【技术实现步骤摘要】
本专利技术涉及道路除冰雪，尤其涉及一种除冰车铣刀除冰高度预测方法、系统以及除冰车。
技术介绍
1、随着科学社会的进行和发展，道路的通畅和行驶安全性愈发关切着人类生产生活的质量和日常运作。其中，在极端天气时，道路会出现积雪结冰的情况，极大地影响了出行效率和安全。在传统的道路除冰雪工作中，大都通过撒盐、融雪剂或热力除冰等方式进行除冰，撒盐会对环境造成一定的负面影响，撒融雪剂适用情况有限，热力除冰雪要消耗大量的能量，比较适用于小面的除冰雪清除。目前，为了提高除冰雪效率和效果，会采用机械方式，例如采用除冰机或除冰车等，节省劳力和时间。但是，现有的除冰机或除冰车在实际工作中，由于铣刀的初始切入高度较为随机或依靠人工经验，容易出现除冰雪不彻底或损坏路面的情况，给除冰雪工作带来了不小的负面障碍。
2、因此，亟需一种除冰车铣刀除冰高度预测方法、系统以及除冰车来解决上述问题。
技术实现思路
1、基于以上所述，本专利技术的目的在于提供一种除冰车铣刀除冰高度预测方法、系统以及除冰车，除冰效果较佳、对路面的安全性较高。
2、为达上述目的，本专利技术采用以下技术方案：
3、一种除冰车铣刀除冰高度预测方法，包括：
4、获取除冰车前方预设范围的当前路面冰层厚度，其中，所述预设范围包括沿道路的宽度方向和沿道路的长度方向分割成的若干预设单元范围；
5、基于所述路面冰层厚度构建路面冰层厚度矩阵，其中，所述路面冰层厚度矩阵为二维矩阵，所述路面冰层厚度矩阵中的横
6、获取当前环境温度和当前所述除冰车所在位置的经纬度；
7、根据所述路面冰层厚度矩阵、所述环境温度以及所述经纬度预测所述除冰车上铣刀的最佳切入冰层的高度。
8、作为一种除冰车铣刀除冰高度预测方法的优选方案，根据所述路面冰层厚度矩阵、所述温度以及所述经纬度预测所述除冰车上铣刀的最佳切入冰层的高度包括：
9、根据所述路面冰层厚度矩阵、所述环境温度以及所述经纬度，通过预置在所述除冰车上的铣刀高度预测模型预测所述铣刀的最佳切入冰层的高度。
10、作为一种除冰车铣刀除冰高度预测方法的优选方案，所述铣刀高度预测模型包括卷积神经网络和全连接神经网络，所述卷积神经网络用于提取所述路面冰层厚度矩阵的特征，所述通过预置在所述除冰车上的铣刀高度预测模型预测所述铣刀的最佳切入冰层的高度包括：
11、将所述路面冰层厚度矩阵输入所述铣刀高度预测模型，所述卷积神经网络提取所述路面冰层厚度矩阵的特征；
12、将所述卷积神经网络提取的所述路面冰层厚度矩阵的特征展平为第一向量；
13、将所述环境温度和所述经纬度加入所述第一向量中形成第二向量，所述全连接神经网络提取所述第二向量的特征，并输出铣刀预测高度，所述铣刀预测高度为铣刀的最佳切入冰层的高度。
14、作为一种除冰车铣刀除冰高度预测方法的优选方案，还包括：
15、获取所述铣刀的当前高度，根据所述铣刀的当前高度和所述预测的铣刀的最佳切入冰层的高度，得到所述铣刀的预测调整值。
16、作为一种除冰车铣刀除冰高度预测方法的优选方案，基于当前除冰车前方预设范围内的路面冰层厚度构建路面冰层厚度矩阵包括：
17、获取当前所述除冰车前方所述预设范围内的路面原始高度，通过所述除冰车上预置的激光雷达检测获得所述除冰车前方所述预设范围内的当前冰面高度，根据所述路面原始高度和所述当前冰面高度得到所述预设范围内的冰层厚度点云；
18、使用二维矩阵对所述冰层厚度点云转换为所述路面冰层厚度矩阵。
19、一种铣刀高度预测模型训练方法，包括：
20、获取训练样本，所述训练样本包括第一输入数据集和第一输出数据集，所述第一输出数据集中的数据为铣刀的若干第一预设切入高度，其中，所述铣刀在所述第一预设切入高度下除冰后，路面的冰层厚度在预设厚度范围内以及路面无损毁；所述第一输入数据集中的数据为所述铣刀在每个所述第一预设切入高度下工作时对应的环境温度、所述除冰车所在位置的经纬度以及路面冰层厚度矩阵，其中，所述路面冰层厚度矩阵基于除冰车前方预设范围内的当前路面冰层厚度构建，所述预设范围包括沿道路的宽度方向和沿道路的长度方向分割成的若干预设单元范围，所述路面冰层厚度矩阵为二维矩阵，所述路面冰层厚度矩阵中的横向序列为沿道路宽度方向的每个预设单元范围内的冰层厚度，竖向序列为沿道路长度方向的每个预设单元范围内的冰层厚度；
21、构建铣刀高度预测初始神经网络模型，采用所述训练样本对所述铣刀高度预测初始神经网络模型进行训练，采用均方误差作为损失函数，优化更新所述铣刀高度预测初始神经网络模型中的参数，其中，所述参数包括权重参数和偏置参数，得到所述铣刀高度预测模型，所述铣刀高度预测模型用于根据所述路面冰层厚度矩阵、所述当前环境温度和所述经纬度预测所述铣刀的最佳切入冰层的高度。
22、作为一种铣刀高度预测模型训练方法的优选方案，铣刀高度预测初始神经网络模型包括卷积神经网络和全连接神经网络，所述卷积神经网络用于提取所述路面冰层厚度矩阵的特征，并输出第一向量，所述全连接层用于提取所述第一向量、所述环境温度以及所述经纬度的特征，并输出铣刀预测高度；
23、根据所述铣刀预测高度和所述第一预设切入高度，通过损失函数优化更新所述参数，得到所述铣刀高度预测模型。
24、作为一种铣刀高度预测模型训练方法的优选方案，获取所述训练样本还包括：
25、对所述第一输入数据集中的数据进行数据增强处理得到若干第二输入数据集，每个所述第二输入数据集对应相同的一个所述输出数据集，所述数据增强处理包括对第一输入数据集中的所述路面冰层厚度矩阵进行旋转、平移和/或缩放；和/或，对所述第一输入数据集中的所述环境温度添加噪声、缩放和/或平移；和/或，对所述第一输入数据集中的所述经纬度进行旋转、平移和/或缩放。
26、一种除冰车铣刀高度预测系统，包括：
27、数据采集模块，用于采集当前环境温度、当前除冰车所在位置的经纬度以及除冰车前方预设范围内的当前路面冰层厚度；
28、分析模块，用于根据所述路面冰层厚度构建路面冰层厚度矩阵，并根据所述路面冰层厚度矩阵、所述环境温度和所述经纬度输出铣刀高度预测值。
29、一种除冰车，包括车体和设置在所述车体上的如权利要求9所述的除冰车铣刀高度预测系统。
30、本专利技术的有益效果为：
31、本专利技术提供一种除冰车铣刀除冰高度预测方法，根据实时检测到的路面冰层厚度、当前环境温度和除冰车所在位置经纬度预测铣刀的最佳切入冰层的高度，即作业高度，使得铣刀作业时能高效地铲除路面上的冰雪，综合了多种影响冰层状态的因素，使得铣刀的除冰雪效果达到最佳，同时能避免对路面造成损伤，提高作业安全性。
3本文档来自技高网...
【技术保护点】
1.一种除冰车铣刀除冰高度预测方法，其特征在于，包括：
2.根据权利要求1所述的除冰车铣刀除冰高度预测方法，其特征在于，根据所述路面冰层厚度矩阵、所述温度以及所述经纬度预测所述除冰车上铣刀的最佳切入冰层的高度包括：
3.根据权利要求2所述的除冰车铣刀除冰高度预测方法，其特征在于，所述铣刀高度预测模型包括卷积神经网络和全连接神经网络，所述卷积神经网络用于提取所述路面冰层厚度矩阵的特征，所述通过预置在所述除冰车上的铣刀高度预测模型预测所述铣刀的最佳切入冰层的高度包括：
4.根据权利要求1所述的除冰车铣刀除冰高度预测方法，其特征在于，还包括：
5.根据权利要求1所述的除冰车铣刀除冰高度预测方法，其特征在于，基于当前除冰车前方预设范围内的路面冰层厚度构建路面冰层厚度矩阵包括：
6.一种铣刀高度预测模型训练方法，其特征在于，包括：
7.根据权利要求6所述的一种铣刀高度预测模型训练方法，其特征在于，铣刀高度预测初始神经网络模型包括卷积神经网络和全连接神经网络，所述卷积神经网络用于提取所述路面冰层厚度矩阵的特征，并输出第一
8.根据权利要求6所述的一种铣刀高度预测模型训练方法，其特征在于，获取所述训练样本还包括：
9.一种除冰车铣刀高度预测系统，其特征在于，包括：
10.一种除冰车，其特征在于，包括车体和设置在所述车体上的如权利要求9所述的除冰车铣刀高度预测系统。
...【技术特征摘要】
1.一种除冰车铣刀除冰高度预测方法，其特征在于，包括：
2.根据权利要求1所述的除冰车铣刀除冰高度预测方法，其特征在于，根据所述路面冰层厚度矩阵、所述温度以及所述经纬度预测所述除冰车上铣刀的最佳切入冰层的高度包括：
3.根据权利要求2所述的除冰车铣刀除冰高度预测方法，其特征在于，所述铣刀高度预测模型包括卷积神经网络和全连接神经网络，所述卷积神经网络用于提取所述路面冰层厚度矩阵的特征，所述通过预置在所述除冰车上的铣刀高度预测模型预测所述铣刀的最佳切入冰层的高度包括：
4.根据权利要求1所述的除冰车铣刀除冰高度预测方法，其特征在于，还包括：
5.根据权利要求1所述的除冰车铣刀除冰高度预测方法，其特征在于，基于当前除冰车前方预设范围内的...
【专利技术属性】
技术研发人员：杨仁才，徐永锋，朱春东，王国贤，何明智，
申请(专利权)人：随州市东正专用汽车有限公司，
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。