CN109087512A - 一种基于分布式震动传感器阵列的车辆超载动态监测方法 - Google Patents

一种基于分布式震动传感器阵列的车辆超载动态监测方法 Download PDF

Info

Publication number
CN109087512A
CN109087512A CN201810947898.1A CN201810947898A CN109087512A CN 109087512 A CN109087512 A CN 109087512A CN 201810947898 A CN201810947898 A CN 201810947898A CN 109087512 A CN109087512 A CN 109087512A
Authority
CN
China
Prior art keywords
vehicle
overload
shock sensor
signal
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810947898.1A
Other languages
English (en)
Inventor
李剑
燕慧超
韩焱
潘晋孝
王黎明
苏新彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN201810947898.1A priority Critical patent/CN109087512A/zh
Publication of CN109087512A publication Critical patent/CN109087512A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于分布式震动传感器阵列的车辆超载动态监测方法，在每个车道两边分别对称设置多个震动传感器；在每个车道的监测点两边各布设一个三轴地磁传感器；每个车道放置一台摄像头；通过建立震动传感器特征参数与车辆载重量关系的机器学习模型对车辆超载情况进行动态监测，本发明无需对路面进行破损，且施工周期短，极大地降低了设备安装成本，提升了工作效率以及后期的维护成本；利用地磁信息进行车辆到达判断，利用震动传感器，以非接触方式对车辆进行超载测量，提高了超载监测过程中车辆的行驶速度，有效缓解城市道路交通压力，降低了行车高峰期车辆拥堵率。极大地提高了高速超载监测系统的无人值守效率。

Description

一种基于分布式震动传感器阵列的车辆超载动态监测方法
技术领域
本发明属于测量技术领域，具体涉及一种基于分布式震动传感器阵列的车辆超载动态监测方法。
背景技术
公路作为一个国家重要的经济命脉,对沟通市场、物质流通起着不可替代的关键作用。近几年来我国对公路基础设施特别是高速公路建设的力度逐年加大，投资额度持续增长。但是由于部分运输者为了追求利益的最大化，我国公路交通运输普遍存在超载超限的现象，对交通安全、运输市场及汽车生产秩序造成了极大危害。因此如何解决日渐紧迫的车辆超限超载，尤其是不容易监测的微型货车超载问题已成为当务之急。
车辆动态称重，是指在不停车情况下测量出车辆重量的过程。目前在车辆动态超载称重系统中常用的动态称重传感器主要有压电传感器、弯板、单传感器。
存在以下缺陷：
1、现有车辆动态称重系统都需要在路面上掘坑布设传感器，施工周期长，路面损害大，同时安装造价成本高，在路面建造安装期间也会影响道路的正常使用，带来一定的损失。
2、现有车辆超载系统，要求车辆停车或低速称重，极易造成高架桥拥堵、服务质量下降以及交通安全事故。
3、现有车辆超载称重系统定期需要对设备进行校准，对埋设的传感器进行开挖标定，造成后期设备维护成本高。
发明内容
针对以上存在的问题，本发明提供一种基于分布式震动传感器阵列的车辆超载动态监测方法。
本发明的技术方案为：一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，具体包括以下步骤：
S1、在每个车道两边分别对称设置多个震动传感器；在每个车道的监测点两边各布设一个三轴地磁传感器；每个车道放置一台摄像头3；
S2、将外车道封闭，建立震动传感器的信号峰值、持续时间、初至波到时信息、功率谱峰值、功率谱主频带信息与车辆载重量关系的机器学习模型；
S3、采集外车道干扰噪声信号并存储至多通道数据采集系统4；
S4、开始监测车辆超载动态时，当车辆驶入监测区域后，车辆到达触发模块5通过监测地磁传感器获取的磁场变化值，确定车辆到达监测点时，将一个脉冲信号发送至多通道数据采集系统4作为车辆到达指令；
S5、车牌识别模块通过摄像头判断车型，当判断是货车时，向多通道数据采集系统4发送货车类型指令，同时将车牌信息发送给多通道数据采集系统4；
S6、当多通道数据采集系统4收到车辆到达指令及货车类型指令时，控制震动传感器1进行震动信息采集并发送至信号处理模块7，同时存储车牌信息；
S7、采集结束后，信号处理模块7对获取的震动信号进行处理并将输出至特征参数提取模块12；
S8、特征参数提取模块12提取所有震动传感器的信号峰值、功率谱峰值、功率谱主频带、信号持续时间、初至波到时信息，并将其输出至机器学习模块8；
S9、机器学习模块8通过输入的震动传感器的信号峰值、功率谱峰值、功率谱主频带、信号持续时间、初至波到时信息，根据S2得到的机器学习模型，实时输出对应的超载类型。
有益效果：1、将震动传感器布设在桥面进行超载测量，无需对路面进行破损，且施工周期短，极大地降低了设备安装成本，提升了工作效率以及后期的维护成本；
2、利用地磁信息进行车辆到达判断，利用震动传感器，以非接触方式对车辆进行超载测量，提高了超载监测过程中车辆的行驶速度，有效缓解城市道路交通压力，降低了行车高峰期车辆拥堵率。
3、采用大数据样本采样，以机器学习的方式建立震动传感器与车辆超载量的关系模型，并利用该模型进行车辆超载监测，极大地提高了高速超载监测系统的无人值守效率，降低人力成本，同时提升了桥梁健康监测设备的整体智能化水平。
4、本发明采用传感器系统、机器学习系统、视觉识别系统与无线传输系统协同工作的方式，使得车辆称重可以达到智能化和无人化工作，节约了人力成本，大大提升城市的工作效率；
本发明可应用于道路、桥梁等地方的车辆重量测量，以发现超限超载运输的车辆，为公路运营部门按车重收费,和随时对超载车辆进行检查和处罚提供有效的技术手段。
附图说明
图1为本发明的工作流程图；
图2为传感器分布图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，对本发明的具体实施方式作进一步详细描述。
本发明提供一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，具体包括以下步骤：
S1、在每个车道两边分别对称设置8个震动传感器；在每个车道的监测点两边各布设一个三轴地磁传感器；每个车道放置一台摄像头3；震动传感器采用三轴加速度传感器(LIS344)
S2、将外车道封闭，建立机器学习模型：采用SVM分类器建立机器学习模型，每种超载类型车辆建立10个样本值即测量10次，通过七种载重货车对应震动信号峰值、持续时间、初至波到时信息、功率谱峰值和功率谱主频带信息训练SVM分类器模型；具体包括以下步骤：
S2.1、封闭外车道，利用标准重量、超载20％、40％、60％、80％、100％和150％七种不同载重量的货车，以80km/h的速度分别驶入监测区域；由于外车道封闭，产生的外在干扰仅仅为桥梁震动噪声；
S2.2、当货车到达监测区域后，地磁场会发生巨大扰动，车辆到达触发模块5在地磁传感器2探测到峰值信号时，将“车辆到达指令”发送至多通道数据采集系统4；
S2.3、车牌识别模块6通过摄像头识别车辆牌照及车型，当判断是货车时，向多通道数据采集系统4发送“货车类型指令”及车牌信息；
S2.4、当多通道数据采集系统4收到车辆到达指令及货车类型指令时，控制震动传感器1进行震动信息采集并发送至信号处理模块7，采样率10kHz，采样时间：10s；同时多通道数据采集系统4存储此时监测车辆的车牌信息；
S2.5、采集结束后，信号处理模块7采用小波阈值降噪法对三轴震动信号去噪，再通过带通滤波器去除桥梁自激震动噪声，将处理后的信号进行保存并输出至特征参数提取模块12；
S2.6、特征参数提取模块12提取16个震动传感器的信号峰值、持续时间、初至波到时信息、功率谱峰值和功率谱主频带信息并输出至机器学习模块8：
首先对三轴信号进行矢量合成，
其中，akx(n)，aky(n)，akx(n)为第k个传感器x轴，y轴，z轴获取的信号，ak(n)为第k个传感器三轴合成后的信号，采用峰值检波方式提取三轴合成后的峰值信号Akmax；其次，采用STA/LTA算法提取三轴震动信号的初至波到时信息
其中Rk(i)为初至波到时检测因子，当其为最大值时，对应的i即为初至波到时tkr；再次，以ak(n)信号峰值的对应时间端计算信号持续时间tks，最后，计算ak(n)的功率谱，计算功率谱峰值Pkmax，以主频谱的的上限和下限得到功率谱主频带fkL,fkH；
S2.7、每种超载类型车辆建立10个样本值即测量10次，通过七种载重货车对应震动信号峰值、持续时间、初至波到时信息、功率谱峰值和功率谱主频带信息，训练SVM分类器从而建立传感器信号峰值、功率谱峰值、功率谱主频带、信号持续时间、初至波到时信息与车辆载重量的关系模型；
S3、采集外车道干扰噪声信号并存储至多通道数据采集系统4：
S3.1、将监测的超载车道封锁，
S3.2、多通道数据采集系统4通过震动传感器阵列模块1采集外车道汽车产生的震动信号，采样率1kHz，采样时间：7200s；
S3.3、采样结束后，通过信号处理模块7去除桥梁震动噪声，然后通过特征参数提取模块12对震动传感器三轴信号进行合成，以10s为单位进行数据截取得到截取后的外车道信号a'ki(n)，(i＝1,2,...,720),采用PCA加权融合，融合后的结果作为第k个传感器采集到的外车道的噪声参考信号并将该信号保存至多通道数据采集系统4；式中，λi为对应第K个传感器第i个截取数据的权值(通过构建协方差矩阵，经归一化处理后可得)，a'ki(n)为第K个传感器第i组截取的信号；
S4、开始监测车辆超载动态时，当车辆驶入监测区域后，地磁场会发生巨大扰动，车辆到达触发模块5通过监测地磁传感器获取的磁场变化值，判断车辆是否到达监测点；采用阈值比较器进行设计，当磁场变化值达到一定阈值时，确定车辆到达监测点，即地磁传感器2探测到峰值信号时，将一个脉冲信号发送至多通道数据采集系统4作为车辆到达指令；
S5、车牌识别模块通过摄像头判断车型，当判断是货车时，向多通道数据采集系统4发送货车类型指令，同时将车牌信息发送给多通道数据采集系统4；
S6、当多通道数据采集系统4收到车辆到达指令及货车类型指令时，控制震动传感器1进行震动信息采集并发送给信号处理模块7，同时存储车牌信息；
S7、采集结束后，通过信号处理模块7对震动传感器阵列信号进行处理：首先通过采集到的外车道信号干扰噪声信号对实际获取信号进行自适应滤波，去除外车道引入的干扰；
输入信号为ak(n)，噪声参考信号为a'k(n)，滤波器的输出dk(n),系统的输出yk(n)，自适应滤波器的滤波器系数向量为W(n)，滤波器系数的调整步长因子为μ。步长因子满足收敛的条件为λmax为参考信号ak'(n)为自相关矩阵的最大特征值。
其次，采用小波阈值降噪法对三轴震动信号去噪，通过带通滤波器去除桥梁自激震动噪声，将处理后的信号进行保存并输出至特征参数提取模块12；
S8、特征参数提取模块12提取16个震动传感器的信号峰值、功率谱峰值、功率谱主频带、信号持续时间、初至波到时信息，并将其输出至机器学习模块8；
S9、机器学习模块8通过输入的特征参数，根据S2得到的机器学习模型，输出对应的超载类型；
S10、无线收发模块9通过无线收发模块10，将车牌信息和超载类型打包发送至主控中心11，实现超载车辆的动态监测。
所述货车为微型货车，载重1.8t以下的货车。
本发明将震动传感器布设在桥面进行超载测量，无需对路面进行破损，且施工周期短，极大地降低了设备安装成本，提升了工作效率以及后期的维护成本；
利用地磁信息进行车辆到达判断，利用震动传感器，以非接触方式对车辆进行超载测量，提高了超载监测过程中车辆的行驶速度，有效缓解城市道路交通压力，降低了行车高峰期车辆拥堵率。
采用大数据样本采样，以机器学习的方式建立震动传感器与车辆超载量的关系模型，并利用该模型进行车辆超载监测，极大地提高了高速超载监测系统的无人值守效率，降低人力成本，同时提升了桥梁健康监测设备的整体智能化水平。
本发明采用传感器系统、机器学习系统、视觉识别系统与无线传输系统协同工作的方式，使得车辆称重可以达到智能化和无人化工作，节约了人力成本，大大提升城市的工作效率。

Claims (10)

1.一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，具体包括以下步骤：
S1、在每个车道两边分别对称设置多个震动传感器；在每个车道的监测点两边各布设一个三轴地磁传感器；每个车道放置一台摄像头3；
S2、将外车道封闭，建立震动传感器的信号峰值、持续时间、初至波到时信息、功率谱峰值、功率谱主频带信息与车辆载重量关系的机器学习模型；
S3、采集外车道干扰噪声信号并存储至多通道数据采集系统4；
S4、开始监测车辆超载动态时，当车辆驶入监测区域后，车辆到达触发模块5通过监测地磁传感器获取的磁场变化值，确定车辆到达监测点时，将一个脉冲信号发送至多通道数据采集系统4作为车辆到达指令；
S5、车牌识别模块通过摄像头判断车型，当判断是货车时，向多通道数据采集系统4发送货车类型指令，同时将车牌信息发送给多通道数据采集系统4；
S6、当多通道数据采集系统4收到车辆到达指令及货车类型指令时，控制震动传感器1进行震动信息采集并发送至信号处理模块7，同时存储车牌信息；
S7、采集结束后，信号处理模块7对获取的震动信号进行处理并将输出至特征参数提取模块12；
S8、特征参数提取模块12提取所有震动传感器的信号峰值、功率谱峰值、功率谱主频带、信号持续时间、初至波到时信息，并将其输出至机器学习模块8；
S9、机器学习模块8通过输入的震动传感器的信号峰值、功率谱峰值、功率谱主频带、信号持续时间、初至波到时信息，根据S2得到的机器学习模型，实时输出对应的超载类型。
2.根据权利要求1所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，S2中，建立机器学习模型具体包括以下步骤：
S2.1、封闭外车道，利用标准重量、超载20％、40％、60％、80％、100％和150％七种不同载重量的货车，以一定速度分别驶入监测区域；
S2.2、当货车到达监测区域后，车辆到达触发模块5在地磁传感器2探测到峰值信号时，将“车辆到达指令”发送至多通道数据采集系统4；
S2.3、车牌识别模块6通过摄像头识别车辆牌照及车型，当判断是货车时，向多通道数据采集系统4发送“货车类型指令”及车牌信息；
S2.4、当多通道数据采集系统4收到车辆到达指令及货车类型指令时，控制震动传感器1进行震动信息采集并发送至信号处理模块7，同时多通道数据采集系统4存储此时监测车辆的车牌信息；
S2.5、采集结束后，信号处理模块7对三轴震动信号去噪，再通过带通滤波器去除桥梁自激震动噪声，将处理后的信号进行保存并输出至特征参数提取模块12；
S2.6、特征参数提取模块12提取所有震动传感器的信号峰值、持续时间、初至波到时信息、功率谱峰值和功率谱主频带信息并输出至机器学习模块8；
S2.7、每种超载类型车辆测量多次，通过七种载重货车对应震动传感器的信号峰值、持续时间、初至波到时信息、功率谱峰值和功率谱主频带信息训练SVM分类器从而建立机器学习模型。
3.根据权利要求1所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，震动传感器布设在桥面，震动传感器采用三轴加速度传感器。
4.根据权利要求1所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，车辆到达触发模块5判断车辆是否到达监测点采用阈值比较器实现，当磁场变化值达到一定阈值时，确定车辆到达监测点，即地磁传感器2探测到峰值信号。
5.根据权利要求1所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，机器学习模块8通过无线收发模块将车牌信息和超载类型打包发送至主控中心11，实现超载车辆的动态监测。
6.根据权利要求1所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，所述货车为微型货车。
7.根据权利要求1～6任一项所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，外车道干扰噪声信号通过以下方式采集：
S3.1、首先将被测量的超载车道封锁；
S3.2、多通道数据采集系统4通过震动传感器阵列模块1采集外车道汽车产生震动信号；
S3.3、采样结束后，通过信号处理模块7去噪并去除桥梁自激震动噪声，然后通过特征参数提取模块12将震动传感器三轴信号进行合成，以一定时间为单位进行数据截取得到截取后的外车道信号，采用PCA加权融合，融合后的结果作为震动传感器采集到的外车道的干扰噪声参考信号，并将该信号保存至多通道数据采集系统4。
8.根据权利要求7所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，每个车道两边的桥面上各布置8个的三轴加速度传感器。
9.根据权利要求7所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，S3.2中，多通道数据采集系统4的采样率为1kHz，采样时间：7200s。
10.根据权利要求2所述的一种基于分布式震动传感器阵列的车辆超载动态监测方法，其特征在于，S2.4中，震动信息采样率为10kHz，采样时间：10s。
CN201810947898.1A 2018-08-20 2018-08-20 一种基于分布式震动传感器阵列的车辆超载动态监测方法 Pending CN109087512A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810947898.1A CN109087512A (zh) 2018-08-20 2018-08-20 一种基于分布式震动传感器阵列的车辆超载动态监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810947898.1A CN109087512A (zh) 2018-08-20 2018-08-20 一种基于分布式震动传感器阵列的车辆超载动态监测方法

Publications (1)

Publication Number Publication Date
CN109087512A true CN109087512A (zh) 2018-12-25

Family

ID=64794059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810947898.1A Pending CN109087512A (zh) 2018-08-20 2018-08-20 一种基于分布式震动传感器阵列的车辆超载动态监测方法

Country Status (1)

Country Link
CN (1) CN109087512A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378658A (zh) * 2019-07-26 2019-10-25 深圳成谷科技有限公司 车辆超重稽查服务系统、方法、车道、辅助收费装置
CN110633690A (zh) * 2019-09-24 2019-12-31 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN110992702A (zh) * 2019-12-02 2020-04-10 涓ヤ赴 一种车辆重量监测预警系统及预警方法
CN111724604A (zh) * 2020-05-22 2020-09-29 北京科技大学 一种带车牌识别的高速公路不停车测速称重系统及方法
CN112419742A (zh) * 2020-08-27 2021-02-26 宁波大榭招商国际码头有限公司 一种基于地磁传感器的车辆称重装置及车辆检测方法
CN112685466A (zh) * 2020-12-23 2021-04-20 北京千方科技股份有限公司 车辆超载预测模型训练方法、超载预测方法、系统和介质
CN113255553A (zh) * 2021-06-04 2021-08-13 清华大学 一种基于振动信息监督的可持续学习方法
CN115063984A (zh) * 2022-08-05 2022-09-16 武汉理工大学 基于光纤光栅阵列传感网的公路车辆识别和定位方法
CN116975938A (zh) * 2023-09-25 2023-10-31 北京谷器数据科技有限公司 一种产品制造过程中的传感器数据处理方法
CN117116060A (zh) * 2023-10-24 2023-11-24 四川九通智路科技有限公司 一种用于多车道行驶车辆检测的感应系统及感应检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303802A (zh) * 2008-06-26 2008-11-12 吉林大学 货车超载在线自动预判断方法及系统
CN102506975A (zh) * 2011-11-23 2012-06-20 清华大学 一种车辆超载实时监测的方法
KR200464547Y1 (ko) * 2012-05-29 2013-01-08 디비정보통신 주식회사 축중기를 이용한 과적 차량 단속 시스템
CN103531028A (zh) * 2013-09-27 2014-01-22 西北核技术研究所 一种基于线性声音、震动传感器阵列的车辆探测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303802A (zh) * 2008-06-26 2008-11-12 吉林大学 货车超载在线自动预判断方法及系统
CN102506975A (zh) * 2011-11-23 2012-06-20 清华大学 一种车辆超载实时监测的方法
KR200464547Y1 (ko) * 2012-05-29 2013-01-08 디비정보통신 주식회사 축중기를 이용한 과적 차량 단속 시스템
CN103531028A (zh) * 2013-09-27 2014-01-22 西北核技术研究所 一种基于线性声音、震动传感器阵列的车辆探测方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378658A (zh) * 2019-07-26 2019-10-25 深圳成谷科技有限公司 车辆超重稽查服务系统、方法、车道、辅助收费装置
CN110633690A (zh) * 2019-09-24 2019-12-31 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN110633690B (zh) * 2019-09-24 2022-07-01 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN110992702A (zh) * 2019-12-02 2020-04-10 涓ヤ赴 一种车辆重量监测预警系统及预警方法
CN111724604A (zh) * 2020-05-22 2020-09-29 北京科技大学 一种带车牌识别的高速公路不停车测速称重系统及方法
CN112419742B (zh) * 2020-08-27 2024-04-09 宁波大榭招商国际码头有限公司 一种基于地磁传感器的车辆称重装置及车辆检测方法
CN112419742A (zh) * 2020-08-27 2021-02-26 宁波大榭招商国际码头有限公司 一种基于地磁传感器的车辆称重装置及车辆检测方法
CN112685466A (zh) * 2020-12-23 2021-04-20 北京千方科技股份有限公司 车辆超载预测模型训练方法、超载预测方法、系统和介质
CN113255553A (zh) * 2021-06-04 2021-08-13 清华大学 一种基于振动信息监督的可持续学习方法
CN115063984B (zh) * 2022-08-05 2022-11-15 武汉理工大学 基于光纤光栅阵列传感网的公路车辆识别和定位方法
CN115063984A (zh) * 2022-08-05 2022-09-16 武汉理工大学 基于光纤光栅阵列传感网的公路车辆识别和定位方法
CN116975938A (zh) * 2023-09-25 2023-10-31 北京谷器数据科技有限公司 一种产品制造过程中的传感器数据处理方法
CN116975938B (zh) * 2023-09-25 2023-11-24 北京谷器数据科技有限公司 一种产品制造过程中的传感器数据处理方法
CN117116060A (zh) * 2023-10-24 2023-11-24 四川九通智路科技有限公司 一种用于多车道行驶车辆检测的感应系统及感应检测方法
CN117116060B (zh) * 2023-10-24 2023-12-26 四川九通智路科技有限公司 一种用于多车道行驶车辆检测的感应系统及感应检测方法

Similar Documents

Publication Publication Date Title
CN109087512A (zh) 一种基于分布式震动传感器阵列的车辆超载动态监测方法
CN109141598A (zh) 一种基于分布式震动传感器阵列的车辆动态超载监测系统
CN103927870B (zh) 一种基于多个震动检测传感器的车辆检测装置
CN107730895A (zh) 一种埋入式道路车辆类型识别系统和方法
CN106840337B (zh) 基于桥梁动应变识别单车轴重的方法
CN113932758B (zh) 一种路面平整度预测方法及装置
CN107633683A (zh) 用于车辆超载的非现场执法管理系统
CN106644326A (zh) 基于动挠度的桥梁限载快速监测系统
CN106710242B (zh) 基于桥梁动应变识别车队车辆数的方法
CN103196530A (zh) 车辆动态称重系统及其称重方法
CN106017621A (zh) 一种基于rfid汽车超载不停车检测系统及检测方法
CN105258770B (zh) 公路车辆动态称重方法和设备
CN102735320A (zh) 基于桥梁动应变识别车辆重量的方法
CN202306816U (zh) 公路静态秤不停车快速监测系统
CN104713769B (zh) 一种用于道路状态评估的主动激振检测系统
AU2020104323A4 (en) A method and system of axle information identification and early alarm based on bridge transverse strain
CN201961977U (zh) 龙门式起重机集装箱重量偏载检测系统
CN104864949A (zh) 一种车辆动态称重方法及装置
CN203848918U (zh) 一种车辆动态称重装置
CN206369583U (zh) 一种基于无线称重传感器的超限检测系统
CN205655904U (zh) 整车式动态公路车辆自动衡器
CN109696232B (zh) 道路轴载谱检测系统的自动标定方法
CN106803348A (zh) 一种基于卡口的高架道路车辆行程时间短时预测方法
CN111524368B (zh) 一种用于雨雪天气的路面抗滑实时监测预警系统
KR101192421B1 (ko) 스트레인게이지를 사용하는 중량센서용 고속 동적하중 측정 장치 및 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181225