路面破损诊断的神经网络方法

由于路面病情机理的复杂性，因而难以得到一套精确、实用的病情识别诊断判据。本文通过对神经网络分类功能及公路路面病情诊断技术的分析，提出了利用神经网络进行路面病情诊断方法，为进一步开发相关实用技术作了一定的理论准备。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

刚性路面脱空声识别集成神经网络方法

基于集成神经网络对刚性路面脱空声的识别与分类能力,用简单的敲击法获取了刚性路面的声响应信号,通过对声信号的频域特征提取,应用集成神经网络对刚性路面脱空状况进行了识别.实验表明所给出的特征提取方法和集成神经网络模型是解决刚性路面脱空识别的一条较为有效途径.     

刚性路面脱空声识别集成神经网络方法

基于集成神经网络对刚性路面脱空声的识别与分类能力,用简单的敲击法获取了刚性路面的声响应信号,通过对声信号的频域特征提取,应用集成神经网络对刚性路面脱空状况进行了识别.实验表明所给出的特征提取方法和集成神经网络模型是解决刚性路面脱空识别的一条较为有效途径.     

集成神经网络信息融合技术在刚性路面脱空识别中的应用

基于集成神经网络对刚性路面脱空声的识别与分类能力,用简单的敲击法获取了刚性路面的声响应信号,通过对声信号的频域特征提取,应用集成神经网络对刚性路面脱空状况进行识别。实验表明:所给出的特征提取方法和集成神经网络模型是解决刚性路面脱空识别的一条较为有效的途径。     

基于ReliefF-RBF的路面不平度识别算法研究

路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。     

路面摩擦特性预测研究

本次研究基于路面抗滑特性的预测问题,运用道路摩擦系数测试仪在公路上进行路面摩擦系数测试试验,并对试验结果进行分析,提出了路面摩擦系数的影响因素。应用广义回归神经网络分析方法,以影响因素为分类标准,确定了摩擦系数预测模型的分类,建立了基于广义回归神经网络的路面摩擦系数预测模型,并通过60组试验数据对网络模型进行了训练,利用6组实验数据进行预测结果对比。结果表明,模型预测值与实测值的平均误差为3.0%左右,模型预测结果与实测结果吻合,所构建模型是正确的,且具有较高的精度;此外还通过实车进行了汽车制动试验,并根据试验结果与模型预测结果对比,为交通事故分析中计算事故车速提供依据。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。     

基于RBF神经网络识别路面不平度的研究

针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题,提出了一种解决方法。对RBF神经网络和训练过程进行了分析,选择车辆可以测试的车辆响应作为RBF神经网络输入,引入正交试验设计确定RBF 神经网络输入方案,采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度,应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明,所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题,可以用于其它神经网络识别路面不平度。     

基于BP神经网络的路面使用性能预测模型

建立路面使用性能预估模型是路面管理系统的关键工作.该文结合重庆市某高速公路的养护情况,以当量轴次、路龄、每年最热月的月平均最高气温、每年最冷月的极端最低气温、每年的年降雨量、养护费用作为输入节点参数,以路面的综合评价指标(PQI)作为输出节点参数,训练BP神经网络模型,并使用训练好的模型预测路面使用性能的发展情况.     

空耦雷达技术在检测沥青路面厚度的探讨

本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度,先后构造了44 种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

路面病害分类评价及现场测试方法分析

针对交通行业现行标准对路面病害分类评价的不同,以及现场病害调查方法的缺失,分析了不同标准对沥青路面和水泥路面病害分类的差异,提出了修改的意见及建议,为标准的修订提供支持。结合日常大量的路面病害调查和现场试验验证,提出了人工和自动化设备路面病害调查方法,分析了两种测试方法的适用性。     

基于LBP算子的路面类型识别研究

不同的路面类型会对车辆的制动、加速、变道等决策产生不同影响,因此实时获取路面类型信息对于提高智能汽车的安全性、舒适性等有着重要意义。论文提出一种基于LBP算子的路面类型识别方法,首先采集了四种车辆行驶常见路面的图像信息,并对图像进行了增广处理;然后使用LBP算子提取出路面图像的纹理特征,再采用PCA方式对纹理特征进行降维;最后通过分类器对数据进行训练与分类。实验结果表明该方法的最高分类准确率可以达到98.5%,有效提升了当前路面类型识别的精度。     

路面破损自动识别的一种新算法

针对路面破损分类这一难题,提出了一种基于破损密度因子的路面破损分类新算法。对破损密度因子进行了定义和仿真实验,仿真结果表明其对5种常见的路面破损状况的分类效果非常理想。为了进行对比,文中还选择了美国博士论文中的PROXIMITY算法进行比较,两种方法对相同的10几万幅路面样本进行分类试验,试验结果表明,笔者提出的基于破损密度因子的路面破分类方法,整体优于PROXIMITY方法的分类效果。     

对路面平整度概念的粗浅理解

路面平整度是一个比较混乱的概念。为此，在广泛阅读中英资料的基础上，就路面平整度的中英用词、词语的实际含义、定义和不同的分类进行了分析与探讨，并相应提出了一些建议，指出了道路平整度深入研究的方向。     

降噪路面技术现状及发展综述

针对市政道路路面噪声问题及国内外现有的降噪技术进行综合论述。介绍了路面噪声分类、来源及路面降噪措施,并分析了不同类型路面的降噪机理,进而探讨了降噪技术发展的趋势和方向。     

BP神经网络在公路路面性能预测中的应用

路面性能预测是路面养护管理的重要组成部分,一般较难考虑自然环境对路面性能的影响,对已知信息的利用效率不高,造成预测误差.文中以某高速公路路面性能预测为例,详细说明了BP神经网络技术在路面性能预测中的作用,力求推广计算机辅助的人工神经网络在路面性能预测中的应用.     

基于频率下降率的刚性路面脱空自适应神经网络识别研究

为快速而又有效地进行无损检测(NDT)，探讨了动量系数和学习率自适应调整的神经冈络算法．及刚性路面脱空识别特征参数的选取，提出以反映结构损伤位置和程度的频率下降率作为结构脱空识别的特征参数。利用有限元方法对刚性路面脱空进行数值模拟，同时采用声振法研究了刚性路面板声学特征变化的关系，分别获取训练样本数据，通过自适应神经网络对刚性路面脱空进行了识别研究。从中可以看出，采用频率下降率和自适应神经网络技术对刚性路面脱空进行缺陷识别分析具有较高的精度和可靠性。为用声学特征进行刚性路面脱空等缺陷识别提供了理论和实验依据。