一种基于物联网的激光光斑监测系统及方法与流程

本发明涉及激光监测，具体为一种基于物联网的激光光斑监测系统及方法。

背景技术：

1、物联网是互联网的延伸，是新一代信息技术的重要组成部分。物联网实现了物体与物体的互联、物体和人的互联，具备全面感知、可靠传送、智能处理特征，使人类可以用更加精细和动态的方式管理生产、生活，从而提高整个社会的信息化能力。

2、激光光斑监测软件作为物联网发展的产物，其主要通过接收激光回波和采集光斑图像发送给激光光斑监测软件，该原理主要应用于全主动式激光制导武器的研发上，用于实现将激光照射器和目标寻的器都装在弹上，由激光照射器向目标发射激光，目标寻的器接收目标反射回来的激光信号，再通过弹上的控制系统将导弹引向目标。然而在目前的技术中，并没有能够在激光光斑监测软件出现高偏差时，对激光光斑的影响因素与频率范围进行智能分析与处理的方法。

技术实现思路

1、本发明的目的在于提供一种基于物联网的激光光斑监测系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于物联网的激光光斑监测方法，该方法包括以下步骤：

4、s1、获取历史数据下监测视场的激光光斑监测出现高偏差探测时的激光光束技术指标，所述激光光束技术指标包括激光光束工作波长、激光光束脉冲宽度、激光光束工作频率；

5、s2、根据监测视场下激光光斑监测的正常数据，构建出阈值组合范围，判断激光光束技术指标在当前激光光斑监测高偏差探测下的筛选优先级；

6、s3、构建修正处理方式，若激光光束工作波长、激光光束脉冲宽度任一个处于筛选优先级，构建人工调节，调节至阈值组合范围中心点，进行再测试；

7、s4、若激光光束工作频率处于筛选优先级，构建智能处理模型，分析激光光束工作频率在当前监测视场的最优解，计算偏差值，输出至管理员端口，进一步确定激光光斑监测高偏差探测下的工作频率影响范围。

8、根据上述技术方案，获取目标点实际所在位置的图像；

9、获取激光光斑监测反馈的目标点位置图像；

10、构建分析模型：

11、

12、其中，代表两组位置图像的相似度；代表目标点实际所在位置的图像下的任一数据特征；代表激光光斑监测反馈的目标点位置图像的任一数据特征；代表序号；m代表特征数量；

13、选取通过反馈的目标点位置能够实现摧毁目标的数据下的相似度值，构建平均值，作为分析阈值；

14、所述高偏差探测指分析模型输出值低于分析阈值的数据；

15、所述正常数据指分析模型输出值不低于分析阈值的数据。

16、根据上述技术方案，所述筛选优先级包括：

17、获取n组正常数据下的激光光束工作波长、激光光束脉冲宽度，分别以最小值和最大值构建两种阈值组合范围，其中激光光束工作波长阈值组合范围记为，其中激光光束脉冲宽度阈值组合范围记为；

18、获取任一组激光光斑监测出现高偏差探测时的激光光束技术指标，若存在激光光束工作波长、激光光束脉冲宽度任一种不处于对应的阈值组合范围，则对应输出该激光光束技术指标作为筛选优先级；

19、若存在激光光束工作波长、激光光束脉冲宽度均不处于对应的阈值组合范围，则判断当前值与对应的阈值组合范围中心点距离，选取较小值对应的激光光束技术指标作为筛选优先级；

20、若存在激光光束工作波长、激光光束脉冲宽度均处于对应的阈值组合范围，输出激光光束工作频率作为筛选优先级。

21、在一定的监测视场下，可以视为大气环境不存在干扰，再这样的控制条件下，可以进一步分析高偏差探测下激光光束技术指标的影响。

22、根据上述技术方案，所述智能处理模型包括：

23、在激光光束工作频率作为筛选优先级时，获取历史数据下监测视场的激光光斑监测的正常数据时的激光光束技术指标中的激光光束工作频率数据；

24、建立初始训练集；

25、设置均方差函数作为损失函数，记为，其中代表输出，为工作频率分析模型，设置最大迭代次数，记为u；

26、在损失函数取最小值时，初始化弱学习器，记为；

27、对初始化的弱学习器进行迭代训练，对初始训练集中每一组激光光束工作频率数据的数据样本i，分别计算其负梯度：

28、

29、其中，为数据样本i的取值，为对应的损失函数；为上一轮强学习器下的工作频率分析模型；k表示迭代次数；指微分；

30、利用获取的负梯度拟合一棵回归树,记为第k棵回归树，其对应的叶子结点区域记为，计算最佳拟合值：

31、

32、其中，i、j为标号；c为常数；

33、将每一轮的弱学习器加入到已经训练完成的模型中，得到新的强学习器：

34、

35、其中，表示叶子区域；代表第k轮迭代得出的强学习器；i代表与最佳拟合值组合，表示本轮的决策树拟合函数；

36、在迭代次数满足u时，结束迭代，输出最终的强学习器，作为输出的工作频率分析模型，利用输出的工作频率分析模型生成激光光束工作频率在当前监测视场的最优解，计算最优解与当前激光光斑监测出现高偏差探测时的激光光束技术指标下的工作频率的偏差值，输出至管理员端口；

37、不断计算激光光斑监测出现高偏差探测时的激光光束技术指标下的工作频率的偏差值，系统设置数量阈值，在偏差值达到数量阈值时，以最小值与最大值形成工作频率影响范围集，输出至数据存储端口。

38、在出现激光光斑监测出现高偏差探测时，对激光光束技术指标下的工作频率调整，需要满足在工作频率影响范围集内即可。

39、一种基于物联网的激光光斑监测系统，该系统包括工程监测模块、组合筛选模块、修正处理模块、智能分析模块；所述工程监测模块用于获取历史数据下监测视场的激光光斑监测出现高偏差探测时的激光光束技术指标，所述激光光束技术指标包括激光光束工作波长、激光光束脉冲宽度、激光光束工作频率；所述组合筛选模块用于根据监测视场下激光光斑监测的正常数据，构建出阈值组合范围，判断激光光束技术指标在当前激光光斑监测高偏差探测下的筛选优先级；所述修正处理模块用于构建修正处理方式，若激光光束工作波长、激光光束脉冲宽度任一个处于筛选优先级，构建人工调节，调节至阈值组合范围中心点，进行再测试；若激光光束工作频率处于筛选优先级，构建智能处理模型；所述智能分析模块用于根据智能处理模型分析激光光束工作频率在当前监测视场的最优解，计算偏差值，输出至管理员端口，进一步确定激光光斑监测高偏差探测的工作频率影响范围；

40、所述工程监测模块的输出端与所述组合筛选模块的输入端相连接；所述组合筛选模块的输出端与所述修正处理模块的输入端相连接；所述修正处理模块的输出端与所述智能分析模块的输入端相连接。

41、根据上述技术方案，所述工程监测模块包括工程数据采集单元、激光光束数据存储单元；

42、所述工程数据采集单元用于获取不同工程下的激光设备数据，通过传感器以及嵌入式系统技术获取历史数据下监测视场的激光光斑监测出现高偏差探测时的激光光束技术指标；所述激光光束数据存储单元用于存储激光光斑监测出现高偏差探测时的激光光束技术指标，并分类进行标记；

43、所述工程数据采集单元的输出端与所述激光光束数据存储单元的输入端相连接。

44、根据上述技术方案，所述组合筛选模块包括阈值组合构建单元、筛选单元；

45、所述阈值组合构建单元用于根据监测视场下激光光斑监测的正常数据，构建出阈值组合范围；所述筛选单元用于根据阈值组合范围判断激光光束技术指标在当前激光光斑监测高偏差探测下的筛选优先级；

46、所述阈值组合构建单元的输出端与所述筛选单元的输入端相连接。

47、根据上述技术方案，所述修正处理模块包括模型构建单元、分类修正单元；

48、所述模型构建单元用于构建修正处理方式；所述分类修正单元用于根据修正处理方式对激光光束技术指标进行分类处理，若激光光束工作波长、激光光束脉冲宽度任一个处于筛选优先级，构建人工调节，调节至阈值组合范围中心点，进行再测试；若激光光束工作频率处于筛选优先级，构建智能处理模型；

49、所述模型构建单元的输出端与所述分类修正单元的输入端相连接。

50、根据上述技术方案，所述智能分析模块包括模型分析单元、预警输出单元；

51、所述模型分析单元用于根据智能处理模型分析激光光束工作频率在当前监测视场的最优解，计算偏差值；所述预警输出单元用于将偏差值输出至管理员端口，进一步确定激光光斑监测高偏差探测的工作频率影响范围；

52、所述模型分析单元的输出端与所述预警输出单元的输入端相连接。

53、与现有技术相比，本发明所达到的有益效果是：

54、本技术实现了在接收激光回波和采集光斑图像发送给激光光斑监测仪软件时，对接收到的图像数据和光斑信息进行分析，构建在分析过程中的优先级，进一步对激光光斑监测中出现的高偏差数据进行处理，并通过历史数据迭代分析，构建出工作频率调节范围，实现对激光光斑的影响因素与频率范围进行智能分析与处理。