CN114715567A - 一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统 - Google Patents

一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统 Download PDF

Info

Publication number
CN114715567A
CN114715567A CN202210631817.3A CN202210631817A CN114715567A CN 114715567 A CN114715567 A CN 114715567A CN 202210631817 A CN202210631817 A CN 202210631817A CN 114715567 A CN114715567 A CN 114715567A
Authority
CN
China
Prior art keywords
garbage
dumping
dust
speed
humidity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210631817.3A
Other languages
English (en)
Other versions
CN114715567B (zh
Inventor
焦兴健
宋媛媛
宋宁宁
崔红光
张宝生
祝玉鲁
田国政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Shiweipu Environmental Protection Technology Co ltd
Original Assignee
Shandong Shiweipu Environmental Protection Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Shiweipu Environmental Protection Technology Co ltd filed Critical Shandong Shiweipu Environmental Protection Technology Co ltd
Priority to CN202210631817.3A priority Critical patent/CN114715567B/zh
Publication of CN114715567A publication Critical patent/CN114715567A/zh
Application granted granted Critical
Publication of CN114715567B publication Critical patent/CN114715567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F3/00—Vehicles particularly adapted for collecting refuse
    • B65F3/24—Vehicles particularly adapted for collecting refuse with devices for unloading the tank of a refuse vehicle
    • B65F3/26—Vehicles particularly adapted for collecting refuse with devices for unloading the tank of a refuse vehicle by tipping the tank
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65F—GATHERING OR REMOVAL OF DOMESTIC OR LIKE REFUSE
    • B65F3/00—Vehicles particularly adapted for collecting refuse
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
    • E01H1/08—Pneumatically dislodging or taking-up undesirable matter or small objects; Drying by heat only or by streams of gas; Cleaning by projecting abrasive particles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Architecture (AREA)
  • Refuse-Collection Vehicles (AREA)
  • Refuse Collection And Transfer (AREA)

Abstract

本发明涉及智能控制领域，具体涉及一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统，包括：获取倾倒垃圾任意时刻的倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围；利用倾倒垃圾任意时刻的倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量拟合垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量间的关系；利用倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围拟合尘土扩散速度与垃圾倾倒速度、垃圾湿度间的关系；利用所述两种关系构建目标函数及限制条件；利用优化后的烟花算法获取目标函数最优解：利用最优解对干式吸尘车倾泻垃圾的参数进行调控。上述方法用于吸尘车倾泻垃圾的智能调控，可实现倾泻速度快且尘土范围小。

Description

一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统
技术领域
本发明涉及智能控制领域，具体涉及一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统。
背景技术
随着社会经济的发展、人口的不断增加，垃圾产生量也越来增多，因而垃圾转运量也随之提高。而随着技术的不断发展，多功能型的垃圾转运车被广泛应用在日常生活中。其中干式吸尘车由于吸尘效率高等优势被广泛应用于道路清洁方面。
但是，干式吸尘车在清洁道路的过程中会包含很多尘土，因此这种吸尘车在垃圾倾倒时由于倾倒速度过快等原因容易造成尘土到处扩散，很大程度上影响了周围的环境。
因此亟需一种方法用于保证垃圾倾泻速度的同时降低倾泻垃圾时的尘土扩散范围，降低环境污染，实现对干式吸尘车的智能调控。
发明内容
本发明提供一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统，包括：获取倾倒垃圾任意时刻的倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围；利用倾倒垃圾任意时刻的倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量拟合垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量间的关系；利用倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围拟合尘土扩散速度与垃圾倾倒速度、垃圾湿度间的关系；利用所述两种关系构建目标函数及限制条件；利用优化后的烟花算法获取目标函数最优解：利用最优解对干式吸尘车倾泻垃圾的参数进行调控，相比于现有技术，本发明通过对吸尘车倾倒垃圾时尘土数据进行分析，得到倾倒垃圾时垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法求解目标函数的最优解，实现对垃圾倾倒的参数进行调控，本发明在保证垃圾倾倒速度的同时降低倾倒垃圾时的尘土扩散范围，降低环境污染，实现对干式吸尘车的智能调控。
为达到上述目的，本发明采用如下技术方案，一种干式吸尘车抑尘倾泻垃圾智能控制方法，包括：
S1：获取干式吸尘车倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围。
S2：构建目标函数及目标函数的限制条件：
S201：利用倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量拟合得到倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型。
S202：利用倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围拟合得到倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型。
S203：利用倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型和倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型构建目标函数及目标函数的限制条件。
S3：获取限制条件下目标函数的最优解：
S301：获取限制条件下目标函数的所有解，随机选取所有解中的若干解，利用烟花算法获得若干解在初始阶段的搜索结果。
S302：利用初始阶段在烟花算法中的综合搜索程度和初始阶段在烟花算法中各交汇点的评估指标计算得到初始阶段陷入局部最优的概率。
S303：利用初始阶段陷入局部最优的概率调整下一阶段的种群保留策略。
S304：按照下一阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，获得下一阶段的搜索结果。
S305：重复步骤S302-S304对下一阶段的搜索结果进行迭代筛选，直至收敛得到限制条件下目标函数的所有解中的最优解。
S4：利用最优解对干式吸尘车倾泻垃圾的参数进行调控。
进一步的，所述一种干式吸尘车抑尘倾泻垃圾智能控制方法，所述S1中干式吸尘车倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围是按照如下方式获取：
采集干式吸尘车准备倾倒垃圾时刻及倾倒垃圾任意时刻的尘土图像和深度图像。
利用干式吸尘车准备倾倒垃圾时刻的尘土图像对倾倒垃圾任意时刻的尘土图像中的像素进行标注处理，得到尘土图像训练集。
利用DNN网络对尘土图像数据集进行训练，得到尘土浓度图像。
设置阈值，将尘土浓度图像中像素值小于阈值的像素标记为0，大于阈值的像素标记为1，根据大于阈值的像素获取像素半径，进而获取倾倒垃圾任意时刻的尘土扩散范围。
获取倾倒垃圾任意时刻的车厢抬升角度。
利用湿度传感器获取干式吸尘车准备倾倒垃圾时刻及倾倒垃圾任意时刻的垃圾湿度和垃圾剩余量。
将相邻两时刻的深度图像中干式吸尘车的空余体积进行作差，得到该两时刻吸尘车内的垃圾体积变化，利用该垃圾体积变化获取倾倒垃圾任意时刻的垃圾倾倒速度。
进一步的，所述一种干式吸尘车抑尘倾泻垃圾智能控制方法，所述S201中倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型是按照如下方式得到：
设置一个三元多项式的n次多项式，将倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量代入该多项式方程中，利用最小二乘法拟合得到倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型。
进一步的，所述一种干式吸尘车抑尘倾泻垃圾智能控制方法，所述S202中倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型是按照如下方式得到：
设置一个二元多项式的n次多项式，将倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围代入该多项式方程中，利用最小二乘法拟合得到倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型。
进一步的，所述一种干式吸尘车抑尘倾泻垃圾智能控制方法，所述S203中目标函数及目标函数的限制条件的表达式如下：
目标函数
Figure 386503DEST_PATH_IMAGE001
：
Figure 62335DEST_PATH_IMAGE002
限制条件
Figure 644626DEST_PATH_IMAGE003
：
Figure 38698DEST_PATH_IMAGE004
Figure 997427DEST_PATH_IMAGE005
Figure 793345DEST_PATH_IMAGE006
Figure 812116DEST_PATH_IMAGE007
Figure 427905DEST_PATH_IMAGE008
式中，
Figure 924746DEST_PATH_IMAGE001
为目标函数，
Figure 575170DEST_PATH_IMAGE009
为倾倒垃圾过程中垃圾倾倒速度序列构成的垃圾倾倒速度向量，
Figure 499264DEST_PATH_IMAGE010
为垃圾倾倒过程中的垃圾倾倒速度向量的维度，
Figure 133507DEST_PATH_IMAGE011
为第i时刻垃圾倾倒速度，
Figure 168459DEST_PATH_IMAGE012
为第i时刻尘土扩散速度
Figure 938969DEST_PATH_IMAGE013
与垃圾倾倒速度
Figure 33964DEST_PATH_IMAGE011
之间的关系，
Figure 155504DEST_PATH_IMAGE014
为从垃圾倾倒初始到垃圾倾倒结束内所有离散的时刻，
Figure 728568DEST_PATH_IMAGE015
为可接受的最大尘土范围，
Figure 619163DEST_PATH_IMAGE016
为第i时刻车厢抬升角度
Figure 885060DEST_PATH_IMAGE017
与垃圾倾倒速度
Figure 228316DEST_PATH_IMAGE011
的关系，
Figure 864791DEST_PATH_IMAGE018
表示垃圾车厢的最大抬升角度，
Figure 344314DEST_PATH_IMAGE019
为第i-1时刻车厢抬升角度
Figure 46691DEST_PATH_IMAGE020
与垃圾倾倒速度
Figure 877243DEST_PATH_IMAGE021
的关系，
Figure 792110DEST_PATH_IMAGE022
’为第i时刻与第i-1时刻之间的时间间隔，
Figure 657298DEST_PATH_IMAGE023
为单位时间内垃圾车厢的最大调整角度，
Figure 264996DEST_PATH_IMAGE024
为垃圾车厢的总垃圾量。
进一步的，所述一种干式吸尘车抑尘倾泻垃圾智能控制方法，所述S302中初始阶段陷入局部最优的概率是按照如下方式得到：
获取限制条件下目标函数的所有解，随机选取所有解中的若干解，利用烟花算法获得若干解在初始阶段的搜索结果。
获取初始阶段每个爆炸搜索过程的所有烟花搜索序列，计算各烟花搜索序列的排列熵，将排列熵作为各烟花搜索序列的规则程度权重。
获取各烟花搜索序列的第一主成分方向，将该方向的单位向量作为各烟花搜索序列的搜索方向向量。
利用各烟花搜索序列的搜索方向向量和烟花个体的取值向量获取各烟花搜索序列的搜索方向直线，将两两烟花搜索序列的搜索方向直线的交点作为交汇点，获取交汇点集合。
将各交汇点对应的两烟花搜索序列的规则程度权重的均值作为各交汇点的规则程度权重，获取交汇点集合中每个交汇点的规则程度权重。
利用交汇点集合中任意两个交汇点之间的欧式距离和该两个交汇点的规则程度权重计算得到每个爆炸搜索过程交汇点的离散度。
利用每个爆炸搜索过程交汇点的离散度和交汇点集合中每个交汇点的规则程度权重计算得到每个爆炸搜索过程的搜索程度。
利用初始阶段每个爆炸搜索过程的搜索程度和该初始阶段包含的爆炸搜索过程的数量计算得到初始阶段的综合搜索程度。
计算历史数据中各控制参数的适应度值和初始阶段中各交汇点的适应度值，利用所述两种适应度值计算得到初始阶段中各交汇点的评估指标。
利用初始阶段的综合搜索程度和初始阶段中各交汇点的评估指标计算得到初始阶段陷入局部最优的概率。
进一步的，所述一种干式吸尘车抑尘倾泻垃圾智能控制方法，所述S303中利用初始阶段陷入局部最优的概率调整下一阶段的种群保留策略的过程具体如下：
设置陷入局部最优的概率较大阈值和较小阈值，对初始阶段陷入局部最优的概率进行判断：当初始阶段陷入局部最优的概率大于较小阈值且小于较大阈值时，则下一阶段按照初始阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选。
当初始阶段陷入局部最优的概率大于较大阈值时，则下一阶段不按照初始阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，需要保留离散度较大的交汇点所对应的烟花。
当目标阶段陷入局部最优的概率小于较小阈值时，则下一阶段不按照初始阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，需要保留离散度较小的交汇点所对应的烟花。
本发明还提供了一种干式吸尘车抑尘倾泻垃圾智能控制系统，包括采集单元、处理单元、计算单元和控制单元：
所述采集单元，利用相机采集倾倒垃圾时的尘土图像和深度图像，利用传感器采集倾倒垃圾时的垃圾湿度。
所述处理单元，计算机对采集单元采集到的尘土图像和深度图像进行处理，获取倾倒垃圾时的垃圾倾倒速度、车厢抬升角度、垃圾剩余量、尘土扩散范围。
所述计算单元，计算机利用采集单元采集的倾倒垃圾时的垃圾湿度和处理单元获取的倾倒垃圾时的垃圾倾倒速度、车厢抬升角度、垃圾剩余量、尘土扩散范围拟合垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法获取目标函数的最优解。
所述控制单元，计算机根据计算单元获取的目标函数的最优解对干式吸尘车倾泻垃圾的参数进行调控。
本发明的有益效果在于：
本发明通过对吸尘车倾倒垃圾时尘土数据进行分析，得到倾倒垃圾时垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法求解目标函数的最优解，实现对垃圾倾倒的参数进行调控，本发明在保证垃圾倾倒速度的同时降低倾倒垃圾时的尘土扩散范围，降低环境污染，实现对干式吸尘车的智能调控。
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，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地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种干式吸尘车抑尘倾泻垃圾智能控制方法流程示意图；
图2为本发明实施例2提供的一种干式吸尘车抑尘倾泻垃圾智能控制方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明实施例提供一种干式吸尘车抑尘倾泻垃圾智能控制方法，如图1所示，包括：
S1：获取干式吸尘车倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围。
其中，垃圾湿度是通过传感器采集得到。
S2：构建目标函数及目标函数的限制条件：
S201：利用倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量拟合得到倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型。
其中，垃圾湿度大时会导致垃圾摩擦力增大，因而垃圾的倾倒速度就会降低。
S202：利用倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围拟合得到倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型。
其中，垃圾湿度较大时，含水量较高导致尘土的重量增加，因而尘土扩散速度较慢。
S203：利用倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型和倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型构建目标函数及目标函数的限制条件。
其中，在满足限制条件时，需通过最优化求解算法求出最优的倾倒控制参数。
S3：获取限制条件下目标函数的最优解：
S301：获取限制条件下目标函数的所有解，随机选取所有解中的若干解，利用烟花算法获得若干解在初始阶段的搜索结果。
其中，初始阶段是搜索开始的第一个搜索阶段。
S302：利用初始阶段在烟花算法中的综合搜索程度和初始阶段在烟花算法中各交汇点的评估指标计算得到初始阶段陷入局部最优的概率。
其中，烟花算法是受到夜空中烟花爆炸的启发而提出的一种群体智能算法。
S303：利用初始阶段陷入局部最优的概率调整下一阶段的种群保留策略。
其中，设置阈值，对初始阶段陷入局部最优的概率进行判断实现对下一阶段的种群保留策略的调整。
S304：按照下一阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，获得下一阶段的搜索结果。
其中，烟花算法是一个迭代过程。
S305：重复步骤S302-S304对下一阶段的搜索结果进行迭代筛选，直至收敛得到限制条件下目标函数的所有解中的最优解。
其中，最优解就是最优控制参数。
S4：利用最优解对干式吸尘车倾泻垃圾的参数进行调控。
其中，最优倾倒垃圾控制参数可实现垃圾倾倒速度较快且尘土范围较小。
本实施例的有益效果在于：
本实施例通过对吸尘车倾倒垃圾时尘土数据进行分析，得到倾倒垃圾时垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法求解目标函数的最优解，实现对垃圾倾倒的参数进行调控，本实施例在保证垃圾倾倒速度的同时降低倾倒垃圾时的尘土扩散范围，降低环境污染，实现对干式吸尘车的智能调控。
实施例2
本发明实施例的主要目的是：通过对吸尘车倾倒垃圾时尘土数据进行分析，进而实现对吸尘车倾倒控制，从而实现将车辆倾倒时的高浓度尘土控制在一定范围内。
本发明实施例提供一种干式吸尘车抑尘倾泻垃圾智能控制方法，如图2所示，包括：
步骤1、采集数据。
本实施例通过分析吸尘车倾倒时的数据来实现对吸尘车倾倒调控，所以需先采集吸尘车倾倒时数据。
布置相机：在吸尘车车厢后盖下端固定两个摄像头，一个为普通相机，一个为深度相机。
采集图像：利用普通相机采集尘土图像，便于分析普通尘土的扩散速度。利用深度相机采集车厢里的垃圾图像，便于分析垃圾倾倒速度。
布置传感器：在车厢内壁上端安装湿度传感器，通过传感器来反映垃圾车所装垃圾的湿度情况。
获取倾倒角度数据：为了方便进行倾倒分析，需采集吸尘车倾倒时的车厢抬升角度数据。
获取数据：因为单次倾倒时数据较少，因而需在设备安装后采集一段时间垃圾倾倒时的数据，本实施例获取200次的倾倒数据。
步骤2、数据预处理。
1. 获取尘土浓度。
（1）获取吸尘车车厢后盖打开时，未倾倒时图像。由于此时垃圾还未倾倒，因而此时尘土还未从车厢里释放出来，因而将其作为基础图像。
（2）获取车辆倾倒时，不同时刻采集到的尘土图像。
（3）获取各像素的尘土浓度值。
将尘土图像进行标注处理，标签为各像素处的尘土浓度描述值，因而得到尘土图像的数据集。利用DNN网络对尘土图像数据集进行训练，该网络结构为Encoder-Decoder结构，网络的输入为尘土图像数据集，输出为尘土浓度图像，网络的损失函数为交叉熵损失函数。利用上述网络完成网络训练。将尘土图像输入到训练完成的网络中得到尘土浓度图像。
2. 获取尘土范围。分析尘土浓度图像，将像素值小于设定阈值
Figure 317266DEST_PATH_IMAGE025
的像素置0，将像素值大于设定阈值
Figure 301403DEST_PATH_IMAGE025
的像素置1。进而就会得到大于设定浓度的像素半径，该像素半径记为尘土范围。
3. 获取标准尘土范围。由于要保障尘土范围控制在一定范围内，应该给其设定可容忍的最大尘土范围。
4. 计算垃圾倾倒速度。通过分析相邻两个时刻吸尘车厢内垃圾的量来计算垃圾倾倒速度，具体为：
利用相邻两时刻深度图像中吸尘车的空余体积做差，得到两个时刻吸尘车内的体积变化，进而得到垃圾的倾倒速度。
至此，通过布置相机和传感器采集数据，并对数据进行预处理得到想要的数据。
步骤3、拟合垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系。
为了满足车辆倾倒垃圾尽可能快同时尘土还应控制在一定范围内，因而需得获取尘土的扩散范围与车辆倾斜角度控制关系，然而这两个之间没有直接关系。然而尘土的扩散范围与尘土扩散速度有关，而尘土扩散速度与垃圾倾倒速度、垃圾湿度有关。垃圾倾倒速度又与垃圾湿度、车厢抬升角度、垃圾剩余量有关。因而通过此可以得到这些数据的关系模型。根据关系模型得到倾倒角度尽可能大时该垃圾车的倾倒方案。
由于垃圾的倾倒速度与垃圾的粘度（垃圾的湿度）有关，垃圾粘度大时会导致垃圾摩擦力增大，因而垃圾的倾倒速度就会降低。垃圾的倾倒速度还与垃圾的剩余量有关，由于在斜坡下方的垃圾会有斜坡上方垃圾的推力，导致斜坡下方的垃圾在同倾斜角度下比斜坡上方的垃圾的倾倒速度更快。同时垃圾的倾倒速度与车厢的抬升角度有关，车厢抬升较大时垃圾的重力在斜坡方向的分量更大，进而车厢抬升角度越大时垃圾的倾倒速度也会更大。因而垃圾倾倒速度与垃圾的湿度、车厢抬升角度、垃圾剩余量有关。因而可以拟合出这几个变量的关系。
设置一个三元多项式的n次多项式，并将前面获取的各变量取值代入到该多项式方程中，利用最小二乘法拟合出该多项式的常量参数。通过该方程式即可拟合出垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型。
步骤4、拟合尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系。
由于尘土扩散速度与垃圾湿度有关，垃圾湿度较大时，含水量较高导致尘土的重量增加，因而尘土扩散速度较慢。尘土扩散速度与垃圾倾倒速度有关，当垃圾倾倒速度较快时，从源头处释放的尘土量增加而尘土向外传播的速度一定时，将会导致高浓度尘土半径向外增加，因而尘土的扩散速度也会增加。
设置一个二元多项式的n次多项式，并将前面获取的各变量取值代入到该多项式方程中，利用最小二乘法拟合出该多项式的常量参数。通过该方程式即可拟合出尘土扩散速度与垃圾倾倒速度、垃圾湿度的关系之间模型。
步骤5、构建垃圾倾倒数据模型。
由于各时刻垃圾倾倒速度的设置应保障各时刻尘土范围小于设定范围内，并且使总的倾倒速度较大，这样既可满足垃圾倾倒尽可能快同时还能达到抑尘效果。同时还应满足车厢的抬升角度应该达到实际的抬升角度范围内，并且相邻两时刻的车厢的抬升角度变化应该在实际能达到的抬升角度调整范围内。基于上述关系设置数学模型。
目标函数
Figure 755518DEST_PATH_IMAGE001
：
Figure 799697DEST_PATH_IMAGE002
限制条件
Figure 339263DEST_PATH_IMAGE026
Figure 127090DEST_PATH_IMAGE004
Figure 435712DEST_PATH_IMAGE027
Figure 650792DEST_PATH_IMAGE028
Figure 412075DEST_PATH_IMAGE007
Figure 3593DEST_PATH_IMAGE008
式中
Figure 166722DEST_PATH_IMAGE009
表示倾倒过程中倾倒速度序列构成的倾倒速度向量，例如需要10秒完成倾倒，因而倾倒过程中倾倒速度向量为
Figure 287124DEST_PATH_IMAGE029
。
Figure 66861DEST_PATH_IMAGE010
表示倾倒过程中的倾倒速度向量的维度，
Figure 930912DEST_PATH_IMAGE011
表示第i时刻垃圾倾倒速度。
Figure 948547DEST_PATH_IMAGE012
表示尘土扩散速度
Figure 771009DEST_PATH_IMAGE013
与垃圾倾倒速度之间的关系，该关系模型可根据上述拟合的数学方程式反应，其中该数学方程式中尘土扩散速度与垃圾倾倒速度和垃圾湿度有关，而垃圾湿度直接通过传感器就可以采集到需要倾倒的垃圾的湿度指标，因而当尘土范围限制在上述范围内时其很容易得到垃圾倾倒速度范围。
Figure 506884DEST_PATH_IMAGE014
表示从垃圾倾倒初始到垃圾倾倒结束内所有离散的时刻度。本实施例由于从垃圾倾倒初始到垃圾倾倒结束这里面的时间为连续的，为了方便研究以1s为时间间隔将该时间段划分成若干个离散时刻。
Figure 174626DEST_PATH_IMAGE015
表示可接受的最大尘土范围。该值在步骤202中已得到，
Figure 577925DEST_PATH_IMAGE030
通过该式反映各时刻的尘土范围应该在可接受的最大尘土范围内。
Figure 305710DEST_PATH_IMAGE016
表示第i时刻垃圾箱的抬升角度
Figure 263302DEST_PATH_IMAGE017
与垃圾倾倒速度的关系，该关系可根据上述拟合的数学方程式反应，其中该数学方程式中垃圾车厢的抬升角度与垃圾倾倒速度、垃圾湿度、垃圾剩余量有关。其中垃圾湿度可以获取，垃圾剩余量可以通过第i个时刻的深度图像与垃圾倾倒完成后深度图像相减得到第i时刻的垃圾剩余量。而垃圾总量可以测得，因而当垃圾车厢抬升角度范围，可以推出垃圾倾倒速度取值范围。
Figure 314DEST_PATH_IMAGE018
表示垃圾车厢的最大抬升角度,
Figure 992540DEST_PATH_IMAGE023
表示单位时间内垃圾车厢的最大调整角度。
Figure 625647DEST_PATH_IMAGE022
’表示第i时刻与第i-1时刻之间的时间间隔。
Figure 601693DEST_PATH_IMAGE031
表示单位时间内的垃圾车厢的调整角度。
Figure 876817DEST_PATH_IMAGE024
表示垃圾车的总垃圾量，这个在倾倒之前可以测得。
通过上述过程构建垃圾倾倒数据模型。在满足上述约束条件时，需通过最优化求解算法求出最优的倾倒控制参数序列。
步骤6、通过数学模型求解得到最优倾倒控制参数。
在求解最优倾倒控制参数时，可利用现常规的最优化求解算法来进行参数求解，（本实施例采用烟花算法来求解）然而常规的最优化求解算法容易陷入局部最优，因而下面通过优化求解算法求出最优的控制参数序列。
通过烟花算法进行最优化求解时容易出现过搜索或陷入局部最优。为了解决该问题，而造成上述问题的原因为整个搜索过程的探索程度，当搜索过程中探索程度较小，就会很容易陷入局部最优，当搜索过程中探索程度较大就会出现过搜索，造成不易收敛，收敛效率低。同时在进行局部最优判定时可以结合一些历史倾倒数据来进行判定，当搜索过程中收敛点均大于历史倾倒数据控制效果，则该收敛数据的倾倒控制效果为局部最优的可能性较小。因而基于此来计算出当前搜索机制下的陷入局部最优的可能性。
1.计算规则权重。
为了分析各个体的搜索趋势，需分析各个体的搜索呈现趋势的程度，即该个体呈现规则的趋势变化。当该个体的搜索趋势性越大说明该个体序列预测方向可能性越大，因而基于该趋势方向得到所有个体的单点交汇程度越准确。因而需先计算各个体的规则程度。
（1）获取烟花搜索序列：获取当前阶段各个体的所有的父辈烟花个体，并将该个体与其对应的所有的父辈烟花个体组成烟花搜索序列。
（2）计算各烟花搜索序列的搜索规则程度：烟花搜索序列的规则程度越大，该烟花序列的排列熵越小，因而计算各烟花搜索序列的排列熵作为各烟花搜索序列的规则程度权重。
2. 计算搜索的探索程度。
（1）计算各烟花搜索序列的搜索方向向量。
各烟花搜索序列的搜索方向可以通过各烟花搜索序列的主成分方向来反映，因而可以通过各烟花搜索序列的特征值最大的第一主成分方向，将该方向的单位向量作为各烟花搜索序列的搜索方向向量。
（2）计算交汇点的离散程度。
利用搜索方向向量和当前个体的值计算出各烟花搜索序列的搜索方向直线，通过两两烟花搜索序列的搜索方向直线得到两搜索方向直线的交汇点。将两烟花搜索序列的规则程度权重求均值得到两烟花搜索序列直线交汇点的规则程度权重
Figure 723550DEST_PATH_IMAGE032
。
Figure 58716DEST_PATH_IMAGE033
式中
Figure 990900DEST_PATH_IMAGE034
分别表示第i个、第j个交汇点，
Figure 804136DEST_PATH_IMAGE035
表示第i个与第j个交汇点之间的欧式距离。该值越大说明搜索方向的交汇程度越大。
Figure 36534DEST_PATH_IMAGE036
分别表示第i个交汇点和第j个交汇点的规则程度权重，该值越大说明该预估出的交汇点的准确性越大，因而通过该交汇点计算出的交汇点的交汇程度越准确。
Figure 11443DEST_PATH_IMAGE037
表示交汇点集合。
Figure 962081DEST_PATH_IMAGE038
表示当前搜索机制下的交汇点的离散度。
（3）计算当前阶段的探索程度T。
Figure 313428DEST_PATH_IMAGE039
式中
Figure 400333DEST_PATH_IMAGE040
表示第s个交汇点的规则程度权重，该值越大说明该烟花搜索序列的趋势性越大，说明新烟花进行一些无规则的探索，因而搜索机制下的探索性也越大。
Figure 540284DEST_PATH_IMAGE038
表示当前搜索机制下的交汇点的离散度，该值越大说明该搜索机制下搜索线路都朝一个点的交汇程度越差，即该搜索机制下的多向探索程度越大。S表示交汇点集合中的交汇点数量。
3.计算综合搜索程度。
由于前面只是说明了搜索探索性，并不能完全说明探索性差时陷入局部最优的可能性大，例如经过一系列搜索也会收敛于最优解，这时搜索探索性也不大，此时不能说明该情况下搜索探索性小就表示陷入局部最优的概率就大，因而需分析从搜索开始到当前阶段的探索性情况，当从开始搜索到当前阶段的经过了复杂的探索性，此时陷入局部最优的可能性较小，而当从开始搜索到当前阶段探索性都较差，此时陷入局部最优的可能性较大，因而需基于此计算当前阶段整个探索过程的综合探索程度：
Figure 447060DEST_PATH_IMAGE041
式中
Figure 867677DEST_PATH_IMAGE042
表示从初始搜索开始到当前阶段为止各爆炸过程的探索值，
Figure 543509DEST_PATH_IMAGE043
表示从初始搜索开始到当前阶段为止所经过爆炸过程的个数，
Figure 391380DEST_PATH_IMAGE044
表示从初始搜索开始到当前阶段为止爆炸过程探索值大于阈值的探索值的个数，该值越大说明存在截至到当前阶段止经过一些复杂的探索，因而截至到当前阶段的综合探索程度越大。
Figure 785452DEST_PATH_IMAGE045
表示从初始搜索截至到当前阶段整个搜索过程的综合探索程度。
4. 陷入局部最优的概率。
虽然在最优解求解过程综合探索程度已求解出来，但是还没有分析当前交汇点的适应度值，若当前交汇点的适应度值均比采集点的适应度值大时，此时陷入局部最优解的可能性也较小，因而需结合当前已有的采集点对交汇点的评估结果来计算陷入局部最优的概率：
（1）计算评估指标。
获取一些历史数据中的倾倒控制参数，计算各倾倒参数的适应度值。
从初始搜索截至到当前阶段所有交汇点的评估值：
Figure 744181DEST_PATH_IMAGE046
式中
Figure 540098DEST_PATH_IMAGE047
表示从初始搜索截至到当前阶段第i个交汇点的适应度值，
Figure 293291DEST_PATH_IMAGE048
表示在历史数据中第j个控制参数数据的适应度值，
Figure 174659DEST_PATH_IMAGE049
表示交汇点中适应度最大值与第j个控制参数数据的适应度值的差值，该式是为了判断最优交汇点是否大于已采集数据的适应度值，当最优交汇点均已大于现有采集的数据参数的适应度值时陷入局部最优的概率较小。
Figure 671499DEST_PATH_IMAGE050
表示从初始搜索截至到当前阶段搜索机制下各搜索线路下交汇点的评估指标。
Figure 321924DEST_PATH_IMAGE051
表示历史数据的数量。
Figure 511597DEST_PATH_IMAGE052
表示从初始搜索截至到当前阶段交汇点集合。
（2）计算陷入局部最优的概率
Figure 880261DEST_PATH_IMAGE053
。
Figure 180792DEST_PATH_IMAGE054
式中
Figure 685723DEST_PATH_IMAGE050
表示从初始搜索截至到当前阶段搜索机制下各搜索线路下交汇点的评估指标，该值越大说明按当前搜索机制下搜索线路交汇点的适应度值越大，该值越大说明该搜索机制下搜索线路趋向于全局最优的概率较大，因而陷入全局最优的概率较小，
Figure 46297DEST_PATH_IMAGE045
表示从初始搜索截至到当前阶段整个搜索过程的综合探索程度。该值越大说明从初始搜索截至到当前阶段所有搜索阶段的综合探索程度越大，因而陷入局部最优的可能性较小。
5.通过陷入局部最优的概率调整选择策略。
（1）当
Figure 636679DEST_PATH_IMAGE055
说明当前搜索机制下陷入局部最优的概率适当，需保持原有的搜索机制，即利用各个体的适应度值按原种群保留策略进行选择保留。
（2）当
Figure 740901DEST_PATH_IMAGE056
说明当前搜索机制下陷入局部最优的概率较大，需调整原有的种群保留策略，保留一些离散度较大的交汇点所对应的个体，具体如下：
计算保留概率：
Figure 365917DEST_PATH_IMAGE057
式中
Figure 897393DEST_PATH_IMAGE058
表示第k个个体对应的交汇点的离散度,该值通过第k交汇点与其他各点的欧式距离均值来反映，
Figure 975070DEST_PATH_IMAGE059
表示第k个个体的适应度值。
Figure 617404DEST_PATH_IMAGE060
表示第k个个体的保留概率。
基于各个体的种群保留概率按原始种群保留机制来进行选择保留。
（2）当
Figure 96927DEST_PATH_IMAGE061
，求解出的当前搜索机制下陷入局部最优的概率较小时说明此探索性较大需增加收敛性特征，因而需调整种群保留策略，减少一些离散度较大个体的保留，具体如下：
计算保留概率：
Figure 799304DEST_PATH_IMAGE062
基于各个体的种群保留概率按原始种群保留机制来进行选择保留。
通过上述过程不断调整搜索求解，直至收敛得到最优解，该最优解即为最优控制参数序列。
上述搜索机制收敛性判定是分阶段进行，因而此处需解释下搜索阶段分割方法，以10个爆炸搜索过程作为一个搜索阶段，搜索阶段内保持一种搜索机制进行。其中前10个搜索阶段按原有的搜索机制进行。从11个搜索阶段开始才进行搜索调整。将从搜索开始的10个爆炸搜索过程作为初始搜索阶段。
得到各时刻倾倒速度后，通过拟合的数学方程式，得到各时刻的垃圾车抬升角度，各时刻尘土扩散速度值。因而通过该方案来控制垃圾倾倒。
至此，通过分析垃圾倾倒时关系得到垃圾倾倒数学模型，通过分析探索局部最优的可能性来调控搜索求解过程从而来计算出准确的最优控制策略。
步骤7、对干式吸尘车倾倒垃圾进行智能调控。
利用符合实际的控制方案进行控制车厢抬升角度，实现垃圾倾倒智能调控。
本实施例的有益效果在于：
本实施例通过对吸尘车倾倒垃圾时尘土数据进行分析，得到倾倒垃圾时垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法求解目标函数的最优解，实现对垃圾倾倒的参数进行调控，本实施例在保证垃圾倾倒速度的同时降低倾倒垃圾时的尘土扩散范围，降低环境污染，实现对干式吸尘车的智能调控。
实施例3
本发明实施例提供一种干式吸尘车抑尘倾泻垃圾智能控制系统，包括采集单元、处理单元、计算单元和控制单元：
所述采集单元，利用普通相机采集倾倒垃圾时的尘土图像，利用深度相机采集倾倒垃圾时的深度图像，利用传感器采集倾倒垃圾时的垃圾湿度；
所述处理单元，计算机利用采集单元采集到的尘土图像获取倾倒垃圾时的尘土扩散范围，利用深度图像获取垃圾倾倒速度和垃圾剩余量，并且记录每次倾倒垃圾的车厢抬升角度；
所述计算单元，计算机利用采集单元采集的倾倒垃圾时的垃圾湿度和处理单元获取的倾倒垃圾时的垃圾倾倒速度、车厢抬升角度、垃圾剩余量、尘土扩散范围拟合垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法获取目标函数的最优解；
所述控制单元，计算机根据计算单元获取的目标函数的最优解得到最优控制参数，利用最优控制参数对干式吸尘车倾泻垃圾的参数进行调控。
本实施例的有益效果在于：
本实施例通过对吸尘车倾倒垃圾时尘土数据进行分析，得到倾倒垃圾时垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法求解目标函数的最优解，实现对垃圾倾倒的参数进行调控，本实施例在保证垃圾倾倒速度的同时降低倾倒垃圾时的尘土扩散范围，降低环境污染，实现对干式吸尘车的智能调控。
以上所述仅为本发明的较佳实施例而已，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 (8)

1.一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，包括：
S1：获取干式吸尘车倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围；
S2：构建目标函数及目标函数的限制条件：
S201：利用倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量拟合得到倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型；
S202：利用倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围拟合得到倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型；
S203：利用倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型和倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型构建目标函数及目标函数的限制条件；
S3：获取限制条件下目标函数的最优解：
S301：获取限制条件下目标函数的所有解，随机选取所有解中的若干解，利用烟花算法获得若干解在初始阶段的搜索结果；
S302：利用初始阶段在烟花算法中的综合搜索程度和初始阶段在烟花算法中各交汇点的评估指标计算得到初始阶段陷入局部最优的概率；
S303：利用初始阶段陷入局部最优的概率调整下一阶段的种群保留策略；
S304：按照下一阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，获得下一阶段的搜索结果；
S305：重复步骤S302-S304对下一阶段的搜索结果进行迭代筛选，直至收敛得到限制条件下目标函数的所有解中的最优解；
S4：利用最优解对干式吸尘车倾泻垃圾的参数进行调控。
2.根据权利要求1所述的一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，所述S1中干式吸尘车倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量、尘土扩散范围是按照如下方式获取：
采集干式吸尘车准备倾倒垃圾时刻及倾倒垃圾任意时刻的尘土图像和深度图像；
利用干式吸尘车准备倾倒垃圾时刻的尘土图像对倾倒垃圾任意时刻的尘土图像中的像素进行标注处理，得到尘土图像训练集；
利用DNN网络对尘土图像数据集进行训练，得到尘土浓度图像；
设置阈值，将尘土浓度图像中像素值小于阈值的像素标记为0，大于阈值的像素标记为1，根据大于阈值的像素获取像素半径，进而获取倾倒垃圾任意时刻的尘土扩散范围；
获取倾倒垃圾任意时刻的车厢抬升角度；
利用湿度传感器获取干式吸尘车准备倾倒垃圾时刻及倾倒垃圾任意时刻的垃圾湿度和垃圾剩余量；
将相邻两时刻的深度图像中干式吸尘车的空余体积进行作差，得到该两时刻吸尘车内的垃圾体积变化，利用该垃圾体积变化获取倾倒垃圾任意时刻的垃圾倾倒速度。
3.根据权利要求1所述的一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，所述S201中倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型是按照如下方式得到：
设置一个三元多项式的n次多项式，将倾倒垃圾任意时刻的垃圾倾倒速度、车厢抬升角度、垃圾湿度、垃圾剩余量代入该多项式方程中，利用最小二乘法拟合得到倾倒垃圾任意时刻的垃圾倾倒速度与该时刻车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系模型。
4.根据权利要求1所述的一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，所述S202中倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型是按照如下方式得到：
设置一个二元多项式的n次多项式，将倾倒垃圾任意时刻的垃圾倾倒速度、垃圾湿度、尘土扩散范围代入该多项式方程中，利用最小二乘法拟合得到倾倒垃圾任意时刻的尘土扩散速度与该时刻垃圾倾倒速度、垃圾湿度之间的关系模型。
5.根据权利要求1所述的一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，所述S203中目标函数及目标函数的限制条件的表达式如下：
目标函数
Figure 145146DEST_PATH_IMAGE001
：
Figure 981384DEST_PATH_IMAGE002
限制条件
Figure 643309DEST_PATH_IMAGE003
：
Figure 313325DEST_PATH_IMAGE004
Figure 896753DEST_PATH_IMAGE005
Figure 943206DEST_PATH_IMAGE006
Figure 194059DEST_PATH_IMAGE007
Figure 34976DEST_PATH_IMAGE008
式中，
Figure 105700DEST_PATH_IMAGE001
为目标函数，
Figure 690265DEST_PATH_IMAGE009
为倾倒垃圾过程中垃圾倾倒速度序列构成的垃圾倾倒速度向量，
Figure 795625DEST_PATH_IMAGE010
为垃圾倾倒过程中的垃圾倾倒速度向量的维度，
Figure 807443DEST_PATH_IMAGE011
为第i时刻垃圾倾倒速度，
Figure 631043DEST_PATH_IMAGE012
为第i时刻尘土扩散速度
Figure 471828DEST_PATH_IMAGE013
与垃圾倾倒速度
Figure 697273DEST_PATH_IMAGE011
之间的关系，
Figure 879993DEST_PATH_IMAGE014
为从垃圾倾倒初始到垃圾倾倒结束内所有离散的时刻，
Figure 190889DEST_PATH_IMAGE015
为可接受的最大尘土范围，
Figure 851677DEST_PATH_IMAGE016
为第i时刻车厢抬升角度
Figure 197208DEST_PATH_IMAGE017
与垃圾倾倒速度
Figure 550829DEST_PATH_IMAGE011
的关系，
Figure 349021DEST_PATH_IMAGE018
表示垃圾车厢的最大抬升角度，
Figure 831078DEST_PATH_IMAGE019
为第i-1时刻车厢抬升角度
Figure 31115DEST_PATH_IMAGE020
与垃圾倾倒速度
Figure 290058DEST_PATH_IMAGE021
的关系，
Figure 575546DEST_PATH_IMAGE022
’为第i时刻与第i-1时刻之间的时间间隔，
Figure 843716DEST_PATH_IMAGE023
为单位时间内垃圾车厢的最大调整角度，
Figure 898260DEST_PATH_IMAGE024
为垃圾车厢的总垃圾量。
6.根据权利要求1所述的一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，所述S302中初始阶段陷入局部最优的概率是按照如下方式得到：
获取限制条件下目标函数的所有解，随机选取所有解中的若干解，利用烟花算法获得若干解在初始阶段的搜索结果；
获取初始阶段每个爆炸搜索过程的所有烟花搜索序列，计算各烟花搜索序列的排列熵，将排列熵作为各烟花搜索序列的规则程度权重；
获取各烟花搜索序列的第一主成分方向，将该方向的单位向量作为各烟花搜索序列的搜索方向向量；
利用各烟花搜索序列的搜索方向向量和烟花个体的取值向量获取各烟花搜索序列的搜索方向直线，将两两烟花搜索序列的搜索方向直线的交点作为交汇点，获取交汇点集合；
将各交汇点对应的两烟花搜索序列的规则程度权重的均值作为各交汇点的规则程度权重，获取交汇点集合中每个交汇点的规则程度权重；
利用交汇点集合中任意两个交汇点之间的欧式距离和该两个交汇点的规则程度权重计算得到每个爆炸搜索过程交汇点的离散度；
利用每个爆炸搜索过程交汇点的离散度和交汇点集合中每个交汇点的规则程度权重计算得到每个爆炸搜索过程的搜索程度；
利用初始阶段每个爆炸搜索过程的搜索程度和该初始阶段包含的爆炸搜索过程的数量计算得到初始阶段的综合搜索程度；
计算历史数据中各控制参数的适应度值和初始阶段中各交汇点的适应度值，利用所述两种适应度值计算得到初始阶段中各交汇点的评估指标；
利用初始阶段的综合搜索程度和初始阶段中各交汇点的评估指标计算得到初始阶段陷入局部最优的概率。
7.根据权利要求1所述的一种干式吸尘车抑尘倾泻垃圾智能控制方法，其特征在于，所述S303中利用初始阶段陷入局部最优的概率调整下一阶段的种群保留策略的过程具体如下：
设置陷入局部最优的概率较大阈值和较小阈值，对初始阶段陷入局部最优的概率进行判断：当初始阶段陷入局部最优的概率大于较小阈值且小于较大阈值时，则下一阶段按照初始阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选；
当初始阶段陷入局部最优的概率大于较大阈值时，则下一阶段不按照初始阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，需要保留离散度较大的交汇点所对应的烟花；
当目标阶段陷入局部最优的概率小于较小阈值时，则下一阶段不按照初始阶段的种群保留策略对若干解在初始阶段的搜索结果进行筛选，需要保留离散度较小的交汇点所对应的烟花。
8.一种干式吸尘车抑尘倾泻垃圾智能控制系统，其特征在于，包括采集单元、处理单元、计算单元和控制单元：
所述采集单元，利用相机采集倾倒垃圾时的尘土图像和深度图像，利用传感器采集倾倒垃圾时的垃圾湿度；
所述处理单元，计算机对采集单元采集到的尘土图像和深度图像进行处理，获取倾倒垃圾时的垃圾倾倒速度、车厢抬升角度、垃圾剩余量、尘土扩散范围；
所述计算单元，计算机利用采集单元采集的倾倒垃圾时的垃圾湿度和处理单元获取的倾倒垃圾时的垃圾倾倒速度、车厢抬升角度、垃圾剩余量、尘土扩散范围拟合垃圾倾倒速度与车厢抬升角度、垃圾湿度、垃圾剩余量之间的关系和尘土扩散速度与垃圾倾倒速度、垃圾湿度之间的关系，利用所述两种关系构建目标函数，利用优化后的烟花算法获取目标函数的最优解；
所述控制单元，计算机根据计算单元获取的目标函数的最优解对干式吸尘车倾泻垃圾的参数进行调控。
CN202210631817.3A 2022-06-07 2022-06-07 一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统 Active CN114715567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210631817.3A CN114715567B (zh) 2022-06-07 2022-06-07 一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210631817.3A CN114715567B (zh) 2022-06-07 2022-06-07 一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统

Publications (2)

Publication Number Publication Date
CN114715567A true CN114715567A (zh) 2022-07-08
CN114715567B CN114715567B (zh) 2022-08-23

Family

ID=82232684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210631817.3A Active CN114715567B (zh) 2022-06-07 2022-06-07 一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN114715567B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117806260A (zh) * 2024-02-29 2024-04-02 哈尔滨恒达交通设备技术开发有限公司 一种基于大数据的智能物料控制监控方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5007786A (en) * 1988-12-08 1991-04-16 Sunbelt Automated Systems, Inc. Refuse collection system, refuse collection truck and loader assembly therefor
CN207158072U (zh) * 2017-09-26 2018-03-30 深圳华云智能装备科技有限公司 一种垃圾卸货车间
CN207828865U (zh) * 2017-12-04 2018-09-07 西安品质信息科技有限公司 一种无尘车间用垃圾车
CN111099218A (zh) * 2019-12-18 2020-05-05 深圳拓邦股份有限公司 清洁设备垃圾箱容量的检测方法和清洁设备
CN112320171A (zh) * 2020-11-30 2021-02-05 浙江金实乐环境工程有限公司 一种翻转角度可调节的垃圾转运车
CN112938250A (zh) * 2021-01-13 2021-06-11 北京轩昂环保科技股份有限公司 一种带有机械手的可分类垃圾车
CN214651020U (zh) * 2020-12-22 2021-11-09 扬州五环龙电动车有限公司 一种环卫车用可倾倒式垃圾储存车厢

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5007786A (en) * 1988-12-08 1991-04-16 Sunbelt Automated Systems, Inc. Refuse collection system, refuse collection truck and loader assembly therefor
CN207158072U (zh) * 2017-09-26 2018-03-30 深圳华云智能装备科技有限公司 一种垃圾卸货车间
CN207828865U (zh) * 2017-12-04 2018-09-07 西安品质信息科技有限公司 一种无尘车间用垃圾车
CN111099218A (zh) * 2019-12-18 2020-05-05 深圳拓邦股份有限公司 清洁设备垃圾箱容量的检测方法和清洁设备
CN112320171A (zh) * 2020-11-30 2021-02-05 浙江金实乐环境工程有限公司 一种翻转角度可调节的垃圾转运车
CN214651020U (zh) * 2020-12-22 2021-11-09 扬州五环龙电动车有限公司 一种环卫车用可倾倒式垃圾储存车厢
CN112938250A (zh) * 2021-01-13 2021-06-11 北京轩昂环保科技股份有限公司 一种带有机械手的可分类垃圾车

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117806260A (zh) * 2024-02-29 2024-04-02 哈尔滨恒达交通设备技术开发有限公司 一种基于大数据的智能物料控制监控方法和系统
CN117806260B (zh) * 2024-02-29 2024-05-14 哈尔滨恒达交通设备技术开发有限公司 一种基于大数据的智能物料控制监控方法和系统

Also Published As

Publication number Publication date
CN114715567B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN110415516B (zh) 基于图卷积神经网络的城市交通流预测方法及介质
CN114715567B (zh) 一种干式吸尘车抑尘倾泻垃圾智能控制方法及系统
CN111612002A (zh) 一种基于神经网络的多目标物体运动追踪方法
CN111770886B (zh) 信息处理装置、信息处理方法、以及存储介质
CN109801297B (zh) 一种基于卷积实现的图像全景分割预测优化方法
CN102096978A (zh) 光电式感烟探测器
CN107449874A (zh) 一种基于传感器的有机废物处理设施恶臭监测系统
CN112560576B (zh) 一种ai识图的垃圾分类与智能回收方法
CN113486764A (zh) 一种基于改进的YOLOv3的坑洼检测方法
CN106777093A (zh) 基于空间时序数据流应用的Skyline查询系统
CN107480643A (zh) 一种智能垃圾分类处理的机器人
CN101651824B (zh) 移动物体监视装置
CN113516319B (zh) 基于人工智能和大数据的垃圾车路线优化方法及系统
CN112591333A (zh) 基于人工智能的自动垃圾分类装置及方法
CN109165771A (zh) 一种基于gis网络分析的农村垃圾深埋桶布局优化方法
CN105139374A (zh) 一种输电线路跟踪方法及系统
CN107878958B (zh) 一种基于互联网+的智能垃圾桶
CN111217062A (zh) 一种基于边缘计算和深度学习的垃圾箱垃圾识别方法
CN1361744A (zh) 基于自动预测的真空垃圾收集系统的控制
CN112307674B (zh) 低空目标知识辅助智能电磁感知方法、系统及存储介质
CN114067225A (zh) 一种无人机小目标检测方法、系统及可存储介质
CN114283387B (zh) 一种垃圾点保洁工单智能生成方法、装置及相关介质
CN112620165B (zh) 垃圾分类方法
Haryono et al. Accuracy in Object Detection based on Image Processing at the Implementation of Motorbike Parking on the Street
CN115436371A (zh) 基于多源信息融合的Autoformer烧结矿FeO含量软测量方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant