- 无标题文档
查看论文信息

中文题名:

 

可变射程喷洒控制技术研究与应用

    

姓名:

 郭军    

学号:

 1049732002382    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 085201    

学科名称:

 工学 - 工程 - 机械工程    

学生类型:

 硕士    

学校:

 武汉理工大学    

院系:

 机电工程学院    

专业:

 机械工程    

研究方向:

 制造系统集成与信息化技术    

第一导师姓名:

 丁毓峰    

第一导师院系:

 机电工程学院    

完成日期:

 2023-03-01    

答辩日期:

 2023-05-11    

中文关键词:

 

洒水车 ; 射流射程 ; 目标检测 ; 道路边界检测 ; 模糊PID控制

    

中文摘要:

洒水车在城市道路的清洁、除尘和降温工作中起重要作用。目前市面上的洒水车存在喷洒射程固定,无法灵活控制喷洒范围适应在不同宽度道路喷洒作业的局限性问题,射程过大浪费水资源,并且容易冲刷到人行道上造成积水泥泞,射程过小则无法完全覆盖路面。为了实现洒水车可变射程喷洒,需要解决射流射程检测、道路宽度检测和喷洒系统控制等关键技术问题。本文以侧冲作业洒水车为研究对象,对可变射程喷洒系统的工作原理及控制技术展开研究,主要研究内容包括:

(1)制作洒水车射流数据集和应用YOLOv5s对洒水车射流射程进行检测。针对目前缺乏洒水车作业射流数据集的问题,结合实际拍摄的洒水车作业场景的射流视频和网络上的洒水车射流图片,制作了洒水车射流数据集。使用经过射流数据集训练好的YOLOv5s卷积神经网络模型进行射流目标的识别和定位,根据检测结果,计算出射流末端的位置坐标,以此获得射流射程作为控制系统的输出值。

(2)研究了洒水车作业场景道路边界检测方法,得到射程偏差算法。首先通过Canny边缘检测结合Hough变换提取道路图像中存在的直线段,再根据道路边界与道路内部交通标识线、道路外部人行道边缘的几何特征与灰度特征差异来区分识别到的直线,剔除道路内外的直线干扰,保留真实道路边缘,以此获得道路边界位置。将射流射程与道路宽度的差值作为偏差,实现射流射程的控制。

(3)设计了一种可变射程的洒水车喷洒控制系统。对洒水车管路进行设计,通过对流向侧冲管路上的水流进行分流回到罐体,设计一种模糊PID控制器,以射程偏差为输入,调节阀开度为输出,实现对回流管路的流量进行控制,即改变射流射程。为了提高控制性能,通过测试建模法建立洒水车喷洒系统模型,并使用Simulink软件对洒水车喷洒系统的控制特性进行仿真分析。结果表明,设计的模糊PID控制器可以有效改善洒水车管路系统的工作稳定性和动态性能。

(4)洒水车可变射程喷洒控制系统的开发与实验。根据需求进行系统设计,对调节阀、控制卡、图像处理硬件等关键元器件进行选型,对控制软件进行软件功能设计及开发。在不同宽度的道路进行喷洒作业实验,验证系统对射流末端位置、道路边缘位置的检测效果和射程调整控制的稳定性、快速响应性和准确性。

参考文献:

[1] 胡葳, 唐宝安. 2020年我国环卫车市场分析及2021年预测[J]. 专用汽车. 2021(6): 30-34.

[2] 何伟. 新型环卫系统综合解决方案的研究及应用[D]. 长安大学, 2017.

[3] 姜伟, 李铭, 白子龙. 洒水车作业性能计算方法研究[J]. 汽车实用技术. 2021, 46(15): 117-120.

[4] Hou X, Cao Y, Mao W, et al. Models for Predicting the Jet Trajectory and Intensity Drop Point of Fire Monitors[J]. Fluid Dynamics & Materials Processing. 2021, 17(5): 860-869.

[5] 闵永林, 陈晓阳, 陈池, 等. 考虑俯仰角的消防水炮射流轨迹理论模型[J]. 机械工程学报. 2011, 47(11): 134-138.

[6] 朱锋, 刘文涛, 李希彬. 煤矿井下灭火机器人消防水炮射流轨迹分析[J]. 煤矿机械. 2022, 43(3): 78-81.

[7] Zhu J, Li W, Lin D, et al. Study on Water Jet Trajectory Model of Fire Monitor Based on Simulation and Experiment[J]. Fire Technology. 2019, 55(3): 773-787.

[8] 袁德飞. 基于视频的消防水炮闭环控制技术研究[D]. 大连海事大学, 2017.

[9] 梁丽娟. 喷嘴射流对喷嘴挡板阀性能影响及射流图像检测研究[D]. 哈尔滨工业大学, 2021.

[10] 王冬月. 红外舰船目标的检测跟踪与射流定位研究[D]. 南京航空航天大学, 2017.

[11] 陈双叶, 刘智. 边缘检测识别道路边界时消除标识线干扰的图像处理方法[J]. 北京工业大学学报. 2021, 47(12): 1330-1337.

[12] 卢才武, 马玲, 阮顺领. 矿区复杂道路边缘检测[J]. 测绘科学. 2020, 45(9): 123-131.

[13] 王博学, 王夏黎, 赵晓娜, 等. 动态背景下基于边缘检测的道路识别[J]. 计算机技术与发展. 2018, 28(11): 146-149.

[14] 马玛双, 杨小冈, 李维鹏. 对光照鲁棒的道路边缘检测算法[J]. 计算机应用研究. 2020, 37(4): 1271-1275, 1280.

[15] Wang S, Wu S, Wang X, et al. A Canny Operator Road Edge Detection Method based on Color Features[C]. Proceedings of 2020 2nd International Conference on Applied Machine Learning and Data Science (ICAMLDS 2020).IOP Publishing,2020: 125-130.

[16] Pintusorn S, Chalermpol C, Sasiporn U, et al. An Enhanced System for Wrong-Way Driving Vehicle Detection with Road Boundary Detection Algorithm[J]. Procedia Computer Science. 2022, 204: 164-171.

[17] 豆毅庚, 徐建华, 潘亮, 等. 一种基于视觉的道路宽度测量方法[J]. 中国惯性技术学报. 2022, 30(2): 218-223.

[18] 陈若男, 彭玲, 刘玉菲, 等. 引入空间距离信息的城郊山区道路提取与应用[J]. 中国科学院大学学报. 2022, 39(05): 658-667.

[19] 孙朋朋, 赵祥模, 徐志刚, 等. 基于3D激光雷达城市道路边界鲁棒检测算法[J]. 浙江大学学报(工学版). 2018, 52(03): 504-514.

[20] 张前. 城市洒水车智能化喷洒系统[J]. 装备制造技术. 2015(2): 215-216.

[21] 陈增志. 洒水车定量喷洒控制系统[J]. 专用汽车. 2019(2): 92-95.

[22] 郭娜, 胡静涛. 基于Smith-模糊PID控制的变量喷药系统设计及试验[J]. 农业工程学报. 2014, 30(08): 56-64.

[23] 李为. 果园对靶施药控制系统设计[D]. 西北农林科技大学, 2014.

[24] 陈静. 基于图像处理的消防水炮自动定位研究[D]. 南京航空航天大学, 2010.

[25] Diju G, Weixi X, Chunteng B, et al. A Control Method for Water Cannon of Unmanned Fireboats Considering Wind and Ship Motion Disturbances[J]. Journal of Marine Science and Engineering. 2023, 11(2): 1-18.

[26] Raj S M, Kavitha V. Machine Vision Based Agricultural Weed Detection and Smart Herbicide Spraying[J]. Indian Journal of Science and Technology. 2018, 11(23): 1-5.

[27] Zhong-Qiu Z, Peng Z, Shou-Tao X, et al. Object Detection With Deep Learning: A Review.[J]. IEEE transactions on neural networks and learning systems. 2019, 30(11): 3212-3232.

[28] 赵永强, 饶元, 董世鹏, 等. 深度学习目标检测方法综述[J]. 中国图象图形学报. 2020, 25(04): 629-654.

[29] 方路平, 何杭江, 周国民. 目标检测算法研究综述[J]. 计算机工程与应用. 2018, 54(13): 11-18.

[30] 李德鑫. 基于YOLOv5s的河道漂浮垃圾检测研究与应用[D]. 中国矿业大学, 2021.

[31] Alam S. Performance of classification based on PCA, linear SVM, and Multi-kernel SVM[C]. 2016: 987-989.

[32] An T K, Kim M H. A New Diverse AdaBoost Classifier[C]. 2010: 359-363.

[33] 张泽苗, 霍欢, 赵逢禹. 深层卷积神经网络的目标检测算法综述[J]. 小型微型计算机系统. 2019, 40(09): 1825-1831.

[34] Qin Z, Yu F, Liu C, et al. How convolutional neural networks see the world -- A survey of convolutional neural network visualization methods[J]. Mathematical Foundations of Computing. 2018, 1(2): 149-180.

[35] Abebaw A, Shailender K. End-to-End Convolutional Neural Network Feature Extraction for Remote Sensed Images Classification[J]. Applied Artificial Intelligence. 2022, 36(1): 1-26.

[36] 王海舰. 基于一维卷积神经网络的供水管道泄漏检测算法的研究[D]. 内蒙古大学, 2019.

[37] Manuel V V, Antonio G P, Javier B, et al. Activation Functions for Convolutional Neural Networks: Proposals and Experimental Study.[J]. IEEE transactions on neural networks and learning systems. 2021, PP: 1478-1488.

[38] 李杰. 基于深度卷积神经网络的动态手势识别[D]. 山东大学, 2019.

[39] Basha S H S, Dubey S R, Pulabaigari V, et al. Impact of Fully Connected Layers on Performance of Convolutional Neural Networks for Image Classification.[J]. CoRR. 2019, abs/1902.02771: 112-119.

[40] Shaoqing R, Kaiming H, Ross G, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.[J]. IEEE transactions on pattern analysis and machine intelligence. 2017, 39(6): 49-65.

[41] 方广欣. 基于YOLOv5的地铁隧道裂缝检测技术研究[D]. 合肥工业大学, 2021.

[42] 朱行栋. 基于YOLOv5的行人检测方法研究[J]. 农业装备与车辆工程. 2022, 60(04): 108-111.

[43] Yun S, Han D, Oh S J, et al. CutMix: Regularization Strategy to Train Strong Classifiers with Localizable Features[J]. 2019: 6023-6032.

[44] 杨其晟, 李文宽, 杨晓峰, 等. 改进YOLOv5的苹果花生长状态检测方法[J]. 计算机工程与应用. 2022, 58(04): 237-246.

[45] 许德刚, 王露, 李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用. 2021, 57(08): 10-25.

[46] 尹昱航. 基于特征融合的交通场景目标检测方法研究[D]. 大连理工大学, 2021.

[47] 彭浩. 基于YOLOv5的无人机巡检图像绝缘子检测技术的研究[D]. 中国矿业大学, 2021.

[48] Yi-Fan Z, Weiqiang R, Zhang Z, et al. Focal and efficient IOU loss for accurate bounding box regression[J]. Neurocomputing. 2022, 506: 146-157.

[49] 蒋寰游. 基于YOLOV5的无人机航拍输电线路绝缘子多缺陷检测[D]. 广东工业大学, 2021.

[50] 周志华. 《机器学习》[J]. 中国民商. 2016, 03(No.21): 93.

[51] 吴一全, 刘莉. 基于视觉的车道线检测方法研究进展[J]. 仪器仪表学报. 2019, 40(12): 92-109.

[52] 罗杨. 复杂环境下的车道线检测[D]. 电子科技大学, 2020.

[53] 谭加加, 刘鸿宇, 黄武, 等. PID控制算法综述[J]. 电子世界. 2015(16): 78-79.

[54] 简珣. 模糊PID控制在三容水箱系统控制中的应用研究[D]. 合肥工业大学, 2007.

[55] 赵东磊. 基于半实物仿真技术的自动消防控制系统设计[D]. 武汉科技大学, 2013.

[56] Ersal T, Brudnak M, Salvi A, et al. Development and model-based transparency analysis of an Internet-distributed hardware-in-the-loop simulation platform[J]. Mechatronics. 2011, 21(1): 22-29.

[57] 丁兆驿, 赵斌, 张晓刚, 等. 流量反馈型电液比例阀的模糊PID控制特性[J]. 机床与液压. 2022, 50(22): 119-124.

[58] 王述彦, 师宇, 冯忠绪. 基于模糊PID控制器的控制方法研究[J]. 机械科学与技术. 2011, 30(01): 166-172.

[59] 刘洪静, 李黎, 高金辉. 基于模糊PID控制的节水灌溉智能控制系统设计[J]. 节水灌溉. 2020(02): 88-91.

[60] 熊小涛. 用于低刚度零件辅助支撑的射流控制技术研究[D]. 江南大学, 2017.

[61] 李普, 梁春英, 王宏立, 等. 基于模糊PID的无人机叶面肥喷施控制策略研究[J]. 农机化研究. 2023, 45(09): 110-115.

[62] 白玉亭, 杨春来. 洒水车的应用技术[J]. 城市车辆. 2001(01): 34-36.

[63] 张任升. 温室对靶变量喷雾装置控制系统设计与试验研究[D]. 江苏大学, 2022.

[64] 丁毓峰, 周遵波, 李存荣. 消防车环泵式B类泡沫混合装置控制系统[J]. 消防科学与技术. 2022, 41(07): 964-969.

[65] Xiao, Yan-Jun, Niu, et al. Control Strategy of Low-Grade Waste Heat Recovery Unit Based on Fuzzy Proportion Integration Differentiation[J]. Journal of Nanoelectronics and Optoelectronics. 2019, 14(7): 993-1001.

[66] 丁锋, 徐玲, 刘喜梅. 传递函数辨识(1):阶跃响应两点法和三点法[J]. 青岛科技大学学报(自然科学版). 2018, 39(01): 1-14.

中图分类号:

 U469.6    

条码号:

 002000071340    

馆藏号:

 TD10058591    

馆藏位置:

 403    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式