用于盖梁混凝土的自动喷淋养护装置及方法与流程

1.本发明涉及盖梁技术领域，具体地说，涉及一种用于盖梁混凝土的自动喷淋养护装置及方法。


背景技术：

2.盖梁是高架桥梁建设的一种结构形式，通常采用现浇施工的方法。现浇施工方法中，混凝土的养护有利于保证混凝土的强度和结构稳定。目前，对箱梁梁面的蓄水养护主要是通过人工方法，工人需要在高处持水管喷淋养护液对混凝土进行养护，无法做到精准的控制注水量。


技术实现要素：

3.为达到上述目的，本发明公开了一种箱梁生产的喷淋养护系统及方法。
4.一种用于盖梁混凝土的自动喷淋养护装置，其特征在于，包括设置于养护区内的喷淋管路、温度检测模块、湿度检测模块，喷淋管路上设置有开关阀和流量计，还包括与所述开关阀、所述流量计、所述温度检测模块和所述湿度检测模块均连接的控制器，以及与所述控制器连接的后端服务器，所述控制器用于控制开关阀开合，所述流量计用于监测喷淋的流量，所述湿度检测模块用于监测湿度，所述温度检测模块用于监测温度；所述后端服务器包括存储单元、预测单元和控制单元；所述存储单元用于接收并存储历史上各个时间段检测到的温度数据、湿度数据和流量数据；所述预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值；校正单元，用于根据根据注水量预测值向所述控制器发送信号以控制所述开关阀的开合。
5.作为优选的实施方式，所述预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，包括：将历史上各个时间段检测到的温度数据、湿度数据和流量数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。
6.作为优选的实施方式，所述用于盖梁混凝土的自动喷淋养护装置还包括设置于养护区内的粉尘传感器，所述粉尘传感器用于获取粉尘的浓度；将历史上各个时间段检测到的温度数据、湿度数据、流量数据和粉尘的浓度数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据、当前粉尘的浓度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。
7.作为优选的实施方式，所述用于盖梁混凝土的自动喷淋养护装置还包括设置于养
护区内的摄像模块，所述摄像模块用于采集盖梁混凝土的图像数据，并传输至所述后端服务器。
8.作为优选的实施方式，所述后端服务器还包括图像处理单元，用于采集所述图像数据中特征，并输入至卷积神经网络，建立图像数据与湿度的验证模型；将图像处理单元采集的实时图像数据输入验证模型，获得湿度验证值；根据湿度验证值对当前温湿度条件进行校正。
9.作为优选的实施方式，还包括控制终端，所述控制终端与后端服务器通信连接。
10.一种用于盖梁混凝土的自动喷淋养护方法，包括在养护区内设置喷淋管路、温度检测模块、湿度检测模块，喷淋管路上设置有开关阀和流量计，与所述开关阀、所述流量计、所述温度检测模块和所述湿度检测模块均连接的控制器，以及与所述控制器连接的后端服务器，所述后端服务器包括存储单元、预测单元和控制单元；利用所述控制器控制开关阀开合，利用所述流量计监测喷淋的流量，利用所述湿度检测模块监测湿度，利用所述温度检测模块监测温度；利用所述存储单元接收并存储历史上各个时间段检测到的温度数据、湿度数据和流量数据，利用所述预测单元根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值；利用校正单元根据根据注水量预测值向所述控制器发送信号以控制所述开关阀的开合。
11.作为优选的实施方式，所述预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，包括：将历史上各个时间段检测到的温度数据、湿度数据和流量数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。
12.作为优选的实施方式，所述用于盖梁混凝土的自动喷淋养护方法还包括：在养护区内设置摄像模块，所述摄像模块用于采集盖梁混凝土的图像数据，并传输至所述后端服务器。
13.作为优选的实施方式，所述后端服务器还包括图像处理单元，用于采集所述图像数据中特征，并输入至卷积神经网络，建立图像数据与湿度的验证模型；将图像处理单元采集的实时图像数据输入验证模型，获得湿度验证值；根据湿度验证值对当前温湿度条件进行校正。
14.本发明的工作原理和有益效果为：利用预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，利用校正单元根据注水量预测值向所述控制器发送信号以控制所述开关阀的开合，从而使得注水量的控制更加精准，养护的更好。
附图说明
15.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前
提下，还可以根据这些附图获得其他的附图。
16.图1为本发明提供的箱梁生产的喷淋养护方法的流程示意图。
具体实施方式
17.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.本发明实施例提供了一种用于盖梁混凝土的自动喷淋养护装置，包括设置于养护区内的喷淋管路、温度检测模块、湿度检测模块，喷淋管路上设置有开关阀和流量计，还包括与所述开关阀、所述流量计、所述温度检测模块和所述湿度检测模块均连接的控制器，以及与所述控制器连接的后端服务器，所述控制器用于控制开关阀开合，所述流量计用于监测喷淋的流量，所述湿度检测模块用于监测湿度，所述温度检测模块用于监测温度；所述后端服务器包括存储单元、预测单元和控制单元；所述存储单元用于接收并存储历史上各个时间段检测到的温度数据、湿度数据和流量数据；所述预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值；校正单元，用于根据根据注水量预测值向所述控制器发送信号以控制所述开关阀的开合。
19.上述实施例利用预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，利用校正单元根据注水量预测值以及流量计的实时测量值相比较，当流量计的实时测量值达到注水量预测值时，即可向所述控制器发送信号以控制所述开关阀的关闭，从而使得注水量的控制更加精准，养护的更好。
20.作为优选的实施方式，所述预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，包括：将历史上各个时间段检测到的温度数据、湿度数据和流量数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。
21.通过结合bp神经网络预测模型，可以更加精准的获得注水量预测值。其中，归一化处理可参照现有方法进行，bp神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。
22.为了进一步提高养护的能力，作为进一步改进的实施方式，所述用于盖梁混凝土
的自动喷淋养护装置还包括设置于养护区内的粉尘传感器，所述粉尘传感器用于获取粉尘的浓度；将历史上各个时间段检测到的温度数据、湿度数据、流量数据和粉尘的浓度数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据、当前粉尘的浓度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。
23.通过将粉尘的浓度数据引入bp神经网络，并建立温湿度数据、粉尘的浓度数据和注水量预测值之间的预测模型，从而更精准的控制喷淋养护。
24.在一个优先实施方式中，所述用于盖梁混凝土的自动喷淋养护装置还包括设置于养护区内的摄像模块，所述摄像模块用于采集盖梁混凝土的图像数据，并传输至所述后端服务器。通过摄像模块采集盖梁混凝土的图像数据，图像数据可传送至后端服务器，供操作人员对养护区的情况进行判断。
25.进一步优选的，所述后端服务器还包括图像处理单元，用于采集所述图像数据中特征，并输入至卷积神经网络，建立图像数据与湿度的验证模型；将图像处理单元采集的实时图像数据输入验证模型，获得湿度验证值；根据湿度验证值对当前温湿度条件进行校正。还包括控制终端，所述控制终端与后端服务器通信连接。通过控制终端对后端服务器及控制器进行控制，后端服务器的数据也可输送至控制终端。
26.通过建立图像数据和度验证值之间的验证模型，从而可根据湿度验证值对当前温湿度条件进行校正，校正的方式可参照现有方式进行，例如差值过大就重新利用湿度检测模块进行检测等。
27.如图1所示，本发明实施例还提供了一种用于盖梁混凝土的自动喷淋养护方法，包括在养护区内设置喷淋管路、温度检测模块、湿度检测模块，喷淋管路上设置有开关阀和流量计，与所述开关阀、所述流量计、所述温度检测模块和所述湿度检测模块均连接的控制器，以及与所述控制器连接的后端服务器，所述后端服务器包括存储单元、预测单元和控制单元；利用所述控制器控制开关阀开合，利用所述流量计监测喷淋的流量，利用所述湿度检测模块监测湿度，利用所述温度检测模块监测温度；利用所述存储单元接收并存储历史上各个时间段检测到的温度数据、湿度数据和流量数据，利用所述预测单元根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值；利用校正单元根据根据注水量预测值向所述控制器发送信号以控制所述开关阀的开合。
28.上述实施例利用预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，利用校正单元根据注水量预测值以及流量计的实时测量值相比较，当流量计的实时测量值达到注水量预测值时，即可向所述控制器发送信号以控制所述开关阀的关闭，从而使得注水量的控制更加精准，养护的更好。
29.所述预测单元用于根据历史上各个时间段检测到的温度数据、湿度数据和流量数据，获得当前温湿度条件下的注水量预测值，包括：将历史上各个时间段检测到的温度数据、湿度数据和流量数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络
训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。通过结合bp神经网络预测模型，可以更加精准的获得注水量预测值。
30.为了进一步提高养护的能力，作为进一步改进的实施方式，所述用于盖梁混凝土的自动喷淋养护装置还包括设置于养护区内的粉尘传感器，所述粉尘传感器用于获取粉尘的浓度；将历史上各个时间段检测到的温度数据、湿度数据、流量数据和粉尘的浓度数据进行阈值分割，再进行归一化处理；将归一化处理后的数据作为训练集，输入至bp神经网络进行训练，并将网络输出的流量值与流量数据进行比较，直到网络训练的均方差达到要求，确定bp网络的最优权值及最优隐层节点数；根据训练好的bp神经网络，得到bp神经网络预测模型，并将当前温湿度数据、当前粉尘的浓度数据输入至所述训练好的bp神经网络预测模型，获得注水量预测值。通过将粉尘的浓度数据引入bp神经网络，并建立温湿度数据、粉尘的浓度数据和注水量预测值之间的预测模型，从而更精准的控制喷淋养护。
31.所述用于盖梁混凝土的自动喷淋养护方法还包括：在养护区内设置摄像模块，所述摄像模块用于采集盖梁混凝土的图像数据，并传输至所述后端服务器。所述后端服务器还包括图像处理单元，用于采集所述图像数据中特征，并输入至卷积神经网络，建立图像数据与湿度的验证模型；将图像处理单元采集的实时图像数据输入验证模型，获得湿度验证值；根据湿度验证值对当前温湿度条件进行校正。过摄像模块采集盖梁混凝土的图像数据，图像数据可传送至后端服务器，供操作人员对养护区的情况进行判断。通过建立图像数据和度验证值之间的验证模型，从而可根据湿度验证值对当前温湿度条件进行校正，校正的方式可参照现有方式进行，例如差值过大就重新利用湿度检测模块进行检测等。
32.显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。