[发明专利]一种立体车库控制方法

说明书

本发明提供了一种立体车库控制方法；采用如下步骤：①训练模型：以立体车库车位移动的历史数据为训练集，建立路径规划的单层神经网络模型；②写入数据：将神经网络模型中的节点参数写入至控制器中；③接收指令：现场主机接收路径规划任务数据；④分包发送：现场主机将路径规划任务数据发送至控制器，控制器根据写入的节点参数、以神经网络模型的计算方式进行计算；⑤接收并包：控制器将计算结果发送至现场主机，现场主机根据结果得到规划结果；⑥发送执行。本发明通过将控制器视为神经网络模型中的隐层节点，有效利用现场资源，能极大降低成本，提高资源利用率，而且为神经网络模型的实际应用方式提供全新思路。

技术领域

本发明涉及一种立体车库控制方法。

背景技术

在立体车库路径规划控制方面，传统的方式主要在于遍历可能路径，基于CPU的特性，遍历的方式耗时较长，而且一旦计算过于复杂则极容易造成系统卡死，需要在工程中使用大量其他手段解决，研发成本高。

基于神经网络算法及实现的发展，目前深度学习用于规划求解问题的应用剧增，通过神经网络模型解决立体车库路径规划问题在实验室中证明可行，但实践中，由于神经网络模型涉及大量神经元的计算，一般是采用GPU专门处理，成本较高，资源利用率低。

发明内容

为解决上述技术问题，本发明提供了一种立体车库控制方法，该立体车库控制方法通过将控制器视为神经网络模型中的节点，能有效利用现场资源，极大降低成本。

本发明通过以下技术方案得以实现。

本发明提供的一种立体车库控制方法；采用如下步骤：

①训练模型：以立体车库车位移动的历史数据为训练集，建立路径规划的单层神经网络模型；

②写入数据：将神经网络模型中的节点参数写入至控制器中；

③接收指令：现场主机接收路径规划任务数据；

④分包发送：现场主机将路径规划任务数据发送至控制器，控制器根据写入的节点参数、以神经网络模型的计算方式进行计算；

⑤接收并包：控制器将计算结果发送至现场主机，现场主机根据结果得到规划结果；

⑥发送执行：现场主机根据规划结果，向控制器发送执行指令，同时现场主机等待接收下一路径规划任务并进入步骤③。

所述步骤②中，每一控制器中接入1～4个神经网络模型节点的参数。

所述现场主机从直接通信连接的近端服务器接收路径规划任务数据。

所述近端服务器通过互联网接受立体车库移动请求。

所述神经网络模型为Kohonen神经网络算法得到。

所述单层神经网络模型，是指中间隐层为一层。

所述控制器在接收到执行指令后，通过控制连接的执行机构完成控制。

所述控制器为STM32F4系列单片机。

本发明的有益效果在于：通过将控制器视为神经网络模型中的隐层节点，有效利用现场资源，能极大降低成本，提高资源利用率，而且为神经网络模型的实际应用方式提供全新思路。

附图说明

图1是本发明适用的连接示意图；

图中：101-现场主机，102-近端服务器，103-远端主机，20-内部路由组，201-内部路由器，30-控制器组，301-控制器，302-执行机构。

具体实施方式

下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。