The invention discloses an intelligent charge field management system based on CNN convolution neural network. The utility model relates to the technical field of electric field monitoring and management, which is convenient for effective monitoring and management of charging field. Including micro-control unit, communication module, charging field management platform, charger set in charging field for new energy vehicles and camera set in charging field; communication module, charger control terminal and camera control terminal are connected with micro-control unit respectively; micro-control unit is connected with charging field management platform through communication module; charging field management level CNN convolution neural network module is installed on the platform, which can process the pictures taken by the camera; each charging parking space in the charging field is separately equipped with a charging parking board for charging new energy vehicles; under each charging parking board are separately equipped with a board pressure sensor, and each board pressure sensor is independently bound with a board address encoder.
【技术实现步骤摘要】
基于CNN卷积神经网络的充电场智能管理系统
专利技术涉及充电场监控管理
，具体涉及基于CNN卷积神经网络的充电场智能管理系统。
技术介绍
近几年来新能源汽车发展迅速，新能源汽车在使用过程中都需要在充电场内进行充电，因此对充电场监控管理成为了发展新能源汽车的重要内容。目前还没有对充电场进行有效监控管理，因此设计一种便于对充电场进行监控管口的充电场智能管理系统显得非常必要。
技术实现思路
专利技术是为了解决现有充电场存在的上述不足，提供一种便于对充电场进行有效监控管理，人性化程度高，集可靠性好的基于CNN卷积神经网络的充电场智能管理系统。为了实现上述目的，专利技术采用以下技术方案：基于CNN卷积神经网络的充电场智能管理系统，包括微控制单元、通信模块、充电场管理平台、设置在充电场能为新能源汽车充电的充电机和设置在充电场的摄像头；通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接；微控制单元通过通信模块与充电场管理平台通信连接；在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块；在充电场的每个充电停车位处都分别独立设有供新能源汽车停...
【技术保护点】
1.基于CNN卷积神经网络的充电场智能管理系统，包括微控制单元、通信模块、充电场管理平台、设置在充电场能为新能源汽车充电的充电机和设置在充电场的摄像头；通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接；微控制单元通过通信模块与充电场管理平台通信连接；其特征在于，在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块；在充电场的每个充电停车位处都分别独立设有供新能源汽车停在其上面进行充电的充电停车板；在每个充电停车板的下方分别设有板压力传感器，每个板压力传感器分别独立绑定有板地址编码器；在停车板上的上表面上均布设有若干个板半通孔，在每个板半...
【技术特征摘要】
1.基于CNN卷积神经网络的充电场智能管理系统，包括微控制单元、通信模块、充电场管理平台、设置在充电场能为新能源汽车充电的充电机和设置在充电场的摄像头；通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接；微控制单元通过通信模块与充电场管理平台通信连接；其特征在于，在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块；在充电场的每个充电停车位处都分别独立设有供新能源汽车停在其上面进行充电的充电停车板；在每个充电停车板的下方分别设有板压力传感器，每个板压力传感器分别独立绑定有板地址编码器；在停车板上的上表面上均布设有若干个板半通孔，在每个板半通孔内一对一设有面压力传感器，每个面压力传感器分别独立绑定有面地址编码器；板压力传感器、板地址编码器、面压力传感器和面地址编码器分别与与微控制单元相连接。2.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理系统，其特征在于，在充电停车板下方设有基座，在充电停车板下表面上竖直向下固定设有上管，在上管上上下滑动套设有下管，下管的下端固定连接在基座上；在基座的上表面上分别竖直固定设有若干顶板弹簧和压力弹簧，顶板弹簧的上端面顶紧挤压连接在充电停车板的下表面上，从而使停车板能在基座上上下移动；板压力传感器固定连接在压力弹簧的顶端，充电停车板下移到设定高度后充电停车板的下表面压紧连接在板压力传感器上。3.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理系统，其特征在于，在充电停车板后方的充电场内设有水平档杆，在水平档杆上沿着水平档杆的轴线排列设有若干个接近半通孔，在每个接近半通孔内分别设有接近传感器，每个接近传感器分别独立绑定有接近地址编码器；每个接近传感器和每个接近地址编码器都分别与微控制单元相连接。4.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理系统，其特征在于，微控制单元每间隔设定时间就借助摄像头拍摄图片上传到充电场管理平台；充电场管理平台收到图片后立即将图片送入CNN卷积神经网络模块由CNN卷积神经网络模块对图片进行处理；CNN卷积神经网络模块对图片进行处理过程如下：在CNN卷积神经网络模块的输入层输入任意大小的图片，系统在将图片送入CNN卷积网络之前，会对图片进行一定的预处理，将图片大小调整为32*32统一大小的图片；在CNN卷积神经网络模块的第一卷积层采用12个5*5大小的卷积核并加入zero-padding进行特征提取后生成12个featureMap；在CNN卷积神经网络模块的第一激活层采用Relu激活函数对网络进行修正；在CNN卷积神经网络模块的第一池化层采用2*2的大小并选用Max-pooling对图片进行压缩；在CNN卷积神经网络模块的第二卷积层采用24个4*4大小的卷积核进行特征提取后生成24个featureMap；在CNN卷积神经网络模块的第二激活层采用Relu激活函数对网络进行修正；在CNN卷积神经网络模块的第二池化层采用2*2的大小并选用Max-pooling进行池化；在CNN卷积神经网络模块的第三卷积层采用40个3*3大小的卷积核进行特征提取后生成40个featureMap；在CNN卷积神经网络模块的第三激活层采用Relu激活函数对网络进行修正；在CNN卷积神经网络模块的第三池化层采用2*2的大小并选用Max-pooling进行池化；在CNN卷积神经网络模块的全连接层把做完MaxPooling池化后的数据送入到Flatten层，然后把Flatten层的output放到fullconnectedLayer里，采用softmax逻辑回归模型对其进行分类；在CNN卷积神经网络模块的输出层这里的输出结果包含，当前图片是空闲充电停车板、还是充电桩、还是车辆，如果是空闲充电停车板，则给出当前是空闲充电停车板的提示，如果是充电桩，则进一步判断充电枪是否在充电座上，如果是车辆，则判断当前车辆的车牌颜色，如果车牌是蓝色，则说明当前车位状态被油车占用，进一步对车牌进行识别，如果车牌是绿色，则说明当前车位状态被新能源汽车占用。5.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理系统，其特征在于，在充电机的充电枪上设有分别与微控制单元相连接的ADC采样增益调整电路、CAN隔离通信模块电路、DA输出放大电路、LCD屏电路、V/F电路和F/V电路；在充电机的充电枪上还设有参考源电路，所述参考源电路包括电解电容CR1、电容CR2、电容CR3、电容CR4、电容CR5、电解电容CR6、电阻RF1、电阻RF2、...
【专利技术属性】
技术研发人员：牛海岩，
申请(专利权)人：中智沃达北京电力科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。