【技术实现步骤摘要】
本专利技术涉及环卫设备控制，具体涉及一种用于环卫设备的路面清理控制系统及方法。
技术介绍
1、随着城市化进程的加速推进，对环卫设备的需求也在不断攀升。然而，当前市面上大多数环卫设备在面对不同路面条件(包括干燥、潮湿、有油污等环境)时，其清洁效率和效果存在着明显的局限性。主要问题在于：这些设备大多依赖于预设的操作参数，缺乏针对实时路面状况的自适应调节能力，这直接导致了清洁效果不尽人意。
2、例如，在遭遇降雨后，使用传统环卫设备清理街道时遇到了诸多挑战。由于设备的操作参数固定不变，它们在清除路面积水和油污方面显得力不从心，进而影响了整体的清洁质量。具体而言：
3、1.在干燥路面上，虽然固定参数的设备能够有效地去除灰尘和细小垃圾，但对于体积较大的杂物却束手无策。
4、2.遇到潮湿路面时，同样的设备设置容易造成水花四溅，不仅影响行人的通行安全，也无法高效地清除泥浆和湿滑物质。
5、3.对于有油污覆盖的路面，这些设备更是难以应对，因为它们无法深入清除油渍，留下光滑的表面，给行人带来潜在的安全隐患。
6、除了上述清洁效果的问题外，固定参数的使用还带来了额外的成本负担。例如，在清扫交通繁忙的街区时发现，由于设备不能根据实际情况灵活调整工作模式，不得不反复进行多次清扫以达到满意的清洁标准。这一过程不仅消耗了大量的燃料，延长了作业时间，也间接推高了运营成本。
7、综上所述，现有环卫设备普遍存在的问题是：通常采用固定的设备操作参数，缺乏对不同路面状况的自适应能力，这不仅影响了清
技术实现思路
1、本专利技术的目的在于提供一种用于环卫设备的路面清理控制系统及方法，以确保环卫设备在不同路面条件下的高效、智能作业。
2、第一方面，一种用于环卫设备的路面清理控制系统，其特征在于，包括：
3、路面状况数据采集模块，用于采集路面状况数据，所述路面状况数据包括路面湿度、路面温度、路面污染物类型和路面污染物分布；
4、清理参数预测模块，基于所述设备操作参数和路面状况数据采集模块采集的路面状况数据，通过训练的支持向量回归模型预测清理参数，清理参数包括清理效果、能耗和作业时间；
5、设备操作参数优化模块，采用多目标优化函数，结合清理参数预测模块预测的清理参数，对当前的设备操作参数进行优化，其中，所述多目标优化函数包括清理效果、能耗和作业时间作为优化目标，并通过pareto前沿探索和非支配解的选择，以及自然进化策略进行二次优化，得到最终优化的设备操作参数；
6、执行模块，根据所述设备操作参数优化模块优化后的设备操作参数操作设备。
7、可选地，所述路面状况数据采集模块包括：
8、湿度传感器，非接触式安装在环卫设备前端，用于测量路面湿度；
9、温度传感器，非接触式安装在环卫设备前端，用于测量路面温度；
10、视觉传感器，非接触式安装在环卫设备前端上方，用于拍摄路面图像，识别污染物类型和分布。
11、可选地，所述支持向量回归模型通过以下步骤训练得到：
12、基于历史作业记录获取训练数据，包括路面状况特征、设备操作参数和对应的清理参数；
13、选择rbf核函数的支持向量回归模型，并通过交叉验证和网格搜索方法选择最佳的模型参数，包括正则化参数、rbf核函数的参数和不敏感损失函数的参数；
14、使用训练数据训练支持向量回归模型，使其能够根据输入的当前路面状况数据的特征向量和设备操作参数，预测清理参数。
15、可选地，所述设备操作参数优化模块采用动态调整权重系数的方法，根据当前的路面状况特征动态调整清理效果、能耗和作业时间在多目标优化函数中的权重，以在多个目标之间找到一个平衡点。
16、可选地，所述pareto前沿探索包括：
17、初始设备操作参数种群生成：将待优化的设备操作参数作为基础，随机生成一组初始参数设置；
18、清理参数评估：使用支持向量回归模型预测每组参数设置下的清理参数；
19、选择非支配解：根据pareto原则选择非支配解；
20、变异：对选中的非支配解进行变异操作，生成新的参数设置；
21、迭代：重复所述清理参数评估、选择非支配解和变异步骤，直到满足第一收敛条件或达到第一最大迭代次数；
22、即通过pareto前沿探索得到了一组非支配解，一次优化完成。
23、可选地，所述自然进化策略用于在一次优化结果中选取一个非支配解进行二次优化，通过计算目标函数对参数的自然梯度，并采用自适应学习率更新参数，直到满足第二收敛条件或达到第二最大迭代次数。
24、第二方面，本专利技术所述的一种用于环卫设备的路面清理控制方法，包括以下步骤：
25、采集路面状况数据，包括路面湿度、路面温度、路面污染物类型和路面污染物分布；
26、基于所述路面状况数据和设备操作参数，通过训练的支持向量回归模型预测清理参数，包括清理效果、能耗和作业时间；
27、采用多目标优化函数，结合预测的清理参数，对当前的设备操作参数进行优化，其中，所述多目标优化函数包括清理效果、能耗和作业时间作为优化目标，并通过pareto前沿探索和非支配解的选择，以及自然进化策略进行二次优化，得到最终优化的设备操作参数；
28、根据优化后的设备操作参数操作设备。
29、可选地，所述支持向量回归模型的训练步骤包括：
30、基于历史作业记录获取训练数据，包括路面状况特征、设备操作参数和对应的清理参数；
31、选择rbf核函数的支持向量回归模型，并通过交叉验证和网格搜索方法选择最佳的模型参数，包括正则化参数、rbf核函数的参数和不敏感损失函数的参数；
32、使用训练数据训练支持向量回归模型，使其能够根据输入的当前路面状况数据的特征向量和设备操作参数，预测清理参数。
33、可选地，所述设备操作参数优化的步骤中，采用动态调整权重系数的方法，根据当前的路面状况特征动态调整清理效果、能耗和作业时间在多目标优化函数中的权重，以在多个目标之间找到一个平衡点。
34、可选地，所述pareto前沿探索的步骤包括：
35、初始设备操作参数种群生成：将待优化的设备操作参数作为基础，随机生成一组初始参数设置；
36、清理参数评估：使用支持向量回归模型预测每组参数设置下的清理参数；
37、选择非支配解：根据pareto原则选择非支配解；
38、变异：对选中的非支配解进行变异操作，生成新的参数设置；
39、迭代：重复所述清理参数评估、选择非支配解和变异的步骤，直到满足第一收敛条件或达到第一最大迭代次数本文档来自技高网...
【技术保护点】
1.一种用于环卫设备的路面清理控制系统，其特征在于，包括：
2.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述路面状况数据采集模块包括：
3.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述支持向量回归模型通过以下步骤训练得到：
4.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述设备操作参数优化模块采用动态调整权重系数的方法，根据当前的路面状况特征动态调整清理效果、能耗和作业时间在多目标优化函数中的权重，以在多个目标之间找到一个平衡点。
5.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述Pareto前沿探索包括：
6.根据权利要求5所述的用于环卫设备的路面清理控制系统，其特征在于，所述自然进化策略用于在一次优化结果中选取一个非支配解进行二次优化，通过计算目标函数对参数的自然梯度，并采用自适应学习率更新参数，直到满足第二收敛条件或达到第二最大迭代次数。
7.一种用于环卫设备的路面清理控制方法，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种用于环卫设备的路面清理控制系统，其特征在于，包括：
2.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述路面状况数据采集模块包括：
3.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述支持向量回归模型通过以下步骤训练得到：
4.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述设备操作参数优化模块采用动态调整权重系数的方法，根据当前的路面状况特征动态调整清理效果、能耗和作业时间在多目标优化函数中的权重，以在多个目标之间找到一个平衡点。
5.根据权利要求1所述的用于环卫设备的路面清理控制系统，其特征在于，所述pareto前沿探索包括：
6.根据权利要求5所述的用于环卫设备的路面清理控制系统，其特征在于，所述...
【专利技术属性】
技术研发人员：舒海东，张文静，郑佰平，郭昌川，袁媛，黄森鸿，杨颖，
申请(专利权)人：重庆市环卫集团有限公司，
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。