【技术实现步骤摘要】
本专利技术涉及沥青混合料质量监测，尤其涉及一种基于深度学习的沥青混合料质量在线监测方法及装置。
技术介绍
1、由于砂、石材料来源于不同厂家，且堆积存放位置存在差异，因此在实际生产过程中，骨料级配、粒径等参数易发生波动，易导致沥青混合料出厂质量发生变化，加大施工难度。此外，沥青混合料搅拌时间不足时，会影响出厂料的质量，造成花白料现象；搅拌时间过长时，浪费能源并且影响生产效率。
2、目前对沥青混合料的质量检测主要针对出锅后的沥青混合料的状态，由人工进行直观判断，也有利用相机拍摄沥青混合料图像，通过图像处理或图像识别等技术判断沥青混合料是否存在花白料现象。但该类检测方法都是是在沥青混合料出锅后才进行的检测；当检测出沥青混合料不符合施工要求时，难以进行二次调整使混合料质量符合要求。
技术实现思路
1、本专利技术公开一种基于深度学习的沥青混合料质量在线监测方法，主要解决传统对沥青混合料的质量检测都是在成品出锅后进行检测的，不利于对不符合要求的沥青混合料进行二次调整的问题。
2、为实现所述目的，本专利技术的技术方案是这样实现的：
3、第一方面，本专利技术提供一种基于深度学习的沥青混合料质量在线监测方法，包括以下步骤：
4、沥青混合料样本制作，获取沥青混合料搅拌过程中的电流数据，作为样本，并取样进行马歇尔实验，记录实验所得的沥青混合料的稳定度和流值，并进行样本标签的标记；
5、训练样本预处理，获取以往沥青混合料生产数据进行预处理，得到不
6、其中，x为不带标签样本，y为带标签样本，n为电流样本搅拌的时长，其中，取不带标签样本x的搅拌时间与带标签样本y的搅拌时间中时间短的为n值，xi表示不带标签样本第i秒时的电流值，yi表示带标签样本第i秒时的电流值；
7、构建预测模型，根据沥青混合料的稳定度和流值进行构建神经网络模型，并采用训练数据对神经网络模型进行训练，得到不同搅拌过程的电流曲线与对应流值的预测模型；
8、沥青混合料的质量监测，将实际生产沥青混合料搅拌过程中所对应的电流曲线输入至预测模型中，得到预测的稳定度和流值，当预测结果不符合生产要求时，及时报警，提醒品控调整沥青混合料的成分配比，直到预测结果符合要求。
9、在一种实施方式中，所述沥青混合料样本制作步骤中，沥青混合料搅拌过程中的电流数据的样本为一时间段内沥青混合料搅拌过程中所有的电流数据。
10、在一种实施方式中，所述时间段为从所有原材料投放时开始保存，至沥青混合料卸料时结束。
11、在一种实施方式中，所述构建预测模型步骤中，神经网络模型为一维卷积神经网络。
12、在一种实施方式中，所述一维卷积神经网络通过堆叠三个残差块进行构建层，每个残差块中包含两个积卷层，每个积卷层连接一个批归一化层，relu作为激活函数，损失函数是平均绝对误差mae(mean absolute error)，优化器是sgd（stochastic gradientdescent）算法。
13、上述技术方案中的优点或有益效果至少包括：通过上述的方法建立沥青混合料的预测模型，并根据实际生产时，向预测模型输入搅拌过程中的电流数据，能够实时有效的得到预测的沥青混合料的稳定度和流值，当预测值不符合生产要求时，能够及时报警，提醒人工干预进行调整配方，从而能够及时对不符合生产要求的沥青混合料进行二次调整，以保证沥青混合料出锅时的质量要求，能够减小废料的产生。
14、第二方面，本专利技术提供一种基于深度学习的沥青混合料质量在线监测装置，包括：
15、沥青混合料的样本标签标记模块，用于获取沥青混合料搅拌过程中的电流数据，作为样本，采用马歇尔实验得到沥青混合料的稳定度和流值，并对该样本进行标记，得到带标签样本；
16、训练样本预处理模块，用于获取以往沥青混合料生产数据并进行预处理，得到不带标签样本，并根据计算公式为计算带标签样本和不带标签样本的曼哈顿距离d(x,y)，筛选出与不带标签样本距离最相近的两个带标签样本，通过线性插值方法进行标签赋予，扩充神经网络的训练数据；
17、预测模型构建模块，用于根据沥青混合料的稳定度和流值进行构建神经网络模型，并采用训练数据对神经网络模型进行训练，得到不同搅拌过程的电流曲线与对应流值的预测模型；
18、沥青混合料实时监测模块，用于实际生产沥青混合料搅拌过程中所对应的电流曲线输入至预测模型中，得到预测的稳定度和流值，并与生产要求进行对比，当预测结果不符合生产要求时，及时报警，提醒品控调整沥青混合料的成分配比，直到预测结果符合要求，停止报警。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的沥青混合料质量在线监测方法，其特征在于，包括以下步骤，
2.如权利要求1所述的基于深度学习的沥青混合料质量在线监测方法，其特征在于，所述沥青混合料样本制作步骤中，沥青混合料搅拌过程中的电流数据的样本为一时间段内沥青混合料搅拌过程中所有的电流数据。
3.如权利要求2所述的基于深度学习的沥青混合料质量在线监测方法，其特征在于，所述时间段为从所有原材料投放时开始，至沥青混合料卸料时结束。
4.如权利要求1所述的基于深度学习的沥青混合料质量在线监测方法，其特征在于，所述构建预测模型步骤中，神经网络模型为一维卷积神经网络。
5.如权利要求4所述的基于深度学习的沥青混合料质量在线监测方法，其特征在于，所述一维卷积神经网络通过堆叠三个残差块进行构建层，每个残差块中包含两个积卷层，每个积卷层连接一个批归一化层，ReLU作为激活函数，损失函数是平均绝对误差mae(meanabsolute error)，优化器是SGD（Stochastic Gradient Descent）算法。
6.一种基于深度学习的沥青混合料质量
...【技术特征摘要】
1.一种基于深度学习的沥青混合料质量在线监测方法，其特征在于，包括以下步骤，
2.如权利要求1所述的基于深度学习的沥青混合料质量在线监测方法，其特征在于，所述沥青混合料样本制作步骤中，沥青混合料搅拌过程中的电流数据的样本为一时间段内沥青混合料搅拌过程中所有的电流数据。
3.如权利要求2所述的基于深度学习的沥青混合料质量在线监测方法，其特征在于，所述时间段为从所有原材料投放时开始，至沥青混合料卸料时结束。
4.如权利要求1所述的基于深度学习的沥青混合料质量在线监测方法，其特征...
【专利技术属性】
技术研发人员：杨建红，房怀英，黄文景，林柏宏，杨宇轩，韩明芝，张宝裕，王伟晴，李峥嵘，
申请(专利权)人：福建南方路面机械股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。