基于非均质雷达图谱的沥青路面结构损伤识别技术

基于雷达图谱与深度神经网络的沥青路面结构损伤自动辨识方法存在数据量少且种类不均衡的问题,识别准确性与稳定性仍有待提高。提出基于非均质雷达图谱的路面结构损伤识别技术。采用探地雷达采集沥青路面结构裂缝与层间不连续病害,获取实测剖面图;基于时域有限差分法,模拟裂缝与层间不连续在匀质模型中的回波特征,与实测图谱组成数据集1#;基于芯样CT扫描图构建“沥青-集料”二相介质模型,模拟裂缝与层间不连续在二相介质模型中的回波特征,与实测图谱组成数据集2#;采用数据集1#和2#,分别训练YOLO v5深度神经网络。研究结果表明：数据集1#和2#在YOLO v5模型测试集上的m_AP@0.5为93.79%与96.33%,证明非均质图谱特征可丰富网络训练样本,并提高深度学习模型识别的准确性。     

多尺度特征增强的路面裂缝检测方法

针对路面裂缝检测不完整和分割出现断裂的问题，提出了一种多尺度特征增强的路面裂缝检测网络MFENet,实现端到端的路面裂缝图像检测、分类和分割处理；设计了多尺度注意力特征增强模块，建立了网络模型的上层多尺度特征通道与底层特征通道权重系数之间的映射关系，以提升有效通道的特征输出；基于路面裂缝的坐标信息和像素语义信息在物理位置上的相关性，设计了多语义特征关联模块，实现不同语义信息之间的特征融合增强，并通过特征维度转换实现对路面裂缝图像的前景特征过滤；提出了一种针对深度特征强度进行量化评估的方法，用于提升模型提取特征能力的可解释性。在自采集数据集上的研究结果表明：MFENet对路面裂缝图像检测的平均精准率和平均召回率相比Mask R-CNN分别提升了4.3%和5.4%,相比基线模型RDSNet分别提升了14.6%和14.3%;MFENet对路面裂缝图像分割的平均精准率和平均召回率相比Mask R-CNN分别提升了6.6%和8.8%,相比RDSNet分别提升了8.1%和9.7%;与Mask R-CNN等主流方法相比，MFENet对不同类型路面裂缝图像的检测、分割精度最高。在公开数据集(CFD、C...     

基于多尺度卷积类内迁移学习的列车轴承故障诊断

考虑变工况下列车轴承振动数据分布不一致情况下, 传统深度学习诊断模型的泛化能力下降, 提出了一种多尺度卷积类内自适应的深度迁移学习模型; 模型利用改进的ResNet-50网络分析振动数据的频谱, 得到了中间层次特征, 构造了多尺度特征提取器, 从不同尺度处理中间层次特征得到高层次特征; 将高层次特征作为分类器的输入, 同时计算了伪标签以缩短在不同工作条件下收集的振动信号的条件分布距离来进行类内匹配; 为了验证模型的通用性和优越性, 将提出的模型分别用于列车轮对轴承数据集和凯斯西储数据集的多个工况进行试验验证和分析。研究结果表明: 通过对齐不同域中同一类样本的高层次特征作为分类器的输入, 提出的模型获得了更为理想的故障诊断精度; 在列车轴承6个变工况诊断实例中, 平均诊断精度为90.75%, 与传统深度学习模型相比, 模型诊断精度平均提高了约10%, 召回率为0.927;在凯斯西储数据集的12个变工况诊断实例中, 模型平均诊断精度达99.97%, 比传统模型提高约10%。可见, 利用伪标签减小了不同域之间的条件分布差异, 很好地处理了源域和目标域数据分布不一致的问题; 多尺度特征提取器能从不同尺度对齐样本的高层次特征, 增强了模型的泛化性与鲁棒性, 是解决变工况列车轴承故障诊断问题的一种有效模型。      

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测，提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法；针对隧道裂缝形态特征建立裂缝图像的特征样本库，改进了AlexNet深度卷积网络结构；设计研制了轨道移动式隧道图像采集系统以及巡检车，采集并构建了包含4 500张裂缝图像样本和1 500张测试图像的数据集，用以验证算法的可行性和有效性.研究结果表明：采集的图像清晰度符合要求，所设计算法可完成裂缝目标自动标注；裂缝图像测试集的识别率达到97.8%，证明了算法研究和采集系统的有效性.     

基于VGG16-UNet语义分割模型的路面龟裂形态提取与量化

提出了基于VGG16-UNet语义分割模型的路面龟裂分割技术，开发了该模型提取龟裂形态的量化评价方法；通过移动拍照设备采集路面干燥、浸水与存在道路标线影响等不同条件下的龟裂图像，构建了涵盖轻度、中度、重度3种破损程度的多场景龟裂图像数据集；分析了VGG16-UNet、VGG19-UNet、PSPNet、SegNet与DeepLab v3+语义分割模型的龟裂图像分割效果与相应分割指标，明确了最优分割模型并提取了龟裂形态特征；对比了外接正矩形、最小外接矩形和凸包3种轮廓形状拟合边界方法，确定了最优拟合边界，并据此计算了龟裂面积；提出了基于轮廓边界极点坐标的龟裂块度计算方法，分析了路面龟裂面积和块度特征。研究结果表明：VGG16-UNet模型与VGG19-UNet、PSPNet、SegNet、DeepLab v3+这4种语义分割模型相比，VGG16-UNet具有数量为14 710 464的最小总参数量，模型训练速度可达每个世代训练时间为118 s,并能达到每个图像0.021 s的最高预测速度，同时在公开数据集Crack500、CrackTree与EdmCrack600中对复杂背景的裂缝分割准...     

基于视频检测数据的自行车元胞尺寸标定

由于自行车流交通流微观特征的复杂性,造成对宏观特征三参数的认识也比较困难。而自行车元胞自动机模型的基本单元尺寸来源于其微观特征,所以这里重点描述基于现场视频检测数据的自行车元胞单元尺寸标定方法。通过尺寸标定后模型的演化,说明该改进模型能有效地克服采用固定元胞尺寸所带来的交通流宏观特征数据的不合理性。     

沥青混凝土路面加铺土工布的作用分析与施工

概述308国道宁晋段K578 000——K586 000段由于地质条件不良、地下水位偏高,原沥青路面出现不少裂纹和裂缝,有横向的也有纵向的。有的裂缝一直从路基延伸至路面,绝大多数为3～5mm,还有的部位呈龟裂状损坏。     

沥青混凝土路面加铺土工布的作用分析与施工

概述 308国道宁晋段K578＋000——K586＋000段由于地质条件不良、地下水位偏高．原沥青路面出现不少裂纹和裂缝，有横向的也有纵向的。有的裂缝一直从路基延伸至路面．绝大多数为3～5mm，还有的部位呈龟裂状损坏。     

基于改进Unet模型的混凝土裂缝分割研究

【目的】针对桥梁、隧道等环境下产生的混凝土裂缝情况复杂、干扰因素多的问题,提出一种改进Unet模型（A-Unet）的裂缝检测方法。【方法】以Unet网络为基础,研究了编码器的深度如何影响模型训练时间、检测精度。在解码过程中设计一种融合空间和通道注意力模块,将高分辨率的浅层特征与上采样获得的深层特征信息赋予不同权重,进一步增强裂缝特征。同时,增加dice损失函数对模型进行评价,减少因检测目标与背景数量相差较大,导致评价不准确的问题。【结果】在测试数据集中进行评价,精确度,MIou,召回率分别达到94.70%,86.16%,91.34%。A-Unet模型检测效果明显优于其他5种模型。【结论】利用该方法检测混凝土裂缝精度得到较大提升,且节约了模型训练时间,提高检测效率。     

基于Bonding模型的沥青路面切削破碎规律研究

针对子弹头刀具切削路面过程难以观察的问题,采用离散元仿真分析方法,通过仿真模型和试验数据标定,建立了准确的沥青路面切削破碎仿真模型,分别从宏观颗粒运动和微观颗粒黏结键破坏两个方面分析了沥青路面破碎过程。结果表明:在刀具切削作用下,沥青路面破碎呈现收缩―塑性变形―推挤―表面颗粒崩落―大块材料崩落的变化规律,随刀具继续推进,沥青路面重复该破碎过程。     

丘陵地区沥青路面裂缝原因分析及预防对策研究

结合试验路沥青路面横向裂缝的调查分析,研究丘陵地区半刚性基层沥青路面裂缝病害产生的原因和预防对策。通过调查发现路基不均匀沉降、半刚性基层强度偏高、构造物接头处以及地下管道上部的路基处理不好等因素是裂缝产生的主要原因。通过加强路基处理、路面结构组合设计、优化半刚性材料组成设计、提高施工工艺和检测技术等措施可有效预防和减少半刚性基层沥青路面反射裂缝。     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

基于改进Elman神经网络的交通标志信息量度量

为了提高交通标志信息量的度量精度,构建驾驶员认知交通标志信息传输模型,针对传统Elman神经网络算法在求解该问题时因量纲不同而造成数据集的波动性较大、不利于模型逼近的问题,设计了灰色关联度权重分配Elman神经网络算法进行求解仿真。采用1-AGO灰化处理样本数据集,使数据呈现单调递增趋势,弱化了数据的波动性,对数据进行归一化处理,统一数据集量纲,加快了网络训练速度,提高了算法精度。仿真结果表明:灰色关联度权重分配Elman神经网络算法在求解性能上有较大进步,可为交通标志信息度量提供有效解决方案。     

基于集成式神经网络的扁平箱梁颤振导数预测

扁平箱梁因具有较优的颤振性能,已被应用于绝大多数大跨径桥梁. 为便于桥梁设计者在大跨度桥梁初步设计阶段快速评估扁平箱梁的颤振性能,提出了一种基于集成学习的深度神经网络模型,用于快速预测扁平箱梁颤振导数. 首先采用强迫振动风洞试验获取了15种典型扁平箱梁的颤振导数,结合自由振动风洞试验和二维颤振计算验证了颤振导数的准确性;基于风洞试验数据,构建了大小为525的颤振导数数据集,以此数据集为基础,对所提出的集成式深度神经网络开展了模型训练和性能测试. 计算结果表明:所提出的集成式深度神经网络模型仅依靠扁平箱梁的气动外形特征即可准确且快速地预测不同折算风速下的8个颤振导数,且仅利用本文60%的数据集进行训练即可获取较高精度的预测结果;对比传统的多项式回归模型和单一人工神经网络模型,本文所提出的集成式深度神经网络模型预测精度更高,可直接应用到桥梁初步设计阶段的气动选型和颤振计算中.      

基于结构相似深度卷积自编码的异常扣件检测模型

介绍了轨道扣件系统的基本功能，概述了已有的轨道异常扣件检测技术，归纳了基于机器视觉的传统检测方法和深度学习方法所关注的问题及存在的不足; 介绍了自编码的基本思想与形式化过程，提出了一种基于编解码架构的异常扣件检测模型; 分析了传统像素级图像相似度评价指标的缺陷，实现了基于结构相似的损失函数和图像异常判定; 构建了轨道扣件图像数据集，验证了模型的性能; 将代表性的误报与漏报图像可视化，描述了这些图像的表观特征，分析了发生漏报与误报可能的原因。研究结果表明:结构化相似指标显著提升了模型的检测性能，与具有相同网络架构但使用平均绝对误差和均方误差作为相似度评价指标的检测模型相比，模型的F值分别提升了14.5%和16.2%;与其他对比模型相比，提出的模型取得了最高的检测精确率和F值，分别达到了98.6%和98.1%，与次优的RotNet模型相比分别提升了6.0%和9.8%;召回率为97.1%，略低于深度支持向量数据描述(DSVDD)模型的98.4%;整体上看，F值比所有对比模型均高出超过9%，提出的模型表现出了明显的性能优势。      

路面裂缝自动化检测数据应用及其可靠性分析

为了对沥青路面裂缝自动化检测数据可靠性进行验证,在对路面裂缝病害分类及成因进行总结的基础上,介绍了目前路面裂缝常用检测方法,并基于某高速公路路面的自动化检测数据,对其获取的路面状况指数(PCI)的可靠性进行了验证。结果表明,自动检测PCI>65的路段,检测结果可靠性较高,但PCI<65分路段自动检测结果稳定性较差,宜采用人工检测进行校核。     

橡胶沥青路面与SMA路面使用性能对比分析

以江苏省宁常高速公路为依托工程,通过7年数据跟踪、现场取芯、雷达检测等方式,与室内试验相结合,综合评估橡胶沥青路面的路用性能。结果表明,与同时期铺筑的SMA路面相比,橡胶沥青路面的裂缝条数较多,裂缝发展速度较快,已贯穿下基层的裂缝占28.8%。橡胶沥青路面的低温抗裂性能和抗老化性能优于SMA路面,抗车辙性能和疲劳性能略差于SMA路面。     

预防性养护决策技术研究现状与发展趋势

文章阐述了沥青路面预防性养护决策技术研究现状与发展趋势,从而提出了综合考虑采用宏观路况指标(如PCI或RQI)与微观路况指标(如车辙深度指数RD、裂缝率CR、松散率LR),用于判断适合进行预防性养护的路段范围。同时提出可以考虑以细化基于路况的方法为主,以费用效益分析为辅的方法来确定预防性养护的时机。     

基于自适应阈值和连通域的隧道裂缝提取

为了解决传统人工隧道裂缝检测存在诸如效率低、主观性大、安全性差等弊端,利用裂缝具有方向性和连续性等特征,提出了一种基于自适应阈值和连通域标记的隧道裂缝提取方法. 首先,根据裂缝的方向性特征,设计了一种阿拉伯数字算法（Algorithmic）对裂缝进行粗提取,其中对于该算法公式中的阈值选取进行了自适应阈值化,利用改进的阈值迭代法完成系统自动获取最佳阈值,无需人工干预;然后,根据裂缝的连续性特征,采用数学形态中的连通域标记法对裂缝进行细提取,其中通过控制连通域面积大小,实现裂缝粗提取后的去噪处理,通过膨胀和腐蚀操作实现裂缝粗提取后的修复处理;最后,选取了共计165张不同类型的裂缝图像作为实验样本,在MATLAB上进行仿真实验. 从实验数据可以看出,自适应阈值和连通域标记的提取方法其提取精度可高达94.2%,平均运行时间仅35.4 s,误识率和拒识率已控制在2.7%和1.1%,相较于传统的图像处理方法有着显著的提高,充分展现出良好的应用前景.      

影响沥青路面质量的因素及日常养护

沥青路面常见病害问题从宏观上来看,沥青路面出现的主要问题可以被划分为结构性问题和功能性问题两大类。结构性问题主要是指在沥青路面整体结构或者组成部分(某一路段)等出现的结构性裂缝,包括网状裂缝、漏裂缝以及横向裂缝等;功能性问题则主要表现为沥青路面的平整度受损。从沥青路面的具体情况上来看,沥青路面质量问题主要突出表现为裂缝、路面变形、路面损坏以及泛油等。