一种应用于扫路清洁车辆的节能系统及节能方法与流程

本公开属于智能科技技术领域，具体涉及一种应用于扫路清洁车的节能系统及节能方法。

背景技术：

扫路清洁车辆按照供能方式分为燃油式和电式，按照车辆大小分为大型扫路车和小型扫路机。扫路车和扫路机一般包括扫刷和风机，有些设备会额为加装高压冲洗装置防止扬尘。其中扫刷是将道路两侧的垃圾聚集到车体中间，然后由风机所提供的吸力将垃圾吸到收集箱中。扫刷的功率一般为十几瓦/小时，风机的功率为数百瓦/小时。

在城市道路清洁作业中，扫路机和扫路车的使用能够减少人工作业时间，提升清洁作业效率。理论上讲车辆操作人员应该根据路面清洁程度调节风机功率，但在实际作业的过程中会经常出现操作人员为了方便，在整个作业过程中将风机功率调节到最大，造成燃油或者电量浪费。而且操作人员不能够很好地定量评估车前方的清洁状况，无法选择最合适的功率。因此需要一种能够依据道路清洁状况去调整风机功率的系统，在保证道路清洁的基础上，节约燃油或者延长电机工作时间。

技术实现要素：

本公开提供了一种应用于扫路清洁车辆的节能系统及节能方法，可以根据扫路清洁车辆前方的清洁程度实时调整风机转速，在保证道路清扫干净的前提下节能减排。

一方面，本公开提供了一种应用于扫路清洁车辆的节能系统，包括：数据采集模块，采集车辆周围的路面信息；ai垃圾识别模块，对数据采集模块采集到的路面信息数据进行处理，识别出垃圾数量和种类；风机逻辑控制模块，接收ai垃圾识别模块识别出的垃圾数量和种类的数据信息，并换算成对应的风机转速；车辆控制器，接收风机转速的信息，并调整风机的转速。

进一步改进的方案：数据采集模块为广角视觉传感器；所述ai垃圾识别模块由mobilenet-ssd深度学习神经网络组成。

进一步改进的方案：数据采集模块与ai垃圾识别模块通讯连接，所述ai垃圾识别模块与风机逻辑控制模块通讯连接，所述风机逻辑控制模块与车辆控制器通讯连接，所述车辆控制器与风机通讯连接。

进一步改进的方案：应用于扫路清洁车辆的节能系统，还包括云平台和通讯模块；所述数据采集模块、ai垃圾识别模块和车辆控制器均与通讯模块有线或无线通讯连接；所述云平台与通讯模块无线通讯连接。

进一步改进的方案：应用于扫路清洁车辆的节能系统，还包括显示模块，显示模块与风机逻辑控制模块相连。

另一方面，本公开提供了一种应用于扫路清洁车辆的节能方法，包括以下步骤：

s1、采集车辆周围的路面信息；

s2、识别出路面信息中的垃圾数量和种类；

s3、根据垃圾数量和种类自动调节风机转速。

进一步改进的方案：在步骤s1中，通过图像来采集辆周围的路面信息。

进一步改进的方案：在步骤s3中，根据道路单位面积内的垃圾数量和种类，采用sigmoid函数得出清洁度值，并将清洁度值换算对应的风机转速。

进一步改进的方案：所述清洁度值计算如下：

取值范围[0，100]，数值越大代表垃圾越多；其中，

x1为垃圾面积指标；

α为垃圾面积指标的权重；

x2为垃圾质量指标；

β为垃圾质量指标权重。

进一步改进的方案：所述清洁度值经过kalman滤波后，再将清洁度值换算对应的风机转速。

本公开的有益效果为：

本公开中应用于扫路清洁车辆的节能系统，通过数据采集模块采集车辆周围的路面信息，通过ai垃圾识别模块识别出垃圾数量和种类，通过风机逻辑控制模块将垃圾数量和种类的数据信息换算成对应的风机转速；车辆控制器调整风机的转速，可以根据垃圾的数量和种类将风机的转速调整为可以吸走垃圾的最低转速，从而在保证道路清扫干净的前提下，实现了节能减排。

本公开中应用于扫路清洁车辆的节能方法，通过采集车辆周围的路面信息，从而识别出路面信息中的垃圾数量和种类，根据垃圾的数量和种类自动调整风机的转速；本公开可以根据垃圾的数量和种类将风机的转速调整为可以吸走垃圾的最低转速，从而在保证道路清扫干净的前提下，实现了节能减排。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简要介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关附图。

图1为本公开中应用于扫路清洁车辆的节能系统的框架示意图。

图2为本公开中一次风机转速实时调整流程示意图。

图3为本公开中mobilenet-ssd神经网络结构示意图。

图4是本公开中kalman滤波流程示意图。

具体实施方式

下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚完整的描述。应当理解，此处所描述的具体实施例仅仅用于解释本公开，并不用于限定本公开。基于本公开的实施例，本领域技术人员在没有创造性劳动的前提下所获得的所有其他实施例，都属于本公开的保护范围。

实施例一：

参阅图1，本实施例提供了一种应用于扫路清洁车辆的节能系统，包括：

数据采集模块，采集车辆周围的路面信息。

ai垃圾识别模块，对数据采集模块采集到的路面信息数据进行处理，识别出垃圾数量和种类。

风机逻辑控制模块，接收ai垃圾识别模块识别出的垃圾数量和种类的数据信息，并换算成对应的风机转速。

车辆控制器，接收风机转速的信息，并调整风机的转速。

其中，数据采集模块可以采用广角视觉传感器，或者ccd感光摄像头，或者cmos感光摄像头等用来采集图像的设备，可以设置在在扫路清洁车前，用于采集车辆即将驶过的路面图像；数据采集模块可以采集车辆前方8米，宽4米矩形范围内路面的图像信息。还可以在车辆四周额外加装摄像头，用于监控车辆清洁作业效果。

其中，ai垃圾识别模块由mobilenet-ssd深度学习神经网络组成，将数据采集模块采集到的图像信息进行处理，能够识别每帧图像中垃圾的种类和数量。ai垃圾识别模块将数据采集模块的图像作为输入，输出识别到垃圾的位置(boundingbox)、分类(label)和置信度(probe)，能够识别树叶、塑料瓶、塑料袋、易拉罐、树枝、石头、砖块等常见路面垃圾；ai垃圾识别模块依赖nvidiagpu及tensorrt架构，也可选择npu或tpu作为核心计算单元；可根据核心计算单元计算能力的不同，选择yolov3，maskrcnn或者fasterrcnn模型来保证系统工作的实时性。

ai垃圾识别模块的结构如图3所示，其中，conv表示普通卷积层，convdw表示深度向分解卷积层，s1、s2表示卷积计算步长分别为1或2，avgpool表示池化层，fc表示全连接层，softmax表示回归分类器，classifier表示分类结果。ai垃圾识别模块输出每帧图像中的垃圾位置(boundingbox形式，左上角位置x、y和矩形的宽高w、h)、分类(1abel，共12种)和置信度(probe，取值范围[0，1])。

在上述方案的基础上：数据采集模块与ai垃圾识别模块通讯连接，所述ai垃圾识别模块与风机逻辑控制模块通讯连接，所述风机逻辑控制模块与车辆控制器通讯连接，所述车辆控制器与风机通讯连接。本方案中的通讯连接可以采用can、uart和gpio通讯等通讯连接，可以传输风机控制信号，获取风机当前转速，获取监控车辆速度，获取油量(电量)，获取作业时长，获取驾驶室按键操作等信息。

在上述方案的基础上：应用于扫路清洁车辆的节能系统，还包括云平台和通讯模块；所述数据采集模块、ai垃圾识别模块和车辆控制器均与通讯模块有线或无线通讯连接；所述云平台与通讯模块无线通讯连接。云平台接收来自无线通讯模块发出的路面图像、风机转速和车辆状态信息，其中无线通讯模块可以为4g或5g。优选利用5g通讯，可以保证实时性。

所述ai垃圾识别模块可以设置在车载端设备上；或者ai垃圾识别模块设置在云平台端，由无线通讯模块将数据采集模块的数据上传到云平台，再将分类结果回传到车载端设备。

在上述方案的基础上：应用于扫路清洁车辆的节能系统，还包括显示模块，显示模块与风机逻辑控制模块相连。所述显示模块包括普通的hdmi显示设备，安装在驾驶室内，可以显示车前方设备工作区域、垃圾识别效果及车辆状态等信息。显示模块还可以包括安装在车辆外的lcd显示屏，用于展示风机实时转速及车辆工作状态。

实施例二：

参阅图2，本实施例提供了一种应用于扫路清洁车辆的节能方法，包括以下步骤：

s1、采集车辆周围的路面信息。

s2、识别出路面信息中的垃圾数量和种类。

s3、根据垃圾数量和种类自动调节风机转速。

根据垃圾数量和质量自动调节风机转速，在清洁干净的前提下，选择最小的风机功率去清洁道路。当风机的转速需要调大或调小时，进行相应的调整，当无变化时，则风机转速保持不变。

在步骤s1中，通过图像来采集辆周围的路面信息。

在步骤s3中，根据道路单位面积内的垃圾数量和种类，采用sigmoid函数得出清洁度值，并将清洁度值换算对应的风机转速。

进一步改进的方案：所述清洁度值计算如下：

取值范围[0，100]，数值越大代表垃圾越多；其中，

x1为垃圾面积指标；

α为垃圾面积指标的权重；

x2为垃圾质量指标；

β为垃圾质量指标权重。

其中，风机逻辑控制模块通过ai垃圾识别模块识别出的垃圾的种类和数量，按照其内部存储的种类和质量匹配关系，可以匹配出垃圾的质量；然后根据垃圾的种类、数量、质量和面积计算出路面清洁度。

在上述方案的基础上：所述清洁度值经过kalman滤波后，再将清洁度值换算对应的风机转速。将每帧图像的清洁度经过kalman滤波后得出用于风机转速调节的清洁度数值。kalman滤波计算如图4所示，其中：

为第k次迭代清洁度的先验估计值；

为第k-1次迭代清洁度的先验估计值；

为第k次迭代清洁度的后验估计值；

kk为第k次迭代的kalman增益；

q为过程激励噪声协方差，服从高斯分布；

r为测量噪声协方差，服从高斯分布；

pk为第k次迭代清洁度的后验估计协方差；

pk-1为第k-1次迭代清洁度的后验估计协方差；

为第k次迭代清洁度的先验估计协方差；

yk为第k次迭代清洁度的观测值，即此帧图像所计算的清洁度；

a、b为状态转移方程的系数矩阵，计算中分别取值为1和0；

h为转换矩阵，计算中取值为1。

最后将清洁度转换为对应的风机转速。

在上述方案的基础上：可以将风机转速经过三次样条插值后，换算为一组离散的控制信号，保证风机转速平稳、安全、高效地切换。选用的插值公式如下：

其中，x的取值范围为[0，δt]，表示信号发送的时间；y的取值范围为[y0，y0+δr]，表示转速，y0为初始转速，y0+δr为目标转速。

本公开不局限于上述可选实施方式，任何人在本公开的启示下都可得出其它各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本公开权利要求界定范围内的技术方案，均落在本公开的保护范围之内。