欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022106488780
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种综合视频与BP神经网络的车辆荷载识别方法,其特征在于,应用于正交异性桥面板钢箱梁桥,包括:S1:确定监测断面,并在监测断面的每个车道范围内选取顶板U肋,在顶板U肋下缘布设光纤应变传感器;

S2:在监测断面前方布设第一高帧率数字视频监控摄像头;

S3:在监测断面桥面人行道分隔带和中央分隔带处架设第二高帧率数字视频监控摄像头;

S4:采用已知轴重的标定车辆从桥面横向不同位置通过桥面对监测系统进行标定,具体包括:将已知轴重的标定车辆的从桥面横向不同位置通过桥面,通过第一高帧率数字视频监控摄像头采集从桥面横向不同位置通过桥面时的顺桥向视频信息,通过第二高帧率数字视频监控摄像头采集从桥面横向不同位置通过桥面时的横桥向的视频信息,通过光纤应变传感器采集U肋对应的应变响应数据;采用数字图像处理技术对采集的顺桥向的视频信息、横桥向的视频信息进行分析得到车辆在桥面的横向位置、轴数、轴距和车速,从采集的U肋的纵桥向应变响应数据中提取出应变响应面积和峰值,将车辆在桥面的横向位置、车辆的轴数和轴距、车速以及应变响应面积和应变峰值作为输入,车辆轴重作为输出建立BP神经网络模型并进行训练,得到训练好的BP神经网络模型;

S5:当待监测的车辆通过桥面时,通过光纤应变传感器实时采集待监测车辆通过桥面时的纵桥向应变响应数据、第一高帧率数字视频监控摄像头采集待监测车辆的顺桥向视频信息、第二高帧率数字视频监控摄像头采集待监测车辆的横桥向视频信息,并基于图像处理技术识别待监测车辆在桥面上的横向位置、车速、轴数、轴距,再结合从纵桥向应变响应数据中提取的应变响应面积和峰值输入到训练好的BP神经网络模型进行车辆载荷识别,得到待监测车辆的轴重。

2.如权利要求1所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,步骤S1包括:选定一个位于相邻两个横隔板中间的钢箱梁断面作为监测断面,在监测断面位置的每个车道范围内均匀选取3~5个顶板U肋,在选取的顶板U肋的下缘各布设1个光纤应变传感器,用于测量车辆经过传感器位置时U肋的纵桥向应变响应数据。

3.如权利要求1所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,步骤S2包括:在监测断面前方15米桥面上方布设第一高帧率数字视频监控摄像头,用于拍摄车辆顺桥向通过监测断面的视频信息。

4.如权利要求3所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,所述方法还包括:在监测断面前后各5米的桥面上横桥向画两条白线作为辅助检测线。

5.如权利要求1所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,采用数字图像处理技术对采集的顺桥向的视频信息、横桥向的视频信息进行分析得到车辆在桥面的横向位置、轴距和车速,包括:采用数字图像处理技术对采集的顺桥向的视频信息进行分析,得到车辆在桥面的横向位置;

采用数字图像处理技术对横桥向的视频信息进行分析,得到车辆的轴距和车速。

6.如权利要求5所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,采用数字图像处理技术对采集的顺桥向的视频信息进行分析,得到车辆在桥面的横向位置,包括:从采集的顺桥向的视频信息中截取车辆通过监测断面时的图像;

对图像进行滤波去噪、灰度化,采用背景差分技术对车辆进行检测;

采用均值漂移聚类算法实现灰度图像的区域化分割,再通过矩形图形匹配方法进行车牌识别确定车辆在图像中的位置;

采用Canny边缘算子来提取车道线边缘图像,结合渐进概率霍夫变换直线检测算法提取车道线,根据车牌与车道线间的像素距离确定车辆在桥面的横向位置。

7.如权利要求5所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,采用数字图像处理技术对横桥向的视频信息进行分析,得到车辆的轴距和车速,包括:从采集的横桥向的视频信息中截取车辆通过监测断面时的图像;

通过霍夫变换直线检测算法提取定位辅助检测线在图像中的位置;

利用图像圆形检测算法识别车辆各车轮图像,定位各车轴在图像中的位置;

根据车轴与辅助检测线在图像中像素间的相对关系和辅助检测线的实际距离识别各轴间的轴距;

通过不同帧图像中同一车轮的不同位置差估算车速。

8.如权利要求1所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,步骤S4将车辆在桥面的横向位置、车辆的轴数、轴距、车速以及应变响应面积和峰值作为输入,车辆轴重作为输出建立BP神经网络模型并进行训练,包括;

将车辆轴重记为A

通过三层BP神经网络来建立训练模型,通过经验公式(1)确定神经元个数取值范围,然后从最小神经元数开始构建神经网络,逐步增加隐含层神经元数,比较各种神经网络结构的训练精度,得出最佳神经元数,其中,h为隐含层神经元个数,m

此时,隐含层神经元的输出为:

H=f

其中,X=[x

输出层的传递函数为:

f

则输出的表达式如下:

P=f

其中,P为输出层的输出,即为车辆荷载的轴重,

9.如权利要求1所述的综合视频与BP神经网络的车辆荷载识别方法,其特征在于,所述方法还包括:根据识别得到的待监测车辆的轴重,得到待监测车辆的总重。