一种基于智能算法的全自动砂石含水率在线检测方法与流程

本发明涉及砂石含水率在线检测方法领域。更具体地说，本发明涉及一种基于智能算法的全自动砂石含水率在线检测方法。

背景技术：

1、在混凝土产业数字化和数字产业化的转型升级进程中，数据获取的底层传感及在线检测技术还处于起步阶段，一方面由于研究起步较晚，传感器的基础研发工作比较滞后，当前主要是在相关国外传感器的基础上进行数据处理及工艺上的改进，随着原材料质量的波动、人力成本的攀升以及质量管控要求的提高，混凝土生产全过程的质量关键数据的在线检测、自动获取的方法需要进行研究和应用。其中，混凝土砂石含水率的检测就对混凝土生产拌合站生产质量控制至关重要。混凝土生产过程中，受到砂厂家的清洗工艺、现场砂存放雨水堆积情况的影响，生产过程中每盘生产所用砂的含水率存在一定的波动。因此需要对生产过程中每盘生产所用砂的含水率进行准确的测试，以生产符合质量要求的混凝土。

2、目前施工现场砂石含水率测试主要采用人工取样烘干法，该方法测试时间长、取样代表性差、测试结果滞后，难以满足现场混凝土配合比参数实时调整的要求，无法实现对混凝土拌和物稳定性的有效控制。对砂石含水率测试的实时检测方法包括电阻法、电容法、红外法、微波法等。电阻法利用湿砂中水分的电导性来测量含水率，虽然测量仪器价格相对较低，但是易受环境温度及水分中盐离子浓度的影响，导致测量结果精度不高；电容法则是利用电容测量含水率，原理简单，仪器价格低，但由于电容受温度影响较大，而且水分中的盐离子也会对其造成影响，故测量精度也不高；红外法虽然可以实现非接触式在线测量，但易受物料颜色影响，测量结果很难反映物料内部真实含水率，且仪器造价高，维护困难；微波法测量含水率既可以接触式测量，也可以非接触式在线测量，且微波穿透力强，增加滤波及温度补偿电路后，受环境因素的影响明显减小，且仪器造价比红外法低。然而，微波法测量含水率也存在一些问题，比如测量仪器的标定和测试环境问题，微波法的研究大多是单频条件下建立含水率预测模型，未充分考虑砂颗粒形貌、颗粒级配、含泥量、安装参数等关键因素对检测结果的影响。

3、微波法主要基于微波测湿原理，通过测量物质的有效介电常数从而测得物质的湿度。现有的检测砂石含水率传感器常见的有hydronix公司所产的hydro-probe ii型数字微波传感器以及鲁德维奇公司所产工业4.0探头。其中hydro-probe ii型数字微波传感器对绝大多数物料而言，测湿器的读数都是线性的，试验前必须校对该测湿传感器线性度。图1为传感器校对示意图，其横、纵坐标分别为传感器输出的未换算值和经过试验室烘干所测得的砂料标准含水率值。以采集两个点的信息来校准曲线为例。对含水率在3％左右的砂料样本，测量得到了两组未转换值和含水率值，假设校准时，在某一点上实际校准曲线和理论校准曲线含水率数值之间误差为0.3％。当所测数据过于集中时，其他点无法补偿该误差，那么在高含水率与低含水率两个区域，该误差就会被成比例放大，如图2(a)所示；相反，若是物料含水率范围跨度比较大，且高含水率范围数据也存在0.3％的误差，则在其他含水率区域这0.3％的误差就会成比例缩小，则可有效控制误差的影响，如图2(b)所示。因此该校准方法会产生较大的误差，对现场混凝土生产质量管控不利。为保证混凝土拌合站生产用天然砂的含水率检测的实时性、准确性，需要对微波传感器采集的湿度值进行修正，提高砂石含水率在线检测的可靠性。

技术实现思路

1、本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

2、为了实现根据本发明的这些目的和其它优点，提供了一种基于智能算法的全自动砂石含水率在线检测方法，包括以下步骤：

3、s1、确定影响砂石含水率值的多个关键特征；

4、s2、通过采集设备采集当前生产的混凝土用天然砂对应的各所述关键特征的当前值；

5、s3、以步骤s2中采集的各所述关键特征的当前值作为输入，通过深度极限学习机得到当前生产的混凝土用天然砂的含水率初步预测值；

6、s4、通过深度门控循环单元对步骤s3中的得到所述含水率初步预测值进行修正，得到含水率修正预测值；

7、s5、通过含水率检测传感器测量当前生产的混凝土用天然砂的含水率得到含水率测定值；

8、s6、将步骤s4中得到的所述含水率修正预测值与步骤s5中得到的所述含水率测定值进行拟合，得到当前生产的混凝土用天然砂的含水率确定值。

9、优选的是，还包括以下步骤：

10、s7、根根所述含水率确定值调整当前生产的混凝土的用水量，以使当前生产的混凝土的含水率确定值满足设计要求；

11、s8、当前批次的混凝土生产完成后，对所述含水率检测传感器进行清理；

12、s9、重复步骤s1-s8，进行下一批次的混凝土生产。

13、优选的是，步骤s1中以已知的不同天然砂对应的含水率和影响含水率值的各特征值作为输入数据，通过灰色关联度分析算法对影响含水率值的特征进行筛选，根据关联度大小将各特征进行排序，选择关联度大的多个特征作为关键特征。

14、优选的是，步骤s3还包括通过布谷鸟算法优化深度极限学习机的参数，步骤s3具体包括以下步骤：

15、s3-1、获取历史数据作为训练集，所述历史数据包括已知的n个天然砂样本对应的含水率以及对应的各关键特征值；

16、s3-2、建立深度极限学习机砂石含水率预测模型；

17、s3-3、通过布谷鸟优化算法优化深度极限学习机砂石含水率预测模型的权值和阈值，得到cs-delm砂石含水率预测模型；

18、s3-4、利用所述样本集对cs-delm砂石含水率预测模型进行训练；

19、s3-5、将步骤s2中采集的各所述关键特征的当前值输入步骤s3-4训练好的cs-delm砂石含水率预测模型，得到所述含水率初步预测值。

20、优选的是，步骤s4具体包括以下步骤：

21、s4-1，建立gru含水率预测模型，所述gru含水率预测模型的输出为cs-delm砂石含水率预测模型的预测误差值；

22、s4-2，以所述样本集对所述gru含水率预测模型进行训练；

23、s4-3，将步骤s2中采集的各所述关键特征的当前值输入所述gru含水率预测模型，得到所述含水率初步预测值的预测误差值；

24、s4-4，将所述含水率初步预测值的预测误差值与所述含水率初步预测值进行叠加，得到所述含水率修正预测值。

25、优选的是，步骤s6中利用随机森林算法对所述含水率修正预测值与所述含水率测定值进行拟合。

26、优选的是，步骤s8中，采用清理装置对所述含水率检测传感器进行清理；所述清理装置设置在用以传输当前生产的混凝土用天然砂的带式输送机上，所述清理装置包括：

27、支架，其固定设置在所述带式输送机上，用以安装所述含水率检测传感器，所述含水率检测传感器的测量端朝向所述带式输送机；

28、升降气缸，其竖直固定设置在所述支架上，且所述升降气缸的活动端朝向所述带式输送机；

29、安装板，其与所述升降气缸的活动端固定连接；

30、多个喷嘴，沿竖直方向间隔设置在所述安装板上，所述喷嘴向所述含水率检测传感器喷出脉冲气流以清理所述含水率检测传感器。

31、优选的是，所述安装板包括两个相互垂直的安装面，每个所述安装面上均沿竖直方向间隔设置有多个所述喷嘴，两个所述安装面上的喷嘴在竖直方向上交错设置。

32、优选的是，两个所述安装面上的喷嘴喷出的脉冲气流之间的夹角为120°～150°。

33、本发明至少包括以下有益效果：

34、1、本发明提供的基于智能算法的全自动砂石含水率在线检测方法，通过筛选出影响砂石含水率值的关键特征，配合多种智能算法得到考虑多种影响因素的含水率修正预测值；在不改变传感器原有标定操作条件下，结合传感器测定的含水率测定值得到含水率确定值，有效提升了砂石含水率在线检测的测量精度。

35、2、本发明还提供了一种清理装置，通过高压脉冲风刀对传感器表面杂质进行清理，在高效清理传感器上附着杂质的同时，不带入其他影响传感器检测精度、腐蚀传感器的物质。

36、3、本发明综合了多因素智能修正算法和清理装置，从软硬件两个方面的技术措施，将所测试的含水率精准度—平均误差，由原来的1.2％提高到0.5％以内。

37、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。