桥梁动态称重系统在刚构-连续箱梁桥中的试验研究

基于最小二乘法原理,利用桥梁动态响应信号标定桥梁结构实际弯矩影响线,然后根据桥梁不同车道实际标定影响线计算过桥车辆轴重和总重。基于某刚构-连续箱梁桥的实桥试验,提出了适用于大跨箱梁桥的简化影响线标定方法。实桥试验及研究结果表明:基于快速傅里叶变换的BWIM系统可以有效地提高车轴信息的识别精度,可有效解决基于大跨径混凝土桥梁结构进行轴重识别时桥面板在车载情况下局部效应不明显,车轴信号不易识别的问题,从而将BWIM系统应用到大跨连续箱梁桥结构。基于快速傅里叶变换的新型BWIM系统可以有效识别过桥车辆车速、轴重等信息,可为桥梁结构超载风险评估和健康监测提供有效依据,为现代公路交通运输系统的管理和决策提供数据支持。     

桥梁动态称重系统在板桥中的应用研究

桥梁动态称重(Bridge Weigh-in-motion:BWIM)系统是以桥梁为载体来识别过桥车辆的轴重及总重量。目前商用BWIM系统均利用桥梁跨中弯矩影响线作为参考来识别过桥车辆轴重。因此,获得更为符合桥梁实际边界条件的影响线对于提高车辆轴重识别精度具有重要意义。基于一跨径13 m的简支板桥的现场试验,利用最小二乘原理,通过标定车作用下桥梁跨中截面的动态响应信号来标定实际桥梁结构影响线。然后采用Moses算法,依据标定的影响线,对过桥车辆进行了轴重识别。计算结果表明:对于多车道板桥,每个车道的实际影响线有一定差别,而影响线的选取直接影响轴重识别的精度,所以需对每个车道进行影响线标定,然后基于车辆经过该车道所得到的影响线来反算过桥车辆轴重。     

BWIM系统应用于正交异性钢桥面的整体效应分析

桥梁动态称重(BWIM)系统可通过标定正交异性钢箱梁的纵向加劲肋以识别车辆的轴重信息。基于标定车行驶过桥产生的动态响应信号,计算得到桥梁纵向加劲肋的弯矩影响线;然后基于标定影响线,进而识别过桥车辆的轴重及总重等信息。车辆荷载作用于钢桥面时,得到的动力响应信号可以视为由两部分组成,一部分是加劲肋的响应,称为局部效应,另一部分是箱梁的响应,称为整体效应。基于广东省佛山市佛陈新桥的现场试验,选择四分点和支点两个不同的测试断面进行标定试验,分析BWIM应用于正交异性桥面板时整体效应的影响。结果表明:对于正交异性钢箱梁桥,支点处的局部效应更加显著,整体效应相对较小;四分点及支点两个测试断面的轴重识别均具有较高的精度。     

基于U肋横向影响线的轴重识别算法研究

BWIM系统应用于正交异性桥面(Orthotropic Steel Deck:OSD)时,纵向U肋是搭载BWIM系统的优良载体。当车辆在OSD横桥上不同位置时,由于U肋的局部受力特点,其纵向U肋之间的响应会呈现出一定的规律性。提出利用U肋的横向影响线对车辆轴重识别的方法,并对该方法进行了理论计算推导。通过对实桥开展标定试验、静力试验和有限元ANSYS对桥梁箱梁节段进行模拟,并利用该方法对桥面车辆荷载进行识别,结果表明:有限元模型能够真实反映桥梁节段模型的真实受力情况;基于U肋横向影响线的轴重计算方法能够有效识别桥面车辆荷载,识别结果较为理想。进一步分析发现,后轴的结果总是优于前轴的识别结果。     

基于MFI理论的BWIM系统车辆轴重识别研究

桥梁动态称重(Bridge Weigh-in-motion:BWIM)系统基于车辆过桥时的实测应变来识别移动车辆的轴重。传统商业BWIM系统采用桥梁影响线计算静态轴重而忽略了动力效应的影响,基于MFI理论的BWIM系统能有效利用结构动力信息识别移动车辆荷载。结合有限元模拟,将一阶正则化技术与动态规划法相结合并应用于二维MFI理论识别移动车辆轴重。同时,使用特征值缩减技术来降低动力系统方程的自由度并使用L曲线法来获得最优正则化参数。基于仿真分析得到的响应信号,结合MFI理论识别了移动车辆的轴重-时间历程曲线,验证了所提出的基于MFI理论的移动荷载识别算法的可靠性和准确性。     

车辆识别技术

针对目前车辆识别难度大且辨识结果受光照强度、亮度以及天气影响较大等问题,文中提出一种利用车道线对称性识别车辆的方法。该方法通过对采集的图像进行PDE去噪,在充分保留图像纹理特征的前提下,依据灰度值梯度变化率精确确定车道线位置,再根据车道线对称性锁定车道区域,缩小搜索范围,进而准确地对周围车辆进行识别。试验结果表明,该方法能够对后方50m盲区内车辆进行准确识别,且受光照条件影响小。     

基于正则化与B样条曲线的桥梁影响线识别方法

为了快速评估既有桥梁的安全性，研究了基于多源实测信息快速准确识别桥梁影响线的方法。首先利用桥梁动力响应及车辆移动的实测信息，建立影响线识别的数学模型。在模型中引入Tikhonov正则化方法以解决病态矩阵求解问题，通过设置罚函数项以取得较光滑并贴近真实的影响线。然后通过基函数扩展法重构影响线，将其表示为一系列三次B样条基函数的线性组合，从而将问题从识别众多影响线因子简化为识别少量基函数权重系数。为了验证上述方法的可行性，先在实验室模拟钢制试验小车在钢筋混凝土三跨连续梁模型上移动的过程。基于实测布置于梁底的多测点挠度和应变响应时程以及相应的试验车信息，可识别出不同位置测点的挠度和应变影响线。试验结果表明无论是影响线的总体形状还是局部峰值，识别解与基准解均能较好地吻合。该方法还被进一步应用到一座简支现浇预应力混凝土箱梁桥。该试验通过实测检测车过桥期间的桥梁跨中截面若干测点的动应变、动挠度以及车辆重力、实时位置等信息，准确识别了对应于不同车道的挠度和应变影响线。通过对比桥梁静载实测和影响线虚拟加载结果，发现两者偏差绝对值在5%以内。在一定程度上表明了该影响线识别方法具有较高精度，并具备工程应用的良好潜力。     

存在车辆干扰的车道线识别

为避免道路上行驶的其它车辆对车道线识别的干扰,提出了一种结合车辆识别的车道线识别方法。融合雷达数据,车辆识别模块首先在图像中识别出车辆占据的区域;对于每一个车道线识别模块挑出的车道线候选点进行判断,去除处于车辆区域的车道线点;如果有效车道线点数目不足,则利用卡尔曼滤波的跟踪结果,确定符合最小风险函数的车道线位置。经过多种工况下的试验验证,该方法能够稳定地对车道线进行识别,准确地提取车道线参数,并且算法对车辆干扰有良好的抵抗能力。     

基于实际影响线的桥梁快速检测方法

针对桥梁静载试验存在费时费力、长时间影响或中断交通的缺点,提出一种基于实际影响线的桥梁快速检测方法。首先对桥梁进行标定试验,从单一车辆过桥的动力响应中提取桥梁实际影响线;引入车辆轮胎-路面接触力分布模型,可重构出静载试验不同加载工况下桥梁相应测点的静力响应,从而实现快速检测。以某六跨连续梁桥为背景,针对其第1跨分别进行单一车辆快速检测与多车辆静载试验,对比主梁跨中挠度和应变响应。结果表明:主梁跨中挠度和应变的快速检测结果与静载试验结果吻合较好,最大偏差为7.6%,基于实际影响线的快速检测方法具有较高精度。     

交通视频辅助的桥梁动态称重方法研究

为了进一步提升既有的桥梁动态称重技术，提出一种交通视频辅助的新型桥梁动态称重方法。首先介绍基于深度神经网络的计算机视觉目标检测技术和一种计算机视觉坐标转换方法，实现从交通监控视频中实时地探测与定位桥上行驶的车辆和车轴。然后引入桥梁应变分解方法和应变影响面识别方法，建立车重、车辆位置与桥梁应变之间的映射关系，从而建立一种综合利用时间和空间冗余信息对车辆进行称重的方法。该方法构建超定的影响面加载方程组，使用最小二乘法求解该方程组以得到桥上行驶车辆的轴重和总重。最后总结出一套交通视频辅助的桥梁动态称重方法框架。为验证以上方法，在某连续大箱梁桥的缩尺模型以及实桥上进行试验。试验包含单车、双车、跟车、并行、直行、变道、匀速、变速等复杂交通工况。模型试验结果表明：该方法的车辆总重识别误差均值为-2.02%，标准差为4.77%；车辆轴重的识别误差均值为4.77%，标准差为17.50%。实桥试验结果表明：该方法的车辆总重识别误差均值为0.21%，标准差为1.53%；车辆轴重的识别误差均值为-3.59%，标准差为42.67%。除此以外，所提出的方法还可用于识别桥上车辆的数量、类型、轴数、实时位置、运动轨迹、行驶速度等多粒度交通信息。     

基于交通状况及行驶速度的高速公路换道时间研究

换道行为是影响高速公路运营安全的重要因素之一,而换道时间为交通安全分析模型中的关键参数,在换道时间标定中应考虑不同交通状况和不同行驶速度的影响。为此,在交通状况不同的多条高速公路进行了一系列的现场实车试验,通过行车记录仪采集连续的行车视频,采用计算机视觉技术中的Canny算法识别行车视频图像中的车道边缘线,获取精确的车辆轨迹与车道边缘线的偏移值,实现对车辆换道行为的准确识别。根据车载辅助驾驶装置记录的试验车辆换道时的行驶速度,以及换道影响区域内试验车辆邻近的各种车辆,对车辆换道时所处的不同交通状况和行驶速度组合条件下的车辆换道时间进行分析研究。结果表明:不同交通状况下的高速公路换道时间均服从对数正态分布;换道时间与车辆换道影响区域内的交通状况存在显著联系,车辆在处于低密度交通状况下的换道时间比在中、高密度交通状况下的换道时间长;当车辆在处于低密度交通状况和低行驶速度下换道时,换道时间比其他交通状况和行驶速度组合下的长,而在中、高密度交通状况下车辆的换道时间并不受车辆行驶速度的影响。本研究成果可为自动驾驶、微观交通仿真等相关模型的换道行为参数标定提供参考。     

基于视觉传感器的ADAS纵向行驶工况识别方法研究

汽车先进驾驶辅助系统在应用时要根据不同的车辆行驶工况对车辆进行相应的控制,而准确的车辆行驶工况识别信号是合理的控制策略的基础.为了得到准确的车辆行驶工况识别信号,利用视觉传感器分别对车辆跟踪定位,以及车道线检测技术进行了研究.利用adaboost分类器检测出前方车辆;应用文中提出的基于坐标映射与定比分线并能够抵抗俯仰角干扰的测距方法进行车辆定位,验证结果显示该测距方法误差小于1m;再应用改进后的基于置信度判断与Kalman滤波技术的车道线跟踪检测方法进行车道线检测,并通过实车道路试验对此进行了验证,验证结果显示该车道线检测方法误差小于1°.提出1种基于PreScan的将所应用的车辆跟踪测距与车道线跟踪检测方法相结合的方法,用以实现汽车ADAS纵向行驶工况的识别,并通过PreScan仿真场景验证了该工况识别方法,结果表明该方法能够为ADAS提供准确的工况识别信号.      

基于随机过程的连续箱梁桥通行荷载研究

车辆荷载是桥梁的基本可变荷载之一,其模型由车重、轴重、桥跨、交通量等许多随机变量来表征。选择了7处国省道的移动称重系统(WIM)数据,将其与原交通部"公路桥梁可靠度研究"中相关车辆特征进行对比,分析其差异和变化情况,并将某一时段实测的数据加载在连续箱梁桥上得到对应时程曲线、截口分布和最大值样本分布,并基于此,得到对应典型PC变截面连续箱梁桥的通行荷载特性。     

斜交箱梁桥静动力特性试验研究

斜交箱梁桥是一种整体式结构形式,受力特征与试验方法不同于正交结构。文中针对某5跨连续斜交箱梁桥工程实例进行静动力特性荷载试验研究,分析斜交箱梁桥在荷载作用下的结构响应,得出试验测点位置、测试截面及车辆荷载的布置方式采用斜向布置具有一定的合理性。     

应用于大跨混凝土箱梁桥的BWIM试验研究

桥梁动态称重(BWIM)系统将桥梁结构视为一个称重平台,并以桥梁结构影响线为参照,计算过桥车辆的重量.车辆信息的精确高效获取将对现代交通管理和桥梁健康监测等领域产生重要影响.与理论影响线相比,现场标定的影响线可以更加真实地反映桥梁的受力特性,因而可以获得更好的车辆称重精度.传统的BWIM系统利用安装在路面的车轴探测传感...     

某变截面连续箱梁顶板纵向裂缝病害成因分析

以某预应力变截面连续箱梁为例,在考虑车辆轴重超载的条件下,通过空间有限元软件计算分析,并结合箱梁设计理论和施工经验,综合分析箱梁顶板产生纵向裂缝的原因。     

车辆自适应车道偏离识别算法研究

针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。     

融合机器视觉与区间仿射算法的桥梁结构影响线实测研究

影响线是桥梁结构状态评估的重要指标。传统影响线实测方法依赖车辆称重系统(WIM)和接触式传感器,存在使用成本高、效率低、风险大、阻碍交通等问题。为实现“无需接触式传感”、“无需封闭交通”、“无需车辆称重系统”的智能桥梁检测,提出了一种融合机器视觉与区间仿射算法的桥梁结构影响线实测方法。该方法首先利用机器视觉技术获取多工况的桥梁测点动态位移响应;其次,根据车辆出厂信息建立其轴重区间矩阵并通过区间仿射算法计算多工况的影响线区间;最后,采用支持向量机(SVM)从影响线区间中识别桥梁真实影响线。将该方法应用于野外实际桥梁试验,通过控制标定车辆的载重和行驶速度获取多工况的位移响应数据以评估该方法的性能。结果表明：该方法能够有效地从影响线区间中识别桥梁真实影响线,混合工况下影响线的识别相对误差为8.48%;影响线的识别相对误差随车速的增大而增大,在车速分别10、20、30 km·h^-1工况下,影响线的识别相对误差分别为9.22%、10.23%、12.38%。提出的桥梁影响线实测方法具有非接触、高精度、经济灵活等优势,可有效突破现有接触式桥梁影响线实测方法的技术局限,具有较好的...     

基于车-桥耦合振动理论的移动荷载识别

提出了基于有限元模型修正的单车通过多梁式桥梁的移动荷载识别方法.首先采用Butterworth低通滤波器对现场采集到的24 h内所有过桥车辆产生的桥梁动位移信号进行滤波处理,提取静力响应极值,并严格按照车型进行分类统计;其次,对观测桥梁进行基于静力试验的有限元模型修正,建立能够反映桥梁真实状态的基准有限元模型;最后将修正后的有限元模型输入至自行研发的BDANS软件中的多梁式车-桥耦合振动模块,以车型为单位,依据该车型车辆在桥面横向移动时各主梁竖向位移响应分配关系,结合多梁式车-桥耦合振动模块以及实测车辆过桥时各主梁静力极值响应,识别出车辆在桥面行驶的横向位置,然后根据识别出的车辆横向行驶位置和实测桥梁响应识别出车质量.结果表明:该识别方法较为可靠,识别精度较高,能按照车型批量进行识别,可大规模处理交通荷载数据.     

公开道路车道线真值测试评价方法研究

随着L2级ADAS功能的普及,车辆需要识别车道线来进行横向控制。公开道路测试是智能驾驶车辆测试“三支柱”的最后环节,通过公开道路测试的方法来验证车道线的识别效果必不可少。本文就当前公开道路车道线测试方法的欠缺,提出多传感器数据层及特征层融合的方案,利用车道线摄像头辅助激光雷达的方案做为车道线测试冗余的真值系统,并提出相应的数据分析指标,最后通过实车测试验证了该方案的有效性。