一種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法
【專利摘要】本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法，該方法在鋼筋捆扎機上安裝雷達探測系統(tǒng)，以獲取待捆扎鋼筋的直徑數(shù)據(jù)，然后依次對直徑數(shù)據(jù)進行去直達波處理、Dewow處理、修剪數(shù)據(jù)矩陣、矩陣灰度化、矩陣灰度化處理、矩陣二值化處理后得到待識別數(shù)據(jù)，對待識別數(shù)據(jù)進行三層小波包分解，對第三層系數(shù)重構(gòu)，構(gòu)造特征向量，將特征向量利用BP神經(jīng)網(wǎng)絡(luò)進行訓練，最終得到訓練后的鋼筋直徑數(shù)據(jù)，再以此數(shù)據(jù)調(diào)整電機輸出力矩。本發(fā)明在保證鋼筋捆扎效率的基礎(chǔ)上，克服了現(xiàn)有技術(shù)中存在的扎絲容易擰斷、不牢靠等問題，為建筑施工提供了一種有力的輔助工具。
【專利說明】
一種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種施工方法，具體涉及一種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法。
【背景技術(shù)】
[0002] 建筑行業(yè)中鋪設(shè)鋼筋后對交錯的鋼筋進行連接的目的是為了保證鋼筋位置不變， 進而確保鋼筋受力位置不發(fā)生改變。如果縱向鋼筋數(shù)目較少的時候可以采用焊接，但是當 縱向鋼筋數(shù)目比較多的時候大多采用捆扎的方式。橫向鋼筋一般也采用捆扎方式。目前，在 建筑工地捆扎鋼筋時主要采用的是手工捆扎方式，手工捆扎對鋼筋工的體力和熟練程度有 很高的要求，而且手工捆扎既費力又費時?，F(xiàn)在市場上出現(xiàn)了一種能自動進行鋼筋捆扎的 手持機器鋼筋捆扎機，它是一種新型的鋼筋施工智能電動工具。當使用此機器的時候，效率 比人工可提高2~3倍，能夠節(jié)省大量的人力，大大降低工人的勞動強度。
[0003] 但是，現(xiàn)有的鋼筋捆扎機捆扎時扎絲的使用量比人工捆扎用量大很多，不利于扎 絲的有效利用；另外，在使用鋼筋捆扎機時，環(huán)繞鋼筋的圈數(shù)不可自動調(diào)節(jié)，箍緊扎絲時無 法實時控制電機的輸出力矩而容易出現(xiàn)扎絲擰斷或者擰不牢靠的情形。

【發(fā)明內(nèi)容】

[0004] 針對上述現(xiàn)有技術(shù)中存在的問題，本發(fā)明的目的在于，提供一種基于神經(jīng)網(wǎng)路的 鋼筋捆扎方法，該方法應(yīng)用在現(xiàn)有的鋼筋捆扎機上，以解決現(xiàn)有技術(shù)中出現(xiàn)的箍緊扎絲時 擰斷扎絲或者擰不牢靠等問題，提高捆扎質(zhì)量。
[0005] 為了實現(xiàn)上述任務(wù)，本發(fā)明采用以下技術(shù)方案：
[0006] -種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法，包括以下步驟：
[0007] 步驟一，在鋼筋捆扎機前端的卡口上安裝雷達探測系統(tǒng)，并在鋼筋捆扎機內(nèi)部設(shè) 置控制器，將雷達探測系統(tǒng)與控制器連接，并將控制器與鋼筋捆扎機的微處理器連接；
[0008] 步驟二，在建筑工地施工時鋼筋鋪設(shè)現(xiàn)場選取兩根呈十字交叉狀的鋼筋，利用雷 達探測系統(tǒng)獲取其中一根鋼筋的直徑數(shù)據(jù)；
[0009] 步驟三，對采集到的直徑數(shù)據(jù)分別進行去除直達波處理、Dewow處理，并剔除不在 范圍內(nèi)的采樣點，然后進行灰度化處理，得到灰度圖，對灰度圖進行歸一化處理，最后將歸 一化處理后的灰度圖轉(zhuǎn)化為二值圖像，二值圖像中的數(shù)據(jù)即為待識別數(shù)據(jù)；
[0010]步驟四，對待識別數(shù)據(jù)進行三層小波包分解，將第三層的各系數(shù)進行重構(gòu)，提取各 頻帶范圍的信號，求出各頻帶范圍信號的能量，利用能量構(gòu)造成特征向量，并對特征向量進 行歸一化處理；
[0011]步驟五，將歸一化后的特征向量分解成多個分塊矩陣，每一個分塊矩陣作為一個 樣本;將分割得到的多個分塊矩陣的前一半分塊矩陣作為訓練樣本庫，后一半分塊矩陣作 為測試樣本庫；
[0012]步驟六，建立BP神經(jīng)網(wǎng)絡(luò)，將步驟五中的多個分塊矩陣輸入到BP神經(jīng)網(wǎng)絡(luò)中作為 輸入數(shù)據(jù)，BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)與所述的特征向量的個數(shù)相同，輸出層神經(jīng)元數(shù) 為1，隱藏層神經(jīng)元數(shù)采用試湊法確定;設(shè)定訓練次數(shù)，每訓練完一次后記錄下BP神經(jīng)網(wǎng)絡(luò) 的訓練誤差和測試誤差，選擇測試誤差最小時的訓練次數(shù)作為網(wǎng)絡(luò)訓練次數(shù)；
[0013] 確定網(wǎng)絡(luò)訓練次數(shù)后，進行測試，得到訓練結(jié)果和測試結(jié)果，將正確概率在90%以 上的數(shù)據(jù)作為鋼筋的待捆扎直徑；
[0014] 步驟七，利用雷達探測系統(tǒng)獲取步驟二中所述的另一根鋼筋的直徑數(shù)據(jù)，然后按 照步驟三至步驟六相同的方法進行處理，得到針對于該鋼筋的待捆扎直徑;控制器將兩根 鋼筋的待捆扎直徑反饋給微處理器，微處理器根據(jù)待捆扎直徑調(diào)節(jié)電機的輸出力矩，輸出 力矩調(diào)節(jié)后后對鋼筋進行捆扎。
[0015] 進一步地，步驟六中所述的試湊法采用的公式為：
[0017] 上式中，m是隱藏神經(jīng)元數(shù)，η是輸入層神經(jīng)元數(shù)，1是輸出層神經(jīng)元數(shù)，a是小于10 的正整數(shù)。
[0018] 進一步地，步驟六中設(shè)定的訓練次數(shù)為10~1000次。
[0019] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下技術(shù)特點：
[0020] 1.本發(fā)明在保證鋼筋捆扎效率的基礎(chǔ)上，克服了現(xiàn)有技術(shù)中存在的扎絲容易擰 斷、不牢靠等問題，為建筑施工提供了一種有力的輔助工具。
[0021] 2.本發(fā)明提出的基于神經(jīng)網(wǎng)絡(luò)的捆扎方法可以實時控制通過鋼筋捆扎機內(nèi)電機 的電流進而控制電機的輸出力矩，從而自動調(diào)節(jié)鋼筋的捆扎松緊度，從而使得鋼筋捆扎過 程能始終保持較好的質(zhì)量。
[0022] 3.本發(fā)明對現(xiàn)有的鋼筋捆扎機結(jié)構(gòu)改動小，能安裝在各種類型的鋼筋捆扎機上， 具有很好的可移植性。
【附圖說明】
[0023]圖1為本發(fā)明方法的整體流程圖；
[0024]圖2為步驟三的數(shù)據(jù)預處理流程圖；
[0025]圖3為小波包分解的樹結(jié)構(gòu)；
[0026]圖4為本發(fā)明中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡圖；
[0027] 圖5為雷達探測系統(tǒng)安裝在鋼筋捆扎機上后的示意圖；
[0028] 圖6為利用本發(fā)明方法進行鋼筋捆扎的效果圖；
[0029] 圖中標號代表：1 一雷達探測系統(tǒng)，2-卡口，3-鋼筋擁扎機，4 一充電電池，5-通 電開關(guān)。
【具體實施方式】
[0030] 遵從上述技術(shù)方案，如圖所示，本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法， 包括以下步驟：
[0031 ]步驟一，在鋼筋捆扎機前端的卡口上安裝雷達探測系統(tǒng)，并在鋼筋捆扎機內(nèi)部設(shè) 置控制器，用于解析處理雷達探測系統(tǒng)采集的數(shù)據(jù);將雷達探測系統(tǒng)與控制器連接，并將控 制器與鋼筋捆扎機的微處理器連接；
[0032]現(xiàn)有的鋼筋捆扎機的結(jié)構(gòu)如圖所示，其形狀類似于手槍，尾部安裝有線盒，線盒內(nèi) 為扎絲線圈，為鋼筋捆扎過程供應(yīng)扎絲;其內(nèi)部結(jié)構(gòu)主要包括送絲與剪斷機構(gòu)、纏繞機構(gòu)、 絞緊機構(gòu)、微控制器、傳動旋轉(zhuǎn)裝置、配電機構(gòu)、電機等，槍柄下端可以安裝充電電池，在槍 柄處扳機就是通電開關(guān)，用于控制電路的通斷和鋼筋捆扎機的工作狀態(tài)。鋼筋捆扎機前端 有卡口，卡口的運動由電機控制，因此通過微控制器控制電機，即可調(diào)整卡口在綁扎絲時的 松緊程度。
[0033] 步驟二，選取模型，根據(jù)建筑工地施工時鋼筋鋪設(shè)的實際情況，在建筑工地施工時 鋼筋鋪設(shè)現(xiàn)場選取兩根呈十字交叉狀的鋼筋，利用雷達探測系統(tǒng)獲取其中一根鋼筋的直徑 數(shù)據(jù);這里讀出的直徑數(shù)據(jù)受到距離、信號強弱等因素的影響，是一個大概數(shù)據(jù)，具有一定 誤差，因此需要通過后續(xù)的網(wǎng)絡(luò)訓練來精確獲取直徑數(shù)據(jù)，以便于扎絲的綁扎過程。
[0034]步驟三，數(shù)據(jù)預處理:對采集到的直徑數(shù)據(jù)分別進行去除直達波處理，方法為利用 采集到的每一個數(shù)據(jù)減去采集到全部數(shù)據(jù)的算數(shù)平均值，這樣做可以有效降低空氣直達波 和天線耦合波的影響;然后進行Dewow處理，主要通過對信號施加一個零相位高通濾波來實 現(xiàn)，這樣做可以降低信號偏離均值的振顫;接下來對得到的數(shù)據(jù)矩陣進行修剪，剔除不在范 圍內(nèi)的采樣點，以減少運算量;然后進行灰度化處理，得到灰度圖，對灰度圖進行歸一化處 理，將數(shù)據(jù)的取值范圍設(shè)定在[0，1]內(nèi)；最后將歸一化處理后的灰度圖轉(zhuǎn)化為二值圖像，使 整個數(shù)據(jù)矩陣的取值只有〇和1;此時二值圖像中的數(shù)據(jù)即為待識別數(shù)據(jù)；
[0035]步驟四，提取特征參數(shù):對待識別數(shù)據(jù)進行三層小波包分解，將第三層的各系數(shù)進 行重構(gòu)，提取各頻帶范圍的信號，求出各頻帶范圍信號的能量，利用能量構(gòu)造成特征向量， 并對特征向量進行歸一化處理；
[0036] 本實施例中，具體提取第三層從低頻到高頻的8個頻率成分信號作為能量參數(shù)。小 波包分級結(jié)構(gòu)如圖3所示，其中（0,0)代表的是原始數(shù)據(jù)，（3,0)代表的是第三層第0個節(jié)點 的系數(shù)X 3Q，（3，1)代表的是第三層第1個節(jié)點的系數(shù)X31，其他以此類推。
[0037] 對小波包分解得到的第三層的各系數(shù)進行重構(gòu)，提取各頻帶(低頻帶和高頻帶)范 圍的信號，以&〇表示X3Q的重構(gòu)信號，以S 31表示X31的重構(gòu)信號，其他以此類推。
[0038]求各頻帶(低頻帶和高頻帶)范圍信號的能量，為的是求取特征向量Ρ，從而求出歸 一化后的向量 Τ。設(shè) S3j(j=0，l，2,3,4,5,6,7)對應(yīng)的能量為E3j(j = 0，l，2,3,4,5,6,7)，則 有：
[0040] 上式中，1』1<(」=0，1，2，~，7々=1，2，~，11)表示重構(gòu)信號的53」的離散點的幅值，11 表示重構(gòu)信號S 3j離散點的個數(shù)。
[0041] 構(gòu)造特征向量:鋼筋會對雷達回波的各頻帶內(nèi)信號的能量有很大影響，因此以能 量元素可以構(gòu)造一個特征向量。特征向量P構(gòu)造如下：
[0042 ] P = [ E30，E31，E32，E33，E34，E35，E36，E37 ]
[0043] 其中，E3j(j = 0，l，2,3,4,5,6,7)為各頻帶范圍信號的能量。
[0044] 另外，由于神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)的特性，需要對P進行歸一化處理。令

[0047]向量T就是歸一化后的特征向量。
[0048] 步驟五，將步驟四得到的歸一化后的特征向量分解成多個分塊矩陣，每一個分塊 矩陣作為一個樣本;將分割得到的多個分塊矩陣的前一半分塊矩陣作為訓練樣本庫，后一 半分塊矩陣作為測試樣本庫。
[0049] 本實施例中，將歸一化后的特征向量分解成多個8x8階方陣;將分割得到的前一半 列數(shù)所在分塊矩陣作為訓練樣本庫，后一半列數(shù)所在分塊矩陣作為測試樣本庫。
[0050] 步驟六，建立ΒΡ神經(jīng)網(wǎng)絡(luò)，ΒΡ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為：輸入層神經(jīng)元數(shù)-隱藏層神經(jīng)元 數(shù)-輸出層神經(jīng)元數(shù)，本發(fā)明的ΒΡ網(wǎng)絡(luò)的結(jié)構(gòu)簡圖如圖4所示。
[0051] 為簡化數(shù)據(jù)處理過程，提供可操作性，將步驟五中的多個分塊矩陣輸入到ΒΡ神經(jīng) 網(wǎng)絡(luò)中作為輸入數(shù)據(jù)。
[0052] ΒΡ神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)與所述的特征向量的個數(shù)相同，本實施例中，特征 向量Ρ中元素個數(shù)為8,因此輸入層神經(jīng)元數(shù)為8;輸出層神經(jīng)元數(shù)為1，在圖中，Υ即為經(jīng)過網(wǎng) 絡(luò)訓練后最終測得的鋼筋直徑大??；隱藏層神經(jīng)元數(shù)采用試湊法確定，在試湊時可用以下 公式進行估計，即：
[0054] 上式中，m是隱藏神經(jīng)元數(shù)，η是輸入層神經(jīng)元數(shù)，1是輸出層神經(jīng)元數(shù)，a是小于10 的正整數(shù)；
[0055] 在確定隱藏層神經(jīng)元數(shù)后，為得到比較好的泛化效果，應(yīng)選擇一個最佳的訓練次 數(shù)s，在此之前停止訓練則網(wǎng)絡(luò)訓練不足，在此之后停止訓練則訓練過度。
[0056] 本實施例中，設(shè)定訓練次數(shù)s= 10~1000,以500位單位遞增，每訓練完一次后記錄 下BP神經(jīng)網(wǎng)絡(luò)的訓練誤差和測試誤差，選擇測試誤差最小時的訓練次數(shù)(此時的泛化效果 最好)作為網(wǎng)絡(luò)訓練次數(shù)；
[0057] 確定網(wǎng)絡(luò)訓練次數(shù)后，進行測試，得到訓練結(jié)果和測試結(jié)果，訓練誤差和測試誤差 大部分不能超過〇. 2mm，以此確定待捆扎直徑的正確概率;將正確概率在90%以上的數(shù)據(jù)作 為鋼筋的待捆扎直徑;即步驟二中選取的鋼筋的待捆扎直徑；
[0058] 步驟七，利用雷達探測系統(tǒng)獲取步驟二中所述的十字交叉狀排列的鋼筋中另一根 鋼筋的直徑數(shù)據(jù)，然后按照步驟三至步驟六相同的方法進行處理，得到針對于該鋼筋的待 捆扎直徑;控制器將兩根鋼筋的待捆扎直徑反饋給微處理器，以兩根鋼筋的待捆扎直徑作 為鋼筋的精確直徑;在鋼筋捆扎機的微處理器中存儲有鋼筋直徑與電機輸出力矩的對應(yīng)關(guān) 系表，這個對應(yīng)關(guān)系表即為在不同鋼筋直徑時捆扎力度達到最佳時電機力矩與鋼筋直徑的 對應(yīng)關(guān)系。微處理器調(diào)節(jié)電機的輸出力矩，從而控制扎絲的捆扎松緊程度，調(diào)節(jié)輸出力矩 后，將卡口卡在十字交叉狀鋼筋上，按下鋼筋捆扎機的通電開關(guān)，利用扎絲對鋼筋進行捆 扎。
[0059] 上述的步驟二至步驟七完成了對一個呈十字交錯狀布設(shè)鋼筋的綁扎，需要綁扎下 一個十字交錯鋼筋時，只需要將鋼筋捆扎機移動到下一個十字交錯鋼筋的上方，重復步驟 二至步驟七即可。
【主權(quán)項】
1. 一種基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法，其特征在于，包括W下步驟： 步驟一，在鋼筋捆扎機前端的卡口上安裝雷達探測系統(tǒng)，并在鋼筋捆扎機內(nèi)部設(shè)置控 制器，將雷達探測系統(tǒng)與控制器連接，并將控制器與鋼筋捆扎機的微處理器連接； 步驟二，在建筑工地施工時鋼筋鋪設(shè)現(xiàn)場選取兩根呈十字交叉狀的鋼筋，利用雷達探 測系統(tǒng)獲取其中一根鋼筋的直徑數(shù)據(jù)； 步驟Ξ，對采集到的直徑數(shù)據(jù)分別進行去除直達波處理、Dewow處理，并剔除不在范圍 內(nèi)的采樣點，然后進行灰度化處理，得到灰度圖，對灰度圖進行歸一化處理，最后將歸一化 處理后的灰度圖轉(zhuǎn)化為二值圖像，二值圖像中的數(shù)據(jù)即為待識別數(shù)據(jù)； 步驟四，對待識別數(shù)據(jù)進行Ξ層小波包分解，將第Ξ層的各系數(shù)進行重構(gòu)，提取各頻帶 范圍的信號，求出各頻帶范圍信號的能量，利用能量構(gòu)造成特征向量，并對特征向量進行歸 一化處理； 步驟五，將歸一化后的特征向量分解成多個分塊矩陣，每一個分塊矩陣作為一個樣本； 將分割得到的多個分塊矩陣的前一半分塊矩陣作為訓練樣本庫，后一半分塊矩陣作為測試 樣本庫； 步驟六，建立BP神經(jīng)網(wǎng)絡(luò)，將步驟五中的多個分塊矩陣輸入到BP神經(jīng)網(wǎng)絡(luò)中作為輸入 數(shù)據(jù)，B巧申經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)與所述的特征向量的個數(shù)相同，輸出層神經(jīng)元數(shù)為1， 隱藏層神經(jīng)元數(shù)采用試湊法確定;設(shè)定訓練次數(shù)，每訓練完一次后記錄下BP神經(jīng)網(wǎng)絡(luò)的訓 練誤差和測試誤差，選擇測試誤差最小時的訓練次數(shù)作為網(wǎng)絡(luò)訓練次數(shù)； 確定網(wǎng)絡(luò)訓練次數(shù)后，進行測試，得到訓練結(jié)果和測試結(jié)果，將正確概率在90% W上的 數(shù)據(jù)作為鋼筋的待捆扎直徑； 步驟屯，利用雷達探測系統(tǒng)獲取步驟二中所述的另一根鋼筋的直徑數(shù)據(jù)，然后按照步 驟Ξ至步驟六相同的方法進行處理，得到針對于該鋼筋的待捆扎直徑;控制器將兩根鋼筋 的待捆扎直徑反饋給微處理器，微處理器根據(jù)待捆扎直徑調(diào)節(jié)電機的輸出力矩，輸出力矩 調(diào)節(jié)后后對鋼筋進行捆扎。2. 如權(quán)利要求1所述的所述的基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法，其特征在于，步驟六中所 述的試湊法采用的公式為：上式中，m是隱藏神經(jīng)元數(shù)，η是輸入層神經(jīng)元數(shù)，1是輸出層神經(jīng)元數(shù)，a是小于10的正 整數(shù)。3. 如權(quán)利要求1所述的所述的基于神經(jīng)網(wǎng)絡(luò)的鋼筋捆扎方法，其特征在于，步驟六中設(shè) 定的訓練次數(shù)為10~1000次。
【文檔編號】G06K9/00GK106096558SQ201610428597
【公開日】2016年11月9日
【申請日】2016年6月16日
【發(fā)明人】韓毅, 涂市委
【申請人】長安大學