一种立体车库的车位控制方法以及使用该方法的装置与流程

本发明涉及车库技术领域，特别涉及一种立体车库的车位控制方法以及使用该方法的装置。

背景技术

目前我国城市汽车保有量不断增长，而专业停车场严重不足，停车设施也不完善，大型建筑、商业区、住宅区很少有配套停车场，导致占用人行道、车行道、占用绿地乱停车及汽车被盗等现象十分严重，影响了城市交通运行和发展，影响了社会的安定。因此，渐渐出现了立体车库，立体车库作为一种新型的停车形式，具有节省占地面积、出入管理方便等优点，并已在国外得到了广泛的应用。

在安装立体车库时，需要先规划并选定好地方，然后安装回转盘托架，接着在回转盘托架上安装供汽车停放的回转盘。传统的立体车库主要将回转盘以回转角度为180°和90°的形式，来定位回转盘位置，方便控制汽车的前进入库和前进出库。但是各地的周边环境均各不相同，回转盘与周边环境的安全距离会带来较大限制，需要保证回转盘转动180°和90°的轨迹下不与障碍物直接碰触，因此给安装地点的选址带了极大的不便。在安装回转盘托架时，需要多次反复地对安装地点进行检测与实验，增加了前期的投入成本。另外，外界的环境是一种动态环境，存在不确定性，比如周边的树木在多年之后支杆延伸至了立体车库等，因此局限性大，且有些停车位非常紧缺的地方由于无法满足立体车库的回转盘的要求，导致无法立体车库以致车位紧缺问题日渐严重。

技术实现要素：

本发明实施例的目的在于提供一种立体车库的车位控制方法以及使用该方法的装置，能实时调整回转盘的位置，避免与外界障碍物直接接触，并能将转动的路径保存至存储器内，提高运行速度。

为了解决上述技术问题，本发明实施例提供了一种立体车库的车位控制方法，包括以下步骤：

1）回转盘沿车体进入方向的两端均固定安装有红外感应器，当回转盘转动并感应到前方存在障碍物时，停止运动，并将采集的参数作为输入变量，输入至微处理器内的scrfnn模型；

2）所述scrfnn模型包括四层运算，第一层作为输入节点，将输入变量传递至第二层，两个输入变量为和，分别对应两个相关输出和；

3)第二层的每个节点作为第一层的输入变量的语言模型，并输出至第三层，其中，的第条规则的输出与第个输入节点在时间瞬态中的过程称为高斯隶属关系，函数和计算为：

（1）

式（1）中，为复发系数，为标准偏差；

4）第三层中的每个节点，由符号表示，作为模糊的前置条件输出至第四层，第个规则节点在时刻t的输出表示为：

（2）

5）第四层中的节点称为输出节点，充当一个解模糊器，最终模型的输出为：

（3）

式（3）中，链接权重是与规则相关联的输出动作强度；

6）根据第四层的输出，微处理器驱动第一电机与第二电机的动作来控制回转盘运动，并将运动过程内的数据存储进存储器内。

进一步地，在所述第二层的隶属函数节点和第三层关联的模糊逻辑规则中，通过应用结构学习来决定是否需要添加一个新的规则，表达式为:

（4）

式（4）中，是现有规则的数量，若最大程度

（5）

不大于一个预先确定的阈值参数min，需要生成新的隶属函数，其均值和标准差分别为

（6）

（7）

式（6）与式（7）中，和是新传入的数据，而是一个根据经验预先指定的常数，最初选择值min在0和1之间，然后继续衰减，以限制不断增大的scrfnn模型内的结构。

进一步地，在所述结构学习之后，经过参数学习来自适应的调整矢量，使能量使函数最小化，

（8）

式（8）中，是与输入模式相关的期望输出，是推断输出。

进一步地，在所述参数学习中，向量是根据能量函数的负梯度调整矢量，将反向传播学习规则作为梯度向量；其中，

所述第四层的训练中，该层的输出节点的链接权重是沿负梯度更新的，

（9）

（10）

式（9）和式（10）中，是第个链路的学习速率参数；

所述第三层的训练中，平均值和标准偏差集的表达式分别为：

（11）

（12）

式（11）和式（12）中，和是学习速率的参数和术语，和作为能量的梯度，计算如下：

（13）

（14）

所述第二层的训练中，对能量函数的梯度进行更新

（15）。

实施本发明实施例，具有如下有益效果：回转盘上的红外感应器检测到障碍物并反馈信号至微处理器，微处理器将反馈信号作为输入变量输入至scrfnn模型，scrfnn模型采用scrfnn神经网络得出精确的输出值，并通过微处理器控制第一电机与第二电机的动作，实现对回转盘的精确控制，即使在动态的环境下也能实时避免与障碍物直接接触。scrfnn神经网络相对于常用的汇编、c语言编程具有更快速的处理速度与运算周期短的优点，能在得到反馈信号时快速运算得到输出值，并能使输出信号控制第一电机与第二电机的精度更高；scrfnn神经网络相对于其他神经网络，通过简单的和有效学习模糊神经网络能够减小最小环节强度，并减少在每个学习周期和隐层神经元的数目，使得产生的模糊神经网络的精度高，与其他神经网络相比，结构更加紧凑，但具有快速的收敛速度与高精度输出的优点。另外，传统的模糊神经网络,网络结构需要确定之前和一个反向传播算法调整隶属函数参数和权重系数,通常需要大量的隐层节点可接受的性能,大大增加了系统的复杂性，而scrfnn神经网络进行了优化，可以选择scrfnn的模糊规则结构，并对每个规则的系数进行调整，并同时进化结构学习和参数学习的两个阶段，来获得更好的性能和更高的效果。另外，微处理器能将输入变量及scrfnn神经网络的输出值保存至存储器内，不断积累并形成路径模板库，该路径模板库可通过无线通信的方式进行共享，微处理器将检测到的环境信息及所规划的路径与路径模板库进行匹配，以寻找一个最优匹配模板，当匹配成功时，回转盘能依据匹配到的路径运动，能大大优化微处理内的处理时间，提高响应时间。

本发明实施例还提供了一种采用如权利要求1所述的一种立体车库的车位控制方法的立体车库的车位控制装置，包括回转盘托架，所述回转盘托架包括竖直设置的主轴以及转动设置于主轴的至少一个回转盘，所述主轴相对的两侧均沿其轴向设置有供回转盘上下移动的升降机构，该升降机构由若干自上而下相互叠加的若干外围滑板组成，所述回转盘安装并限位于外围滑板，各所述外围滑板的中心位置沿竖向设置有齿条，所述回转盘上均固定设置有与齿条适配的第一齿轮、以及用于驱动第一齿轮与齿条啮合传动的第一电机，各所述外围滑板相对主轴的一端固定安装有第二电机，所述第二电机的输出端固定连接有第二齿轮，所述主轴相对于各外围滑板的位置均套设有可沿主轴相对转动的转动柱，该转动柱对应第二齿轮固定设置有第三齿轮，所述第二电机驱动第二齿轮相对于主轴的周向与第三齿轮进行齿轮传动，所述回转盘沿车体进入方向的两端均固定红外感应器，所述主轴安装有微处理器，所述微处理器与各所述红外感应器、各所述第一电机以及各所述第二电机均形成电连接，所述红外感应器检测到障碍物并反馈信号至微处理器，微处理器驱动相应的第一电机与第二电机动作，并将数据保存至微处理器内置的存储器内。

进一步地，所述回转盘上固定设置有箱体，所述第一电机与第一齿轮均位于箱体内，且箱体相对于外围滑板一侧的两端均固定设置与外围滑板夹持配合的固定部，各所述固定部均包括分别位于外围滑板两端并与外围滑板周面相抵的两个固定块。

进一步地，所述回转盘的底面固定设置有超声波传感器、磁力传感器和蜂鸣器，所述超声波传感器、磁力传感器和蜂鸣器均与微处理器电连接。

实施本发明实施例，具有如下有益效果：红外感应器检测到障碍物并反馈信号至微处理器，微处理经过scrfnn神经网络得出精确的输出值，并驱动第一电机和第二电机动作。回转盘上第一电机通过带动第一齿轮的转动，与齿条进行啮合传动，进而控制回转盘相对于外围滑板进行上下移动，回转盘限位于外围滑板，通过第二电机可带动外围滑板相对于主轴周向转动，当回转盘位于其中一外围滑板时，该外围滑板上的第二电机控制其周向转动，进而同步带动回转盘一起转动。在回转盘转动过程中，红外感应器检测到障碍物时，能反馈至微处理器，并控制第一电机与第二电机及时停止动作，并实时检测，做到动态监控；当障碍物消失时，能继续控制第一电机与第二电机驱动回转盘移动至预定位置；当回转盘到达预定位置，若外界障碍物靠近回转盘，微处理器根据反馈信号能驱动回转盘向远离障碍物的一端移动，保护回转盘上的汽车。另外，为了防止回转盘与外围滑板的脱离，回转盘上的箱体相对于外围滑板横向的两端均固定设置与外围滑板夹持配合的固定部，各固定部均包括分别位于外围滑板两端并与外围滑板周面相抵的两个固定块，滑板的两端各自通过两个固定块的夹持，能将回转盘限位于外围滑板上。另外，本实施例还具有布置灵活的优点，充分利用小区内的各种边角地区安放本车位控制装置，回转盘可根据外界环境自我调整角度，能适应各种不易安装的地点，且能做到动态调整，方便地点的选择，减少前期的对安装地点进行检测的实验的资本投入及时间投入；同时，具有汽车存取方便的优点，汽车可正向驶入正向驶出，无需倒车入库出库，方便汽车的行驶；另外，本实施例还具有故障率低的优点，各回转盘均各自安装有第一电机与第二电机，且分别与微处理的端口相连，独立运行，互不干扰，避免了一个回转盘故障后造成的所有回转盘均无法使用；另外，本实施例还能保障车辆安全，车辆驶入回转盘后，第一电机控制回转盘移动至空中，实现人车隔离，避免人为对车辆造成的各种伤害，同时，为了避免回转盘下降时有汽车从回转盘下方驶过的情况，回转盘的底面固定设置有超声波传感器、磁力传感器和蜂鸣器，超声波传感器与磁力传感器用于检测会转盘下方的路面安全，若有汽车通过，则微处理根据超声波传感器与磁力传感器的反馈及时控制第一电机与第二电机的动作，并输出信号至蜂鸣器，蜂鸣器发出警报声。

附图说明

图1为实施例中scrfnn模型的结构；

图2为实施例在学习过程中scrfnn的均方根误差的示意图；

图3为实施例中当scrfnn、mlp以及rnn完成10个学习周期时，收敛状态的示意图；

图4为实施例的结构示意图；

图5为实施例的另一结构示意图；

图6为实施例中回转盘的结构示意图。

图中：1、回转盘托架；11、主轴；12、回转盘；2、升降机构；21、外围滑板；3、齿条；4、第一电机；41、第一齿轮；5、第二电机；51、第二齿轮；6、转动柱；61、第三齿轮；7、红外感应器；8、箱体；81、固定块；9、微处理器；121、超声波传感器；122、磁力传感器；123、蜂鸣器。

具体实施方式

以下结合附图对本发明作进一步详细说明。

如图1所示，为本发明实施例中，提出的一种立体车库的车位控制方法，包括以下步骤：

1）回转盘12沿车体进入方向的两端均固定安装有红外感应器7，当回转盘12转动并感应到前方存在障碍物时，停止运动，并将采集的参数作为输入变量，输入至微处理器9内的scrfnn模型；

2）所述scrfnn模型包括四层运算，第一层作为输入节点，将输入变量传递至第二层，两个输入变量为和，分别对应两个相关输出和；

3)第二层的每个节点作为第一层的输入变量的语言模型，并输出至第三层，其中，的第条规则的输出与第个输入节点在时间瞬态中的过程称为高斯隶属关系，函数和计算为：

（1）

式（1）中，为复发系数，为标准偏差；

4）第三层中的每个节点，由符号表示，作为模糊的前置条件输出至第四层，第个规则节点在时刻t的输出表示为：

（2）

5）第四层中的节点称为输出节点，充当一个解模糊器，最终模型的输出为：

（3）

式（3）中，链接权重是与规则相关联的输出动作强度；

6）根据第四层的输出，微处理器9驱动第一电机4与第二电机5的动作来控制回转盘12运动，并将运动过程内的数据存储进存储器内。

另外，构造学习是对适当的输入空间模糊划分和模糊逻辑规则进行最小模糊处理。注意到初始的scrfnn模型没有隐藏的层，这些层是由规则节点组成。因此，可以在第二层的隶属函数节点和第三层关联的模糊逻辑规则中，通过应用结构学习来决定是否需要添加一个新的规则，表达式为:

（4）

式（4）中，是现有规则的数量，若最大程度

（5）

不大于一个预先确定的阈值参数min，需要生成新的隶属函数，其均值和标准差分别为

（6）

（7）

式（6）与式（7）中，和是新传入的数据，而是一个根据经验预先指定的常数，最初选择值min在0和1之间，然后继续衰减，以限制不断增大的scrfnn模型内的结构。

另外，在所述结构学习之后，经过参数学习来自适应的调整矢量，使能量使函数最小化，

（8）

式（8）中，是与输入模式相关的期望输出，是推断输出。

另外，在所述参数学习中，向量是根据能量函数的负梯度调整矢量，将反向传播学习规则作为梯度向量；其中，

所述第四层的训练中，该层的输出节点的链接权重是沿负梯度更新的，

（9）

（10）

式（9）和式（10）中，是第个链路的学习速率参数；

所述第三层的训练中，平均值和标准偏差集的表达式分别为：

（11）

（12）

式（11）和式（12）中，和是学习速率的参数和术语，和作为能量的梯度，计算如下：

（13）

（14）

所述第二层的训练中，对能量函数的梯度进行更新

（15）。

在一个实施例中，为了显示scrfnn模型的性能，进行测试。在现有技术中常用的方法时对植物的有效性进行论证，

选取150个输入-目标数据作为训练数据，在区间内选取其他150个输入-目标数据[151，300]被选为测试数据。结果如下：

参考图2，在训练过程中，scrfnn的收敛速度非常快。

参考图3，当scrfnn神经网络与现有技术中的mlp以及rnn这两种常见的神经网络进行比较，scrfnn可以构建更简单的神经网络，在更少的周期内完成学习过程。在应用于车位控制装置时，经过反复测试，能及时响应外界障碍物并作出处理，具有快速的处理速度，高精度的运算结果，在动态运动的障碍物下能作出准确的反馈。

如图4、图5和图6所示，为本发明实施例中，提供一种立体车库的车位控制方法的立体车库的车位控制装置，包括回转盘托架1，回转盘托架1包括竖直设置的主轴11以及转动设置于主轴11的三个回转盘12，主轴11相对的两侧沿其轴向均设置有供回转盘12上下移动的升降机构2，该升降机构2由若干自上而下相互叠加的四个外围滑板21组成，回转盘12安装并限位于外围滑板21，各外围滑板21的中心位置沿竖向设置有齿条3，回转盘12上相对于外围滑板21的一端固定设置有箱体8，该箱体8内固定设置有与齿条3适配的第一齿轮41、以及用于驱动第一齿轮41与齿条3啮合传动的第一电机4，第一电机4与第一齿轮41均位于箱体8内，且箱体8相对于外围滑板21一侧的两端均固定设置与外围滑板21夹持配合的固定部，各所述固定部均包括分别位于外围滑板21两端并与外围滑板21周面相抵的两个固定块81。

另外，升降机构2中自上而下的第二个外围滑板21以及最底端的外围滑板21通过固定柱固定于主轴11，升降机构2中自上而下的第三个外围滑板21以及最顶端的外围滑板21相对主轴11的一端均固定安装有第二电机5，第二电机5的输出端固定连接有第二齿轮51，主轴11相对于第二电机5的位置均套设有可沿主轴11相对转动的转动柱6，该转动柱6对应第二齿轮51固定设置有第三齿轮61，第二电机5驱动第二齿轮51相对于主轴11的周向与第三齿轮61进行齿轮传动。

另外，回转盘12沿车体进入方向的两端均固定红外感应器7，主轴11安装有微处理器9，微处理器9与各红外感应器7、各第一电机4以及各第二电机5均形成电连接，红外感应器7检测到障碍物并反馈信号至微处理器9，微处理器9驱动相应的第一电机4与第二电机5动作，并将数据保存至微处理器9内置的存储器内。

另外，回转盘12的底面固定设置有超声波传感器121、磁力传感器122和蜂鸣器123，超声波传感器121、磁力传感器122和蜂鸣器123均与微处理器9电连接。

工作过程为：汽车行驶至回转盘12上，第一电机4控制回转盘12上升，第二电机5控制回转盘12的周向转动，具体地，回转盘12上的第一电机4通过带动第一齿轮41的转动，与齿条3进行啮合传动，进而控制回转盘12相对于外围滑板21进行上下移动，回转盘12限位于外围滑板21，通过第二电机5可带动外围滑板21相对于主轴11周向转动，当回转盘12位自上而下第三个外围滑板21或最顶端外围滑板21时，该外围滑板21上的第二电机5控制其周向转动，进而同步带动回转盘12一起转动。当红外感应器7检测到障碍物时，回转盘12停止移动，红外感应器7反馈信号至微处理器9，微处理经过scrfnn神经网络得出精确的输出值，并驱动第一电机4和第二电机5的后续动作，若障碍物静止，则将回转盘12调整至与障碍物的安全距离；若障碍物为动态，则调整回转盘12相对于障碍物维持安全距离。同时，一直处于实时检测状态，做到动态监控；当障碍物消失时，能继续控制第一电机4与第二电机5驱动回转盘12移动至预定位置；当回转盘12到达预定位置，若外界障碍物靠近回转盘12，微处理器9根据反馈信号能驱动回转盘12向远离障碍物的一端移动，保护回转盘12上的汽车。

本实施例的回转盘12可根据外界环境自我调整角度，能适应各种不易安装本实施例的地点，且能做到动态调整，和传统立体车库上的回转盘12只能按照设定的180°或90°进行转动不同，具备前瞻性以及必要性，可方便安装本实施例，并能将本实施例安装于一些空中存在障碍物，对空中位置有要求的地点，为难以安装本实施例的地点提供了解决一种解决方案，同时，针对道路空间狭小且停车位紧张的住宅区的现状，能充分利用小区内的各种边角地带来安放本实施来解决问题。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。