公开(公告)号：CN110610061B

公开(公告)日：2022-11-08

申请号：CN201910944400.0

申请日：2019-09-30

Applicant: 湖南大学

Inventor： 张英杰 ,  李明珠 ,  邓立波 ,  胡作磊 ,  丁灿 ,  孙庆帅

IPC: G06F30/27 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 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。

公开(公告)号：CN110610061A

公开(公告)日：2019-12-24

申请号：CN201910944400.0

申请日：2019-09-30

Applicant: 湖南大学

Inventor： 张英杰 ,  李明珠 ,  邓立波 ,  胡作磊 ,  丁灿 ,  孙庆帅

IPC: G06F17/50 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06T5/40

Abstract: 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。