清洗效果和清除參數(shù)的數(shù)據(jù)中的一部分?jǐn)?shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本，另一部分作為測(cè)試樣本；
[0008](2)建立基于蟻群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型；
[0009]⑶將訓(xùn)練樣本輸入到優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型中，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)訓(xùn)練，通過(guò)測(cè)試樣本對(duì)BP神經(jīng)網(wǎng)路模型進(jìn)行檢測(cè)，驗(yàn)證該模型的可靠性和準(zhǔn)確性；
[0010](4)根據(jù)超高壓水射流清除道路標(biāo)線(xiàn)的清除參數(shù)、通過(guò)測(cè)試后的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)運(yùn)算，并將BP神經(jīng)網(wǎng)絡(luò)運(yùn)算后的輸出值進(jìn)行反歸一化處理，得到預(yù)測(cè)的清洗率值。
[0011]進(jìn)一步地，步驟⑵中通過(guò)蟻群算法獲得BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值的步驟如下:
[0012](2.1)將BP神經(jīng)網(wǎng)絡(luò)權(quán)值區(qū)間[-1，I]分成a等份，為每個(gè)權(quán)值參數(shù)建立一個(gè)信息素表，設(shè)置信息素初值S ^、信息素?fù)]發(fā)系數(shù)P、信息素增量強(qiáng)度Q、蟻群算法最大迭代次數(shù)countMax、優(yōu)化結(jié)束條件ε ；
[0013](2.2)釋放m只螞蟻，每一只螞蟻從每一個(gè)權(quán)值的子區(qū)域穿過(guò)且僅穿過(guò)一次，第k只螞蟻從一子區(qū)域移動(dòng)到另一子區(qū)域的轉(zhuǎn)移概率為
【權(quán)利要求】
1.一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，包括以下步驟: (1)在柏油馬路上對(duì)不同厚度的標(biāo)志線(xiàn)樣本進(jìn)行超高壓水射流清除試驗(yàn)，獲得清除效果和包含射流壓力、旋轉(zhuǎn)接頭轉(zhuǎn)速、執(zhí)行機(jī)構(gòu)移動(dòng)速度、靶距、標(biāo)線(xiàn)厚度的清除參數(shù)的數(shù)據(jù)；將清洗效果和清除參數(shù)的數(shù)據(jù)進(jìn)行歸一化處理，歸一化處理后的數(shù)據(jù)范圍為[O，1]，將歸一化處理后的清洗效果和清除參數(shù)的數(shù)據(jù)中的一部分?jǐn)?shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本，另一部分作為測(cè)試樣本； (2)建立基于蟻群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型； (3)將訓(xùn)練樣本輸入到優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型中，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)訓(xùn)練，通過(guò)測(cè)試樣本對(duì)BP神經(jīng)網(wǎng)路模型進(jìn)行檢測(cè)，驗(yàn)證該模型的可靠性和準(zhǔn)確性； (4)根據(jù)超高壓水射流清除道路標(biāo)線(xiàn)的清除參數(shù)、通過(guò)測(cè)試后的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)運(yùn)算，并將BP神經(jīng)網(wǎng)絡(luò)運(yùn)算后的輸出值進(jìn)行反歸一化處理，得到預(yù)測(cè)的清洗率值。
2.根據(jù)權(quán)利要求1所述的超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，步驟(2)中通過(guò)蟻群算法獲得BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值的步驟如下: (2.1)將BP神經(jīng)網(wǎng)絡(luò)權(quán)值區(qū)間[-1，I]分成a等份，為每個(gè)權(quán)值參數(shù)建立一個(gè)信息素表，設(shè)置信息素初值Stl、信息素?fù)]發(fā)系數(shù)P、信息素增量強(qiáng)度Q、蟻群算法最大迭代次數(shù)countMax、優(yōu)化結(jié)束條件ε ； (2.2)釋放m只螞蟻，每一只螞蟻從每一個(gè)權(quán)值的子區(qū)域穿過(guò)且僅穿過(guò)一次，第k只螞


蟻從一子區(qū)域移動(dòng)到另一子區(qū)域的轉(zhuǎn)移概率為
3.根據(jù)權(quán)利要求1所述的超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，所述步驟(2)所建立的BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)分三層，分別為輸入層、中間層、輸出層；輸入層有5個(gè)神經(jīng)元節(jié)點(diǎn)，分別對(duì)應(yīng)清除參數(shù)射流壓力、旋轉(zhuǎn)接頭轉(zhuǎn)速、執(zhí)行機(jī)構(gòu)移動(dòng)速度、靶距、標(biāo)線(xiàn)厚度；輸出層有I個(gè)神經(jīng)元節(jié)點(diǎn)，對(duì)應(yīng)清除效果；中間層有8個(gè)神經(jīng)元節(jié)點(diǎn)，中間層神經(jīng)元的傳遞函數(shù)采用雙極性s型函數(shù)，即
4.根據(jù)權(quán)利要求1所述的超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，步驟(1)中所述的清洗效果用清洗率來(lái)表征，所述清洗率
5.根據(jù)權(quán)利要求4所述的超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，采集S(標(biāo)線(xiàn)已清除區(qū)域面積)的方法為:清除標(biāo)線(xiàn)完畢后，用CCD相機(jī)拍下標(biāo)線(xiàn)樣本照片，用matlab軟件對(duì)標(biāo)線(xiàn)樣本照片進(jìn)行剪切及二值化處理，獲得S (標(biāo)線(xiàn)已清除區(qū)域面積)。
6.根據(jù)權(quán)利要求1所述的超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，所述步驟(1)中所述歸一化處理的公式為
7.根據(jù)權(quán)利要求1所述的超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)方法，其特征在于，射流壓力范圍為50Mpa~150Mpa，靶距范圍為17mm~37mm，旋轉(zhuǎn)接頭轉(zhuǎn)速范圍為600rpm~1200rpm，執(zhí)行機(jī)構(gòu)移動(dòng)速度范圍為60m/h~330m/h，標(biāo)線(xiàn)厚度為1mm~2.5mm，清洗率范圍為O~100%。
8.一種超高壓水射流清除道路標(biāo)線(xiàn)效果預(yù)測(cè)裝置，其特征在于，包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)庫(kù)、建模模塊、訓(xùn)練模塊、預(yù)測(cè)模塊；所述數(shù)據(jù)采集模塊通過(guò)通訊接口與數(shù)據(jù)預(yù)處理模塊相連，所述數(shù)據(jù)預(yù)處理模塊、建模模塊、訓(xùn)練模塊、預(yù)測(cè)模塊依次相連、且與數(shù)據(jù)庫(kù)相連；所述數(shù)據(jù)采集模塊包括用于測(cè)旋轉(zhuǎn)接頭轉(zhuǎn)速的轉(zhuǎn)速測(cè)速器、用于調(diào)節(jié)和測(cè)量噴嘴到標(biāo)線(xiàn)之間距離的靶距調(diào)節(jié)刻度盤(pán)(4)、用于采集執(zhí)行機(jī)構(gòu)移動(dòng)速度的進(jìn)給速度采集卡、用于測(cè)量射流壓力的壓力傳感器(7)、用于采集標(biāo)線(xiàn)厚度的厚度采集設(shè)備、用于采集試驗(yàn)樣本照片的CCD相機(jī)(10)和用于計(jì)算清除效果的PC機(jī)(9)，所述轉(zhuǎn)速測(cè)速器安裝在清洗執(zhí)行機(jī)構(gòu)的清洗盤(pán)(5)上，所述靶距調(diào)節(jié)刻度盤(pán)(4)位于車(chē)體支架(1)上，所述進(jìn)給速度采集卡安裝在清洗執(zhí)行機(jī)構(gòu)的車(chē)輪一側(cè)，所述壓力傳感器(7)安裝在超高壓管道上； 所述數(shù)據(jù)預(yù)處理模塊用于對(duì)數(shù)據(jù)采集模塊采集的樣本數(shù)據(jù)進(jìn)行歸一化處理； 所述建模模塊用于利用蟻群算法獲得BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，并建立BP神經(jīng)網(wǎng)絡(luò)模型； 所述訓(xùn)練模塊用于根據(jù)數(shù)據(jù)預(yù)處理模塊的數(shù)據(jù)對(duì)建立的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和檢測(cè)；所述預(yù)測(cè)模塊用于根據(jù)超高壓水射流清除道路標(biāo)線(xiàn)的清除參數(shù)、通過(guò)測(cè)試后的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)運(yùn)算，并將BP神經(jīng)網(wǎng)絡(luò)運(yùn)算后的輸出值進(jìn)行反歸一化處理，得到預(yù)測(cè)的清洗率；所述數(shù)據(jù)庫(kù)用于存放數(shù)據(jù) 和建立各個(gè)模塊之間的數(shù)據(jù)信息交流。
【文檔編號(hào)】G06N3/08GK103955743SQ201410163610
【公開(kāi)日】2014年7月30日 申請(qǐng)日期:2014年4月22日 優(yōu)先權(quán)日:2014年4月22日
【發(fā)明者】顧寄南, 李 柱, 劉家博, 包運(yùn)佳, 施紅健, 相明明, 李美軒, 王紅梅 申請(qǐng)人:江蘇大學(xué)