CN109872145A - 基于cnn卷积神经网络的充电场智能管理*** - Google Patents
基于cnn卷积神经网络的充电场智能管理*** Download PDFInfo
- Publication number
- CN109872145A CN109872145A CN201910089290.4A CN201910089290A CN109872145A CN 109872145 A CN109872145 A CN 109872145A CN 201910089290 A CN201910089290 A CN 201910089290A CN 109872145 A CN109872145 A CN 109872145A
- Authority
- CN
- China
- Prior art keywords
- charging
- driver
- capacitor
- convolutional neural
- neural networks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
发明公开了基于CNN卷积神经网络的充电场智能管理***。涉及电场监控管理技术领域,便于对充电场进行有效监控管理。包括微控制单元、通信模块、充电场管理平台、设置在充电场能为新能源汽车充电的充电机和设置在充电场的摄像头;通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接;微控制单元通过通信模块与充电场管理平台通信连接;在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块;在充电场的每个充电停车位处都分别独立设有供新能源汽车停在其上面进行充电的充电停车板;在每个充电停车板的下方分别设有板压力传感器,每个板压力传感器分别独立绑定有板地址编码器。
Description
技术领域
发明涉及充电场监控管理技术领域,具体涉及基于CNN卷积神经网络的充电场智能管理***。
背景技术
近几年来新能源汽车发展迅速,新能源汽车在使用过程中都需要在充电场内进行充电,因此对充电场监控管理成为了发展新能源汽车的重要内容。目前还没有对充电场进行有效监控管理,因此设计一种便于对充电场进行监控管口的充电场智能管理***显得非常必要。
发明内容
发明是为了解决现有充电场存在的上述不足,提供一种便于对充电场进行有效监控管理,人性化程度高,集可靠性好的基于CNN卷积神经网络的充电场智能管理***。
为了实现上述目的,发明采用以下技术方案:
基于CNN卷积神经网络的充电场智能管理***,包括微控制单元、通信模块、充电场管理平台、设置在充电场能为新能源汽车充电的充电机和设置在充电场的摄像头;通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接;微控制单元通过通信模块与充电场管理平台通信连接;在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块;
在充电场的每个充电停车位处都分别独立设有供新能源汽车停在其上面进行充电的充电停车板;在每个充电停车板的下方分别设有板压力传感器,每个板压力传感器分别独立绑定有板地址编码器;在停车板上的上表面上均布设有若干个板半通孔,在每个板半通孔内一对一设有面压力传感器,每个面压力传感器分别独立绑定有面地址编码器;板压力传感器、板地址编码器、面压力传感器和面地址编码器分别与与微控制单元相连接。
当有车辆在充电停车板上时,板压力传感器和面压力传感器均能检测到压力信号,摄像头也能拍摄到充电停车板上当前是否有无车辆的图片信息并送入CNN 卷积神经网络模块进行图片处理后再次判断出充电停车板上当前是否有无车辆,并可判断出充电停车板上当前的车辆油车还是新能源汽车。并且借助面压力传感器还能判断车辆停在充电停车板上的状态是摆正停放还是斜停放。本方案便于对充电场进行有效监控管理,人性化程度高,集可靠性好。
作为优选,在充电停车板下方设有基座,在充电停车板下表面上竖直向下固定设有上管,在上管上上下滑动套设有下管,下管的下端固定连接在基座上;在基座的上表面上分别竖直固定设有若干顶板弹簧和压力弹簧,顶板弹簧的上端面顶紧挤压连接在充电停车板的下表面上,从而使停车板能在基座上上下移动;板压力传感器固定连接在压力弹簧的顶端,充电停车板下移到设定高度后充电停车板的下表面压紧连接在板压力传感器上。
这种结构便于判断充电停车板上是否油车,可靠性好,便于对充电场进行有效监控管理。
作为优选,在充电停车板后方的充电场内设有水平档杆,在水平档杆上沿着水平档杆的轴线排列设有若干个接近半通孔,在每个接近半通孔内分别设有接近传感器,每个接近传感器分别独立绑定有接近地址编码器;每个接近传感器和每个接近地址编码器都分别与微控制单元相连接。
借助接近传感器能判断车辆停在充电停车板上的位置是靠前、靠后还是适中,便于对充电场进行有效监控管理。
作为优选,微控制单元每间隔设定时间就借助摄像头拍摄图片上传到充电场管理平台;充电场管理平台收到图片后立即将图片送入CNN卷积神经网络模块由 CNN卷积神经网络模块对图片进行处理;
CNN卷积神经网络模块对图片进行处理过程如下:
在CNN卷积神经网络模块的输入层输入任意大小的图片,***在将图片送入 CNN卷积网络之前,会对图片进行一定的预处理,将图片大小调整为32*32统一大小的图片;
在CNN卷积神经网络模块的第一卷积层采用12个5*5大小的卷积核并加入 zero-padding进行特征提取后生成12个featureMap;
在CNN卷积神经网络模块的第一激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第一池化层采用2*2的大小并选用Max-pooling 对图片进行压缩;
在CNN卷积神经网络模块的第二卷积层采用24个4*4大小的卷积核进行特征提取后生成24个featureMap;
在CNN卷积神经网络模块的第二激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第二池化层采用2*2的大小并选用Max-pooling 进行池化;
在CNN卷积神经网络模块的第三卷积层采用40个3*3大小的卷积核进行特征提取后生成40个featureMap;
在CNN卷积神经网络模块的第三激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第三池化层采用2*2的大小并选用Max-pooling 进行池化;
在CNN卷积神经网络模块的全连接层把做完MaxPooling池化后的数据送入到Flatten层,然后把Flatten层的output放到fullconnectedLayer里,采用 softmax逻辑回归模型对其进行分类;
SoftMax的表达式:其中,j=1,…,K;
在CNN卷积神经网络模块的输出层这里的输出结果包含,当前图片是空闲充电停车板、还是充电桩、还是车辆,
如果是空闲充电停车板,则给出当前是空闲充电停车板的提示,
如果是充电桩,则进一步判断充电枪是否在充电座上,
如果是车辆,则判断当前车辆的车牌颜色,如果车牌是蓝色,则说明当前车位状态被油车占用,进一步对车牌进行识别,如果车牌是绿色,则说明当前车位状态被新能源汽车占用。
识别率高、鲁棒性好,即使在获取到的充电场的图像存在扭曲、位移、缩放等情况下也能有较好的识别效果,可靠性高,便于对充电场进行有效监控管理。
作为优选,在充电机的充电枪上设有分别与微控制单元相连接的ADC采样增益调整电路、CAN隔离通信模块电路、DA输出放大电路、LCD屏电路、V/F电路和F/V电路;
在充电机的充电枪上还设有参考源电路,所述参考源电路包括电解电容 CR1、电容CR2、电容CR3、电容CR4、电容CR5、电解电容CR6、电阻RF1、电阻RF2、电阻RF3、电阻RF4、接地端AGND、直流VA+5V输出端、高精准基准电压芯片UD3、放大芯片UD4、电解电容C6、电容C7、电解电容C8、电容C9、电解电容C11、电容C12、正电压稳压器D2和稳压管D3;
所述高精准基准电压芯片UD3为AD780芯片;放大芯片UD4为OP07芯片;正电压稳压器D2为L7805芯片;稳压管D3为SPX1117-3.3V芯片;
电解电容CR1的负极端、电容CR2的一端、电容CR3的一端、电容CR4的一端、电容CR5的一端、电解电容CR6的负极端、电阻RF1的一端和高精准基准电压芯片UD3的com管脚都分别与接地端AGND相连接;
电解电容CR1的正极端、电容CR2的另一端和高精准基准电压芯片UD3的 Vi管脚都分别与直流VA+5V输出端相连接;
电容CR3的另一端与高精准基准电压芯片UD3的temp管脚相连接;
电阻RF1的另一端与高精准基准电压芯片UD3的O/P管脚相连接;
高精准基准电压芯片UD3的Vo管脚与放大芯片UD4的正向输入端相连接;
电阻RF3的一端与放大芯片UD4的反向输入端相连接;
电阻RF3的另一端、电解电容CR6的正极端和放大芯片UD4的输出端都分别连接在微控制单元的VREF+管脚上;
放大芯片UD4的接地端和电阻FR4的一端都分别连接在电容CR5的另一端上;
电阻FR4的另一端连接在12V电源负极上;
放大芯片UD4的接电源正极端口和电阻RF2的一端都分别连接在电容CR4 的另一端上;
电解电容C6的负极端、电容C7的一端、电解电容C8的负极端、电容C9 的一端、电容C11的负极端、电容C12的一端、正电压稳压器D2的GND管脚和稳压管D3的GND管脚都分别与接地端AGND相连接;
电阻FR2的另一端、电解电容C6的正极端和电容C7的另一端都分别与正电压稳压器D2的Vin管脚相连接;
电解电容C8的正极端、电容C8的另一端和稳压管D3的VIN管脚都分别与正电压稳压器D2的Vin管脚相连接;
电解电容C11的正极端、电容C12的另一端都分别与稳压管D3的VOUT管脚相连接。
数据采集可靠性好,便于对充电场进行有效监控管理。
作为优选,在充电场管理平台上还设有充电信用租借模块;
充电场智能管理***还包括若干个分别持有智能手机且都分别在智能手机上独立安装有外部APP的司机;
每个司机均可通过自己智能手机上的外部APP分别与充电场管理平台上的充电信用租借模块网络连接;
每个司机还可通过自己智能手机内的外部APP在充电信用租借模块上相互加为好友;
每个司机均可通过自己智能手机内的外部APP在信用租借模块上查看每个好友的延期缴纳充电费用信用等级分数;
相互加为好友的司机之间的延期缴纳充电费用信用等级分数可相互暂时全部或部分借用;
司机借用好友的延期缴纳充电费用信用等级分数后,该司机当前的延期缴纳充电费用信用等级分数就等于该司机原来的延期缴纳充电费用信用等级分数加上该司机从好友那里借来的延期缴纳充电费用信用等级分数之和,并在该司机将该次充电的费用缴纳成功后由信用租借模块自动将该司机所借的延期缴纳充电费用信用等级分数减去后自动退还给被借出消费等级的那个司机;
司机在利用延期缴纳充电费用信用等级分数对车辆进行先充电后交费时无需先支付充电费用,该司机的充电费用只需在充电完成后信用租借模块设定的时间内支付完成即可;
如果司机充电后在信用租借模块设定的时间内支付完充电费用的,该司机的延期缴纳充电费用信用等级分数由信用租借模块自动给加上相应分数,并且同时将借给该司机的那个好友的延期缴纳充电费用信用等级分数也由信用租借模块自动给加上相应分数;
如果司机充电后未在信用租借模块设定的时间内支付完充电费用的,该司机的延期缴纳充电费用信用等级分数由信用租借模块自动给减去相应分数,并且同时将借给该司机的那个好友的延期缴纳充电费用信用等级分数也由信用租借模块自动给减去相应分数;
如果司机充电后未在信用租借模块设定的时间内支付完充电费用的,则在该司机在下次充电时需要先交齐上次的充电费用后才能进行该次充电。
通过打通好友司机之间的线上线下渠道,使得好友司机之间黏性增加,增加了好友司机之间的相互帮助半径,提升了司机充电的消费信用体验,可允许好友司机之间的延期缴纳充电费用信用等级分数部分或全部相互临时借用,司机好友之间相互信用的依存度增大,好友司机之间信用可相互牵连,可靠性好。
作为优选,如果司机充电后超出规定交费时间结后的两个月内还未交充电费的,则当初将延期缴纳充电费用信用等级分数借给该司机的对应好友在两个月结束后的第一次充电时就需要先代替未交充电费的那个司机交齐充电费用后才能给自己的新能源汽车充电。
司机好友之间相互信用的依存度增大,好友司机之间信用可相互牵连,可靠性好。这样充电场所有者易于管理,便于进一步提升服务。
作为优选,在充电机的充电枪上分别设有抢编号二维码和抢编号数字。
便于司机扫描抢编号二维码或输入抢编号数字后进行充电连接,可靠性高。
发明能够达到如下效果:
发明当有车辆在充电停车板上时,板压力传感器和面压力传感器均能检测到压力信号,摄像头也能拍摄到充电停车板上当前是否有无车辆的图片信息并送入 CNN卷积神经网络模块进行图片处理后再次判断出充电停车板上当前是否有无车辆,并可判断出充电停车板上当前的车辆油车还是新能源汽车。并且借助面压力传感器还能判断车辆停在充电停车板上的状态是摆正停放还是斜停放。本方案便于对充电场进行有效监控管理,人性化程度高。通过打通好友司机之间的线上线下渠道,使得好友司机之间黏性增加,增加了好友司机之间的相互帮助半径,提升了司机充电的消费信用体验,可允许好友司机之间的延期缴纳充电费用信用等级分数部分或全部相互临时借用,司机好友之间相互信用的依存度增大,好友司机之间信用可相互牵连,可靠性好。
附图说明
图1是发明的一种电路原理连接结构示意框图。
图2是发明ADC采样增益调整电路的一种电路示意图。
图3是发明CAN隔离通信模块电路的一种电路示意图。
图4是发明DA输出放大电路的一种电路示意图。
图5是发明LCD屏电路的一种电路示意图。
图6是发明微控制单元的一种电路示意图。
图7是发明RS232-RS485电路的一种电路示意图。
图8是发明V/F电路的一种电路示意图。
图9是本实用新F/V电路的一种电路示意图。
图10是发明型参考源电路的一种电路示意图。
图11是发明型充电场处的一种示意图。
具体实施方式
下面通过实施例,并结合附图,对发明的技术方案作进一步具体的说明。
实施例:基于CNN卷积神经网络的充电场智能管理***,参见图1-图11所示,包括微控制单元1、RS232-RS485电路6、通信模块27、充电场管理平台28、设置在充电场25能为新能源汽车充电的充电机24和设置在充电场的摄像头22; RS232-RS485电路、通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接;微控制单元通过通信模块与充电场管理平台通信连接;在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块29;
在充电场的每个充电停车位处都分别独立设有供新能源汽车停在其上面进行充电的充电停车板26;在每个充电停车板的下方分别设有板压力传感器14,每个板压力传感器分别独立绑定有板地址编码器30;在停车板上的上表面上均布设有若干个板半通孔16,在每个板半通孔内一对一通过弹簧18设有面压力传感器17,每个面压力传感器分别独立绑定有面地址编码器31;板压力传感器、板地址编码器、面压力传感器和面地址编码器分别与与微控制单元相连接。
在充电停车板下方设有基座10,在充电停车板下表面上竖直向下固定设有上管13,在上管上上下滑动套设有下管12,下管的下端固定连接在基座上;在基座的上表面上分别竖直固定设有若干顶板弹簧11和压力弹簧15,顶板弹簧的上端面顶紧挤压连接在充电停车板的下表面上,从而使停车板能在基座上上下移动;板压力传感器固定连接在压力弹簧的顶端,充电停车板下移到设定高度后充电停车板的下表面压紧连接在板压力传感器上。
在充电停车板后方的充电场内设有水平档杆19,在水平档杆上沿着水平档杆的轴线排列设有若干个接近半通孔20,在每个接近半通孔内分别设有接近传感器21,每个接近传感器分别独立绑定有接近地址编码器31;每个接近传感器和每个接近地址编码器都分别与微控制单元相连接。
微控制单元每间隔设定时间就借助摄像头拍摄图片上传到充电场管理平台;充电场管理平台收到图片后立即将图片送入CNN卷积神经网络模块由CNN卷积神经网络模块对图片进行处理;
CNN卷积神经网络模块对图片进行处理过程如下:
在CNN卷积神经网络模块的输入层输入任意大小的图片,***在将图片送入 CNN卷积网络之前,会对图片进行一定的预处理,将图片大小调整为32*32统一大小的图片;
在CNN卷积神经网络模块的第一卷积层采用12个5*5大小的卷积核并加入 zero-padding进行特征提取后生成12个featureMap;
在CNN卷积神经网络模块的第一激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第一池化层采用2*2的大小并选用Max-pooling 对图片进行压缩;
在CNN卷积神经网络模块的第二卷积层采用24个4*4大小的卷积核进行特征提取后生成24个featureMap;
在CNN卷积神经网络模块的第二激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第二池化层采用2*2的大小并选用Max-pooling 进行池化;
在CNN卷积神经网络模块的第三卷积层采用40个3*3大小的卷积核进行特征提取后生成40个featureMap;
在CNN卷积神经网络模块的第三激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第三池化层采用2*2的大小并选用Max-pooling 进行池化;
在CNN卷积神经网络模块的全连接层把做完MaxPooling池化后的数据送入到Flatten层,然后把Flatten层的output放到fullconnectedLayer里,采用 softmax逻辑回归模型对其进行分类;
SoftMax的表达式:其中,j=1,…,K;
在CNN卷积神经网络模块的输出层这里的输出结果包含,当前图片是空闲充电停车板、还是充电桩、还是车辆,
如果是空闲充电停车板,则给出当前是空闲充电停车板的提示,
如果是充电桩,则进一步判断充电枪是否在充电座上,
如果是车辆,则判断当前车辆的车牌颜色,如果车牌是蓝色,则说明当前车位状态被油车占用,进一步对车牌进行识别,如果车牌是绿色,则说明当前车位状态被新能源汽车占用。
在充电机的充电枪上设有分别与微控制单元相连接的ADC采样增益调整电路、CAN隔离通信模块电路、DA输出放大电路、LCD屏电路、V/F电路和F/V电路;
在充电机的充电枪23上还设有参考源电路,所述参考源电路包括电解电容 CR1、电容CR2、电容CR3、电容CR4、电容CR5、电解电容CR6、电阻RF1、电阻 RF2、电阻RF3、电阻RF4、接地端AGND、直流VA+5V输出端、高精准基准电压芯片UD3、放大芯片UD4、电解电容C6、电容C7、电解电容C8、电容C9、电解电容C11、电容C12、正电压稳压器D2和稳压管D3;
所述高精准基准电压芯片UD3为AD780芯片;放大芯片UD4为OP07芯片;正电压稳压器D2为L7805芯片;稳压管D3为SPX1117-3.3V芯片;
电解电容CR1的负极端、电容CR2的一端、电容CR3的一端、电容CR4的一端、电容CR5的一端、电解电容CR6的负极端、电阻RF1的一端和高精准基准电压芯片UD3的com管脚都分别与接地端AGND相连接;
电解电容CR1的正极端、电容CR2的另一端和高精准基准电压芯片UD3的 Vi管脚都分别与直流VA+5V输出端相连接;
电容CR3的另一端与高精准基准电压芯片UD3的temp管脚相连接;
电阻RF1的另一端与高精准基准电压芯片UD3的O/P管脚相连接;
高精准基准电压芯片UD3的Vo管脚与放大芯片UD4的正向输入端相连接;
电阻RF3的一端与放大芯片UD4的反向输入端相连接;
电阻RF3的另一端、电解电容CR6的正极端和放大芯片UD4的输出端都分别连接在微控制单元的VREF+管脚上;
放大芯片UD4的接地端和电阻FR4的一端都分别连接在电容CR5的另一端上;
电阻FR4的另一端连接在12V电源负极上;
放大芯片UD4的接电源正极端口和电阻RF2的一端都分别连接在电容CR4 的另一端上;
电解电容C6的负极端、电容C7的一端、电解电容C8的负极端、电容C9 的一端、电容C11的负极端、电容C12的一端、正电压稳压器D2的GND管脚和稳压管D3的GND管脚都分别与接地端AGND相连接;
电阻FR2的另一端、电解电容C6的正极端和电容C7的另一端都分别与正电压稳压器D2的Vin管脚相连接;
电解电容C8的正极端、电容C8的另一端和稳压管D3的VIN管脚都分别与正电压稳压器D2的Vin管脚相连接;
电解电容C11的正极端、电容C12的另一端都分别与稳压管D3的VOUT管脚相连接。
在充电场管理平台上还设有充电信用租借模块32;
充电场智能管理***还包括若干个分别持有智能手机33且都分别在智能手机上独立安装有外部APP34的司机35;
每个司机均可通过自己智能手机上的外部APP分别与充电场管理平台上的充电信用租借模块网络连接;
每个司机还可通过自己智能手机内的外部APP在充电信用租借模块上相互加为好友;
每个司机均可通过自己智能手机内的外部APP在信用租借模块上查看每个好友的延期缴纳充电费用信用等级分数;
相互加为好友的司机之间的延期缴纳充电费用信用等级分数可相互暂时全部或部分借用;
司机借用好友的延期缴纳充电费用信用等级分数后,该司机当前的延期缴纳充电费用信用等级分数就等于该司机原来的延期缴纳充电费用信用等级分数加上该司机从好友那里借来的延期缴纳充电费用信用等级分数之和,并在该司机将该次充电的费用缴纳成功后由信用租借模块自动将该司机所借的延期缴纳充电费用信用等级分数减去后自动退还给被借出消费等级的那个司机;
司机在利用延期缴纳充电费用信用等级分数对车辆进行先充电后交费时无需先支付充电费用,该司机的充电费用只需在充电完成后信用租借模块设定的时间内支付完成即可;
如果司机充电后在信用租借模块设定的时间内支付完充电费用的,该司机的延期缴纳充电费用信用等级分数由信用租借模块自动给加上相应分数,并且同时将借给该司机的那个好友的延期缴纳充电费用信用等级分数也由信用租借模块自动给加上相应分数;
如果司机充电后未在信用租借模块设定的时间内支付完充电费用的,该司机的延期缴纳充电费用信用等级分数由信用租借模块自动给减去相应分数,并且同时将借给该司机的那个好友的延期缴纳充电费用信用等级分数也由信用租借模块自动给减去相应分数;
如果司机充电后未在信用租借模块设定的时间内支付完充电费用的,则在该司机在下次充电时需要先交齐上次的充电费用后才能进行该次充电;
如果司机充电后超出规定交费时间结后的两个月内还未交充电费的,则当初将延期缴纳充电费用信用等级分数借给该司机的对应好友在两个月结束后的第一次充电时就需要先代替未交充电费的那个司机交齐充电费用后才能给自己的新能源汽车充电。
在充电机的充电枪上分别设有抢编号二维码和抢编号数字。
ADC采样增益调整电路,通过程序自动调整增益大小,实现低电压小电流或高电压大电流时,采样数据都能达到较高的精度。
CAN隔离通信模块电路,内部集成了隔离电源模块、光耦隔离器件、以及CAN 驱动器,体积小,可靠性高。
DA输出放大电路,STM32F407内部DA编程输出,通过0P07放大输出电压至 0-10V控制高压模块输出电压。
LCD屏电路,320x240TFTSPI接口显示屏,用于显示采样数据,实时曲线等。
微控制单元和分别与微控制单元相连接的ADC采样增益调整电路、CAN隔离通信,采用32位ARMCortexTM-M4内核控制器,168M主频,2路CAN,多路USART, SPI接口,A/D,D/A等。
RS232-RS485电路,用于与电表通信,负载通信,PC后台软件通信。
V/F电路,将采样电压通过LM331转换成频率信号,通过隔离光耦传送给MCU 采样计算,主要用于低压信号检测。
F/V电路,MCU输出频率信号,通过LM331将频率信号转成电压信号输出,用于低压信号输出。
参考源电路,是MCUA/D、D/A电路采样计算的基准电压。
借助接近传感器能判断车辆停在充电停车板上的位置是靠前、靠后还是适中,便于对充电场进行有效监控管理。
当有车辆在充电停车板上时,板压力传感器和面压力传感器均能检测到压力信号,摄像头也能拍摄到充电停车板上当前是否有无车辆的图片信息并送入CNN 卷积神经网络模块进行图片处理后再次判断出充电停车板上当前是否有无车辆,并可判断出充电停车板上当前的车辆油车还是新能源汽车。并且借助面压力传感器还能判断车辆停在充电停车板上的状态是摆正停放还是斜停放。本方案便于对充电场进行有效监控管理,人性化程度高,便于提高运维效率,降低运维成本。通过打通好友司机之间的线上线下渠道,使得好友司机之间黏性增加,增加了好友司机之间的相互帮助半径,提升了司机充电的消费信用体验,可允许好友司机之间的延期缴纳充电费用信用等级分数部分或全部相互临时借用,司机好友之间相互信用的依存度增大,好友司机之间信用可相互牵连,可靠性好。
上面结合附图描述了发明的实施方式,但实现时不受上述实施例限制,本领域普通技术人员可以在所附权利要求的范围内做出各种变化或修改。
Claims (8)
1.基于CNN卷积神经网络的充电场智能管理***,包括微控制单元、通信模块、充电场管理平台、设置在充电场能为新能源汽车充电的充电机和设置在充电场的摄像头;通信模块、充电机的控制端和摄像头的控制端都分别与微控制单元相连接;微控制单元通过通信模块与充电场管理平台通信连接;其特征在于,在充电场管理平台上设有能对摄像头所拍摄图片进行处理的CNN卷积神经网络模块;
在充电场的每个充电停车位处都分别独立设有供新能源汽车停在其上面进行充电的充电停车板;在每个充电停车板的下方分别设有板压力传感器,每个板压力传感器分别独立绑定有板地址编码器;在停车板上的上表面上均布设有若干个板半通孔,在每个板半通孔内一对一设有面压力传感器,每个面压力传感器分别独立绑定有面地址编码器;板压力传感器、板地址编码器、面压力传感器和面地址编码器分别与与微控制单元相连接。
2.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,在充电停车板下方设有基座,在充电停车板下表面上竖直向下固定设有上管,在上管上上下滑动套设有下管,下管的下端固定连接在基座上;在基座的上表面上分别竖直固定设有若干顶板弹簧和压力弹簧,顶板弹簧的上端面顶紧挤压连接在充电停车板的下表面上,从而使停车板能在基座上上下移动;板压力传感器固定连接在压力弹簧的顶端,充电停车板下移到设定高度后充电停车板的下表面压紧连接在板压力传感器上。
3.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,在充电停车板后方的充电场内设有水平档杆,在水平档杆上沿着水平档杆的轴线排列设有若干个接近半通孔,在每个接近半通孔内分别设有接近传感器,每个接近传感器分别独立绑定有接近地址编码器;每个接近传感器和每个接近地址编码器都分别与微控制单元相连接。
4.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,微控制单元每间隔设定时间就借助摄像头拍摄图片上传到充电场管理平台;充电场管理平台收到图片后立即将图片送入CNN卷积神经网络模块由CNN卷积神经网络模块对图片进行处理;
CNN卷积神经网络模块对图片进行处理过程如下:
在CNN卷积神经网络模块的输入层输入任意大小的图片,***在将图片送入CNN卷积网络之前,会对图片进行一定的预处理,将图片大小调整为32*32统一大小的图片;
在CNN卷积神经网络模块的第一卷积层采用12个5*5大小的卷积核并加入zero-padding进行特征提取后生成12个featureMap;
在CNN卷积神经网络模块的第一激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第一池化层采用2*2的大小并选用Max-pooling对图片进行压缩;
在CNN卷积神经网络模块的第二卷积层采用24个4*4大小的卷积核进行特征提取后生成24个featureMap;
在CNN卷积神经网络模块的第二激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第二池化层采用2*2的大小并选用Max-pooling进行池化;
在CNN卷积神经网络模块的第三卷积层采用40个3*3大小的卷积核进行特征提取后生成40个featureMap;
在CNN卷积神经网络模块的第三激活层采用Relu激活函数对网络进行修正;
在CNN卷积神经网络模块的第三池化层采用2*2的大小并选用Max-pooling进行池化;
在CNN卷积神经网络模块的全连接层把做完MaxPooling池化后的数据送入到Flatten层,然后把Flatten层的output放到fullconnectedLayer里,采用softmax逻辑回归模型对其进行分类;
在CNN卷积神经网络模块的输出层这里的输出结果包含,当前图片是空闲充电停车板、还是充电桩、还是车辆,
如果是空闲充电停车板,则给出当前是空闲充电停车板的提示,
如果是充电桩,则进一步判断充电枪是否在充电座上,
如果是车辆,则判断当前车辆的车牌颜色,如果车牌是蓝色,则说明当前车位状态被油车占用,进一步对车牌进行识别,如果车牌是绿色,则说明当前车位状态被新能源汽车占用。
5.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,在充电机的充电枪上设有分别与微控制单元相连接的ADC采样增益调整电路、CAN隔离通信模块电路、DA输出放大电路、LCD屏电路、V/F电路和F/V电路;
在充电机的充电枪上还设有参考源电路,所述参考源电路包括电解电容CR1、电容CR2、电容CR3、电容CR4、电容CR5、电解电容CR6、电阻RF1、电阻RF2、电阻RF3、电阻RF4、接地端AGND、直流VA+5V输出端、高精准基准电压芯片UD3、放大芯片UD4、电解电容C6、电容C7、电解电容C8、电容C9、电解电容C11、电容C12、正电压稳压器D2和稳压管D3;
所述高精准基准电压芯片UD3为AD780芯片;放大芯片UD4为OP07芯片;正电压稳压器D2为L7805芯片;稳压管D3为SPX1117-3.3V芯片;
电解电容CR1的负极端、电容CR2的一端、电容CR3的一端、电容CR4的一端、电容CR5的一端、电解电容CR6的负极端、电阻RF1的一端和高精准基准电压芯片UD3的com管脚都分别与接地端AGND相连接;
电解电容CR1的正极端、电容CR2的另一端和高精准基准电压芯片UD3的Vi管脚都分别与直流VA+5V输出端相连接;
电容CR3的另一端与高精准基准电压芯片UD3的temp管脚相连接;
电阻RF1的另一端与高精准基准电压芯片UD3的0/P管脚相连接;
高精准基准电压芯片UD3的Vo管脚与放大芯片UD4的正向输入端相连接;
电阻RF3的一端与放大芯片UD4的反向输入端相连接;
电阻RF3的另一端、电解电容CR6的正极端和放大芯片UD4的输出端都分别连接在微控制单元的VREF+管脚上;
放大芯片UD4的接地端和电阻FR4的一端都分别连接在电容CR5的另一端上;
电阻FR4的另一端连接在12V电源负极上;
放大芯片UD4的接电源正极端口和电阻RF2的一端都分别连接在电容CR4的另一端上;
电解电容C6的负极端、电容C7的一端、电解电容C8的负极端、电容C9的一端、电容C11的负极端、电容C12的一端、正电压稳压器D2的GND管脚和稳压管D3的GND管脚都分别与接地端AGND相连接;
电阻FR2的另一端、电解电容C6的正极端和电容C7的另一端都分别与正电压稳压器D2的Vin管脚相连接;
电解电容C8的正极端、电容C8的另一端和稳压管D3的VIN管脚都分别与正电压稳压器D2的Vin管脚相连接;
电解电容C11的正极端、电容C12的另一端都分别与稳压管D3的VOUT管脚相连接。
6.根据权利要求1所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,在充电场管理平台上还设有充电信用租借模块;
充电场智能管理***还包括若干个分别持有智能手机且都分别在智能手机上独立安装有外部APP的司机;
每个司机均可通过自己智能手机上的外部APP分别与充电场管理平台上的充电信用租借模块网络连接;
每个司机还可通过自己智能手机内的外部APP在充电信用租借模块上相互加为好友;
每个司机均可通过自己智能手机内的外部APP在信用租借模块上查看每个好友的延期缴纳充电费用信用等级分数;
相互加为好友的司机之间的延期缴纳充电费用信用等级分数可相互暂时全部或部分借用;
司机借用好友的延期缴纳充电费用信用等级分数后,该司机当前的延期缴纳充电费用信用等级分数就等于该司机原来的延期缴纳充电费用信用等级分数加上该司机从好友那里借来的延期缴纳充电费用信用等级分数之和,并在该司机将该次充电的费用缴纳成功后由信用租借模块自动将该司机所借的延期缴纳充电费用信用等级分数减去后自动退还给被借出消费等级的那个司机;
司机在利用延期缴纳充电费用信用等级分数对车辆进行先充电后交费时无需先支付充电费用,该司机的充电费用只需在充电完成后信用租借模块设定的时间内支付完成即可;
如果司机充电后在信用租借模块设定的时间内支付完充电费用的,该司机的延期缴纳充电费用信用等级分数由信用租借模块自动给加上相应分数,并且同时将借给该司机的那个好友的延期缴纳充电费用信用等级分数也由信用租借模块自动给加上相应分数;
如果司机充电后未在信用租借模块设定的时间内支付完充电费用的,该司机的延期缴纳充电费用信用等级分数由信用租借模块自动给减去相应分数,并且同时将借给该司机的那个好友的延期缴纳充电费用信用等级分数也由信用租借模块自动给减去相应分数;
如果司机充电后未在信用租借模块设定的时间内支付完充电费用的,则在该司机在下次充电时需要先交齐上次的充电费用后才能进行该次充电。
7.根据权利要求6所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,如果司机充电后超出规定交费时间结后的两个月内还未交充电费的,则当初将延期缴纳充电费用信用等级分数借给该司机的对应好友在两个月结束后的第一次充电时就需要先代替未交充电费的那个司机交齐充电费用后才能给自己的新能源汽车充电。
8.根据权利要求6所述的基于CNN卷积神经网络的充电场智能管理***,其特征在于,在充电机的充电枪上分别设有抢编号二维码和抢编号数字。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910089290.4A CN109872145B (zh) | 2019-01-29 | 2019-01-29 | 基于cnn卷积神经网络的充电场智能管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910089290.4A CN109872145B (zh) | 2019-01-29 | 2019-01-29 | 基于cnn卷积神经网络的充电场智能管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109872145A true CN109872145A (zh) | 2019-06-11 |
CN109872145B CN109872145B (zh) | 2020-12-08 |
Family
ID=66918359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910089290.4A Expired - Fee Related CN109872145B (zh) | 2019-01-29 | 2019-01-29 | 基于cnn卷积神经网络的充电场智能管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109872145B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105642A (zh) * | 2020-01-10 | 2020-05-05 | 吴立新 | 一种智能停车场停车管理***及停车方法 |
CN111207875A (zh) * | 2020-02-25 | 2020-05-29 | 青岛理工大学 | 基于多粒度并联cnn模型的肌电信号-扭矩匹配方法 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1564017A (zh) * | 2004-04-01 | 2005-01-12 | 上海交通大学 | 站区充电无轨电车的中线跟踪式车位检测装置 |
CN103426246A (zh) * | 2013-07-26 | 2013-12-04 | 国家电网公司 | 一种具有防开启监控功能的充电桩 |
CN103457322A (zh) * | 2013-09-02 | 2013-12-18 | 重庆文理学院 | 一种电动汽车自动充电站 |
CN103985270A (zh) * | 2014-04-17 | 2014-08-13 | 北京汉王智通科技有限公司 | 停车场控制*** |
CN104218642A (zh) * | 2014-08-29 | 2014-12-17 | 济南璞润电力科技有限公司 | 一种集控式电动汽车充电*** |
CN105743192A (zh) * | 2016-04-01 | 2016-07-06 | 江苏万帮德和新能源科技有限公司 | 一种互联网智能交流充电桩的控制电路及控制方法 |
CN105869300A (zh) * | 2016-04-18 | 2016-08-17 | 宁波轩悦行电动汽车服务有限公司 | 能通过手机预约租车的电动汽车租赁***及其控制方法 |
CN205468603U (zh) * | 2016-01-22 | 2016-08-17 | 武平泓鑫工业技术开发有限公司 | 一种电动汽车充电桩 |
CN106295827A (zh) * | 2016-08-12 | 2017-01-04 | 宁波轩悦行电动汽车服务有限公司 | 电动汽车智能预约租车方法 |
DE102015009258A1 (de) * | 2015-07-16 | 2017-01-19 | Audi Ag | Heizungsvorrichtung für ein Fahrzeug und Verfahren zum Heizen eines Fahrzeuginnenraums |
CN106356920A (zh) * | 2016-08-31 | 2017-01-25 | 北京博望华科科技有限公司 | 一种电动汽车充电管理***及方法 |
CN106527290A (zh) * | 2016-12-23 | 2017-03-22 | 惠州市丝鹭新能源科技有限公司 | 一种电动汽车交流充电桩控制板 |
CN106828162A (zh) * | 2017-02-19 | 2017-06-13 | 国家电网公司 | 一种多功能电动车辆充电站 |
CN107199908A (zh) * | 2017-06-07 | 2017-09-26 | 深圳市奈士迪技术研发有限公司 | 一种新能源汽车及能自动充电的充电桩 |
CN107665353A (zh) * | 2017-09-15 | 2018-02-06 | 平安科技(深圳)有限公司 | 基于卷积神经网络的车型识别方法、装置、设备及计算机可读存储介质 |
CN107945566A (zh) * | 2017-11-17 | 2018-04-20 | 张慧 | 基于多目标跟踪与深度学习的路边停车管理***及方法 |
CN108287910A (zh) * | 2018-01-31 | 2018-07-17 | 启迪国信科技有限公司 | 一种智慧园区服务***和管理*** |
CN108416348A (zh) * | 2018-01-29 | 2018-08-17 | 重庆邮电大学 | 基于支持向量机和卷积神经网络的车牌定位识别方法 |
CN108550277A (zh) * | 2018-06-04 | 2018-09-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于图像深度学习的停车位识别及查询方法 |
CN108573573A (zh) * | 2018-05-14 | 2018-09-25 | 威马智慧出行科技(上海)有限公司 | 电动汽车充电桩的监控方法及装置 |
CN108629323A (zh) * | 2018-05-11 | 2018-10-09 | 哈尔滨工业大学 | 一种景区游客链式出行一体化提供方法 |
CN108646746A (zh) * | 2018-06-05 | 2018-10-12 | 天津大学 | 一种无线充电和自动电池换装的地下空间环境监测网络 |
CN108827379A (zh) * | 2018-06-05 | 2018-11-16 | 天津大学 | 一种利用无线充电技术的地下空间环境监测网络 |
CN108891298A (zh) * | 2018-09-17 | 2018-11-27 | 吉林大学 | 一种基于模糊控制的新型充电桩及其控制方法 |
CN109064370A (zh) * | 2018-08-22 | 2018-12-21 | 佛山铮荣科技有限公司 | 一种城市安全管理*** |
-
2019
- 2019-01-29 CN CN201910089290.4A patent/CN109872145B/zh not_active Expired - Fee Related
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1564017A (zh) * | 2004-04-01 | 2005-01-12 | 上海交通大学 | 站区充电无轨电车的中线跟踪式车位检测装置 |
CN103426246A (zh) * | 2013-07-26 | 2013-12-04 | 国家电网公司 | 一种具有防开启监控功能的充电桩 |
CN103457322A (zh) * | 2013-09-02 | 2013-12-18 | 重庆文理学院 | 一种电动汽车自动充电站 |
CN103985270A (zh) * | 2014-04-17 | 2014-08-13 | 北京汉王智通科技有限公司 | 停车场控制*** |
CN104218642A (zh) * | 2014-08-29 | 2014-12-17 | 济南璞润电力科技有限公司 | 一种集控式电动汽车充电*** |
DE102015009258A1 (de) * | 2015-07-16 | 2017-01-19 | Audi Ag | Heizungsvorrichtung für ein Fahrzeug und Verfahren zum Heizen eines Fahrzeuginnenraums |
CN205468603U (zh) * | 2016-01-22 | 2016-08-17 | 武平泓鑫工业技术开发有限公司 | 一种电动汽车充电桩 |
CN105743192A (zh) * | 2016-04-01 | 2016-07-06 | 江苏万帮德和新能源科技有限公司 | 一种互联网智能交流充电桩的控制电路及控制方法 |
CN105869300A (zh) * | 2016-04-18 | 2016-08-17 | 宁波轩悦行电动汽车服务有限公司 | 能通过手机预约租车的电动汽车租赁***及其控制方法 |
CN106295827A (zh) * | 2016-08-12 | 2017-01-04 | 宁波轩悦行电动汽车服务有限公司 | 电动汽车智能预约租车方法 |
CN106356920A (zh) * | 2016-08-31 | 2017-01-25 | 北京博望华科科技有限公司 | 一种电动汽车充电管理***及方法 |
CN106527290A (zh) * | 2016-12-23 | 2017-03-22 | 惠州市丝鹭新能源科技有限公司 | 一种电动汽车交流充电桩控制板 |
CN106828162A (zh) * | 2017-02-19 | 2017-06-13 | 国家电网公司 | 一种多功能电动车辆充电站 |
CN107199908A (zh) * | 2017-06-07 | 2017-09-26 | 深圳市奈士迪技术研发有限公司 | 一种新能源汽车及能自动充电的充电桩 |
CN107665353A (zh) * | 2017-09-15 | 2018-02-06 | 平安科技(深圳)有限公司 | 基于卷积神经网络的车型识别方法、装置、设备及计算机可读存储介质 |
CN107945566A (zh) * | 2017-11-17 | 2018-04-20 | 张慧 | 基于多目标跟踪与深度学习的路边停车管理***及方法 |
CN108416348A (zh) * | 2018-01-29 | 2018-08-17 | 重庆邮电大学 | 基于支持向量机和卷积神经网络的车牌定位识别方法 |
CN108287910A (zh) * | 2018-01-31 | 2018-07-17 | 启迪国信科技有限公司 | 一种智慧园区服务***和管理*** |
CN108629323A (zh) * | 2018-05-11 | 2018-10-09 | 哈尔滨工业大学 | 一种景区游客链式出行一体化提供方法 |
CN108573573A (zh) * | 2018-05-14 | 2018-09-25 | 威马智慧出行科技(上海)有限公司 | 电动汽车充电桩的监控方法及装置 |
CN108550277A (zh) * | 2018-06-04 | 2018-09-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于图像深度学习的停车位识别及查询方法 |
CN108646746A (zh) * | 2018-06-05 | 2018-10-12 | 天津大学 | 一种无线充电和自动电池换装的地下空间环境监测网络 |
CN108827379A (zh) * | 2018-06-05 | 2018-11-16 | 天津大学 | 一种利用无线充电技术的地下空间环境监测网络 |
CN109064370A (zh) * | 2018-08-22 | 2018-12-21 | 佛山铮荣科技有限公司 | 一种城市安全管理*** |
CN108891298A (zh) * | 2018-09-17 | 2018-11-27 | 吉林大学 | 一种基于模糊控制的新型充电桩及其控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105642A (zh) * | 2020-01-10 | 2020-05-05 | 吴立新 | 一种智能停车场停车管理***及停车方法 |
CN111207875A (zh) * | 2020-02-25 | 2020-05-29 | 青岛理工大学 | 基于多粒度并联cnn模型的肌电信号-扭矩匹配方法 |
CN111207875B (zh) * | 2020-02-25 | 2021-06-25 | 青岛理工大学 | 基于多粒度并联cnn模型的肌电信号-扭矩匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109872145B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105869300B (zh) | 能通过手机预约租车的电动汽车租赁***及其控制方法 | |
CN108215820A (zh) | 一种基于台区用电信息的电动汽车充电控制***及方法 | |
CN106295827A (zh) | 电动汽车智能预约租车方法 | |
CN109872145A (zh) | 基于cnn卷积神经网络的充电场智能管理*** | |
CN108891272A (zh) | 电动车的充电方法、充电管理端、***及可读存储介质 | |
CN106326993A (zh) | 电动汽车预约租车方法 | |
CN105869301B (zh) | 能通过手机预约充电的电动汽车租赁***及其控制方法 | |
CN108928249A (zh) | 电动车辆充电灯杆及充电灯杆管理*** | |
CN107845149B (zh) | 一种停车充电付费自助设备及*** | |
CN107394858A (zh) | 基于变压器台区负荷信息控制充电桩的台区中央控制器 | |
CN107244243A (zh) | 一种新能源汽车充电无人管理***及管理方法 | |
CN104037844B (zh) | 基于物联网的电动车充电*** | |
CN107730604A (zh) | 停车费用结算方法及装置 | |
CN203278289U (zh) | 一种多功能智能充电桩 | |
CN205583728U (zh) | 一种电动汽车充电桩管理机构 | |
CN209433441U (zh) | 停车收费装置 | |
CN106156867B (zh) | 智能预约租车方法 | |
CN207764852U (zh) | 一种基于新能源汽车的车位自助收费*** | |
CN208291012U (zh) | 电动车辆充电灯杆及充电灯杆管理*** | |
CN105019701A (zh) | 带充电装置的停车位智能终端设备 | |
CN106096746B (zh) | 一种智能预约租车方法 | |
CN108448662A (zh) | 多功能快速充电停放*** | |
CN105956898A (zh) | 具有手机预约租车功能的电动汽车租赁***及其控制方法 | |
CN107482723A (zh) | 一种基于nb‑iot通讯协议的网络便携式移动电源及其使用方法 | |
CN209521567U (zh) | 一种新能源停车充电桩 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201208 Termination date: 20220129 |
|
CF01 | Termination of patent right due to non-payment of annual fee |