CN113077628B - 一种复合地磁车辆检测器的算法 - Google Patents
一种复合地磁车辆检测器的算法 Download PDFInfo
- Publication number
- CN113077628B CN113077628B CN202110368109.0A CN202110368109A CN113077628B CN 113077628 B CN113077628 B CN 113077628B CN 202110368109 A CN202110368109 A CN 202110368109A CN 113077628 B CN113077628 B CN 113077628B
- Authority
- CN
- China
- Prior art keywords
- data
- magnetic field
- module
- fault
- sensor
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种复合地磁车辆检测器的算法,涉及交通车辆检测技术领域;本发明设置了故障评估模块,该设置根据传感器数据进行故障判断并获取故障标签;故障评估模块通过传感器数据和多项式拟合法的结合对超声波传感器、红外传感器和微波传感器的故障进行判断,能够保证本发明的工作效率,同时为检测执行模块提供了数据支持;本发明设置了地磁补偿模块,该设置根据环境数据获取磁场补偿数据;地磁补偿模块通过环境数据和磁场补偿模型的结合实现磁场变化的预测,并获取磁场补偿数据,充分利用人工智能模型的优势,提高了磁场补偿数据的获取精度,能够通过地磁车辆检测器的检测效率和检测精度。
Description
技术领域
本发明属于交通车辆检测领域,涉及地磁检测技术,具体是一种复合地磁车辆检测器的算法。
背景技术
地球表面磁场在一定范围内保持相对稳定,当车辆等铁磁体进入特定检测范围时,会影响当地磁场强度的微量变化,用三轴磁阻传感器去测量时,其XYZ三轴磁阻数据会发生微量变化,若将无车背景磁域和有车背景磁域作为阈值划分,则可检测出车辆是否离开。
公开号为CN108053655A的发明专利提供了一种复合地磁车辆检测器及检测方法,选用高性能8位单片机,利用其11C接口、高精度AD口、数字10日、串行接口和大容量Flash,以三轴地磁传感器为主,结合震动、红外、超声波、微波等传感器做辅助检测,采集传感器数据,优化算法,规避辅助传感器在不同应用场合的缺陷。
上述方案不仅可实现地磁车辆检测器的初始自动标定和磁域背景变化跟踪标定,而且结合轴助传感器提高车辆检测精度;但是,上述方案中的地磁车辆检测器的初始标定的精度不高,且对地磁车辆检测器中各部件的工作状态判断不够准确;因此,上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题,本发明提供了一种复合地磁车辆检测器的算法。
本发明的目的可以通过以下技术方案实现:一种复合地磁车辆检测器的算法,所述算法具体包括以下步骤:
步骤一:通过控制***获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至数据存储模块、地磁补偿模块和故障评估模块,将环境数据分别发送至地磁补偿模块和数据存储模块,将磁场数据分别发送至数据存储模块和检测执行模块;
步骤二:当故障评估模块接收到传感器数据之后,结合多项式拟合法对超声波传感器、红外传感器和微波传感器进行故障分析,并生成故障标签,通过处理器将故障标签分别发送至数据存储模块和检测执行模块;
步骤三:当地磁补偿模块接收到环境数据时,将环境数据中的温度、湿度、季节和日期整合并标记为输入数据;获取数据存储模块中的磁场补偿模型;将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
步骤四:当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;根据标准磁场的磁场强度判定车辆的存在情况。
进一步地,所述控制***包括处理器、故障评估模块、数据采集模块、地磁补偿模块、检测执行模块、全局监控模块和数据存储模块;
所述数据采集模块和至少一个地磁车辆检测器电气连接;所述数据采集模块获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至数据存储模块、地磁补偿模块和故障评估模块,将环境数据分别发送至地磁补偿模块和数据存储模块,将磁场数据分别发送至数据存储模块和检测执行模块;
所述地磁补偿模块根据环境数据获取磁场补偿数据,包括:
当地磁补偿模块接收到环境数据时,将环境数据中的温度、湿度、季节和日期整合并标记为输入数据;
获取数据存储模块中的磁场补偿模型;
将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;所述输出结果为预测的输入数据条件下的三轴磁场传感器测量数据与磁场标准数据的预差值;
通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
所述检测执行模块根据故障标签和磁场补偿值对磁场数据进行补偿,包括:
当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;
根据标准磁场的磁场强度判定车辆的存在情况。
进一步地,所述全局监控模块结合地理坐标实时显示故障标签;所述全局监控模块还用于派遣工作人员对故障位置进行故障排查和故障维修,所述故障位置为故障标签对应的地理坐标。
进一步地,所述磁场补偿模型的生成具体包括以下步骤:
通过数据存储模块获取磁场历史分析数据;所述历史分析数据包括环境历史数据及对应的磁场差值数据,其中环境历史数据包括温度、湿度、季节和日期,磁场差值数据为三轴磁场传感器测量数据与磁场标准值的差值;
构建人工智能模型;所述人工智能模型至少包括误差逆向传播神经网络模型、RBF神经网络模型和深度卷积神经网络模型中的一种;
将磁场历史分析数据按照设定比例划分为训练集、测试集和校验集;所述设定比例包括2:1:1和3:1:1;
通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将完成训练的人工智能模型标记为磁场补偿模型;
通过处理器将磁场补偿模型发送至数据存储模块进行存储。
进一步地,所述故障评估模块根据传感器数据进行故障判断并获取故障标签,包括:
当故障评估模块接收到传感器数据之后,提取声波频率、红外数据和微波数据,将声波频率、红外数据和微波数据分别标记为SP、HS和WS;
以时间为自变量,以声波频率SP为因变量通过多项式拟合法建立声波频率变化曲线;获取声波频率变化曲线的一阶导数值,任选其中一个自变量获取对应的一阶导数值和声波频率去绝对值后并分别标记为变化率和验证频率;
当变化率小于变化率阈值,且验证频率小于等于40KHz时,则判定超声波传感器异常,生成并发送超声传感异常信号至全局监控模块;否则,判定超声波传感器正常,生成并发送超声传感正常信号至全局监控模块;其中变化率阈值通过大数据模拟获取;
以时间为自变量,以红外数据HS为因变量通过多项式拟合法获取红外变化曲线;获取红外变化曲线的一阶导数值,获取一阶导数的均方差,当均方差小于均方差阈值时,则判定红外传感器正常,生成并发送红外传感正常信号至全局监控模块;否则,判定红外传感器异常,生成并发送红外传感异常信号至全局监控模块;其中均方差阈值通过大数据模拟获取;
在已知存在震动的情况下,微波数据小于微波差值阈值时,则判定微波传感器异常,生成并发送微波传感异常信号至全局监控模块;否则,判定微波传感器正常,生成并发送微波传感正常信号至全局监控模块;
生成故障标签;所述故障标签的取值为0和1,当故障标签为0时,表示超声波传感器、红外传感器和微波传感器均正常,当故障标签为1时,表示超声波传感器、红外传感器和微波传感器中至少有一个异常;
通过处理器将故障标签分别发送至数据存储模块和检测执行模块。
进一步地,所述传感器数据包括超声波数据、红外数据和微波数据,且所述传感器数据至少包括15天以上的测量数据;所述超声波数据包括压电式超声波接收器接收到的超声波信号的频率和数值,并分别标记为声波频率和声波数据;所述红外数据为红外接收器接收到的信号值;所述微波数据为微波传感器测量的震动情况下和非震动情况下的微波差值;所述环境数据包括温度、湿度、季节和日期;所述磁场数据为三轴地磁传感器的测量数据。
进一步地,所述地磁车辆检测器包括超声波调制电路、压电式超声波发射器、压电式超声波接收器、超声波滤波整形电路、红外发射器、红外发射功率驱动电路、红外接收器、红外接收滤波电路、微波传感器、微波频率计、高性能单片机、稳压电源、电池组、带震动唤醒功能的三轴加速度计和三轴地磁传感器;所述高性能单片机包括模数转换接口、IIC接口和多路高速IO口,且内置状态工作模式,所述状态工作模式包括看门狗模式和休眠工作模式。
与现有技术相比,本发明的有益效果是:
1、本发明设置了故障评估模块,该设置根据传感器数据进行故障判断并获取故障标签;故障评估模块通过传感器数据和多项式拟合法的结合对超声波传感器、红外传感器和微波传感器的故障进行判断,能够保证本发明的工作效率,同时为检测执行模块提供了数据支持;
2、本发明设置了地磁补偿模块,该设置根据环境数据获取磁场补偿数据;地磁补偿模块通过环境数据和磁场补偿模型的结合实现磁场变化的预测,并获取磁场补偿数据,充分利用人工智能模型的优势,提高了磁场补偿数据的获取精度,能够通过地磁车辆检测器的检测效率和检测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的步骤示意图;
图2为本发明控制***的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-图2,一种复合地磁车辆检测器的算法,所述算法具体包括以下步骤:
步骤一:通过控制***获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至数据存储模块、地磁补偿模块和故障评估模块,将环境数据分别发送至地磁补偿模块和数据存储模块,将磁场数据分别发送至数据存储模块和检测执行模块;
步骤二:当故障评估模块接收到传感器数据之后,结合多项式拟合法对超声波传感器、红外传感器和微波传感器进行故障分析,并生成故障标签,通过处理器将故障标签分别发送至数据存储模块和检测执行模块;
步骤三:当地磁补偿模块接收到环境数据时,将环境数据中的温度、湿度、季节和日期整合并标记为输入数据;获取数据存储模块中的磁场补偿模型;将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
步骤四:当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;根据标准磁场的磁场强度判定车辆的存在情况。
进一步地,所述控制***包括处理器、故障评估模块、数据采集模块、地磁补偿模块、检测执行模块、全局监控模块和数据存储模块;
所述数据采集模块和至少一个地磁车辆检测器电气连接;所述数据采集模块获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至数据存储模块、地磁补偿模块和故障评估模块,将环境数据分别发送至地磁补偿模块和数据存储模块,将磁场数据分别发送至数据存储模块和检测执行模块;
所述地磁补偿模块根据环境数据获取磁场补偿数据,包括:
当地磁补偿模块接收到环境数据时,将环境数据中的温度、湿度、季节和日期整合并标记为输入数据;
获取数据存储模块中的磁场补偿模型;
将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;所述输出结果为预测的输入数据条件下的三轴磁场传感器测量数据与磁场标准数据的预差值;
通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
所述检测执行模块根据故障标签和磁场补偿值对磁场数据进行补偿,包括:
当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;
根据标准磁场的磁场强度判定车辆的存在情况。
进一步地,所述全局监控模块结合地理坐标实时显示故障标签;所述全局监控模块还用于派遣工作人员对故障位置进行故障排查和故障维修,所述故障位置为故障标签对应的地理坐标。
进一步地,所述磁场补偿模型的生成具体包括以下步骤:
通过数据存储模块获取磁场历史分析数据;所述历史分析数据包括环境历史数据及对应的磁场差值数据,其中环境历史数据包括温度、湿度、季节和日期,磁场差值数据为三轴磁场传感器测量数据与磁场标准值的差值;
构建人工智能模型;所述人工智能模型至少包括误差逆向传播神经网络模型、RBF神经网络模型和深度卷积神经网络模型中的一种;
将磁场历史分析数据按照设定比例划分为训练集、测试集和校验集;所述设定比例包括2:1:1和3:1:1;
通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将完成训练的人工智能模型标记为磁场补偿模型;
通过处理器将磁场补偿模型发送至数据存储模块进行存储。
进一步地,所述故障评估模块根据传感器数据进行故障判断并获取故障标签,包括:
当故障评估模块接收到传感器数据之后,提取声波频率、红外数据和微波数据,将声波频率、红外数据和微波数据分别标记为SP、HS和WS;
以时间为自变量,以声波频率SP为因变量通过多项式拟合法建立声波频率变化曲线;获取声波频率变化曲线的一阶导数值,任选其中一个自变量获取对应的一阶导数值和声波频率去绝对值后并分别标记为变化率和验证频率;
当变化率小于变化率阈值,且验证频率小于等于40KHz时,则判定超声波传感器异常,生成并发送超声传感异常信号至全局监控模块;否则,判定超声波传感器正常,生成并发送超声传感正常信号至全局监控模块;其中变化率阈值通过大数据模拟获取;
以时间为自变量,以红外数据HS为因变量通过多项式拟合法获取红外变化曲线;获取红外变化曲线的一阶导数值,获取一阶导数的均方差,当均方差小于均方差阈值时,则判定红外传感器正常,生成并发送红外传感正常信号至全局监控模块;否则,判定红外传感器异常,生成并发送红外传感异常信号至全局监控模块;其中均方差阈值通过大数据模拟获取;
在已知存在震动的情况下,微波数据小于微波差值阈值时,则判定微波传感器异常,生成并发送微波传感异常信号至全局监控模块;否则,判定微波传感器正常,生成并发送微波传感正常信号至全局监控模块;
生成故障标签;所述故障标签的取值为0和1,当故障标签为0时,表示超声波传感器、红外传感器和微波传感器均正常,当故障标签为1时,表示超声波传感器、红外传感器和微波传感器中至少有一个异常;
通过处理器将故障标签分别发送至数据存储模块和检测执行模块。
进一步地,所述传感器数据包括超声波数据、红外数据和微波数据,且所述传感器数据至少包括15天以上的测量数据;所述超声波数据包括压电式超声波接收器接收到的超声波信号的频率和数值,并分别标记为声波频率和声波数据;所述红外数据为红外接收器接收到的信号值;所述微波数据为微波传感器测量的震动情况下和非震动情况下的微波差值;所述环境数据包括温度、湿度、季节和日期;所述磁场数据为三轴地磁传感器的测量数据。
进一步地,所述地磁车辆检测器包括超声波调制电路、压电式超声波发射器、压电式超声波接收器、超声波滤波整形电路、红外发射器、红外发射功率驱动电路、红外接收器、红外接收滤波电路、微波传感器、微波频率计、高性能单片机、稳压电源、电池组、带震动唤醒功能的三轴加速度计和三轴地磁传感器;所述高性能单片机包括模数转换接口、IIC接口和多路高速IO口,且内置状态工作模式,所述状态工作模式包括看门狗模式和休眠工作模式。
进一步地,所述处理器分别与故障评估模块、数据采集模块、地磁补偿模块、检测执行模块、全局监控模块和数据存储模块通信连接;所述数据采集模块分别与故障评估模块和地磁补偿模块通信连接,所述全局监控模块分别与数据存储模块和检测执行模块通信连接,所述检测执行模块和地磁补偿模块通信连接。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:
数据采集模块获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至数据存储模块、地磁补偿模块和故障评估模块,将环境数据分别发送至地磁补偿模块和数据存储模块,将磁场数据分别发送至数据存储模块和检测执行模块;
当故障评估模块接收到传感器数据之后,提取声波频率、红外数据和微波数据,将声波频率、红外数据和微波数据分别标记为SP、HS和WS;以时间为自变量,以声波频率SP为因变量通过多项式拟合法建立声波频率变化曲线;获取声波频率变化曲线的一阶导数值,任选其中一个自变量获取对应的一阶导数值和声波频率去绝对值后并分别标记为变化率和验证频率;当变化率小于变化率阈值,且验证频率小于等于40KHz时,则判定超声波传感器异常,生成并发送超声传感异常信号至全局监控模块;否则,判定超声波传感器正常,生成并发送超声传感正常信号至全局监控模块;以时间为自变量,以红外数据HS为因变量通过多项式拟合法获取红外变化曲线;获取红外变化曲线的一阶导数值,获取一阶导数的均方差,当均方差小于均方差阈值时,则判定红外传感器正常,生成并发送红外传感正常信号至全局监控模块;否则,判定红外传感器异常,生成并发送红外传感异常信号至全局监控模块;在已知存在震动的情况下,微波数据小于微波差值阈值时,则判定微波传感器异常,生成并发送微波传感异常信号至全局监控模块;否则,判定微波传感器正常,生成并发送微波传感正常信号至全局监控模块;生成故障标签;通过处理器将故障标签分别发送至数据存储模块和检测执行模块;
当地磁补偿模块接收到环境数据时,将环境数据中的温度、湿度、季节和日期整合并标记为输入数据;获取数据存储模块中的磁场补偿模型;将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;根据标准磁场的磁场强度判定车辆的存在情况。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种复合地磁车辆检测器的算法,其特征在于,所述算法具体包括以下步骤:
步骤一:通过控制***获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至地磁补偿模块和故障评估模块,将环境数据发送至地磁补偿模块,将磁场数据发送至检测执行模块;
步骤二:结合多项式拟合法对超声波传感器、红外传感器和微波传感器进行故障分析,并生成故障标签,通过处理器将故障标签分别发送至数据存储模块和检测执行模块;
步骤三:获取输入数据;获取数据存储模块中的磁场补偿模型;将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
步骤四:当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;根据标准磁场的磁场强度判定车辆的存在情况;
所述故障评估模块根据传感器数据进行故障判断并获取故障标签,包括:
当故障评估模块接收到传感器数据之后,提取声波频率、红外数据和微波数据,将声波频率、红外数据和微波数据分别标记为SP、HS和WS;
以时间为自变量,以声波频率SP为因变量通过多项式拟合法建立声波频率变化曲线;获取声波频率变化曲线的一阶导数值,任选其中一个自变量获取对应的一阶导数值和声波频率去绝对值后并分别标记为变化率和验证频率;
当变化率小于变化率阈值,且验证频率小于等于40KHz时,则判定超声波传感器异常,生成并发送超声传感异常信号至全局监控模块;否则,判定超声波传感器正常,生成并发送超声传感正常信号至全局监控模块;其中变化率阈值通过大数据模拟获取;
以时间为自变量,以红外数据HS为因变量通过多项式拟合法获取红外变化曲线;获取红外变化曲线的一阶导数值,获取一阶导数的均方差,当均方差小于均方差阈值时,则判定红外传感器正常,生成并发送红外传感正常信号至全局监控模块;否则,判定红外传感器异常,生成并发送红外传感异常信号至全局监控模块;其中均方差阈值通过大数据模拟获取;
在已知存在震动的情况下,微波数据小于微波差值阈值时,则判定微波传感器异常,生成并发送微波传感异常信号至全局监控模块;否则,判定微波传感器正常,生成并发送微波传感正常信号至全局监控模块;
生成故障标签;所述故障标签的取值为0和1,当故障标签为0时,表示超声波传感器、红外传感器和微波传感器均正常,当故障标签为1时,表示超声波传感器、红外传感器和微波传感器中至少有一个异常;
通过处理器将故障标签分别发送至数据存储模块和检测执行模块。
2.根据权利要求1所述的一种复合地磁车辆检测器的算法,其特征在于,所述控制***包括处理器、故障评估模块、数据采集模块、地磁补偿模块、检测执行模块、全局监控模块和数据存储模块;
所述数据采集模块获取地磁车辆检测器的传感器数据、环境数据和磁场数据,将传感器数据分别发送至地磁补偿模块和故障评估模块,将环境数据发送至地磁补偿模块,将磁场数据发送至检测执行模块;所述地磁补偿模块根据环境数据获取磁场补偿数据,包括:
当地磁补偿模块接收到环境数据时,将环境数据中的温度、湿度、季节和日期整合并标记为输入数据;获取数据存储模块中的磁场补偿模型;
将输入数据输入至磁场补偿模型中获取输出结果,并将输出结果标记为磁场补偿值;通过处理器将磁场补偿值分别发送至检测执行模块和数据存储模块;
所述检测执行模块根据故障标签和磁场补偿值对磁场数据进行补偿,包括:
当检测执行模块接收到故障标签且故障标签为0时,通过磁场补偿值对磁场数据进行补偿,并将补偿之后的磁场数据标记为标准磁场数据;根据标准磁场的磁场强度判定车辆的存在情况。
3.根据权利要求2所述的一种复合地磁车辆检测器的算法,其特征在于,所述全局监控模块结合地理坐标实时显示故障标签;所述全局监控模块还用于派遣工作人员对故障位置进行故障排查和故障维修。
4.根据权利要求2所述的一种复合地磁车辆检测器的算法,其特征在于,所述磁场补偿模型的生成具体包括以下步骤:
通过数据存储模块获取磁场历史分析数据;构建人工智能模型;将磁场历史分析数据按照设定比例划分为训练集、测试集和校验集;通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验;将完成训练的人工智能模型标记为磁场补偿模型;通过处理器将磁场补偿模型发送至数据存储模块进行存储。
5.根据权利要求2所述的一种复合地磁车辆检测器的算法,其特征在于,所述故障评估模块根据传感器数据进行故障判断并获取故障标签,通过处理器将故障标签分别发送至数据存储模块和检测执行模块。
6.根据权利要求2所述的一种复合地磁车辆检测器的算法,其特征在于,所述传感器数据包括超声波数据、红外数据和微波数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368109.0A CN113077628B (zh) | 2021-04-06 | 2021-04-06 | 一种复合地磁车辆检测器的算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368109.0A CN113077628B (zh) | 2021-04-06 | 2021-04-06 | 一种复合地磁车辆检测器的算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077628A CN113077628A (zh) | 2021-07-06 |
CN113077628B true CN113077628B (zh) | 2022-04-08 |
Family
ID=76615108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110368109.0A Active CN113077628B (zh) | 2021-04-06 | 2021-04-06 | 一种复合地磁车辆检测器的算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077628B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116390137B (zh) * | 2022-12-20 | 2024-05-24 | 江苏中博通信有限公司 | 一种智能终端无线网络信号异常监测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577607A (zh) * | 2013-11-20 | 2014-02-12 | 哈尔滨工程大学 | 一种基于地磁异常数据形态特征的边界补偿方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006164388A (ja) * | 2004-12-07 | 2006-06-22 | Hitachi Global Storage Technologies Netherlands Bv | 磁気ヘッドスライダの浮上量制御方法および磁気ディスク装置 |
CN101810468B (zh) * | 2009-02-20 | 2012-11-14 | 西门子公司 | 减少磁共振温度测量误差的方法 |
DE102014109656A1 (de) * | 2014-07-10 | 2016-02-18 | Infineon Technologies Ag | Magnetfeldsensorvorrichtung |
CN204256991U (zh) * | 2014-12-19 | 2015-04-08 | 深圳市万泊科技有限公司 | 一种多传感器的无线车位探测器 |
CN105118303B (zh) * | 2015-07-17 | 2018-03-27 | 袁丽 | 智能泊车监控管理***及停车模式下车辆入位检测方法 |
CN205810115U (zh) * | 2016-07-04 | 2016-12-14 | 上海德萦电子技术有限公司 | 一种车辆检测传感器 |
CN108072910B (zh) * | 2016-11-18 | 2019-06-07 | 北京自动化控制设备研究所 | 一种分布式磁异常探测***环境磁补偿方法 |
CN106960580B (zh) * | 2017-05-02 | 2019-04-26 | 成都蓉易停科技有限公司 | 一种基于地磁传感器的车位检测方法 |
CN107505657A (zh) * | 2017-07-31 | 2017-12-22 | 长江大学 | 地下磁性体埋深的计算方法 |
CN109816997A (zh) * | 2017-11-21 | 2019-05-28 | 重庆瑞升康博电气有限公司 | 具有多传感器信息融合技术的车流量自动检测*** |
CN108053655A (zh) * | 2018-01-11 | 2018-05-18 | 合肥恩维智能科技有限公司 | 一种复合地磁车辆检测器及检测方法 |
CN108898848A (zh) * | 2018-07-05 | 2018-11-27 | 张晓波 | 一种基于云端自学习的车辆检测*** |
CN109299644A (zh) * | 2018-07-18 | 2019-02-01 | 广东工业大学 | 一种基于区域全卷积网络的车辆目标检测方法 |
CN109470707B (zh) * | 2018-11-30 | 2021-09-03 | 北京卫星制造厂有限公司 | 基于红外热像测试数据判定虚焊焊点的方法 |
US10633003B1 (en) * | 2018-12-05 | 2020-04-28 | Here Global B.V. | Method, apparatus, and computer readable medium for verifying a safe vehicle operation via a portable device |
CN211628415U (zh) * | 2019-11-18 | 2020-10-02 | 柳州慧龙智能科技发展有限公司 | 一种基于地磁和光感的车位检测设备 |
CN111310786B (zh) * | 2020-01-15 | 2023-07-25 | 青岛海信网络科技股份有限公司 | 基于随机森林分类器的交通检测器异常诊断方法及装置 |
CN112213678B (zh) * | 2020-10-27 | 2022-03-25 | 中国人民解放军海军工程大学 | 一种矢量磁探仪三轴数据校正与补偿方法 |
-
2021
- 2021-04-06 CN CN202110368109.0A patent/CN113077628B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577607A (zh) * | 2013-11-20 | 2014-02-12 | 哈尔滨工程大学 | 一种基于地磁异常数据形态特征的边界补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113077628A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN208383180U (zh) | 一种基于无人机性能监测的数据采集***及无人飞行器 | |
CN103640713B (zh) | 飞机结构疲劳部件的监测*** | |
CN108680244A (zh) | 一种旋转机械振动无线监测装置及方法 | |
CN104579166A (zh) | 分布式光伏电站监控***及其故障诊断方法 | |
CN106067760A (zh) | 一种基于云平台的光伏电源监控*** | |
CN108548520A (zh) | 一种基于nb-iot的天线姿态远程数据采集*** | |
CN113569445A (zh) | 一种基于数字孪生技术的钢结构健康监测***及方法 | |
CN105424084A (zh) | 潮滩冲淤组网观测方法、***以及冲淤监测仪 | |
CN113077628B (zh) | 一种复合地磁车辆检测器的算法 | |
CN105179013A (zh) | 基于振动监测定位的煤炭盗采监测方法 | |
CN111999318A (zh) | 一种基于宇宙射线中子的土壤水分含量监测***及方法 | |
CN117147974B (zh) | 一体化温度水位电导率地下水采集水质分析装置 | |
CN204214474U (zh) | 电力***输电塔实时在线监测显示*** | |
CN206930411U (zh) | 一种阀门内漏温度检测装置 | |
CN114132203A (zh) | 基于温湿度智能调节的充电桩控制*** | |
CN116256026B (zh) | 一种动态服役工况下多维拼接拼焊结构的健康监测*** | |
CN102540278A (zh) | 一种多参数气候在线监测*** | |
CN116468422A (zh) | 输电线路线夹温升与剩余寿命预测方法及装置 | |
CN205426948U (zh) | 一种基于Zigbee无线网络的超声波测风仪 | |
CN206378279U (zh) | 螺旋弹簧载荷测试装置及*** | |
CN206174952U (zh) | 一种钻孔测斜装置 | |
CN205192524U (zh) | 轨温监测装置 | |
Perotti et al. | Latest development in advanced sensors at Kennedy Space Center (KSC) | |
CN202648846U (zh) | 一种基于opc技术的无线扭矩测试*** | |
CN202994413U (zh) | 应用于巨型结构件的环境振动试验*** |
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 |