[发明专利]一种基于神经网络的钢筋捆扎方法

摘要

本发明公开了一种基于神经网络的钢筋捆扎方法，该方法在钢筋捆扎机上安装雷达探测系统，以获取待捆扎钢筋的直径数据，然后依次对直径数据进行去直达波处理、Dewow处理、修剪数据矩阵、矩阵灰度化、矩阵灰度化处理、矩阵二值化处理后得到待识别数据，对待识别数据进行三层小波包分解，对第三层系数重构，构造特征向量，将特征向量利用BP神经网络进行训练，最终得到训练后的钢筋直径数据，再以此数据调整电机输出力矩。本发明在保证钢筋捆扎效率的基础上，克服了现有技术中存在的扎丝容易拧断、不牢靠等问题，为建筑施工提供了一种有力的辅助工具。

主权项

1.一种基于神经网络的钢筋捆扎方法，其特征在于，包括以下步骤：步骤一，在钢筋捆扎机前端的卡口上安装雷达探测系统，并在钢筋捆扎机内部设置控制器，将雷达探测系统与控制器连接，并将控制器与钢筋捆扎机的微处理器连接；步骤二，在建筑工地施工时钢筋铺设现场选取两根呈十字交叉状的钢筋，利用雷达探测系统获取其中一根钢筋的直径数据；步骤三，对采集到的直径数据分别进行去除直达波处理、Dewow处理，并剔除不在范围内的采样点，然后进行灰度化处理，得到灰度图，对灰度图进行归一化处理，最后将归一化处理后的灰度图转化为二值图像，二值图像中的数据即为待识别数据；步骤四，对待识别数据进行三层小波包分解，将第三层的各系数进行重构，提取各频带范围的信号，求出各频带范围信号的能量，利用能量构造成特征向量，并对特征向量进行归一化处理；步骤五，将归一化后的特征向量分解成多个分块矩阵，每一个分块矩阵作为一个样本；将分割得到的多个分块矩阵的前一半分块矩阵作为训练样本库，后一半分块矩阵作为测试样本库；步骤六，建立BP神经网络，将步骤五中的多个分块矩阵输入到BP神经网络中作为输入数据，BP神经网络的输入层神经元数与所述的特征向量的个数相同，输出层神经元数为1，隐藏层神经元数采用试凑法确定；设定训练次数，每训练完一次后记录下BP神经网络的训练误差和测试误差，选择测试误差最小时的训练次数作为网络训练次数；确定网络训练次数后，进行测试，得到训练结果和测试结果，将正确概率在90％以上的数据作为钢筋的待捆扎直径；步骤七，利用雷达探测系统获取步骤二中另一根钢筋的直径数据，然后按照步骤三至步骤六相同的方法进行处理，得到针对于所述另一根钢筋的待捆扎直径；控制器将两根钢筋的待捆扎直径反馈给微处理器，微处理器根据待捆扎直径调节电机的输出力矩，输出力矩调节后对钢筋进行捆扎。