基于静力的智能桥梁结构智能计算方案的研究

通过对智能土木／桥梁结构环境下的两种基于静力的计算路线的分析比较，给出了一个集神经网络力学反问题解法和有限元力学正问题解法为一体的智能计算方案。该方案旨在建立实时、在线的结构健康监测机制及准实时、在线的结构健康诊断机制。初步的研究表明，该方案是可行的，具有进一步研究完善的必要。     

基于YOLOv5的目标识别追踪模型轻量化

道路目标检测环节是自动驾驶领域的关键技术之一,随着人工智能的发展应用逐渐广泛。文章基于YOLOv5网络提出一种新的目标检测方法,改进包括融合了ShuffleNet V2中的模块,使用GhostConv改造了传统的Conv模块等。先在不同道路环境中实时采集视频流,并进行图片和视频流的标注。在主干网络中融入ShuffleNet V2中的模块并使用GhostConv模块改进Conv模块,在降低模型权重的同时对目标检测精度影响较小。将标注完成后的图片输入改进后的YOLOv5网络进行训练,并将得到后的模型与Deep SORT算法结合,进行目标检测追踪。实验结果表明,所得结果权重大小下降许多,而目标检测精确度有所上升。改进后的网络更加轻便,易于部署在边缘嵌入式设备上。     

基于改进Mask R-CNN的钢桥多病害智能识别

钢桥在现代交通基础设施中扮演着重要的角色,然而,由于长期服役与环境影响,钢桥可能出现涂层锈蚀、螺栓脱落等病害。为解决传统的钢桥病害检测需要人工参与,费时费力且主观性强的问题,提出了一种基于深度学习的钢桥病害检智能识别方法。利用无人机在图像采集方面的优势,采集大量高清病害图像,经图像增强、标注后建立钢桥病害图像库,用于模型的训练和测试;引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型,实现钢桥病害的自动识别;并通过更换骨干网络的方式进一步提升模型性能。研究结果表明：将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升,交并比阈值为0.5与0.5∶0.95时,优化后模型的识别平均精确率分别为0.84与0.59;相同交并比阈值下较之优化前有约10%的提升。将改进的模型应用于上莘桥表观病害检测,其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了89.3%、85.7%、73.1%;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能,无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测,具有重要的科学研究和工程应用价值。     

桥梁裂缝智能识别与监测方法研究

当前,裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中,传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求,尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度,但目前仅能获得特定时刻的裂缝信息,缺乏对裂缝产生和演化过程的监测能力,而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此,对基于深度学习的裂缝识别与监测方法进行了系统研究,分析和讨论了裂缝数据集构建基准,改进优化了裂缝目标检测和语义分割算法,提出一种多任务集成一体化实时识别算法,并建立了该模型推理效果评价方法,优化了裂缝参数计算方法,最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明：所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪,监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。     

基于病害发展状况的桥梁检查评估模型应用

桥梁检查是桥梁养护工作中通过调查桥梁结构病害情况,分析当前桥梁技术状况的一项内容,但目前桥梁检查存在工作效率低、工作量大、评估分析繁琐、存档记录缺失等突出问题,影响了项目评估结果的及时性和可靠性.该文以桥梁病害发展情况,作评价指标的扣分值修正,建立基于病害状况修正的桥梁技术状况的评估模型,从桥梁技术状况评分变化得到桥梁...     

基于机器视觉法的桥梁表观病害检测研究综述

桥梁作为重要的基础设施,承担着道路交通和人员、货物运输等重要任务。桥梁表观病害的及时有效检测具有确保公共安全、延长桥梁使用寿命、及时排查风险等重大意义,有助于提高桥梁服役阶段的可靠性和耐久性。近年来,随着计算机视觉、人工智能等技术的快速发展,机器视觉法逐渐成为了桥梁表观病害检测的新兴手段之一。首先,通过详细分析近年来该领域的多篇相关文献,综述了基于机器视觉法进行桥梁表观病害检测的关键技术,包括检测平台研发技术、数据采集技术、图像处理技术、三维建图技术、病害定位技术和病害参数量化技术等。其次,通过分析现有研究开展检测工作的流程,总结了基于机器视觉法进行桥梁表观病害的技术框架,并分析了其中各个流程之间的功能与联系。上述关键技术的综述与技术框架的总结可为研究者开展检测工作提供一定的参考。最后,根据现有研究在实施检测任务时自动化程度的不同,提出了基于机器视觉法进行桥梁表观病害检测的智能化分级,包括人工检测辅助、病害定位检测、局部自动检测、整体自动检测、高度自动检测和完全自动检测6个等级。对比文献研究可知,现有研究虽然已经脱离了传统的人工检测的阶段,但仍与完全自动检测具有一定的差距。该领域仍具有...     

一种基于灵敏度矩阵进行桥梁损伤识别的方法

重点研究了一种基于灵敏度矩阵对桥梁进行损伤识别的方法。基于振动分析的矩阵摄动理论,首先讨论了求取模态参数对结构物理参数灵敏度矩阵的方法,形成灵敏度矩阵的过程中避免了偏微分计算;基于灵敏度矩阵,建立了桥梁的损伤识别模型,并给出了此模型具体的求解方法;然后利用Guyan缩减的方法来缩减结构的模态自由度,保证了在进行损伤识别的过程中利用较少的模态参数,进而提高了方法的实用性;最后把所述方法应用于三跨预应力混凝土连续箱梁桥的实际损伤诊断工程。结果表明,利用所述方法进行预应力混凝土连续梁桥的损伤识别是有效的。     

基于深度学习的钢桥桥面铺装病害识别与量化方法

受反复的交通荷载、温度变化、风载等的影响,钢桥桥面铺装的应力状态复杂,加上柔性的桥面铺装与刚性钢桥结构力学相容性问题,钢桥桥面铺装易出现早期病害。为了识别、分类和量化钢桥桥面铺装典型病害,文中提出一种基于深度摄像头Kinect V2和深度学习的桥面铺装病害识别方法。先通过传感器采集桥面铺装病害图像,创建带标识的数据库,并将其转化为训练集,然后利用YOLOv5对训练集的原始数据进行训练、验证与测试,获得桥面铺装病害识别、分类和量化结果。结果表明,基于深度学习,利用随机采样一致性(RANSAC)可以实现RGB-D传感器在不同工作距离上的平面拟合,达到对桥面铺装病害的高效识别,各类病害的识别误差均可控制在10%以内;与人工识别方法相比,利用简单图像采集设备和机器学习的智能识别方法能以较低的成本在不影响交通的条件下完成钢桥桥面铺装病害识别与量化,计算效率更高,可大大节省人工和时间成本,且能保证识别结果在一定精度范围内。     

基于应变比的桥梁损伤识别与评估方法

为了研究如何应用桥梁健康监测数据对桥梁关键部位损伤进行识别,从而对桥梁健康状况进行有效评价,解决桥梁结构监测数据分析利用方面存在的实用性不强的问题,通过在结构的测试断面和基准断面分别布设一定数量的应变传感器,采用桥梁应变影响线理论,建立了一种基于应变比的桥梁损伤识别与评估方法.分析了大量车辆荷载作用下桥梁应变响应监测数...     

一种基于TX2平台的改进YOLOv3红绿灯检测算法

针对采用嵌入式平台TX2检测红绿灯时存在存储容量小、算力有限的问题,提出一种改进YOLOv3红绿灯检测算法。从获取最优锚框尺度、裁减网络大尺度检测分支、模型剪枝压缩3个方面对YOLOv3算法进行改进,在自制数据集下进行模型训练,在离线数据测试中,模型的平均精度提高了34%,参数量压缩至11.9%,帧速率可达18帧/s,在实际环境测试中,对不规则摆放的园区红绿灯以及10 km实际路段下红绿灯的正确识别率分别为94.75%、92.7%。     

基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。     

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据.为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机(Un-manned Aerial Vehicle,UAV)及深度学习的桥梁结构裂缝智能识别方法.采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结...     

基于图像三维建模技术的桥梁病害巡检定位技术

大量桥梁设施从建设进入运营期,桥梁结构损坏反复维修,桥梁设施损坏的跟踪记录、设施损坏状况的精准检查与定位越来越重要。以序列影像三维建模技术为基础,通过全景图像拼接技术,搭建基于真实场景的三维模型空间。通过损坏图像的位置匹配、表观损坏的识别分析,完成了桥梁裂缝、麻面等表观损坏巡检数据的记录及比对。以东吴大桥和道冠山大桥为例,通过实际建模及数据分析,确定了该技术路线的可行性、主要精度及具体的实施路径。     

基于振动与静载试验的桥梁结构损伤识别法

以桥梁结构有限元为工具,把当前结构模型中各单元的等效面积、惯性矩以及板壳单元的厚度作为识别参数{p},建立识别参数对于各种量测的灵敏度矩阵[S{p}].同时以测取的结构某些部位的位移、应变以及低阶的振动模态参数为基准,与原先结构的分析结果进行比较建立综合误差向量{△E}.通过优化方法不断调整当前计算模型的参数{△P}使结构响应与相应的试验值最大程度地吻合({△E}小到一定量级),从而得到结构参数变化的信息.以此为基础即可实现桥梁结构的损伤判别以及承载能力的评估.     

基于非接触远程智能感知的桥梁形态监测试验

为进一步提高利用非接触式影像监测大型桥梁安全状态的精度与效率,实现结构健康监测系统兼有经济、可信且全息的技术理论优势,提出依据结构全息影像序列数据的非接触式机器视觉远程智能感知进行桥梁结构全息几何形态监测的方法。通过单机自动巡转桥梁立面动静影像全息监测系统试验装置获取试验桥在各损伤/作用工况下的原始动静影像数据,根据序列数据在时间、空间上具有强关联信息的特性,分别构建降噪及抗扰动单元、欧拉运动放大单元及运动信息提取单元进行全息几何形态测量,以历次试验监测数据为样本数据集,利用分层思想依次建立数据抽样和结构几何信息间映射的数学网络模型,经结构设计不断训练、调试与优化桥梁力学行为智能感知网络,最后获取试验桥在试验过程中的全息变形、全息变形包络谱、全息位移时程曲线。研究结果表明：该方法获得的数据与传统的常规接触式传感器实测值基本吻合,试验桥在各工况下的曲线变化趋势基本一致,全息变形测量值平均误差12.21%,全息变形包络谱测量值平均误差9.06%,全息位移时程曲线测量值平均误差8.55%,对环境规律噪声信号筛除效率为81.9%,基于非接触远程智能感知的桥梁形态监测真实、连续、敏感、较为准确地反映了结构在各损伤/作用工况下的真实形态变化,可为后续进一步研究结构状态演绎以及损伤智能化识别方法奠定基础。     

基于车致桥梁响应和L1正则化的损伤识别研究

桥梁损伤识别是典型的反问题,通常需采用正则化手段求解.基于L1正则化的损伤识别方法能很好地利用损伤所具有的稀疏性,在桥梁监测领域得到了广泛的应用.此类方法通常利用频率和振型的变化作为判断损伤的依据,然而实际测试中可获得的频率阶数有限、振型测试精度低,严重影响其效果.采用移动荷载激励下的桥梁动力响应,提出一种基于有限元模...     

基于卷积神经网络算法的混凝土桥梁裂缝识别与定位技术

无人机技术的进步与高性能计算机的出现,促进了桥梁结构智能化检测的发展。为了实现对无人机获取的大量照片的自动化处理,提出了一种基于计算机视觉的混凝土桥梁裂缝识别与定位技术。以卷积神经网络为核心算法,构建相应的数据库,通过对现有方法的改进,提出一种混凝土桥梁裂缝高效识别的技术。用于检测桥梁裂缝的卷积神经网络架构由3组卷积与池化层、两组Dropout与全连接层组成,算法测试集准确率为93.6%。结合卷积神经网络与滑动窗口算法,搭建相应的数据库与网络架构,提出一种混凝土桥梁裂缝准确定位的技术。结果表明,本文所提出的混凝土桥梁裂缝识别与定位技术,计算效率较高,准确度较好,可以直接应用于识别由无人机拍摄得到的桥梁裂缝照片。此项技术加速了识别速度且具有较高的准确率,为智能化、自动化检测桥梁病害奠定了良好的基础。     

基于图像识别和5G传输的智能汽车道路安全联网系统设计

目前,5G和智能化技术为工业领域带来前所未有的发展.考虑到5G的快速传输性能和智能车辆安全性能的高要求,文章基于图像识别和5G传输等前沿技术,搭建了智能汽车道路安全联网系统.从车外网络层面,实现了车与车之间的互联互通,从车内网络层面,结合视觉增强型平视显示器、基于图像捕捉的电子后视镜以及整车内室三维场景视觉感知技术进一...     

基于5G和自动驾驶技术的智能约车系统设计与优化

5G技术和智能化技术在网约车领域的应用带来了生活方式的转变,约车速度提高、车辆位置实时追踪、路况信息实时更新、智能支付和便捷互动方式等让出行变得更加便捷、高效和安全,可为用户提供更加智能、系统的车辆定位与车辆管理,提供更多的生活便利。分析了基于5G和自动驾驶技术的智能约车系统设计,重点论述用户接口设计、车辆路径规划及调度优化算法。