CN112350657A - 基于人工智能的清洁机器人清洁速率的调整方法及装置 - Google Patents

Abstract

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的清洁机器人清洁速率的调整方法及装置。该方法包括：获取输出功率序列的波动程度和最大波动幅度；根据清沙决策模型获取输出功率受干扰程度，并设置程度阈值判断是否需要清沙；当判断结果为需要清沙时，根据沙子堆积程度模型获得沙子清洁前后的堆积程度；根据输出功率受干扰程度、沙子清洁前后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。该方法可以防止光伏电池板出现热斑或局部烧毁的情况；既保障了清洁机器人在风沙天气下不会高负载长时间工作，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。

Description

基于人工智能的清洁机器人清洁速率的调整方法及装置

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的清洁机器人清洁速率的调整方法及装置。

背景技术

光伏电池板发电技术是一种当前较为流行的清洁能源产出技术，能够减少对大气环境的污染，解决能源消耗问题。

但沙漠中的光伏电池板经常受风沙天气的侵蚀，沙子会覆盖在光伏电池板表面上，当沙子覆盖到一定程度时使一部分光伏电池板不能接受光照，此时的光伏电池板成为耗电的负载元件，甚至会出现热斑或局部烧毁的情况，最终影响电池板的输出功率。

一般情况下，光伏电池板都会使用清洁机器人清除沙子，但大部分清洁机器人都是在无风沙的天气下工作，即使是在风沙天气下工作的清洁机器人也会受风沙的干扰，使清洁机器人高负载工作，使用寿命降低，或者不能有效的清理覆盖在光伏电池板表面的沙子。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的清洁机器人清洁速率的调整方法及装置，所采用的技术方案如下：

第一方面，本发明实施例提供了一种基于人工智能的清洁机器人清洁速率的调整方法，该方法包括以下步骤：

对光伏电池板的输出功率进行采样，得到输出功率序列，并获取所述输出功率序列的波动程度和局部输出功率的最大波动幅度；

根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；

当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；

采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；

根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。

进一步地，所述获得输出功率受干扰程度的方法如下：

所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。

进一步地，所述构建沙子堆积程度模型的方法如下：

将所述图像转换成HSV颜色模型；

对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；

对所述连通域进行分析获取所述连通域面积和所述连通域数量；

根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；

所述沙子堆积模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。

进一步地，所述获得清洁机器人的清洁速率的方法包括：

根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系。

进一步地，所述获得清洁机器人的清洁速率的方法包括：

根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系。

进一步地，所述获得清洁机器人的清洁速率的方法包括：

根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。

第二方面，本发明实施例提供了一种基于人工智能的清洁机器人清洁速率的调整装置，包括：

输出功率采样模块，用于对光伏电池板的输出功率进行采样，得到输出功率序列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度；

清沙判断模块，用于根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；

清洁前堆积程度模块，用于当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；

清洁后堆积程度模块，用于采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；

清洁速率获取模块，用于根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。

进一步地，所述清沙判断模块包括：

输出功率受干扰程度单元，用于所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。

进一步地，所述清洁前堆积程度模块包括：

图像转换单元，用于将所述图像转换成HSV颜色模型；

连通域获取单元，用于对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；

连通域分析单元，用于对所述连通域进行分析获取所述连通域面积和所述连通域数量；

模型构建单元，用于根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；所述沙子堆积程度模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。

进一步地，所述清洁速率获取模块包括：

阻尼系数计算单元，用于根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系；

影响程度计算单元，用于根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系；

堆积程度比值单元，用于根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。

本发明实施例至少具有如下有益效果：

本发明实施例通过对输出功率序列进行分析，获取输出功率序列的波动程度和局部输出功率的最大波动幅度；根据波动程度、最大波动幅度、输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；该方法可以在光伏电池板输出功率下降时，及时采用清洁机器人进行清洁，防止光伏电池板出现热斑或局部烧毁的情况。

本发明实施例通过输出功率受干扰程度判断是否需要清沙；当需要清沙时，构建沙子堆积程度模型，并获取沙子清洁前后的堆积程度；根据输出功率受干扰程度、沙子清洁前后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。该方法既保障了清洁机器人不会高负载长时间工作，避免了清洁机器人出现故障，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图；

图1为本发明一个实施例所提供的一种基于人工智能的清洁机器人清洁速率的调整方法流程图；

图2为本发明一个实施例所提供的一种基于人工智能的清洁机器人清洁速率的调整系统的结构框图；

图3为本发明一个实施例所提供的输出功率序列分析的流程图；

图4为本发明一个实施例所提供的获取沙子清洁前的堆积程度的方法流程图；

图5为本发明一个实施例所提供的一种基于人工智能的清洁机器人清洁速率的调整装置的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的清洁机器人清洁速率的调整方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于人工智能的清洁机器人清洁速率的调整方法及装置的具体方案。

请参阅图1和图2，图1示出了本发明一个实施例提供的一种基于人工智能的清洁机器人清洁速率的调整方法流程图，图2示出了本发明一个实施例提供的一种基于人工智能的清洁机器人清洁速率的调整系统的结构框图，该清洁速率调整方法包括如下步骤：

步骤S101：对光伏电池板的输出功率进行采样，得到输出功率系列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度。

步骤S102：根据波动程度、最大波动幅度、输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙。

步骤S103：当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得沙子清洁前的堆积程度。

步骤S104：采集清洁机器人运动方向反方向的光伏电池板表面的图像，并根据沙子堆积程度模型获取沙子清洁后的堆积程度。

步骤S105：根据输出功率受干扰程度、沙子清洁前的堆积程度、沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。

请参阅图3，优选的，本实施例中步骤S101的具体步骤如下：

步骤S301：对光伏电池板的输出功率进行采样，得到输出功率序列。

当气象监控中心检测到光伏电站所在区域为有风沙天气时，则每隔一段时间对光伏电池板的输出功率进行采样，设N次采样后获得的光伏电池板的输出功率序列为list(P)＝{P₁,P₂,…,P_n,…,P_N}。

步骤S302，获取输出功率序列的整体波动情况。

其中，F₁为波动程度，

为输出功率序列list(P)的平均输出功率，F₁越大说明输出功率序列list(P)波动的越厉害。

步骤S303：对输出功率序列进行滤波，获得输出功率序列的局部变化特征。

第一步，使用1×K的滤波核，对输出功率序列list(P)进行滤波。

设以P_i为中心锚点的滤波核内的数据为：

其中，K为奇数，具体到本实施例中K＝7。

滤波核输出的结果为：

F_i＝max(list(P_i))-min(list(P_i))

其中，F_i为输出功率的局部波动幅度，表示的是滤波核内的数据的最大值与最小值的差值。

输出功率序列的滤波结果为：

list(P_f)＝{…,F_i-1,F_i,F_i+1,…}

第二步，获取局部输出功率的最大波动幅度F2。

F₂＝max(list(P_f))

优选的，本实施例中步骤S102的具体步骤如下：

第一步，通过光强传感器获取采样时间段内的光照强度，并计算平均光照强度L。

第二步，通过风速传感器获取采样时间段内的风速，并计算平均风速V。

第三步，构建清沙决策模型，获取输出功率受干扰程度。

输出功率受干扰程度与风沙干扰系数、平均光照强度与输出功率最大时的光照强度之差的绝对值、平均输出功率与最大输出功率之差的平方、波动程度和最大波动幅度呈正相关关系；风沙干扰系数与平均风速呈负相关关系。

清沙决策模型如下：

其中，D为输出功率受干扰程度，L₀为光伏电池板输出功率最大时的光照强度，P₀为光伏电池板的最大输出功率，α为风沙干扰系数。

风沙干扰系数α的公式如下：

其中，V_max为预设的清洁机器人所能承载的最大风速，清洁机器人在最大风速下无法以额定功率进行长时间工作时，有可能出现故障。

第四步，设置程度阈值th0，判断是否需要清沙。

当输出功率受干扰程度D大于设置的程度阈值th0时，说明在一定光照强度下，光伏电池板的输出功率波动大，需要清沙。

请参阅图4，优选的，本实施例中步骤S103的具体步骤如下：

步骤S401：采集清洁机器人运动方向的光伏电池板表面的图像。

第一摄像头朝向清洁机器人的运动方向，俯视向下采集光伏电池板表面的图像。

步骤S402：将采集的图像转换成HSV颜色模型，并对色相和饱和度进行阈值分割获取沙子的连通域。

第一步，将图像转换成HSV模型，转换公式如下：

V(I)＝MAX

其中，H(I)为色相，S(I)为饱和度，V(I)为亮度。

第二步，对色相H(I)进行阈值分割去除光伏电池板背景区域。

其中，th1为黄褐色色相的阈值范围，具体到本实施例中th1的取值范围为[42°,65°]。

第三步，对饱和度S(I)进行阈值分割去除光伏电池板的栅线和焊带等饱和度低的区域。

其中，th2为沙子在光伏电池板上的饱和度，具体到本实施例中th2的取值范围为[0.2,1.0]。

第四步，获取沙子的连通域，并滤除噪声。

沙子的连通域mask为：

mask＝mask1×mask2

先采用5×5的模板对沙子的连通域mask进行闭运算，过滤掉小的、孤立的、灰度值为0的噪点区域；然后再采用5×5的模板进行开运算，过滤掉小的、孤立的、灰度值为1的噪点区域。

步骤S403：对沙子的连通域进行分析，获取连通域面积和连通域数量。

步骤S404：构建沙子堆积程度模型。

堆积程度模型为：

其中，H为堆积程度，A为连通域面积，N_A为连通域数量，c为缩放系数，具体到本实施例中c＝0.4。

堆积程度H与

呈正相关关系，

越大说明较小的沙子连通域数量N_A有较大的沙子面积A，说明沙子分布的较为集中，沙子越厚。

步骤S405：根据沙子堆积程度模型获取沙子清洁前的堆积程度H₁。

优选的，本实施例中步骤S104的具体步骤如下：

第二摄像头朝向清洁机器人的运动方向的反方向，俯视向下采集清洁后的光伏电池板表面的图像，并根据沙子堆积程度模型获取沙子清洁后的堆积程度H₀。

优选的，本实施例中步骤S105的具体步骤如下：

清洁机器人在清洁沙子时，毛刷运转速度是固定的，当清洁机器人在没有风沙的天气清洁沙子时，清洁机器人的速度只需根据沙子的堆积程度进行调节即可，沙子堆积程度越大，清扫速度要越慢，保证将沙子清洁掉。当在风沙天气中清洁沙子时需要考虑到风向和风速等因素。如果沙子清洁后的堆积程度越高则需要提高清洁机器人的清扫速度，加快清洁；当风向与清洁机器人运动方向的夹角越大，风对清洁机器人的阻力也越大，此时需要放慢清洁速度，以免清洁机器人负载过大。

清洁机器人的清洁速率为：

其中，v₀表示清洁机器人空载时的额定速率，β为阻尼系数，γ为风沙对光伏电池板的影响程度，a、b为待定系数，采用最小二乘法拟合获得。

清洁机器人的速率v与风沙对光伏电池板的影响程度γ、阻尼系数β、沙子清洁前后的堆积程度的比值

和清洁机器人的额定速率v₀呈正相关关系。

阻尼系数β的计算公式如下：

β＝(d·cosθ+c)exp(-α)

其中，α为风沙干扰系数，θ为风向与清洁机器人运动方向的夹角θ，通过安装在清洁机器人身上的风向传感器获取，c、d为待定系数，采用最小二乘法拟合获得。

阻尼系数β与风沙干扰系数α和夹角θ呈负相关关系。

风沙对光伏电池板的影响程度γ的计算公式如下：

γ＝ln(D-th0+1)

其中，D为输出功率受干扰程度，th0为程度阈值。

风沙对光伏电池板的影响程度与输出功率受干扰程度D呈正相关关系。

综上所述，本发明实施例通过输出功率受干扰程度判断是否需要清沙；当需要清沙时，构建沙子堆积程度模型，并获取沙子清洁前后的堆积程度；根据输出功率受干扰程度、沙子清洁前后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。该方法在光伏电池板输出功率下降时，及时采用清洁机器人对光伏电池板进行清洁，防止光伏电池板出现热斑或局部烧毁的情况；保障了清洁机器人在风沙天气下不会高负载长时间工作，避免了清洁机器人出现故障，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。

基于与上述方法相同的发明构思，本发明实施例中还提供一种基于人工智能的清洁机器人清洁速率的调整装置。

请参阅图5，具体的，本发明实施例中提供了一种基于人工智能的清洁机器人清洁速率的调整装置100，包括输出功率采样模块10、清沙判断模块20、清洁前堆积程度模块30、清洁后堆积程度模块40和清洁速率获取模块50。

具体的，输出功率采样模块10，用于对光伏电池板的输出功率进行采样，得到输出功率序列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度；

清沙判断模块20，用于根据波动程度、最大波动幅度、输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；

清洁前堆积程度模块30，用于当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得沙子清洁前的堆积程度；

清洁后堆积程度模块40，用于采集清洁机器人运动方向反方向的光伏电池板表面的图像，并根据沙子堆积程度模型获取沙子清洁后的堆积程度；

清洁速率获取模块50，用于根据输出功率受干扰程度、沙子清洁前的堆积程度、沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、清洁机器人的额定速率和平均风速获得清洁机器人的清洁速率。

进一步地，清沙判断模块20包括：

输出功率受干扰程度单元，用于输出功率受干扰程度与风沙干扰系数、平均光照强度与输出功率最大时的光照强度之差的绝对值、平均输出功率与最大输出功率之差的平方、波动程度和最大波动幅度呈正相关关系；风沙干扰系数根据平均风速得到。

进一步地，清洁前堆积程度模块30包括：

图像转换单元，用于将图像转换成HSV颜色模型；

连通域获取单元，用于对HSV颜色模型中的色相和饱和度进行阈值分割，获取沙子的连通域；

连通域分析单元，用于对连通域进行分析获取连通域面积和连通域数量；

模型构建单元，用于根据连通域面积和连通域数量构建沙子堆积程度模型；沙子堆积程度模型中的堆积程度与连通域面积和连通域数量的比值呈正相关关系。

进一步地，清洁速率获取模块50包括：

阻尼系数计算单元，用于根据阻尼系数得到清洁速率，阻尼系数与清洁速率呈正相关关系，与风沙干扰系数和夹角呈负相关关系；

影响程度计算单元，用于根据风沙对光伏电池板的影响程度得到清洁速率，风沙对光伏电池板的影响程度与清洁速率、输出功率受干扰程度呈正相关关系；

堆积程度比值单元，用于根据沙子清洁前后的堆积程度的比值得到清洁速率，清洁速率与沙子清洁前后的堆积程度的比值呈正相关关系。

综上所述，本发明实施例提供了一种基于人工智能的清洁机器人清洁速率调整测装置100，该装置通过输出功率采样模块10得到输出功率序列的波动程度和局部输出功率的最大波动幅度；通过清沙判断模块20得到输出功率受干扰程度，并设置程度阈值判断是否需要清沙；清洁前堆积程度模块30根据沙子堆积程度模型得到沙子清洁前的堆积程度；根据清洁后堆积程度模块40得到沙子清洁后的堆积程度；通过清洁速率获取模块50得到清洁机器人的清洁速率。该装置在光伏电池板输出功率下降时，及时采用清洁机器人对光伏电池板进行清洁，防止光伏电池板出现热斑或局部烧毁的情况；保障了清洁机器人在风沙天气下不会高负载长时间工作，避免了清洁机器人出现故障，增加了清洁机器人的使用寿命，又可以有效的清理覆盖在光伏电池板表面的沙子。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，该方法包括以下步骤：

对所述光伏电池板的输出功率进行采样，得到输出功率序列，并获取所述输出功率序列的波动程度和局部输出功率的最大波动幅度；

根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；

当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；

采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；

根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。

2.根据权利要求1所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得输出功率受干扰程度的方法如下：

所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。

3.根据权利要求1所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述构建沙子堆积程度模型的方法如下：

将所述图像转换成HSV颜色模型；

对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；

对所述连通域进行分析获取所述连通域面积和所述连通域数量；

根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；

所述沙子堆积模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。

4.根据权利要求1所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得清洁机器人的清洁速率的方法包括：

根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系。

5.根据权利要求4所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得清洁机器人的清洁速率的方法包括：

根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系。

6.根据权利要求5所述的一种基于人工智能的清洁机器人清洁速率的调整方法，其特征在于，所述获得清洁机器人的清洁速率的方法包括：

根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。

7.一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，包括：

输出功率采样模块，用于对光伏电池板的输出功率进行采样，得到输出功率序列，并获取输出功率序列的波动程度和局部输出功率的最大波动幅度；

清沙判断模块，用于根据所述波动程度、所述最大波动幅度、所述输出功率序列的平均输出功率和最大输出功率、采样时间段内的平均光照强度和平均风速、输出功率最大时的光照强度获得输出功率受干扰程度，并设置程度阈值判断是否需要清沙；

清洁前堆积程度模块，用于当判断结果为需要清沙时，采集清洁机器人运动方向的光伏电池板表面的图像，并获取沙子的连通域，根据以连通域面积和连通域数量所构建的沙子堆积程度模型获得所述沙子清洁前的堆积程度；

清洁后堆积程度模块，用于采集所述清洁机器人运动方向反方向的光伏电池板表面的图像，并根据所述沙子堆积程度模型获取沙子清洁后的堆积程度；

清洁速率获取模块，用于根据所述输出功率受干扰程度、所述沙子清洁前的堆积程度、所述沙子清洁后的堆积程度、风向与清洁机器人清洁方向的夹角、所述清洁机器人的额定速率和所述平均风速获得所述清洁机器人的清洁速率。

8.根据权利要求7所述的一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，所述清沙判断模块包括：

输出功率受干扰程度单元，用于所述输出功率受干扰程度与风沙干扰系数、所述平均光照强度与所述输出功率最大时的光照强度之差的绝对值、所述平均输出功率与所述最大输出功率之差的平方、所述波动程度和所述最大波动幅度呈正相关关系；所述风沙干扰系数根据所述平均风速得到。

9.根据权利要求7所述的一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，所述清洁前堆积程度模块包括：

图像转换单元，用于将所述图像转换成HSV颜色模型；

连通域获取单元，用于对所述HSV颜色模型中的色相和饱和度进行阈值分割，获取所述沙子的连通域；

连通域分析单元，用于对所述连通域进行分析获取所述连通域面积和所述连通域数量；

模型构建单元，用于根据所述连通域面积和所述连通域数量构建所述沙子堆积程度模型；所述沙子堆积程度模型中的堆积程度与所述连通域面积和所述连通域数量的比值呈正相关关系。

10.根据权利要求7所述的一种基于人工智能的清洁机器人清洁速率的调整装置，其特征在于，所述清洁速率获取模块包括：

阻尼系数计算单元，用于根据阻尼系数得到所述清洁速率，所述阻尼系数与所述清洁速率呈正相关关系，与所述风沙干扰系数和所述夹角呈负相关关系；

影响程度计算单元，用于根据风沙对光伏电池板的影响程度得到所述清洁速率，所述风沙对光伏电池板的影响程度与所述清洁速率、所述输出功率受干扰程度呈正相关关系；

堆积程度比值单元，用于根据沙子清洁前后的堆积程度的比值得到所述清洁速率，所述清洁速率与所述沙子清洁前后的堆积程度的比值呈正相关关系。

Images