本发明涉及建筑材料生产，特别涉及一种通过振动实时表征拌合过程中混凝土质量的方法。
背景技术：
1、混凝土是建筑工程中常用的重要材料之一，其质量直接影响到工程结构的安全和稳定性。因此，对混凝土质量进行准确评估具有重要意义。传统的混凝土质量评估方法主要依赖于实验室测试和人工经验，存在着测试周期长、成本高、评估过程复杂等问题，难以满足工程建设中对拌合中混凝土质量实时快速准确评估的需求。
2、近年来，振动数据作为一种非侵入式的监测手段，被广泛应用于成品混凝土质量评估领域。自编码器深度聚类是近年来在机器学习领域兴起的一种无监督学习方法，能够对高维数据进行有效的特征提取和聚类分析，为混凝土质量评估提供了一种新的思路和方法。
3、目前尚未有一种结合这两种技术的方法用于混凝土质量评估。传统的振动数据分析方法往往局限于简单的统计特征提取，难以充分挖掘数据的潜在信息。
技术实现思路
1、本公开提供一种通过振动实时表征拌合过程中混凝土质量的方法，结合振动数据和自编码器深度聚类方法，快速准确地评估混凝土质量，以满足建筑工程中对混凝土质量评估的实时性和准确性的需求。
2、本公开提供的通过振动实时表征拌合过程中混凝土质量的方法，包括以下步骤：
3、s1、实时获取混凝土搅拌过程中，混凝土搅拌机的振动数据；
4、s2、使用自编码器对收集到的振动数据进行特征提取和降维处理，其中自编码器的编码器部分将输入数据x映射到潜在空间z，再通过解码器将潜在空间的表示z重构为输出数据x′，计算重构误差mse；
5、s3、使用自编码器的潜在表示z作为特征向量，然后利用聚类算法对特征向量进行聚类，计算聚类损失cl；
6、s4、综合考虑重构误差和聚类损失，定义综合损失函数：
7、total loss＝α×mse+β×cl
8、其中，α和β为损失函数的权重参数；
9、s5、调整参数，得到最小所述综合损失函数的自编码器深度聚类模型，根据各聚类中已知混凝土质量的振动数据，对聚类进行标定；
10、s6、导入需要检测的混凝土振动数据样本，基于欧式距离确定样本x所属聚类，若聚类结果与其余合格混凝土一致，则判定该混凝土振动样本合格。
11、进一步的，所述步骤s1具体包括：
12、s11、在混凝土搅拌机外表面安装若干振动传感器；
13、s12、在混凝土搅拌过程中，通过振动传感器实时采集振动数据；
14、s13、对收集的振动数据进行预处理。
15、进一步的，所述步骤s11中，所述振动传感器包括：加速度传感器、惯性传感器、压电传感器中的一种或多种。
16、进一步的，所述步骤s12中，所述振动数据的参数包括：振幅、频率、持续时间、波形特征、时域特征、频域特征、幅度谱、相位谱中的一种或多种。
17、进一步的，所述步骤s13具体包括：
18、对收集的振动数据进行周期分割、非周期分割、信号加窗和快速傅里叶变换预处理。
19、进一步的，所述步骤s2中，所述重构误差即为均方误差mse，根据下式计算：
20、
21、其中，n为样本数量，xi为第i个样本的原始振动数据，xi′为通过自编码器重构得到的振动数据。
22、进一步的，所述步骤s3中，聚类损失计算方法包括：
23、设聚类中心数k＝2表示合格混凝土与不合格混凝土，则每个样本z将被分配到离其最近的聚类中心c，聚类损失为：
24、
25、其中，n为样本数量，zi为第i个样本的潜在表示，cj为第j个聚类中心。
26、进一步的，所述步骤s6中，确定样本x所属聚类的方法具体包括：
27、通过所述自编码器深度聚类模型，使用欧氏距离衡量样本x与聚类中心cj之间的距离，计算式如下：
28、distance(x,cj)＝||x-cj||；
29、则样本x所属聚类为：
30、cluster(x)＝argminjdistance(x,cj)
31、其中，arg min表示使距离最小化的聚类中心的索引。
32、与现有技术相比，本公开的有益效果是：(1)能够对高维数据进行有效的特征提取和聚类分析；(2)快速准确地评估混凝土质量；(3)实施过程便捷；(4)能够适用于多种搅拌机。
1.一种通过振动实时表征拌合过程中混凝土质量的方法，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求2所述的方法，其特征在于，所述步骤s11中，所述振动传感器包括：加速度传感器、惯性传感器、压电传感器中的一种或多种。
4.根据权利要求1-3中任一所述的方法，其特征在于，所述步骤s12中，所述振动数据的参数包括：振幅、频率、持续时间、波形特征、时域特征、频域特征、幅度谱、相位谱中的一种或多种。
5.根据权利要求1或4所述的方法，其特征在于，所述步骤s13具体包括：
6.根据权利要求1所述的方法，其特征在于，所述步骤s2中，所述重构误差即为均方误差mse，根据下式计算：
7.根据权利要求1所述的方法，其特征在于，所述步骤s3中，聚类损失计算方法包括：
8.根据权利要求1所述的方法，其特征在于，所述步骤s6中，确定样本x所属聚类的方法具体包括：
