本发明专利技术涉及自动控制技术领域，具体涉及一种基于神经网络的砂石分离机进料槽自适应控制方法及装置，该方法包括：获取砂石物料的粘性程度，根据砂石物料的粘性程度，利用神经网络，确定使砂石物料全部进入砂石分离机时进料槽的最佳坡度信息和注水信息；其中，训练神经网络的训练样本和训练标签的获取为：获取若干堆砂石物料的粘性程度，得到训练样本；基于任意两堆砂石物料的属性相似度对所述若干堆砂石物料进行分组；获取每个组内砂石物料对应的进料槽的最佳坡度信息和注水信息，得到训练标签。本发明专利技术可提高砂石分离机进行砂石分离的效率。率。
【技术实现步骤摘要】
基于神经网络的砂石分离机进料槽自适应控制方法及装置
[0001]本专利技术涉及自动控制领域，具体涉及一种基于神经网络的砂石分离机进料槽自适应控制方法及装置。
技术介绍
[0002]砂石分离机是混凝土回收系统的核心设备，主要用于将清洗罐车的污水及残留混凝土中的砂石清洗分离及回收利用。该机设计上采用国外先进的混凝土回收技术，具有操作简单，智能控制，全过程无人看管，方便快捷，节省大量的人力，物力，财力。
[0003]砂石分离机的进料槽是砂土分离前的输送设备，需要进料槽能够稳定的提供原料；而现有的混凝土砂石分离机进料槽，不能自由的调整坡度。
技术实现思路
[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于神经网络的砂石分离机进料槽自适应控制方法及装置，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于神经网络的砂石分离机进料槽自适应控制方法，该方法包括以下具体步骤：获取砂石物料的粘性程度，根据砂石物料的粘性程度，利用神经网络，确定使砂石物料全部进入砂石分离机时进料槽的最佳坡度信息和注水信息；其中，训练神经网络的训练样本和训练标签的获取为：获取若干堆砂石物料的粘性程度，得到训练样本；基于任意两堆砂石物料的属性相似度对所述若干堆砂石物料进行分组；获取每个组内砂石物料对应的进料槽的最佳坡度信息和注水信息，得到训练标签。
[0005]进一步地，所述砂石物料的粘性程度的获取具体为：将砂石物料放置于进料槽上，根据进料槽上是否残余砂石物料进行注水或进料槽坡度调整操作，每次操作后获取进料槽上的砂石物料残余量，直至砂石物料全部进入砂石分离机，获取进料槽坡度序列和第一砂石物料残余量序列；根据进料槽坡度的均值方差和砂石物料残余量均值计算所述砂石物料的粘性程度。
[0006]进一步地，所述任意两堆砂石物料的属性相似度的获取具体为：进料槽坡度固定，依次将所述任意两堆砂石物料放置在进料槽上，多次注水，统计每次注水后进料槽上的砂石物料残余量，得到第二砂石物料残余量序列；所述任意两堆砂石物料对应的第二砂石物料残余量序列的相似度为所述任意两堆砂石物料的属性相似度。
[0007]进一步地，所述神经网络为TCN网络。
[0008]进一步地，基于任意两堆砂石物料的属性相似度，利用DBSCAN算法对所述若干堆
砂石物料进行分组。
[0009]第二方面，本专利技术另一个实施例提供了一种基于神经网络的砂石分离机进料槽自适应控制装置，该装置具体包括：进料槽自动控制模块，用于获取砂石物料的粘性程度，根据砂石物料的粘性程度，利用神经网络，确定使砂石物料全部进入砂石分离机时进料槽的最佳坡度信息和注水信息；其中，训练神经网络的训练样本和训练标签的获取为：获取若干堆砂石物料的粘性程度，得到训练样本；基于任意两堆砂石物料的属性相似度对所述若干堆砂石物料进行分组；获取每个组内砂石物料对应的进料槽的最佳坡度信息和注水信息，得到训练标签。
[0010]进一步地，所述砂石物料的粘性程度的获取具体为：将砂石物料放置于进料槽上，根据进料槽上是否残余砂石物料进行注水或进料槽坡度调整操作，每次操作后获取进料槽上的砂石物料残余量，直至砂石物料全部进入砂石分离机，获取进料槽坡度序列和第一砂石物料残余量序列；根据进料槽坡度的均值方差和砂石物料残余量均值计算所述砂石物料的粘性程度。
[0011]进一步地，所述任意两堆砂石物料的属性相似度的获取具体为：进料槽坡度固定，依次将所述任意两堆砂石物料放置在进料槽上，多次注水，统计每次注水后进料槽上的砂石物料残余量，得到第二砂石物料残余量序列；所述任意两堆砂石物料对应的第二砂石物料残余量序列的相似度为所述任意两堆砂石物料的属性相似度。
[0012]进一步地，所述神经网络为TCN网络。
[0013]进一步地，基于任意两堆砂石物料的属性相似度，利用DBSCAN算法对所述若干堆砂石物料进行分组。
[0014]本专利技术实施例至少具有如下有益效果：本专利技术可基于砂石物料的粘性程度获取相应的进料槽坡度信息和注水信息，根据得到的进料槽坡度信息和注水信息对进料槽和注水装置进行调整后，放置于进料槽上的砂石物料可全部进入砂石分离机中，无需人为地对进料槽上的砂石物料进行外力推动，节省了人力，提高了砂石分离效率。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合较佳实施例，对依据本专利技术提出的一种基于神经网络的砂石分离机进料槽自适应控制方法及装置，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。
[0016]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专利技术的
的技术人员通常理解的含义相同。
[0017]本专利技术实施例以下面的应用场景为例对本专利技术进行说明：
该应用场景为：每次放置于砂石分离机上砂石物料的粘性程度已知，砂石分离机与微电脑相连，在微电脑上输入砂石物料的粘性程度，微电脑中包括TCN网络，经过微电脑中TCN网络的计算，得到该砂石物料对应的进行槽的坡度信息和注水信息，微电脑基于得到的坡度信息和注水信息对砂石分离机的进料槽和注水装置进行控制，进而使砂石物料全部进入砂石分离机。
[0018]下面具体的说明本专利技术所提供的一种基于神经网络的砂石分离机进料槽自适应控制方法及装置的具体方案。
[0019]本专利技术一个实施例提供了一种基于神经网络的砂石分离机进料槽自适应控制方法，该方法包括以下步骤：获取砂石物料的粘性程度，根据砂石物料的粘性程度，利用神经网络，确定使砂石物料全部进入砂石分离机时进料槽的最佳坡度信息和注水信息；其中，训练神经网络的训练样本和训练标签的获取为：获取若干堆砂石物料的粘性程度，得到训练样本；基于任意两堆砂石物料的属性相似度对所述若干堆砂石物料进行分组；获取每个组内砂石物料对应的进料槽的最佳坡度信息和注水信息，得到训练标签。
[0020]下面对上述内容进行具体展开：(1)获取砂石物料的粘性程度：实际运用本专利技术时，砂石物料的粘性程度是已知的，具体地，可按照本专利技术中计算粘性程度的方法，计算大量砂石物料的粘性程度，获取统计得到的若干堆砂石物料与粘性程度的对应关系，基于所述对应关系获取待分离砂石物料的粘性程度；一种实施方式中，可基于经验，预先对砂石物料进行分类，在每个类中进行砂石物料抽样，按照本专利技术中计算粘性程度的方法计算所抽取的砂石物料样本的粘性程度，进而得到每个类中砂石物料对应的粘性程度，实际运用时，根据待分离砂石物料所属类即可得到其粘性程度；另一种实施方式中，采集已计算出粘性程度的砂石物料的图像，构建图像库；获取当前待分离砂石物料的图像，图像库中与待分离砂石物料的图像最相似的图像对应的粘性程度即为待分离砂石物料的粘性程度。
[0021](2)根据砂石物料的粘性程度，利用神经网络，确定使砂石物料全部进入砂石分离机时进本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的砂石分离机进料槽自适应控制方法，其特征在于，该方法包括：获取砂石物料的粘性程度，根据砂石物料的粘性程度，利用神经网络，确定使砂石物料全部进入砂石分离机时进料槽的最佳坡度信息和注水信息；其中，训练神经网络的训练样本和训练标签的获取为：获取若干堆砂石物料的粘性程度，得到训练样本；基于任意两堆砂石物料的属性相似度对所述若干堆砂石物料进行分组；获取每个组内砂石物料对应的进料槽的最佳坡度信息和注水信息，得到训练标签。2.如权利要求1所述的基于神经网络的砂石分离机进料槽自适应控制方法，其特征在于，所述砂石物料的粘性程度的获取具体为：将砂石物料放置于进料槽上，根据进料槽上是否残余砂石物料进行注水或进料槽坡度调整操作，每次操作后获取进料槽上的砂石物料残余量，直至砂石物料全部进入砂石分离机，获取进料槽坡度序列和第一砂石物料残余量序列；根据进料槽坡度的均值方差和砂石物料残余量均值计算所述砂石物料的粘性程度。3.如权利要求2所述的基于神经网络的砂石分离机进料槽自适应控制方法，其特征在于，所述任意两堆砂石物料的属性相似度的获取具体为：进料槽坡度固定，依次将所述任意两堆砂石物料放置在进料槽上，多次注水，统计每次注水后进料槽上的砂石物料残余量，得到第二砂石物料残余量序列；所述任意两堆砂石物料对应的第二砂石物料残余量序列的相似度为所述任意两堆砂石物料的属性相似度。4.如权利要求3所述的基于神经网络的砂石分离机进料槽自适应控制方法，其特征在于，所述神经网络为TCN网络。5.如权利要求4所述的基于神经网络的砂石分离机进料槽自适应控制方法，其特征在于，基于任意两堆砂石物料的属性相似度，利用DBSCAN算法对所述若干堆砂石物料进行分组。6.一种基于神经网络的砂石...
【专利技术属性】
技术研发人员：裴有武，
申请(专利权)人：海门市重型矿山机械厂，
类型：发明
国别省市：
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。