1.本发明涉及监测技术领域，尤其涉及混凝土拌车离析度监测方法、系统、设备及介质。
背景技术：
2.目前在混凝土互联网行业，拌车从砼站灌装混凝土后，按照调度要求到指定施工点运输。过程中拌车的拌筒在持续转动，避免灌装的混凝土离析度超标。
3.这种作业方式，目前主要依靠管理人员评估出的拌车车内混凝土的凝结时间，来作为拌车在路上运行时间的临界值。而在拌车行驶过程中，容易出现因道路堵车等突发情况导致的运行时间延长，以致于到达施工地点后车内混凝土的离析度超标，此外，拌车拌筒的转速过快或过慢都会造成混凝土的离析度的超标。
4.因此，有必要提出一种解决拌车运输过程中混凝土离析度超标问题的方案。
技术实现要素：
5.本发明的主要目的在于提供一种混凝土拌车离析度监测方法、系统、设备及介质，旨在解决拌车运输过程中混凝土离析度超标的问题。
6.为实现上述目的，本发明提供提供一种混凝土拌车离析度监测方法，所述混凝土拌车离析度监测方法包括：采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速。
7.可选地，所述根据预先训练的离析度模型得到所述声音信息对应的离析度的步骤之前还包括：基于随机模型算法训练得到所述离析度模型，具体包括：采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度；提取所述样本声音信息的数据特征；构造训练模型，将所述样本声音信息的数据特征作为所述训练模型的观测状态，将所述样本离析度对应为所述训练模型的隐藏状态，得到所述隐藏状态的集合和所述观测状态的集合，其中n是可能的隐藏状态数，m是可能的观测状态数，n与m都是大于或等于1的正整数，qn为所述隐藏状态的集合q中的第n个隐藏状态，vm为所述观测状态的集合v中的第m个观测状态；从所述隐藏状态的集合q中选取t=1时刻的所述隐藏状态作为初始隐藏状态，所述初始隐藏状态在所述隐藏状态的集合q中具有n个点的概率分布，组成隐藏状态初始概率分
布；根据齐次马尔科夫链假设得到从t时刻到t+1时刻的隐藏状态的转移概率，组成隐藏状态转移概率矩阵；根据观测独立性假设得到t时刻的观测状态在t时刻的隐藏状态下生成的概率，组成所述隐藏状态对应的观测状态概率矩阵；通过所述隐藏状态转移概率矩阵、观测状态概率矩阵及隐藏状态初始概率分布构建一个三元组隐马尔科夫模型，得到所述离析度模型，所述离析度模型中包括各个所述隐藏状态与对应的离析度构成的预设模板。
8.可选地，所述根据预先训练的离析度模型得到所述声音信息对应的离析度的步骤包括：提取所述当前状态下的声音信息的数据特征；将所述声音信息的数据特征输入所述预先训练的离析度模型进行计算，得到所述声音信息对应的离析度。
9.可选地，所述将所述声音信息的数据特征输入所述预先训练的离析度模型进行计算，得到所述声音信息对应的离析度的步骤包括：将所述声音信息的数据特征输入所述预先训练的离析度模型，在所述离析度模型中进行所述离析度的计算，其中，所述在所述离析度模型中进行所述离析度的计算具体包括：根据所述声音信息的数据特征确定待生成的观测序列的长度t，其中，t为大于或等于1的正整数；根据所述隐藏状态初始概率分布，生成t=1时刻下的初始隐藏状态i1；根据所述隐藏状态转移概率矩阵，生成所述初始隐藏状态i1的下一个隐藏状态i2，以此类推得到t时刻的隐藏状态i
t
;根据所述观测状态概率矩阵得到所述隐藏状态i
t
对应的所述观测状态o
t
；计算从t=1到t=t产生的所有观测状态o
t
构成观测序列o；根据所述观测序列o得到所述观测序列对应的隐藏状态序列；将获得的所述隐藏状态序列与所述预设模板进行比对，选取所述隐藏状态序列中各个隐藏状态对应的离析度结果中概率最大的离析度作为所述离析度模型的输出结果。
10.可选地，所述根据预先训练的离析度模型得到所述声音信息对应的离析度的步骤之后还包括：判断当前状态下所述声音信息对应的离析度是否超标；若超标，则发送预警信息至用户终端进行处理；若未超标，则结合当前状态下所述拌车拌筒内的混凝土的离析度与混凝土的离析速度，计算所述拌车拌筒内的混凝土的离析度的剩余超标时间；判断所述剩余超标时间是否满足当前所述拌车的剩余行驶时间；若所述剩余超标时间满足当前所述拌车的剩余行驶时间，则控制所述拌车拌筒保持当前转速，控制所述拌车保持当前行驶速度；若所述剩余超标时间不满足当前所述拌车的剩余行驶时间，则执行步骤：通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速。
11.可选地，所述通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速的步骤之前还包括：基于预先采集的样本数据建立所述转速与离析度适配参数的设定库。
12.可选地，所述根据所述适配转速调整所述拌车拌筒的转速的步骤之后还包括：记录所述拌车拌筒的转速调整过程；根据所述转速调整过程，获得转速调整前后所述拌车拌筒内的混凝土的离析度的变化，获得变化结果；根据所述变化结果，对所述拌车拌筒的转速调整的有效度进行评价，得到评价结果；根据所述评价结果更新所述转速与离析度适配参数的设定库中所述离析度的适配参数。
13.此外，本发明实施例还提出一种混凝土拌车离析度监测系统，所述混凝土拌车离析度监测系统包括：声音采集模块，用于通过加装在所述拌车拌筒内的声音采集模组采集所述拌车拌筒内的混凝土在当前状态下的声音信息；语音识别模块，用于根据预先训练的离析度模型得到所述声音信息对应的离析度；反馈控制模块，用于通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；转速控制模块，用于根据所述适配转速调整所述拌车拌筒的转速。
14.此外，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的混凝土拌车离析度监测程序，所述混凝土拌车离析度监测程序被所述处理器执行时实现如上所述的混凝土拌车离析度监测方法的步骤。
15.此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有混凝土拌车离析度监测程序，所述混凝土拌车离析度监测被处理器执行时实现如上所述的混凝土拌车离析度监测方法的步骤。
16.本发明实施例提出的一种混凝土离析度实时监测方法、系统、设备及介质，通过采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速，实现了对混凝土的离析度的调控。基于本发明方案，通过预先训练的离析度模型，计算出拌车拌筒内的混凝土的声音信息对应的离析度，在混凝土的可观测的声音状态与不可观测的离析度状态之间建立联系，有效解决了离析度不透明的问题，实现了对混凝土离析度的实时监测。再根据预先建立的转速与离析度适配参数设定库匹配出离析度对应的适配转速，从而控制拌筒调整转速，以实现对拌车拌筒内混凝土的离析度的调控，并通过实时监测到的离析度的变化，进一步验证转速调整策略的有效性，同时实现对转速与离析度适配参数设定库的自优化，进一步适配出离析度对应的最优转速，解决拌车运输过程中混凝土离析度超标的问题。
附图说明
17.图1为本发明混凝土拌车离析度监测系统所属终端设备的功能模块示意图；图2为本发明混凝土拌车离析度监测方法一示例性实施例的流程示意图；图3为本发明混凝土拌车离析度监测方法另一示例性实施例的流程示意图；图4为本发明混凝土拌车离析度监测方法涉及的离析度模型的训练流程示意图；图5为本发明实施例中根据预先训练的离析度模型得到所述声音信息对应的离析度的细化流程示意图；图6为本发明混凝土拌车离析度监测系统的工作原理示意图。
18.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
19.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
20.本发明实施例的主要解决方案是：通过采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速，实现了对混凝土的离析度的调控。基于本发明方案，通过预先训练的离析度模型，计算出拌车拌筒内的混凝土的声音信息对应的离析度，在混凝土的可观测的声音状态与不可观测的离析度状态之间建立联系，有效解决了离析度不透明的问题，实现了对混凝土离析度的实时监测。再根据预先建立的转速与离析度适配参数设定库匹配出离析度对应的适配转速，从而控制拌筒调整转速，以实现对拌车拌筒内混凝土的离析度的调控，并通过实时监测到的离析度的变化，进一步验证转速调整策略的有效性，同时实现对转速与离析度适配参数设定库的自优化，进一步适配出离析度对应的最优转速，解决拌车运输过程中混凝土离析度超标的问题。
21.本发明实施例涉及的技术术语：混凝土离析：是指由于混凝土拌合物组成材料之间的粘聚力不足以抵抗粗集料下沉，混凝土拌合物成分相互分离，造成内部组成和结构不均匀的现象。通常表现为粗集料与砂浆相互分离，例如密度大的颗粒沉积到拌合物的底部，或者粗集料从拌合物中整体分离出来。
22.隐马尔科夫模型（hidden markov model，hmm）：是一种统计分析模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。
23.齐次马尔可夫链假设（markov chain, mc）：指一组随机变量中任意时刻的隐藏状态只依赖于它前一个隐藏状态。
24.观测独立性假设：指在模型中任意时刻的观察状态只仅仅依赖于当前时刻的隐藏状态。
25.web（world wide web，全球广域网）：指用户进行信息交互的网页。
26.app（application）：主要指安装在智能手机上的应用程序。
27.梅尔频率倒谱系数（mel-frequency cepstral coefficients，mfcc）：是基于声音频率的非线性梅尔刻度的对数能量频谱的线性变换。
28.维特比算法（viterbi algorithm）：是一种动态规划算法用于寻找最有可能产生观测事件序列的-维特比路径-隐藏状态序列。
29.具体地，参照图1，图1为本发明混凝土拌车离析度监测系统所属终端设备的功能模块示意图，该混凝土拌车离析度监测系统可以为独立于终端设备的、能够进行混凝土拌车离析度监测、离析度模型训练的系统，其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定终端设备或服务器等。
30.在本实施例中，该混凝土拌车离析度监测系统所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
31.存储器130中存储有操作系统以及混凝土拌车离析度监测程序，混凝土拌车离析度监测系统可以将采集拌车拌筒内的混凝土在当前状态下的声音信息；预先训练的离析度模型；根据离析度模型得到所述声音信息对应的离析度；预先建立的转速与离析度适配参数设定库；通过转速与离析度适配参数设定库匹配出的离析度对应的适配转速等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括wifi模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。
32.其中，作为一种实施例方式，存储器130中的混凝土拌车离析度监测程序被处理器执行时实现以下步骤：采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速。
33.进一步地，存储器130中的混凝土拌车离析度监测程序被处理器执行时还实现以下步骤：基于随机模型算法训练得到所述离析度模型，具体包括：采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度；提取所述样本声音信息的数据特征；构造训练模型，将所述样本声音信息的数据特征作为所述训练模型的观测状态，将所述样本离析度对应为为所述训练模型的隐藏状态，得到所述隐藏状态的集合和所述观测状态的集合，其中n是可能的隐藏状态数，m是可能的观测状态数，n与m都是大于或等于1的正整数，qn为所述隐藏状态的集合q中的第n个隐藏状态，vm为所述观测状态的集合v中的第m个观测状态；从所述隐藏状态的集合q中选取t=1时刻的所述隐藏状态作为初始隐藏状态，所述初始隐藏状态在所述隐藏状态的集合q中具有n个点的概率分布，组成隐藏状态初始概率分布；根据齐次马尔科夫链假设得到从t时刻到t+1时刻的隐藏状态的转移概率，组成隐藏状态转移概率矩阵；
根据观测独立性假设得到t时刻的观测状态在t时刻的隐藏状态下生成的概率，组成所述隐藏状态对应的观测状态概率矩阵；通过所述隐藏状态转移概率矩阵、观测状态概率矩阵及隐藏状态初始概率分布构建一个三元组隐马尔科夫模型，得到所述离析度模型，所述离析度模型中包括各个所述隐藏状态与对应的离析度构成的预设模板。
34.进一步地，存储器130中的混凝土拌车离析度监测程序被处理器执行时还实现以下步骤：提取所述当前状态下的声音信息的数据特征；将所述声音信息的数据特征输入所述预先训练的离析度模型进行计算，得到所述声音信息对应的离析度。
35.进一步地，存储器130中的混凝土拌车离析度监测程序被处理器执行时还实现以下步骤：将所述声音信息的数据特征输入所述预先训练的离析度模型，在所述离析度模型中进行所述离析度的计算，其中，所述在所述离析度模型中进行所述离析度的计算具体包括：根据所述声音信息的数据特征确定待生成的观测序列的长度t，其中，t为大于或等于1的正整数；根据所述隐藏状态初始概率分布，生成t=1时刻下的初始隐藏状态i1；根据所述隐藏状态转移概率矩阵，生成所述初始隐藏状态i1的下一个隐藏状态i2，以此类推得到t时刻的隐藏状态i
t
;根据所述观测状态概率矩阵得到所述隐藏状态i
t
对应的所述观测状态o
t
；计算从t=1到t=t产生的所有观测状态o
t
构成观测序列o；根据所述观测序列o得到所述观测序列对应的隐藏状态序列；将获得的所述隐藏状态序列与所述预设模板进行比对，选取所述隐藏状态序列中各个隐藏状态对应的离析度结果中概率最大的离析度作为所述离析度模型的输出结果。
36.进一步地，存储器130中的混凝土拌车离析度监测程序被处理器执行时还实现以下步骤：判断当前状态下所述声音信息对应的离析度是否达标；若不达标，则发送预警信息至用户终端进行处理；若达标，则结合当前状态下所述拌车拌筒内的混凝土的离析度与混凝土的离析速度，计算所述拌车拌筒内的混凝土的离析度的剩余超标时间；判断所述剩余超标时间是否满足当前所述拌车的剩余行驶时间；若所述剩余超标时间满足当前所述拌车的剩余行驶时间，则控制所述拌车拌筒保持当前转速，控制所述拌车保持当前行驶速度；若所述剩余超标时间不满足当前所述拌车的剩余行驶时间，则执行步骤：通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速。
37.进一步地，存储器130中的混凝土拌车离析度监测程序被处理器执行时还实现以下步骤：基于预先采集的样本数据建立所述转速与离析度适配参数的设定库。
38.进一步地，存储器130中的混凝土拌车离析度监测程序被处理器执行时还实现以下步骤：记录所述拌车拌筒的转速调整过程；根据所述转速调整过程，获得转速调整前后所述拌车拌筒内的混凝土的离析度的变化，获得变化结果；根据所述变化结果，对所述拌车拌筒的转速调整的有效度进行评价，得到评价结果；根据所述评价结果更新所述转速与离析度适配参数的设定库中所述离析度的适配参数。
39.本实施例通过上述方案，具体通过采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速，实现了对混凝土的离析度的调控。基于本发明方案，通过预先训练的离析度模型，计算出拌车拌筒内的混凝土的声音信息对应的离析度，在混凝土的可观测的声音状态与不可观测的离析度状态之间建立联系，有效解决了离析度不透明的问题，实现了对混凝土离析度的实时监测。再根据预先建立的转速与离析度适配参数设定库匹配出离析度对应的适配转速，从而控制拌筒调整转速，以实现对拌车拌筒内混凝土的离析度的调控，并通过实时监测到的离析度的变化，进一步验证转速调整策略的有效性，同时实现对转速与离析度适配参数设定库的自优化，进一步适配出离析度对应的最优转速，解决拌车运输过程中混凝土离析度超标的问题。
40.基于上述终端设备架构但不限于上述架构，提出本发明方法实施例。
41.本实施例方法的执行主体可以是一种混凝土拌车离析度监测终端设备或服务器，其中终端设备可以是智能手机、平板电脑等。本实施例以将混凝土拌车离析度监测系统设置在服务器上进行举例，所述服务器设置有web网页端，可与app端进行交互，以便于拌车司机与砼站管理员对混凝土离析度的监测信息进行接收与处理。
42.参照图2，图2为本发明混凝土拌车离析度监测方法一示例性实施例的流程示意图。所述混凝土拌车离析度监测方法包括：步骤s1001，采集拌车拌筒内的混凝土在当前状态下的声音信息。
43.在拌车行驶过程中，拌车上的拌筒保持转动以延缓拌筒内的混凝土的离析，而拌筒转动过程中混凝土发出的声音可以反映出当前状态下混凝土的离析度。
44.因此，作为一种实施方式，可以在拌车的拌筒内加装声音采集模组，通过该声音采集模组可实时采集拌车拌筒内的混凝土在当前状态下的声音信息。
45.作为另一种实施方式，可以通过声音信号传感器、智能化麦克风集群等装置实现对拌车拌筒内的混凝土在当前状态下的声音信息的实时采集。
46.步骤s1002，根据预先训练的离析度模型得到所述声音信息对应的离析度。
47.在本实施例中，预先训练有离析度模型，通过该离析度模型可以得到声音信息对应的离析度。
48.其中，作为一种实施方式，在采集到拌车拌筒内的混凝土当前状态下的声音信息后，可以由语音识别算法库进行处理，提取出所述当前状态下的声音信息的数据特征，再将
所述声音信息的数据特征输入所述预先训练的离析度模型进行计算，得到所述声音信息对应的离析度。
49.其中，语音识别算法库是在语音识别的研究发展过程中，相关研究人员为语音识别算法研究、系统设计、及产业化工作提供的充分、科学的训练语音样本。在识别阶段，将输入语音的特征矢量依次与模板库中的每个模板进行相似度比较，将相似度最高者作为识别结果输出。
50.声音信息的数据特征包括过零率、短时能量、短时自相关函数等，其中过零率体现的是信号过零点的次数，体现的是频率特性，因为需要过零点，所以信号处理之前需要中心化处理。短时能量体现的是信号在不同时刻的强弱程度。短时自相关函数代表声音信号之间翻转的卷积。
51.在通过语音识别算法库提取声音信息的数据特征过程中，需要先对声音信息进行前端处理，是指先对原始语音进行处理，消除部分噪声带来的影响，使处理后的信号更能反映语音的本质特征。最常用的前端处理有端点检测和语音增强。端点检测是指在语音信号中将语音和非语音信号时段区分开来，准确地确定出语音信号的起始点。经过端点检测后，后续处理就可以只对语音信号进行，这对提高模型的精确度和识别正确率有重要作用。语音增强的主要任务就是消除环境噪声对语音的影响。
52.声音信息的数据特征提取既是一个信息大幅度压缩的过程，也是一个信号解卷过程，目的是使模式划分器能更好地划分。为了能够最大化语音信号的某些信息，以达到最好特征参数的提取，在此过程中需要对语音信号进行预加重、分帧、加窗等处理。
53.预加重其实就是将语音信号通过一个高通滤波器，来增强语音信号中的高频部分，并保持在低频到高频的整个频段中，能够使用同样的信噪比求频谱。
54.分帧是指将采集的声音信息按照某一个固定的时间长度分割，分割后的每一片样本，称之为一帧，这里需要区分时域波形中的帧，分割后的一帧是分析提取mfcc的样本，而时域波形中的帧是时域尺度上对音频的采样而取到的样本。分帧是先将n个采样点集合成一个观测单位，也就是分割后的帧。通常情况下n的取值为512或256，涵盖的时间约为20-30ms。也可以根据特定的需要进行n值和窗口间隔的调整。为了避免相邻两帧的变化过大，会让两相邻帧之间有一段重叠区域，此重叠区域包含了m个取样点，一般m的值约为n的1/2或1/3。
55.在对声音信息进行分帧之后，需要对每一帧进行加窗，以增加帧左端和右端的连续性，减少频谱泄漏。
56.由于声音信号在时域上的变换通常很难看出信号的特性，所有通常将它转换为频域上的能量分布来观察，不同的能量分布，代表不同语音的特性。所以在进行了加窗处理后，还需要再经过离散傅里叶变换以得到频谱上的能量分布。对分帧加窗后的各帧信号进行快速傅里叶变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱，进而得到声音信息的数据特征。
57.进一步，作为一种实施方式，将不同状态下混凝土的声音信息作为样本声音信息，提取出样本声音信息的数据特征作为所述训练模型的观测状态，将所述样本声音信息对应的离析度作为所述训练模型的隐藏状态，得到所述隐藏状态的集合和所述观测状态的集合，再根据隐藏状态的集合和观测状态的集合得到隐藏状态转移概率矩阵、观测状态概率
矩阵及隐藏状态初始概率分布，构建一个三元组隐马尔科夫模型，即为所述预先训练的离析度模型。
58.更进一步地，将提取到的当前状态下混凝土的声音信息的数据特征输入所述预先训练的离析度模型进行计算，即可得到所述声音信息对应的离析度。
59.在得到当前状态下所述声音信息对应的离析度之后，需进一步判断所述声音信息对应的离析度是否超标，若超标，则发送预警信息至用户终端进行处理；若未超标，则结合当前状态下所述拌车拌筒内的混凝土的离析速度，计算所述拌车拌筒内的混凝土的离析度的剩余超标时间，然后判断所述剩余超标时间是否满足当前所述拌车的剩余行驶时间，若所述剩余超标时间满足当前所述拌车的剩余行驶时间，则控制所述拌车拌筒保持当前转速，控制所述拌车保持当前行驶速度；若所述剩余超标时间不满足当前所述拌车的剩余行驶时间，则执行步骤s1003：通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速。
60.具体地，在拌车行驶过程中，拌筒内的混凝土拌合物的成分会发生相互分离，例如密度大的颗粒沉积到拌合物的底部，或者粗集料从拌合物中整体分离出来，导致混凝土的离析度增大，当混凝土的离析度增大到一定程度时就超出了混凝土可用的标准，即为离析度的超标。若监测到当前状态下拌车拌筒内的混凝土离析度超标，则需要向用户终端发送预警信息，用户终端包括拌车司机的app端与所属砼站管理员控制的web网页端，管理员收到预警信息后可及时对拌车发送临时调度命令，可安排拌车进行再搅拌或加料等作业活动，达到成本损失最小化；若未超标，则结合混凝土的离析速度计算出所述拌车拌筒的混凝土的离析度的剩余超标时间，再根据拌车行驶速度和离目的地的距离计算出拌车的剩余行驶时间，将离析度的剩余超标时间与拌车的剩余行驶时间进行比对，如果剩余超标时间满足当前所述拌车的剩余行驶时间，则控制所述拌车拌筒保持当前转速，控制所述拌车保持当前行驶速度；若所述剩余超标时间不满足当前所述拌车的剩余行驶时间，则需及时调整所述拌车拌筒的转速以改变其中混凝土的离析度。
61.步骤s1003，通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速。
62.在拌车行驶过程中，拌车拌筒的转速需要控制在合适的范围内，过快的转速或者过慢的转速都会导致离析度的超标，当拌筒转速过慢时，混凝土拌合物中粗集物下沉，各成分相互分离，从而造成混凝土的离析；当拌筒转速过快时，在离心力的作用下会造成较重的拌合物下沉，造成混凝土离析度的超标。因此，需要控制拌筒的转速在合适的范围内才能延长混凝土离析度的超标时间。
63.具体地，所述转速与离析度适配参数的设定库是基于预先采集的样本数据建立的，所述样本数据包括拌车拌筒内的混凝土的离析度以及此离析度适配的拌筒的转速，根据二者之间对应的映射关系建立转速与离析度适配参数设定库，通过转速与离析度适配参数设定库可以匹配出混凝土在当前状态下的离析度对应的适配转速。
64.步骤s1004，根据所述适配转速调整所述拌车拌筒的转速。
65.具体地，拌车的拌筒上包括转速控制机构，当转速控制机构接收到转速调整指令后即可根据所述适配转速调整所述拌车拌筒的转速。
66.作为一种实施方式，所述转速控制机构包括控制器、发动机、操纵系统、电控变量
液压泵、转速传感器、液压马达、减速机等结构，可以接收到反馈控制模块发出的转速调整指令，对拌车拌筒的转速进行调整，进而对拌车拌筒内的混凝土的离析度进行有效调控。
67.进一步地，所述根据所述适配转速调整所述拌车拌筒的转速的步骤之后还包括：记录所述拌车拌筒的转速调整过程；通过拌车拌筒上的转速控制机构可以对拌筒的转速进行调整，拌筒转速的增大或减小可以延缓拌筒内的混凝土的超标时间，但转速过快或过慢都会加剧混凝土的离析，因此需要根据当前状态下混凝土的离析度调整到合适的转速，此过程可通过转速控制模块进行记录。
68.根据所述转速调整过程，获得转速调整前后所述拌车拌筒内的混凝土的离析度的变化，获得变化结果；经过拌车拌筒转速的调整，拌车拌筒内的混凝土的离析度会发生相应的变化，变化的结果则可通过混凝土离析度监测系统的反馈控制模块实时反馈到用户终端。
69.根据所述变化结果，对所述拌车拌筒的转速调整的有效度进行评价，得到评价结果；反馈控制模块根据监测的混凝土离析度变化结果，评价转速调整策略的有效性，所述拌车拌筒内的混凝土离析度的剩余超标时间延长程度越高，则说明转速调整策略效果越好。
70.根据所述评价结果更新所述转速与离析度适配参数的设定库中所述离析度的适配参数。
71.将评价结果中混凝土离析度对应的最优转速更新至所述转速与离析度适配参数的设定库中，进一步矫正转速调整策略，实现所述转速与离析度适配参数的设定库的自优化。
72.此外，上述过程中获取的混凝土离析度的实时数据、预警信息、离析度的剩余超标时间以及匹配出的离析度适配转速都需实时反馈至拌车司机对应的app端与所属砼站管理员控制的web网页端，系统管理员可根据预警信息及剩余超标时间及时对临界拌车发送临时调度命令，如更换短途的工地，或提前在工地进行再搅拌、加料等作业安排，拌车司机可以接收到离析度超标预警，查看转速调整要求，接收调度指令，更新目的地等信息。
73.本实施例通过上述方案，具体通过采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速，实现了对混凝土的离析度的实时监测与调控。通过将离析度的实时数据、剩余超标时间的数据实时反馈至砼站的综合调度平台与拌车司机，解决离析度不透明的情况，有效预防将混凝土运到施工地点后离析度不达标的问题，避免临时加料再加工耽误施工时间，降低因混凝土离析度超标导致的成本损失。
74.如图3所示，图3为本发明混凝土拌车离析度监测方法另一示例性实施例的流程示意图；在本实施例中，在上述图2所示的实施例的基础上，在上述步骤s1002，根据预先训练的离析度模型得到所述声音信息对应的离析度的步骤之前还包括：步骤s1000，基于随机模型算法训练得到所述离析度模型。本实施例以步骤s1000在步骤s1001与步骤s1002之间实施，在其他实施例中，步骤s1000也可以在步骤s1001之前
实施。
75.相比上述图2所示的实施例，本实施例还包括基于随机模型算法训练得到所述离析度模型的方案。
76.具体地，基于随机模型算法训练得到所述离析度模型的步骤可以包括：采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度；提取所述样本声音信息的数据特征；构造训练模型，将所述样本声音信息的数据特征作为所述训练模型的观测状态，将所述样本离析度对应为所述训练模型的隐藏状态，得到所述隐藏状态的集合和所述观测状态的集合，其中n是可能的隐藏状态数，m是可能的观测状态数，n与m都是大于或等于1的正整数，qn为所述隐藏状态的集合q中的第n个隐藏状态，vm为所述观测状态的集合v中的第m个观测状态；从所述隐藏状态的集合q中选取t=1时刻的所述隐藏状态作为初始隐藏状态，所述初始隐藏状态在所述隐藏状态的集合q中具有n个点的概率分布，组成隐藏状态初始概率分布；根据齐次马尔科夫链假设得到从t时刻到t+1时刻的隐藏状态的转移概率，组成隐藏状态转移概率矩阵；根据观测独立性假设得到t时刻的观测状态在t时刻的隐藏状态下生成的概率，组成所述隐藏状态对应的观测状态概率矩阵；通过所述隐藏状态转移概率矩阵、观测状态概率矩阵及隐藏状态初始概率分布构建一个三元组隐马尔科夫模型，得到所述离析度模型，所述离析度模型中包括各个所述隐藏状态与对应的离析度构成的预设模板。
77.更为具体地，本实施例通过加装在拌筒内的声音采集模组或声音传感器及智能化麦克风集群等设备采集拌筒内混凝土在不同状态下的声音信息，再由语音识别算法库对声音信息进行处理，通过先对样本声音信息进行前端处理，例如端点检测和语音增强等方式，消除部分噪声带来的影响，使处理后的信号更能反映语音的本质特征，再通过预加重、分帧、加窗等处理，获取样本声音信息的数据特征，然后运用随机模型算法里的隐马尔科夫理论，由隐藏状态转移概率矩阵、观测状态概率矩阵及隐藏状态初始概率分布构建一个三元组隐马尔科夫模型，得到所述离析度模型，所述离析度模型中还包括各个所述隐藏状态与对应的离析度构成的预设模板。
78.进一步地，将离析度模型训练完成后，可将拌车拌筒中实时采集到的混凝土的声音信息的数据特征输入模型，通过离析度模型输出结果得到所述混凝土的声音信息对应的离析度。
79.相比现有技术，本发明实施例通过采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度，构建混凝土在不同状态下的声音信息与离析度的关系，以便于之后根据拌车拌筒内的混凝土当前状态下的声音信息计算出拌车拌筒内的混凝土的声音信息对应的离析度，从而实现对混凝土离析度的实时监测。
80.具体地，如图4所示，图4为本发明混凝土拌车离析度监测方法涉及的离析度模型
的训练流程示意图，基于上述图3所示的实施例，在本实施例中，上述步骤s1000，基于随机模型算法训练得到所述离析度模型的步骤包括：步骤s101，采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度。
81.拌车拌筒内的混凝土在不同状态下的声音信息与所述混凝土的离析度具有对应关系，可以通过加装在拌筒内的声音采集模组或声音传感器及智能化麦克风集群等设备采集拌筒内混凝土在不同状态下的声音信息，再通过进一步的处理得到混凝土的声音信息与离析度的对应关系。
82.步骤s102，提取所述样本声音信息的数据特征。
83.作为一种实施方式，在采集到拌车拌筒内的混凝土在不同状态下的声音信息后，可以由语音识别算法库对声音信息进行处理，通过先对样本声音信息进行前端处理，例如端点检测和语音增强等方式，消除部分噪声带来的影响，使处理后的信号更能反映语音的本质特征，再通过预加重、分帧、加窗等处理，获取样本声音信息的数据特征。
84.步骤s103，根据样本声音信息的数据特征构建离析度模型。
85.具体地，在构建离析度模型过程中，本实施例运用随机模型算法里的隐马尔科夫（hmm）理论，隐马尔可夫模型是马尔可夫链的一种，它的隐藏状态不能直接观察到，但能通过观测序列观察到，每一个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量都是由一个具有相应概率密度分布的隐藏状态序列产生。因此，通过一个hmm产生观测序列可以提供隐藏状态的序列信息。
86.其中，作为一种实施方式，将不同状态下混凝土的声音信息作为样本声音信息，提取出样本声音信息的数据特征作为所述训练模型的观测状态，将所述样本声音信息对应的离析度对应为所述训练模型的隐藏状态，得到所述隐藏状态的集合和所述观测状态的集合，首先假设q是所有可能的隐藏状态的集合，v是所有可能的观测状态的集合，即：,，其中n是可能的隐藏状态数，m是可能的观测状态数，n与m都是大于或等于1的正整数。
87.对于一个长度为t的序列，i是对应的隐藏状态序列, o是对应的观测状态序列，即：,；其中，任意一个隐藏状态i
t
∈q,任意一个观测状态o
t
∈v，t为从时刻1到时刻t中的任意时刻。
88.初始状态向量π决定了模型在最开始时每个状态的概率，若有n个状态，则初始状态向量的长度为n，则：可表示状态i作为初始状态的概率，所有的概率之和为1。
89.根据初始状态向量π可能是集合q中的任意隐藏状态，则π就有n个点的分布，即π对应了n维的向量，这个n维的向量即为隐藏状态初始概率分布π；根据齐次马尔科夫链假设得到不同状态之间的转移概率，组成隐藏状态转移概率矩阵：
齐次马尔科夫链假设，即任意时刻的隐藏状态只依赖于它前一个隐藏状态。从时刻t到时刻t+1的hmm隐藏状态转移概率a
ij
可以表示为：，表示状态i直接转移到状态j的概率。此矩阵主要描述了不同状态之间的转移概率，矩阵每一行概率之和为1，由于共有n个状态，则隐藏状态转移概率矩阵的大小为n*n，其符号表示为。
90.根据观测独立性假设得到t时刻的观测状态在t时刻的隐藏状态下生成的概率，组成所述隐藏状态对应的观测状态概率矩阵：观测独立性假设，即任意时刻的观测状态只仅仅依赖于当前时刻的隐藏状态。如果在时刻t的隐藏状态是i
t
=qj, 而对应的观测状态为o
t
=vk, 则该时刻观测状态vk在隐藏状态qj下生成的概率为bj(k)，满足：，表示由状态j生成观测k的概率。由此bj(k)可以组成观测状态生成的概率矩阵b，矩阵每一行的概率之和为1，由于共有n个隐藏状态与m个观测状态，则观测状态概率矩阵的大小为n*m，其符号表示为：。
91.由所述隐藏状态转移概率矩阵、观测状态概率矩阵及隐藏状态初始概率分布构建一个三元组隐马尔科夫（hmm）模型，得到所述离析度模型，所述离析度模型中还包括各个所述隐藏状态与对应的离析度构成的预设模板：一个hmm模型，可以由隐藏状态初始概率分布π, 隐藏状态转移概率矩阵a和观测状态生成概率矩阵b决定。π,a决定隐藏状态序列，b决定观测状态序列。因此，hmm模型可以由一个三元组λ表示如下：。
92.各个所述隐藏状态与对应的离析度构成的预设模板由样本离析度与相应的隐藏状态之间的映射关系构成，可以将通过hmm模型计算出的隐藏状态与所述预设模板进行比对得到相应的离析度，在所述hmm模型训练过程中，可以进一步对预设模板进行修正与调整。所述hmm模型与所述预设模板构成了所述离析度模型。
93.将离析度模型训练完成后，可将拌车拌筒中实时采集到的混凝土的声音信息的数据特征输入模型，通过离析度模型输出结果得到所述混凝土的声音信息对应的离析度，具体步骤包括：将所述声音信息的数据特征输入所述预先训练的离析度模型，在所述离析度模型中进行所述离析度的计算，其中，所述在所述离析度模型中进行所述离析度的计算具体包括：根据所述声音信息的数据特征确定待生成的观测序列的长度t，其中，t为大于或等于1的正整数；根据所述隐藏状态初始概率分布，生成t=1时刻下的初始隐藏状态i1；根据所述隐藏状态转移概率矩阵，生成所述初始隐藏状态i1的下一个隐藏状态i2，以此类推得到t时刻的隐藏状态i
t
;根据所述观测状态概率矩阵得到所述隐藏状态i
t
对应的所述观测状态o
t
；
计算从t=1到t=t产生的所有观测状态o
t
构成观测序列o；根据所述观测序列o得到所述观测序列对应的隐藏状态序列；将获得的所述隐藏状态序列与所述预设模板进行比对，选取所述隐藏状态序列中各个隐藏状态对应的离析度结果中概率最大的离析度作为所述离析度模型的输出结果。
94.本实施例通过上述方案，具体通过采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度，并提取所述样本声音信息的数据特征，而后根据样本声音信息的数据特征构建离析度模型，通过训练后的离析度模型，可以根据拌车拌筒内的混凝土当前状态下的声音信息计算出拌车拌筒内的混凝土的声音信息对应的离析度，实现对混凝土拌车离析度的实时监测，可进一步根据当前状态下混凝土的离析度匹配出拌车拌筒合适的转速，从而实现的混凝土离析度的调控，解决拌车运输过程中混凝土离析度超标的问题。
95.进一步地，参照图5，图5为本发明实施例中根据预先训练的离析度模型得到所述声音信息对应的离析度的细化流程示意图，在本实施例中，根据预先训练的离析度模型得到所述声音信息对应的离析度的步骤包括：步骤s104，提取所述当前状态下的声音信息的数据特征。
96.根据所述当前状态下声音信息的数据特征获得待生成的观测序列的长度t，其中，t为大于或等于1的正整数。
97.其中，作为一种实施方式，提取当前状态下混凝土的声音信息的数据特征，将采集的声音信息按照固定的时间长度进行分割，将3-5秒连续时间内的多个采样点集合成一个观测序列，得到观测序列的长度t。
98.步骤s105，将所述声音信息的数据特征输入所述预先训练的离析度模型进行计算，得到所述声音信息对应的离析度。
99.在此之前，预先训练得到所述离析度模型的步骤具体包括：采集所述拌车拌筒内的混凝土在不同状态下的样本声音信息及所述样本声音信息对应的样本离析度；提取所述样本声音信息的数据特征；构造训练模型，将所述样本声音信息的数据特征作为所述训练模型的观测状态，将所述样本离析度对应为所述训练模型的隐藏状态，得到所述隐藏状态的集合和所述观测状态的集合，其中n是可能的隐藏状态数，m是可能的观测状态数，n与m都是大于或等于1的正整数，qn为所述隐藏状态的集合q中的第n个隐藏状态，vm为所述观测状态的集合v中的第m个观测状态；从所述隐藏状态的集合q中选取t=1时刻的所述隐藏状态作为初始隐藏状态，所述初始隐藏状态在所述隐藏状态的集合q中具有n个点的概率分布，组成隐藏状态初始概率分布；根据齐次马尔科夫链假设得到从t时刻到t+1时刻的隐藏状态的转移概率，组成隐藏状态转移概率矩阵；根据观测独立性假设得到t时刻的观测状态在t时刻的隐藏状态下生成的概率，组成所述隐藏状态对应的观测状态概率矩阵；
通过所述隐藏状态转移概率矩阵、观测状态概率矩阵及隐藏状态初始概率分布构建一个三元组隐马尔科夫模型，得到所述离析度模型，所述离析度模型中包括各个所述隐藏状态与对应的离析度构成的预设模板。
100.根据所得隐马尔科夫模型，输入当前状态下混凝土的声音信息的数据特征中观测序列的长度t，即可输出观测序列。
101.具体地，在所述离析度模型中，根据所述隐藏状态初始概率分布，生成t=1时刻下的初始隐藏状态i1；根据所述隐藏状态转移概率矩阵a
it i
t+1
，生成所述初始隐藏状态i1的下一个隐藏状态i2，以此类推得到t时刻的隐藏状态i
t
;根据所述观测状态生成概率矩阵得到所述隐藏状态i
t
对应的t时刻的观测状态o
t
；计算从t=1到t=t产生的所有观测状态o
t
构成观测序列。
102.根据观测序列以及模型，依据解码问题的预测算法，可以求取观测序列o对应的最佳隐藏状态序列。
103.隐藏状态是抽象出来的概念，由于语音信号在一个长时间断内是非平稳信号，而在一个较短的时间内则可近似看做平稳的(比如50毫秒)。平稳信号的特点在于信号的频谱分布是稳定的，不同时间段的频谱分布相似。隐马尔可夫模型将一小段频谱相似的连续信号归为一个隐藏状态。在统计过程中，可采用维特比算法，根据动态规划机制，从前向后，在每个时间步t仅选择当前状态下的最佳路径，剔除非最佳路径，最终得到隐藏状态的序列，具体过程如下：输入：模型和观测序列；输出：最优路径；（1）初始化：，；，；（2）递推：对，,；,；（3）终止：；；（4）最优回溯路径：对；；求得最优路径，此路径即为所得隐藏状态序列。
104.将获得的所述隐藏状态序列与所述离析度模型中的预设模板进行比对，选取各个隐藏状态对应的离析度结果中概率最大的离析度作为所述离析度模型的输出结果。
105.经过预先训练得到的离析度模型中包括隐藏状态与对应离析度数值的标准模板，即为所述预设模板，将获得的所述隐藏序列与所述预设模板进行比对，可以获得所述隐藏序列中各个隐藏状态对应的多个离析度结果，选取其中出现概率最大的离析度结果作为所述离析度模型的输出结果，即为当前状态下拌车拌筒内的混凝土的离析度水准值。
106.将所述离析度模型的输出结果作为当前的离析度水准值，将此水准值作为重要指标发送到拌车司机的app端与所属砼站管理员控制的web网页端，砼站管理员可在综合调度平台上实时监测拌车拌筒内的混凝土的离析度，以便于对拌车发送临时调度命令，拌车司机可以接收离析度实时数据，查看转速调整要求，接收调度指令，进一步实现对拌车拌筒内混凝土的离析度的调控。通过采集混凝土在不同状态下的声音信息与所述声音信息的离析度训练离析度模型，继而通过离析度模型与当前状态下离析度的声音信息计算出当前状态下混凝土的离析度，将混凝土可观测的声音信息与不可观测的离析度之间建立了对应关系，有效解决了离析度不透明的问题，实现了在拌车运输过程中实时监测混凝土的离析度，解决混凝土到达施工地点后离析度超标的问题。
107.此外，本发明实施例还提出一种混凝土拌车离析度监测系统，参照图6，图6为本发明混凝土拌车离析度监测系统的工作原理示意图，本实施例混凝土拌车离析度监测系统可以包括：声音采集模块，用于通过加装在所述拌车拌筒内的声音采集模组采集所述拌车拌筒内的混凝土在当前状态下的声音信息；语音识别模块，用于根据预先训练的离析度模型得到所述声音信息对应的离析度；反馈控制模块，用于通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；转速控制模块，用于根据所述适配转速调整所述拌车拌筒的转速。
108.首先通过加装在拌车拌筒内的声音采集模组采集混凝土的声音信息，可以采取实时采集的方式，也可以采取间隔一定时间采集的方式，获取混凝土的声音信息。再通过语音识别模块中的语音识别算法库对声音信息进行处理，提取混凝土声音信息的数据特征。将拌车拌筒内的混凝土在不同状态下的声音信息数据特征作为训练样本，采用随机模型算法里的隐马尔科夫模型得到训练出的离析度模型。经过模型计算得到所述当前状态下混凝土声音信息对应的离析度，将所得离析度判定结果输出到反馈控制模块，根据预先采集的拌车拌筒内的混凝土的离析度以及此离析度适配的拌筒的转速作为样本数据，建立转速与离析度适配参数设定库。转速与离析度适配参数设定库可以匹配出混凝土在当前状态下的离析度对应的适配转速。将转速控制结果输入到转速控制模块，从而对拌车拌筒的转速进行调整，以实现对拌车拌筒内的混凝土的离析度进行调控。
109.本发明中的混凝土拌车离析度监测系统通过语音识别模块中对声音信息的处理及离析度模型的训练，在混凝土的可观测的声音状态与不可观测的离析度状态之间建立联系，有效解决了离析度不透明的问题，实现了对混凝土离析度的实时监测。进而通过反馈控制模块中的转速与离析度适配参数设定库匹配出当前状态下离析度的适配转速，从而对拌
车拌筒的转速作出调整，以改变混凝土的离析度，延长离析度的超标时间。与此同时，所述转速与离析度适配参数设定库可以对每次离析度的调整过程进行记录，比对转速增减调整前后离析度的变化，可以对调整策略进行有效评价，进而更新转速与离析度适配参数设定库中离析度的适配参数，实现矫正策略的自优化。此外，离析度的实时数据及离析度的剩余超标时间可以实时反馈到拌车司机的app端与所属砼站管理员控制的web网页端，砼站管理员可在综合调度平台上及时对剩余超标时间不足的临界拌车发送临时调度命令，拌车司机可以接收离析度超标预警，查看转速调整要求，接收调度指令，更新目的地等信息，进一步实现在运输过程中对拌车拌筒内混凝土的离析度的调控，解决了混凝土经过运输到达施工地点后离析度超标的问题。此外，整个作业过程的反馈控制，体现了实时监测技术的巨大价值。
110.此外，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的混凝土拌车离析度监测程序，所述混凝土拌车离析度监测程序被所述处理器执行时实现如上所述的混凝土拌车离析度监测方法的步骤。
111.由于本混凝土拌车离析度监测程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
112.此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有混凝土拌车离析度监测程序，所述混凝土拌车离析度监测被处理器执行时实现如上所述的混凝土拌车离析度监测方法的步骤。
113.由于本混凝土拌车离析度监测程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
114.相比现有技术，本发明实施例提出的一种混凝土离析度实时监测方法、系统、设备及介质，通过采集拌车拌筒内的混凝土在当前状态下的声音信息；根据预先训练的离析度模型得到所述声音信息对应的离析度；通过预先建立的转速与离析度适配参数设定库匹配出所述离析度对应的适配转速；根据所述适配转速调整所述拌车拌筒的转速，实现了对混凝土的离析度的调控。基于本发明方案，通过预先训练的离析度模型，计算出拌车拌筒内的混凝土的声音信息对应的离析度，在混凝土的可观测的声音状态与不可观测的离析度状态之间建立联系，有效解决了离析度不透明的问题，实现了对混凝土离析度的实时监测。再根据预先建立的转速与离析度适配参数设定库匹配出离析度对应的适配转速，从而控制拌筒调整转速，以实现对拌车拌筒内混凝土的离析度的调控，并通过实时监测到的离析度的变化，验证转速调整策略的有效性，同时实现对转速与离析度适配参数设定库的自优化，进一步适配出离析度对应的最优转速，解决了混凝土运输过程中离析度超标的问题，有效降低因到达施工地点后混凝土离析度超标导致的加料再加工或浪费倒掉的成本损失。此外，整个作业过程的反馈控制，体现了实时监测技术的巨大价值。
115.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有
的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
116.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
117.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本技术每个实施例的方法。
118.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。