基于多视角信息融合的公路桥梁车辆荷载时空位置识别

针对现有方法在复杂交通场景下难以准确获取桥上车辆荷载时空分布的问题,提出了一种基于多视角信息融合的车辆荷载时空位置识别方法.首先,开发了vadYOLO-StrongSORT模型,可在单视角下同时检测和跟踪车辆;然后,在图像标定和跨视角车辆匹配基础上,采用自适应加权最小二乘法进行多视角信息融合以修正车辆轨迹;最后,结合车辆轨迹和车轴配置,重构车轴荷载的时空位置分布.通过模型试验评估了所提方法在典型交通场景下的性能.结果表明:相较于基于单视角的车辆位置识别方法,多视角信息融合方法在跟踪稳定性、定位精度和抗遮挡性能上有显著提升;变道场景下,所提方法的最高平均定位误差低于2.0 cm,明显优于单视角方法的17.0 cm;多车遮挡场景下,所提方法的车辆捕获率可达100%,而单视角方法最高仅为72.5%;同时,与其他检测跟踪模型相比,vadYOLO-StrongSORT在试验中取得了最高的识别精度.

移动荷载作用下基于主成分分析的斜拉桥拉索损伤识别分析

提出了一种基于主成分分析的斜拉桥拉索损伤识别方法来实现斜拉索损伤识别。该方法首先采集移动荷载激励桥面时拉索结构的加速度响应,然后采用主成分分析法对时域信号进行降维处理,提取降维后信号的统计学数据,结合D-S证据理论构造多阶统计矩融合指标进行识别。以天津永和桥为例,利用有限元进行数值模拟,分别针对斜拉索损伤程度、荷载质量、荷载移动速度对损伤识别精度的影响进行了探究。分析结果表明,所提方法具有良好的识别效果,有较好的噪声鲁棒性。

基于小波变换实现地磁秒采样观测移动车辆干扰的自动识别

为了提高对地磁秒采样数据中移动车辆干扰的处理、提取效率,基于小波变换设计了移动车辆干扰自动识别处理方法,并采用溧阳地震台、河池地震台受干扰数据进行分析。结果显示,采用该方法,选择db6、db9、sym8小波识别提取移动车辆干扰,识别率大于91%,正确率大于83%。

基于LSTM网络的车辆动态荷载识别方法

为了识别车辆的动态荷载,提出了一种基于长短时记忆网络的方法.该方法以桥梁加速度响应为输入,采用有限的数据集,实现车辆动态荷载的识别.建立了车桥耦合模型进行验证,以60组桥梁加速度响应为输入,以相应的车辆动态荷载为输出,通过训练长短时记忆网络来反演车辆动态荷载,并讨论了环境噪声及路面粗糙度对识别效果的影响.结果表明:测试集的车辆动态荷载识别误差平均值均小于5%;车辆动态荷载识别误差不随噪声水平变化,且平均误差小于5%;车辆动态荷载识别误差随着路面粗糙度等级的增加呈现略微增加的趋势,平均误差小于5%.在不同噪声及粗糙度水平下,长短时记忆网络均可用于车辆动态荷载的识别.

桥梁车辆荷载识别的贝叶斯方法研究

基于贝叶斯推理提出了一种可实现误差模式选择的桥梁车辆荷载识别方法。该方法通过静力影响线构建车辆荷载与实测响应的关系表达式,并建立修正曲面以消除动力效应造成的识别误差。引入与结构响应大小和车速相关的五种误差模式。根据假设的先验分布推导车辆轴重参数的后验分布,以获得车辆荷载的最优估计值和置信区间,并计算各误差模式的后验概率。分别采用简支梁数值算例和某连续梁桥动载试验,对该方法在不同车速工况下的识别精度和可靠性进行了验证。结果表明,修正曲面可以有效消除车辆动力冲击的影响,提高了荷载识别精度;荷载识别结果以置信区间形式呈现,可量化荷载识别结果的不确定性;贝叶斯方法能够识别出最佳误差模式,进一步提升了荷载识别的鲁棒性。

快速迭代收缩阈值正则化改进算法在桥梁移动荷载识别中的应用研究

移动荷载识别是结构动力学反问题研究的重要组成部分,其关键在于精确求解车-桥系统方程离散化后得到的大型稀疏线性方程组。由于车-桥系统矩阵同时具有稀疏性、非对称性、非正定性等特点,常用的迭代算法通常难以准确高效地对该大型稀疏线性方程组进行求解。迭代收缩阈值算法源于经典梯度算法,被广泛应用于线性逆问题求解及压缩感知重构算法中。由于迭代收缩阈值算法自身的非渐进全局收敛差的缺陷,导致荷载识别结果与真实值存在一定程度的偏差,难以实现对动态荷载的完全稀疏表达。为提高迭代收缩阈值算法的收敛性与稳定性,提出一种快速迭代收缩阈值正则化改进算法,将其用于识别桥梁移动荷载。通过引入迭代正则化,改进算法可准确提取动态荷载的信号特征,进而提高移动荷载识别方法的识别精度和抗噪性能。

基于增秩Kalman滤波的移动车辆荷载在线识别

提出了一种基于增秩Kalman滤波(augmented Kalman filter,AKF)的移动车辆荷载在线识别方法。将车辆荷载向量与桥梁结构状态向量联立构成增秩状态向量,基于AKF算法,利用桥梁状态空间方程和少量振动响应获得增秩状态向量的无偏最小方差估计,进而实时识别车辆荷载。以简支梁-弹簧质量车桥耦合系统为数值分析对象,研究了基于AKF算法的移动车辆荷载识别方法的可行性和准确性,详细讨论了路面不平度、车速、噪声、传感器组合和采样频率对识别误差的影响。结果表明,所提方法能准确识别荷载,且对噪声和车速不敏感。

共轭梯度最小二乘法和奇异值分解法识别移动荷载对比研究

【目的】移动荷载识别(MFI)技术是通过采集桥梁动态响应来识别桥上动态车载时程的。由于车桥系统矩阵是不适定的,MFI需要求解这一典型结构动力学第二类逆问题。【方法】本研究通过对比研究共轭梯度最小二乘(CGLS)法和奇异值分解(SVD)法识别移动荷载的效果特征,总结CGLS法和SVD法识别移动荷载的适用范围。CGLS法为典型的迭代线搜索法,SVD法为直接正则化法,通过MATLAB软件数值模拟对比CGLS法与SVD法识别移动荷载的效果差异。【结果】CGLS法除上下桥时的误差较大外,其他时段具有较好的参考价值,而SVD法在仅有单车轴在桥上时误差小。【结论】CGLS法识别多轴荷载更具优势,SVD法能有效识别单轴荷载。

基于BP神经网络的桥梁移动荷载参数识别

【目的】为了研究不同类型输入样本对移动荷载参数神经网格识别模型效率和精度的影响,并为移动荷载参数识别提供可靠的理论方法依据。【方法】通过ANSYS有限元分析和MATLAB大数据处理方法,开展了不同样本参数组合对桥梁移动荷载识别精度和效率影响的研究,分析了不同样本训练的BP神经网络对移动荷载参数识别效率与精度的影响。【结果】研究结果表明:挠度和应变混合样本作为输入参数时的BP神经网络识别效率可分别提升22.46%和34.15%,该BP神经网络对于载重的识别精度相较于挠度样本和应变样本训练下的BP神经网络可分别提升5.46%和8.25%,对于车速的识别精度相较于挠度样本和应变样本训练下的BP神经网络分别可提升15.64%和16.27%。【结论】采用挠度和应变混合样本提供输入参数的BP神经网络性能可靠,可为桥梁移动荷载参数识别研究提供重要的参考。

桥梁结构移动平稳随机荷载识别新方法

移动的平稳随机荷载对简支梁的作用,相当于固定的调制函数已知的非平稳随机荷载对简支梁结构的作用。本文以此为基础,研究了移动平稳随机荷载的识别问题。首先基于虚拟激励法的思想,利用特征值分解及奇异值分解技术,由虚拟位移响应反演虚拟广义坐标,有效地避免了矩阵求逆,得到高精度的广义坐标谱;同时利用Wiener-Khintchine关系及Duhamel积分,由广义坐标谱值反演得到平稳随机激励谱密度。仿真算例表明,只要适当地选取参振振型及测点位置,本文方法可以有效地识别桥梁结构的移动平稳随机荷载。

移动荷载识别的函数逼近法

由多式函数、三角函数及其结合逼近桥梁挠度 ,对逼近函数微分求得桥梁挠曲速度和加速度 ,用最小二乘法由桥梁挠度及近似的挠曲速度和加速度识别桥梁的模态位移、模态速度和模态加速度 ,由梁的模态座标方程和最小二乘法识别桥上移动荷载。与以前的识别方法相比 ,函数逼近的识别方法受测量噪声的影响较小。

基于精细积分方法的桥梁结构移动荷载识别

针对桥梁结构移动荷载识别问题,有效地将桥梁结构振动微分方程化为精细积分方法的一般格式,进而将精细积分方法推广于荷载作用点随时间连续变化的移动荷载的识别问题中,以HPD-S精细积分格式为基础,推导出相应的荷载识别公式,并与以HPD-L精细积分格式为基础的荷载识别方法进行了比较。仿真算例表明,无论对于简谐变化还是线性变化的外荷载,即使采用较大的时间步长,前者仍具有很高的识别精度;同时对后者进行了修正,也得到了令人满意的识别效果。

移动车辆荷载作用下大跨径连续梁桥动力响应研究

针对移动车辆荷载作用下公路桥梁动力性能设计与评价方法不足的问题,以依兰松花江公路大桥为例,运用自编程序,分析不同车辆荷载工况下桥梁冲击系数与振动加速度等动力响应指标的变化规律。结果表明,冲击系数随车辆纵向间距与车速的变化规律一致,均呈波动上升趋势;多车道时,若桥面不平整度沿横向变化不明显则冲击系数与车道数基本无关;大跨径桥梁不同部位的冲击系数有别,现行规范所采用单一断面的冲击系数计算全桥设计荷载方法的合理性值得商榷;在固定车距下,冲击系数随着加载效率的增大而呈下降趋势;振动加速度与冲击系数具有高度相关性。本文所得结论为移动车辆荷载作用下桥梁动力性能设计与评价提供了一定的依据。

基于影响线的桥梁移动荷载识别

以桥梁不同截面动应变响应为对象,进行移动荷载识别研究。通过寻找应变曲线峰值点识别车辆行驶速度、轴数、轴距,并采用影响线拟合动应变响应的思路识别车辆各轴轴重。结合车-桥耦合振动模拟计算,对桥梁移动荷载识别问题进行数值仿真分析。

基于荷载形函数的大跨桥梁结构移动荷载识别

大跨桥梁结构中的移动荷载识别是结构健康监测的重要组成部分之一,其作为动力学中的反问题,存在唯一性及稳定性等病态问题。本文首先推导出移动荷载作用下结构响应的卷积形式的离散公式,然后利用有限元理论中的形函数拟合移动荷载,推导出基于荷载形函数的移动荷载识别表达式。将移动荷载的识别转化为荷载形函数拟合系数的识别,降低了需要识别的未知量,减小了逆运算的计算量,消除或减弱逆问题病态性,并提高了计算效率。利用某大跨刚构-连续预应力混凝土桥梁修正后的有限元模型进行数值仿真,考虑路面粗糙度,由模态叠加法计算移动荷载作用下的响应;然后采用荷载形函数方法识别移动荷载,证明该方法在5%以下的噪声时能快速并精确识别复杂桥梁结构的移动荷载。

基于BP神经网络的桥上移动荷载分阶段识别方法

移动荷载识别可作为桥梁损伤机理研究的基础,同时为交通规划提供可靠的车载信息。提出了一种基于BP神经网络的桥上移动荷载的分阶段识别新方法。建立了桥梁有限元模型和2自由度5参数车辆模型,模拟生成了神经网络训练样本。采用分阶段识别技术,分步识别了桥上车辆的位置、速度和荷载。在神经网络设计中,利用正交设计法选择训练样本集,采用正则化方法对误差性能函数进行修正,并采用遗传算法对初始权进行了优化。数值仿真了一简支梁桥的移动车辆荷载识别,并通过模型试验进行了验证。结果表明:所提出的方法能够在线、实时地识别桥上移动车辆荷载,识别精度高、收敛速度快,且具有较强的鲁棒性和抗噪能力。

由响应识别桥上移动荷载

本文介绍一种基于欧拉梁振动理论由桥梁响应识别桥上移动时变荷载的方法，用模态叠加法和最小二乘法由桥梁挠度或应变识别梁的模态位移，采用差分方法得到梁的模态速度和模态加速度，由梁的模态座标方程和最小二乘法识别桥上移动荷载，并通过计算机仿真说明测试误差。

基于ANN和动应变的梁桥移动荷载识别及试验

为了实现桥梁上车载参数的快速识别,基于欧拉梁动力解析解分析桥梁挠度和应变对移动荷载的敏感性,选择敏感性更强的应变作为输入参数,研究将人工神经网络(artificial neural networks,简称ANN)用于识别梁桥移动车载的理论和方法。对简支梁桥在移动车载作用下的动应变响应进行理论分析及数值模拟,选取不同工况下的模拟数据对网络进行训练,分析激活函数组合和训练方法对网络精度的影响及噪声水平对动荷载工况下正确识别率的影响。通过车-桥模型动力试验验证该方法的合理性和可用性。结果表明,不同激活函数组合对识别结果影响较小,而不同的训练算法对识别结果影响较大,在应用神经网络识别桥梁移动荷载时,可以通过桥梁的动应变,对车辆的位置、速度和动荷载进行识别。

基于矩量法的移动荷载识别

从桥梁响应识别桥面移动荷载往往出现逆问题的病态(不适定性)等共性问题。本文基于移动荷载识别理论,借助矩量法求解积分方程理论并采用整域基函数——正交勒让德多项式表达桥面移动荷载,提出了一种移动荷载识别的时域改进算法。两轴车辆多种组合工况下的常载和时变荷载数值仿真研究表明:与时域法比较,改进时域法识别桥面移动荷载时,其识别精度高、抗噪能力强,识别结果不适定性有显著改善。

基于广义正交函数和正则化的移动荷载识别法

为了识别桥上移动荷载,把车/桥系统抽象为承受一组移动荷载的简支梁,用有限元方法建立桥梁振动方程,根据测试的桥梁响应,由广义正交函数根据模态叠加原理确定模态响应及其导数,用正则化技巧得到稳定的识别结果。数值模拟和试验结果表明,该方法用于识别桥上移动荷载是有效的。