论文部分内容阅读
作为工程结构振动领域中的反问题研究，有效识别车辆荷载对于评估桥梁结构的性能状态具有重要意义。现有测试技术大多依赖于桥梁动态称重系统(Bridge weigh-in-motion, BWIM)开展。针对其所存在的硬件设施成本较高及安装维护过程需全面或部分封闭交通等不足之处，提出了一种基于深度学习理论及机器视觉技术的桥梁上车辆荷载识别技术，为无需BWIM系统支撑的中小型桥梁结构性能监测研究提供新思路。本文主要从以下几方面展开研究：
(1)提出了一种基于深度学习理论及结构特征响应提取的车辆荷载辨识方法。针对由车辆荷载所引起的桥梁结构动态加速度响应，在经时-频分析技术对其中的特征信息进行提取后，将其转化为二维平面图像输入至卷积神经网络模型中进行自主学习，用以挖掘不同激励源作用下结构响应中所隐含的分布规律及模式，从而完成对外部车载信息的判断识别。即实现了一种利用深度学习网络代替结构系统建模、仅利用输出响应便可获取输入信息的反问题识别技术。
(2)通过开展数值模拟分析、实验室模型试验及野外现场测试，对所提出的车辆荷载识别方法的有效性进行验证。结果表明，训练后的神经网络模型可较好地实现对车辆荷载的辨识工作，且基于图像变换技术的数据增强训练方式可有效提高神经网络的辨识精度。同时，经大型自然图像集ImageNet预训练过的AlexNet模型对于数字信号图像分类工作仍具有较强的迁移学习适用性。除此之外，针对某野外试验获得了97.21%的测试精度，表明该方法可较好地应用于对实际桥梁结构上车辆荷载的识别研究。
(3)建立了一种基于非接触式机器视觉技术的车辆荷载信息识别系统。在对常见车辆进行粗分类的基础上，通过统计相关物理参数，建立了车辆类型与载重情况之间的映射关系。基于所建立的大型车辆外观图像HNU-VehicleDataset数据集，利用Faster-RCNN模型进行迭代训练，并结合压缩感知技术，实现了直接从视频图像中识别车辆目标、预测载重区间、检测实时位置及跟踪运动状态等功能。通过分别开展实验室试验及野外试验测试，对所提方法的有效性进行了验证。
(4)实现了一种基于非接触式摄影测量方式的车辆时空定位识别技术。通过以运营状态下的车辆目标作为参照物，利用基于平行坐标系的级联霍夫变换方法对所形成的正交消失点进行检测，完成了无需标靶的相机自标定过程。通过开展试验测试，利用相机模型对车辆荷载在桥面上的真实位置进行了识别，取得了较为满意的测试结果。除此之外，对该系统在不同测试条件下的稳定性进行了评估。
(1)提出了一种基于深度学习理论及结构特征响应提取的车辆荷载辨识方法。针对由车辆荷载所引起的桥梁结构动态加速度响应，在经时-频分析技术对其中的特征信息进行提取后，将其转化为二维平面图像输入至卷积神经网络模型中进行自主学习，用以挖掘不同激励源作用下结构响应中所隐含的分布规律及模式，从而完成对外部车载信息的判断识别。即实现了一种利用深度学习网络代替结构系统建模、仅利用输出响应便可获取输入信息的反问题识别技术。
(2)通过开展数值模拟分析、实验室模型试验及野外现场测试，对所提出的车辆荷载识别方法的有效性进行验证。结果表明，训练后的神经网络模型可较好地实现对车辆荷载的辨识工作，且基于图像变换技术的数据增强训练方式可有效提高神经网络的辨识精度。同时，经大型自然图像集ImageNet预训练过的AlexNet模型对于数字信号图像分类工作仍具有较强的迁移学习适用性。除此之外，针对某野外试验获得了97.21%的测试精度，表明该方法可较好地应用于对实际桥梁结构上车辆荷载的识别研究。
(3)建立了一种基于非接触式机器视觉技术的车辆荷载信息识别系统。在对常见车辆进行粗分类的基础上，通过统计相关物理参数，建立了车辆类型与载重情况之间的映射关系。基于所建立的大型车辆外观图像HNU-VehicleDataset数据集，利用Faster-RCNN模型进行迭代训练，并结合压缩感知技术，实现了直接从视频图像中识别车辆目标、预测载重区间、检测实时位置及跟踪运动状态等功能。通过分别开展实验室试验及野外试验测试，对所提方法的有效性进行了验证。
(4)实现了一种基于非接触式摄影测量方式的车辆时空定位识别技术。通过以运营状态下的车辆目标作为参照物，利用基于平行坐标系的级联霍夫变换方法对所形成的正交消失点进行检测，完成了无需标靶的相机自标定过程。通过开展试验测试，利用相机模型对车辆荷载在桥面上的真实位置进行了识别，取得了较为满意的测试结果。除此之外，对该系统在不同测试条件下的稳定性进行了评估。