[发明专利]一种融合多源信息的混凝土塌落度高精度预测方法

摘要

本发明公开了一种融合多源信息的混凝土塌落度高精度预测方法，本发明通过使用原料配比，结合改进的粒子群优化神经网络得到塌落度预测模型一；通过湿度传感器，检测混凝土的湿度值；训练卷积神经网络模型，结合LSTM神经网络得到基于机器视觉方法的塌落度预测模型二；将塌落度预测模型一，与湿度值以及塌落度预测模型二进行训练，得到最终的神经网络预测模型，用于对混凝土的塌落度进行实时的预测。本发明避免了传统工业测量混凝土塌落度方法的局限，如：人工测量会存在测量偏差，且费时费力的缺陷；避免了数值模拟中骨料的粗细对混凝土预测值的影响，单一的传感器物理值的局限性，以及单一的通过图像处理的抗干扰性能差等对预测值造成的影响。

主权项

1.一种融合多源信息的混凝土塌落度高精度预测方法，其特征在于，包括以下步骤：/n步骤一，得到数据集；所述数据集包括混凝土塌落度的数据集、混凝土搅拌停止前t分钟时的湿度值数据集、搅拌停止前t分钟内的混凝土图片数据集；0＜t≤10；所述混凝土塌落度的数据集C＝[Cement，slag，Fly-ash，Water，SP Coarse-agg，Fine-agg，Slump]其中，C表示混凝土塌落度的数据集，Cement，slag，Fly-ash，Water，SP，Coarse-agg，Fine-agg分别表示类别为水泥、矿粉、粉煤灰、水、水泥、粗骨料、细骨料的质量；Slump表示混凝土塌落度；将数据集分为训练集和测试集；/n步骤二、将训练集中的混凝土配料值输入粒子群算法神经网络模型训练得到混凝土的塌落度预测模型一；/n步骤三、将训练集中的搅拌停止前t分钟内的混凝土图片数据集和对应的混凝土塌落度的数据集输入卷积神经网络结合长短期记忆网络模型进行训练，得到混凝土的塌落度预测模型二；/n步骤四、将训练集内的混凝土配料值分别输入塌落度预测模型一第一混凝土塌落度预测值集；将训练集内的搅拌停止前t分钟内的混凝土图片数据集输入塌落度预测模型二得到第二混凝土塌落度预测值集；/n步骤五、将第一混凝土塌落度预测值集、第二混凝土塌落度预测值集和训练集内的混凝土搅拌停止前t分钟时的湿度值数据集和对应混凝土的实际塌落度值集输入神经网络训练得到塌落度预测模型三；/n步骤六、使用测试集重复步骤二至步骤五测试塌落度预测模型三得到的预测塌落度值与实际塌落度值的均方根误差；/n步骤七、若均方根误差RMSE≤设定阈值则得到最终的塌落度预测训练模型，否则扩大训练集的样本数量重复步骤二至六训练至RMSE≤设定阈值；/n步骤八、将待预测的混凝土的水泥、矿粉、粉煤灰、水、水泥、粗骨料、细骨料的质量输入最终的塌落度预测训练模型的塌落度预测模型一得到第一塌落度预测值；将待预测的混凝土的搅拌停止前t分钟内的图片输入最终的塌落度预测训练模型的塌落度预测模型二得到第二塌落度预测值；将待预测的混凝土搅拌停止前t分钟时的湿度值、第一塌落度预测值和第二塌落度预测值输入最终的塌落度预测训练模型的塌落度预测模型三得到待预测的混凝土的混凝土的塌落度预测值。/n