基于离散小波变换的斜拉桥缆索断丝检测

采用磁通量检测法对斜拉桥缆索进行无损检测试验。试验中为了降低工作环境中空间电磁场噪声对检测信号的影响,采用一个独立的基于二进小波变换的改进软阈值去除高斯白噪声的方法来分离检测缆索得到的磁通信号和噪声信号。为了准确获得缺陷位置,对缆索检测的磁通信号波形和李氏指数奇异点进行分析。试验结果表明,该检测方法可以准确获得缆索缺陷的大小和具体位置,对于斜拉桥缆索缺陷的检测和分析很有意义。     

韩国桥梁缆索检测机器人研究

缆索是桥梁的重要构件,将机器人技术与无损检测技术结合改进,可开发出实用缆索检测机器人技术。为给桥梁缆索检测机器人的研发和应用提供指导,介绍既有缆索结构无损检测和机器人检测维护技术,重点介绍韩国2010年开始研发的2种桥梁缆索检测机器人的硬件和结构特点。利用目视检查和基于图像处理的检查、基于振动的索力测量、超声波检查、磁学方法和射线照相法等无损检测方法和功能模块,一些国家已经开发了一些用于管道、线路和缆索结构的检测机器人。2010年韩国制定了桥梁缆索检测机器人系统研究计划,主要开发了应用于斜拉桥和悬索桥的桥梁缆索检测机器人。这2种桥梁缆索检测机器人的硬件具有独特的功能,适应缆索直径范围较宽、荷载能力较大,能实现无线控制和通信传输,以及有效的机械电气自锁安全保障功能。试验结果表明,缆索检测机器人可以检测缆索内部钢丝缺陷,基于图像处理技术,可以感测3种不同类型缆索表面各种取向的裂纹状表面缺陷。     

基于深度学习与漏磁探伤的桥梁缆索检测预警系统研究

为准确、全面地评估桥梁缆索的损伤，开发了基于深度学习和漏磁探伤的桥梁缆索检测预警系统。该系统主要由检测平台和预警平台两部分组成，利用检测平台中爬索机器人的高清摄像头和磁传感器列阵收集缆索表面的缺陷图像及漏磁信号数据，随后将缺陷图像输入到深度学习模型中对其进行自动分类与识别，利用小波分析处理漏磁信号数据以确定内部高强钢丝锈蚀缺陷位置，并根据检测到的数据提出了五级预警。为验证桥梁缆索检测预警系统的可靠性，利用该系统对4座在役斜拉桥的缆索进行检测。结果表明：该系统嵌入的深度学习模型和经过小波分析处理后的磁信号能够准确识别桥梁缆索表面的缺陷特征和内部钢丝锈蚀位置；该系统中预警平台可以将检测信息及时发送给管养部门，便于其采取相应的补救措施。     

基于磁致伸缩技术的桥梁缆索损伤定位研究

介绍了磁致伸缩技术的基本原理,并研制基于磁致伸缩导波技术的缆索无损检测设备.对设备中的3大系统:激励信号发生系统、功率放大系统和导波检测系统进行说明,并分析采用设备进行缆索损伤定位的原理.设计制作带缺陷试验缆索进行大量检测试验,对检测数据进行细致分析,结果表明:磁致伸缩技术和研制的无损检测设备可较好地实现缆索损伤定位;...     

利用机器人检查斜拉索初探

针对目前迫切需要斜拉桥缆索检测自动化而设计的一种轻型缆索检测机器人,该款机器人已在广州番禺西丽大桥斜拉索检测现场试验成功,取得满意效果。主要介绍该款机器人的驱动系统、摄像系统以及扩展功能,对斜拉索检测机器人的应用、推广具有一定意义。     

斜拉桥下锚头渗水病害检测及成因分析

斜拉桥经过多年运营后锚固系统出现各种缺陷,使得雨水渗入其下锚头加剧了缆索及锚头的锈蚀,造成拉索系统受力状态的严重退化,影响斜拉桥正常使用。为明确渗水产生的原因,将2002年和2004年该斜拉桥病害检测进行比较,并根据相关试验结果,对渗水成因进行分析。     

多类型传感器实时交通数据采集和车型自动分类系统设计

针对公路交通数据实时采集中的技术同题，提出了用多类型传感器检测交通参数和进行复杂车型分类的方法。叙述了一个实用的软件系统设计．探讨了多传感器检测数据的关联与融合、检测数据的归一化处理，实现了交通数据高精度测量和车型的精确分类。     

斜拉桥下锚头渗水病害检测及成因分析

斜拉桥经过多年运营后锚固系统出现各种缺陷,使得雨水渗入其下锚头加剧了缆索及锚头的锈蚀,造成拉索系统受力状态的严重退化,影响斜拉桥正常使用。为明确渗水产生的原因,将2002年和2004年该斜拉桥病害检测进行比较,并根据相关试验结果,对渗水成因进行分析。     

数据融合技术在交通事件检测中的应用综述

为了进一步提高交通事件检测系统的性能,在对基于单源信息的交通事件检测方法进行分析的基础上,从基于多信息源的交通事件自动检测数据级融合和基于多信息源的交通事件检测方法决策级融合2个方面,分析、总结了数据融合技术在交通事件检测中的应用现状,并指出了目前研究存在的主要问题及后续研究的发展趋势。     

基于相机与激光雷达融合多目标检测算法研究

准确的多目标感知系统是自动驾驶技术的关键。本文提出了一种基于相机与激光雷达融合的多目标检测算法。针对相机传感器无法获得准确的目标距离等深度信息,激光雷达无法获得准确的目标类别信息的问题,首先采用嵌入自适应特征融合模块的YOLOv7网络处理相机数据,同时对激光雷达数据进行点云预处理以消除无用的噪声点;其次,利用坐标变换将激光点云数据和相机数据转换到像素坐标系中;最后,采用基于ROI感兴趣区域的方法对点云进行聚类处理,以参数加权的方式融合两种传感器的检测结果。实验结果表明,嵌入改进YOLOv7网络的融合算法能够检测出更加准确的目标信息。