[发明专利]基于BP神经网络的电梯轿厢地坎与井道内表面测距方法

说明书

本发明公开了一种基于BP神经网络的电梯轿厢地坎与井道内表面测距方法，方法包括：利用激光、超声波以及视觉传感器同时多次采集电梯轿厢地坎与井道内表面的距离信息；利用EMD小波算法对超声波传感器采集的原始数据进行消噪处理，利用均值滤波法对其他传感器采集的原始数据进行消噪处理；通过自适应学习率的BP神经网络算法对消噪后的传感器数据进行融合，获得电梯轿厢地坎与井道内表面的最终距离。本发明方法采用了差异化的学习率，能够动态调节不同节点之间的权重，使得收敛误差函数所需的时间减少，同时，采用自适应学习率的BP神经网络算法进行多传感器数据融合，弥补了单一传感器测量存在的不足，提高了测距的准确性和可靠性，适应性更广。

技术领域

本发明属于电梯轿厢地坎与井道内表面距离智能测量领域，特别涉及一种基于BP神经网络的电梯轿厢地坎与井道内表面测距方法。

背景技术

电梯作为一种垂直运输工具，广泛用于住宅、宾馆、商场、办公楼等高层建筑中，是现代城市生活必不可少的交通工具，但我国的电梯管理模式、检验技术水平、现行标准与发达国家相比还存在一定的差距，尤其是检验技术方面的深入研究相对滞后，给制造企业和检验单位带来很多困难。

安全性是电梯所有性能指标中最关键的一项，其中电梯轿厢与井道内表面的距离是电梯安全运行的重要参数指标。现有的特检行业几乎均采用人工检验的方法，该方法操作困难、比较繁琐、耗时长、检验效率低、精度差，对于一些垂直度不规则的井道内表面，容易出现误判现象。因此，如何准确、完整、快捷地获得电梯轿厢地坎与井道内表面距离是检验人员亟需解决的技术问题。

文献“一种针对电梯安全距离的超声波测距系统设计”，针对拖曳式电梯轿厢与入口井道壁安全距离的监测，将超声波应用于短距离测距中，经济有效、方便实用，但是测量精度、抗干扰性差强人意；文献“基于BP神经网络信息融合的智能家居安全系统研究”，使用基于BP神经网络的数据融合方法在一定程度上可以较为准确的对智能家居安全性进行分析，但是收敛速度太慢，传统的学习率算法依然存在不足之处。

发明内容

本发明的目的在于针对上述现有技术存在的问题，提供一种基于BP神经网络的电梯轿厢地坎与井道内表面测距方法。

实现本发明目的的技术解决方案为：基于BP神经网络的电梯轿厢地坎与井道内表面测距方法，所述方法包括以下步骤：

步骤1、利用激光传感器、超声波传感器以及视觉传感器同时多次采集电梯轿厢地坎与井道内表面的距离信息，记为距离信息的原始数据；

步骤2、利用EMD小波算法对超声波传感器采集的原始数据进行消噪处理，利用均值滤波法对激光传感器以及视觉传感器采集的原始数据进行消噪处理；

步骤3、通过自适应学习率的BP神经网络算法对上述消噪后的传感器数据进行融合，获得电梯轿厢地坎与井道内表面的最终距离。

本发明与现有技术相比，其显著优点为：1)采用EMD小波消噪算法，提高了超声波测距的检测精度和抗干扰性能；2)在传统BP神经网络算法的基础上，引入了自适应调整因子，实现了连接权值以及阈值的自动修正，解决了收敛速度过慢的问题；3)采用自适应学习率的BP神经网络算法对多传感器数据进行融合，弥补了单一传感器测量存在的不足，提高了获得的电梯轿厢地坎与井道内表面的距离信息的精确度。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为一个实施例中基于BP神经网络的电梯轿厢地坎与井道内表面测距方法的流程图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。