[发明专利]用于防凝固混凝土搅拌控制的神经网络的训练方法

权利要求书

1.一种用于防凝固混凝土搅拌控制的神经网络的训练方法，其特征在于，包括：

获取设置在混凝土搅拌装置的多层搅拌叶上的传感器采集的训练用力学参数和对应时间点的所述多层搅拌叶的训练用速度参数，所述训练用力学参数为在混凝土无凝固情况下采集的力学参数；

将所述训练用力学参数构造为力学参数矩阵和将所述训练用速度参数构造为速度向量；

将所述力学参数矩阵通过卷积神经网络以获得力学特征图；

将所述速度向量与所述力学特征图进行矩阵相乘以获得关联特征图；

将所述关联特征图通过多个全连接层以获得分类特征向量，其中，所述多个全连接层中最后一个全连接层的输出位数与搅拌叶的层数相等；以及

基于所述分类特征向量和所述训练用速度参数之间的差值反向传播更新所述卷积神经网络和所述多个全连接层的参数。

2.根据权利要求1所述的用于防凝固混凝土搅拌控制的神经网络的训练方法，其中，将所述训练用力学参数构造为力学参数矩阵和将所述训练用速度参数构造为速度向量，包括：

对所述训练用力学参数进行归一化处理，以将所述训练用力学参数的值映射到0到1的区间内；以及

将归一化处理的所述训练用力学参数按照特定顺序进行矩阵排列以获得所述力学参数矩阵。

3.根据权利要求2所述的用于防凝固混凝土搅拌控制的神经网络的训练方法，其中，将所述训练用力学参数构造为力学参数矩阵和将所述训练用速度参数构造为速度向量，包括：

将所述训练用速度参数的数据格式转化为角速度；以及

将转化为角速度后的所述训练用速度参数按顺序排列以获得所述速度向量。

4.根据权利要求3所述的用于防凝固混凝土搅拌控制的神经网络的训练方法，其中，基于所述分类特征向量和所述训练用速度参数之间的差值反向传播更新所述卷积神经网络和所述多个全连接层的参数，包括：

计算所述分类特征向量和所述训练用速度参数之间的每位之间的差值的加权和来反向传播更新所述卷积神经网络和所述多个全连接层的参数。

5.根据权利要求1所述的的用于防凝固混凝土搅拌控制的神经网络的训练方法，其中，所述传感器包括设置在所述搅拌叶的径向方向的传感器和设置在所述搅拌叶的周向方向的传感器。

6.一种基于深度神经网络的防凝固混凝土搅拌控制方法，其特征在于，包括：

获取设置在混凝土搅拌装置的多层搅拌叶上的传感器采集的力学参数；

将所述力学参数转化为力学参数矩阵后通过如权利要求1至5任一所述的用于防凝固混凝土搅拌控制的神经网络的训练方法所训练而成的卷积神经网络以获得力学特征图；以及

将所述力学特征图通过如权利要求1至5任一所述的用于防凝固混凝土搅拌控制的神经网络的训练方法所训练而成的多个全连接层以获得分类特征向量，所述多个全连接层中最后一个全连接层的输出位数与搅拌叶的层数相等，其中，所述分类特征向量中每个特征值分别表示每一层搅拌叶的搅拌速度。