CN112710371A - 基于车辆实时空间位置的桥梁动态称重方法及系统 - Google Patents
基于车辆实时空间位置的桥梁动态称重方法及系统 Download PDFInfo
- Publication number
- CN112710371A CN112710371A CN202011406180.5A CN202011406180A CN112710371A CN 112710371 A CN112710371 A CN 112710371A CN 202011406180 A CN202011406180 A CN 202011406180A CN 112710371 A CN112710371 A CN 112710371A
- Authority
- CN
- China
- Prior art keywords
- bridge
- vehicle
- real
- lane
- time
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
Abstract
本发明公开了一种基于车辆实时空间位置的桥梁动态称重方法及系统,该方法包括:采集桥面各车道的多车变速过桥的实时视频;通过设置于桥梁每根主梁梁底的应变传感器采集多车变速过桥时的桥梁应变响应,或者通过设置于桥梁下方的高分辨率工业相机采集多车变速过桥时的桥梁挠度响应;根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置查询获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。本发明适用于多车变速过桥的实时称重,能一次计算出桥面上所有车辆的轴重、总重。
Description
技术领域
本发明涉及公路桥梁安全监测领域,尤其涉及一种基于车辆实时空间位置的桥梁动态称重方法及系统。
背景技术
随着交通运输业的迅速发展,车辆超限超载现象也屡禁不止。车辆超载危害极大,轻则导致桥梁损伤,增加桥梁维修加固费用,缩短桥梁使用年限;重则引发桥梁垮塌,造成人员伤亡和重大财产损失。因此,对桥上行驶车辆的重量、速度、数量、类型及时空分布的准确监测便成为治理超限超载的关键,其中应用比较广泛的便是桥梁动态称重技术。
桥梁动态称重系统(BWIM,bridge weigh in motion),是一种以桥梁作为载体对过桥车辆进行轴重识别的系统,该系统一般由两套装置组成:
a.车轴识别装置,用来获取车辆轴距和车速等车轴信息;
b.应变传感器,测量桥梁响应,用于计算车辆轴重/总重。
该系统的算法一般基于以下假设:
c.一维线性:将整座桥视为一个整体,且每根梁具有相同的弹性模量E与截面模量Z,不考虑荷载的横向分布;
d.匀速:车辆匀速过桥。
e.单车:传统桥梁动态称重系统一般只适用于单车过桥的车辆轴重/总重检测。
传统桥梁动态称重系统采用安装在桥面板下的两排FAD(Free of AxleDetector,无车轴探测器)传感器获取车辆的车速和轴距信息。在计算轴距和后续的车辆轴重/总重时,需假定两排FAD传感器之间车辆匀速行驶,又因为车辆在这两排FAD传感器之外的速度是未知的,因此传感器区间之外的数据也不宜用来进行计算。然而实际车辆过桥时受交通警示等不可抗因素的影响,车速总会发生变化,此时假定车辆匀速来确定车辆的位置进而得到相应的影响线数据是不准确的,会导致后续车辆轴重/总重的计算产生较大误差。传感器区间之内的数据有限,计算时起不到消除误差的作用。此外,FAD传感器需安装在桥面板下方,因此其无法应用在某些桥型(如板桥)上,应用范围受限。
传统桥梁动态称重系统采用安装在每根主梁梁底的称重应变传感器测量桥梁梁底应变,计算桥梁响应时假定每根梁具有相同的弹性模量E与截面模量Z,计算车重时只适用于单车过桥(不需考虑荷载横向分布)的情况。然而实际桥梁很难保证各主梁的弹性模量E与截面模量Z均相同,多车过且需考虑荷载横向分布的情况要更加普遍。因此,传统桥梁动态称重系统采用的算法有很大的局限性。此外,对于传统的称重应变传感器来说,往往存在应变片安装维护困难和易发生“漂移”现象等问题。
近年来,随着硬件升级和软件技术的进步,计算机视觉相关领域的成果逐渐运用到了桥梁安全监测领域中。交通视频可用来实时定位车辆的空间位置、实时监测车速和精确识别轴距,高分辨率工业相机可实现中小跨径桥梁位移的实时高精度监测。
发明内容
本发明提供了一种基于车辆实时空间位置的桥梁动态称重方法及系统,用以解决传统桥梁动态称重系统算法的局限性的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于车辆实时空间位置的桥梁动态称重方法,包括以下步骤:
采集桥面各车道的多车变速过桥的实时视频;
通过设置于桥梁每根主梁梁底的应变传感器采集多车变速过桥时的桥梁应变响应,或者通过设置于桥梁下方的高分辨率工业相机采集多车变速过桥时的桥梁挠度响应;
根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置查询获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应,和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。
作为本发明的方法的进一步改进:
优选地,根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距,进而计算出车辆的轴重和总重,包括:
根据多车变速过桥的实时视频,对同一时刻来自两张不同方向采集的图像进行立体校正和立体匹配,结合监控摄像机的标定信息得到三维重建后的图像;利用训练好的深度学习模型对三维重建后的图像进行车辆和车轮的识别与定位,得到各车道车辆和车轮的实时空间坐标,从而计算多车在桥面上的车速和轴距;
根据各车道车辆和车轮的实时空间坐标,以及相应位置的影响线数据与荷载横向分布因子的标定数据,计算出车辆的轴重和总重。
优选地,影响线数据与荷载横向分布因子的标定数据,通过以下步骤标定得到:
根据已知轴重和总重的标定车在不同车道行驶时的桥梁响应,计算获得各车道对应的桥梁各主梁的荷载横向分布因子的标定数据;以及利用已知轴重和总重的标定车在不同车道行驶时的实时空间位置和桥梁响应,对桥梁各主梁的纵向影响线进行分别标定,得到桥梁各主梁纵向各位置的影响线数据;桥梁响应为桥梁应变响应或桥梁挠度响应。
优选地,计算出多车的轴重,包括以下步骤:
F1:计算桥梁实测响应和理论响应:桥梁实测应变响应为桥梁实测挠度响应为考虑荷载横向分布因子和各主梁具有不同的弹性模量Ej与截面模量Zj,计算桥梁理论应变响应为计算桥梁理论挠度响应为共有g根主梁,L个车道,ml表示车道l上的车辆编号,车道l上共有Ml辆车,ml车有个车轴,表示ml车的第i个车轴轴重,车道l上ml车第一个车轴的纵桥向实时位置用mlx表示,表示ml车第一个车轴的纵桥向实时位置为mlx时ml车第i个车轴对应的第j根主梁的弯矩影响线竖标值,表示ml车第一个车轴的纵桥向实时位置为mlx时ml车第i个车轴对应的第j根主梁的挠度影响线竖标值;
F3:桥梁实测应变/挠度响应桥梁理论应变/挠度响应中的x表示车辆第一轴的行驶距离,总行驶距离为X;将X离散为均匀的K-1个微段,共K个采样点;进行第k次采样时,获得的离散数据记作车道l上第i轴对应的第k次采样的各主梁纵向弯矩影响线的竖标值记作Il,i,j,挠度影响线的竖标值记作
F4:利用矩阵表示K次采样计算得到的K个桥梁理论应变响应{εt}K×1;
其中,Pi l表示车道l上第i轴轴重;表示车道l上第i轴对应的K次采样的各主梁纵向弯矩影响线的竖标值;{Ql}表示车道l对应的各主梁的荷载横向分布因子与各主梁弹性模量Ej与截面模量Zj乘积的比值;表示车道l上第i轴对应的第k次采样的各主梁纵向弯矩影响线的竖标值;
同理,可计算得到的K个桥梁理论挠度响应{wt}K×1;
同理,计算桥梁实测挠度响应wm和理论挠度响应wt的误差函数ER:
F6:误差函数ER对Pi l求偏导得:
或
或
F8:将Pi l从F7得到的矩阵等式中分离出来:
或
将此矩阵分开表示如下:
或
F9:得到将轴重矩阵分离后的矩阵等式,并计算轴重矩阵{P}:
[F]{P}={M}
其中,
矩阵转换得到:{P}=[F]-1{M}。
优选地,计算出多车的总重,包括以下步骤:
根据每个车道上的Ml辆车车轴的顺序编号,计算每辆车的总重:
本发明还提供一种基于车辆实时空间位置的桥梁动态称重系统,包括:
车辆监控系统,用于采集桥面各车道的多车变速过桥的实时视频;
桥梁响应监测系统,包括设置于桥梁每根主梁梁底并用于采集多车变速过桥时的桥梁应变响应的应变传感器,或者设置于桥梁下方的用于采集多车变速过桥时的桥梁挠度响应的高分辨率工业相机;
数据采集与处理系统,分别与车辆监控系统和桥梁响应监测系统连接,用于根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应,和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。
优选地,车辆监控系统包括至少从两个方向采集各车道的实时视频的视频采集装置,两个方向至少包括从桥梁上方朝向车道,以及从桥梁两侧朝向车道。
优选地,数据采集与处理系统,包括:
车辆信息识别模块,根据多车变速过桥的实时视频,对同一时刻来自两张不同方向采集的图像进行立体校正和立体匹配,结合监控摄像机的标定信息得到三维重建后的图像;利用训练好的深度学习模型对三维重建后的图像进行车辆和车轮的识别与定位,得到各车道车辆和车轮的实时空间坐标,从而计算多车在桥面上的车速和轴距;
桥梁标定信息存储模块,用于存储由已知轴重和总重的标定车在不同车道行驶时的桥梁响应计算获得的各车道对应的桥梁各主梁的荷载横向分布因子,以及桥梁各主梁纵向各位置的影响线数据;
车辆轴重和总重检测模块,根据各车道车辆和车轮的实时空间坐标和相应位置的影响线数据与荷载横向分布因子计算出车辆的轴重和总重。
本发明具有以下有益效果:
1、本发明的基于车辆实时空间位置的桥梁动态称重方法,能够根据交通视频实时定位车辆的空间位置,通过基于车辆实时空间位置的桥梁动态称重算法来实现考虑桥梁各主梁弹性模量E与截面模量Z不同和荷载横向分布的变速多车同时过桥的高精度车辆轴重/总重检测。
2、本发明的基于车辆实时空间位置的桥梁动态称重方法,有效解决了使用FAD传感器获取车速、轴距信息进行计算需假定车速不变而导致现有的桥梁动态称重系统不适用变速车辆过桥的问题。由于车辆信息识别模块可以提供车辆全桥面的实时空间位置,在计算车辆轴重、总重时可充分利用各主梁纵向影响线各个位置的数据来建立超定方程组,减少由于不正确的车辆位置或影响线校准而引起的轴重识别错误。
3、在优选方案中,本发明的基于车辆实时空间位置的桥梁动态称重方法,在桥梁标定试验时计算得到各车道对应的每一主梁的荷载横向分布因子,在考虑荷载横向分布因子和各主梁的弹性模量E与截面模量Z均不同的情况下进行各主梁纵向影响线标定,可以给出各主梁更加精确的纵向影响线。采用改进后的桥梁动态称重方法在考虑荷载横向分布因子和各主梁的弹性模量E与截面模量Z均不同的情况下计算多车轴重、总重可得到更加精确的结果。大大突破了现有桥梁动态称重系统算法只适用于一维线性窄桥的限制,可以应用于任意类型桥梁并能得到精度更佳的结果。
4、本发明的基于车辆实时空间位置的桥梁动态称重系统,可以一次性计算出桥面上所有车辆的轴重、总重。可利用符合布置要求的现有的交通监控摄像机作为车辆监控系统的组成部分,可以降低系统安装成本。并且,本发明的桥梁响应监测系统具有很强的灵活性,可根据实际场地情况和施工条件选用监测设备。例如用一组应变传感器采集车辆过桥时的桥梁应变响应或用一组高分辨率工业相机采集车辆过桥时的桥梁挠度响应。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于车辆实时空间位置的桥梁动态称重方法的流程示意图;
图2是本发明优选实施例的基于车辆实时空间位置的桥梁动态称重系统的结构示意图。
图中各标号表示:
1:车辆监控系统;
2-1:应变传感器;
2-2:高分辨率工业相机;
3:数据采集与处理系统。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明的基于车辆实时空间位置的桥梁动态称重方法,包括以下步骤:
S1:采集桥面各车道的多车变速过桥的实时视频。实施时,可在桥梁的上方及两侧安装至少三台监控摄像机,如果现有的交通监控摄像机达到要求也可采用,获取多车变速过桥视频。
S2:通过设置于桥梁每根主梁梁底的(桥梁响应监测系统)应变传感器2-1采集多车变速过桥时的桥梁应变响应,或者通过设置于朝向桥梁下方的(桥梁响应监测系统)高分辨率工业相机2-2采集多车变速过桥时的桥梁挠度响应。
S3:根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置查询获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应,和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。
通过上述步骤,能够根据交通视频实时定位车辆的空间位置,通过基于车辆实时空间位置的桥梁动态称重算法来实现考虑桥梁各主梁弹性模量E与截面模量Z不同和荷载横向分布的变速多车同时过桥的高精度车辆轴重/总重检测。有效解决了使用FAD传感器获取车速、轴距信息进行计算需假定车速不变而导致现有的桥梁动态称重系统不适用变速车辆过桥的问题。由于车辆信息识别模块可以提供车辆全桥面的实时空间位置,在计算车辆轴重、总重时可充分利用各主梁纵向影响线各个位置的数据来建立超定方程组,减少由于不正确的车辆位置或影响线校准而引起的轴重识别错误。
步骤S2实施时,多车变速过桥的桥梁应变响应εm可直接将各主梁底部应变传感器2-1的读数相加得到,而挠度响应wm需对高分辨率工业相机2-2获取的图像进行处理得到,具体步骤包括:
B1:布置高分辨率工业相机2-2于桥下,确保相机拍摄角度与桥梁横桥向共面,条件允许时可将相机拍摄角度调整为垂直于挠度方向,若受到场地限制也可使相机倾斜一定角度;
B2:相机标定;
B3:对采集的图片进行边界特征提取;
B4:利用数字图像相关模板匹配等方法进行边界特征匹配;
B5:进行各主梁挠度计算。
步骤S3实施时,可包括:
S31:根据多车变速过桥的实时视频,对同一时刻来自两张不同方向采集的图像进行立体校正和立体匹配,结合监控摄像机的标定信息得到三维重建后的图像;利用训练好的深度学习模型对三维重建后的图像进行车辆和车轮的识别与定位,得到各车道车辆和车轮的实时空间坐标,从而计算多车在桥面上的车速和轴距。
S32:根据各车道车辆和车轮的实时空间坐标,以及相应位置的影响线数据与荷载横向分布因子的标定数据,计算出车辆的轴重和总重。
其中,影响线数据与荷载横向分布因子的标定数据,通过以下步骤标定得到:
S32A:根据已知轴重和总重的标定车在不同车道行驶时的桥梁响应,计算获得各车道对应的桥梁各主梁的荷载横向分布因子的标定数据;以及利用已知轴重和总重的标定车在不同车道行驶时的实时空间位置和桥梁响应,对桥梁各主梁的纵向影响线进行分别标定,得到桥梁各主梁纵向各位置的影响线数据;桥梁响应为桥梁应变响应或桥梁挠度响应。实施时,可按照以下步骤执行:
C1:在车辆监控系统1和桥梁响应监测系统安装完成后进行桥梁标定试验;
C2:计算各车道荷载横向分布因子。标定车在车道l上行驶时会引起桥梁各主梁的应变响应或挠度响应,在时间步k时,第j根主梁的应变会达到峰值,则车道l对应的第j根主梁的荷载横向分布因子为或当标定车在车道l上行驶多次时,对求得的荷载横向分布因子取平均得或最后求得各车道对应的每一主梁的荷载横向分布因子。
C3:根据求得的各车道对应的每一主梁的荷载横向分布因子、数据采集与处理系统3车辆信息识别模块提供的标定车实时空间位置和桥梁响应监测系统提供的桥梁应变响应进行各主梁纵向影响线标定。每次只进行标定车所在车道附近的主梁纵向影响线标定,然后更换车道继续进行主梁纵向影响线标定直至所有主梁纵向影响线标定完成。这样可以有效解决离车辆所在车道较远的主梁应变测量误差较大的问题。
C4:将影响线数据与荷载横向分布因子的相关数据存储以供查询调用。
在桥梁标定试验时计算得到各车道对应的每一主梁的荷载横向分布因子,在考虑荷载横向分布因子和各主梁的弹性模量E与截面模量Z均不同的情况下进行各主梁纵向影响线标定,可以给出各主梁更加精确的纵向影响线。
实施时,S32B:计算出多车的轴重,包括以下步骤:
F1:计算桥梁实测响应和理论响应:桥梁实测应变响应为桥梁实测挠度响应为考虑荷载横向分布因子和各主梁具有不同的弹性模量Ej与截面模量Zj,计算桥梁理论应变响应为计算桥梁理论挠度响应为共有g根主梁,L个车道,ml表示车道l上的车辆编号,车道l上共有Ml辆车,ml车有个车轴,表示ml车的第i个车轴轴重,车道l上ml车第一个车轴的纵桥向实时位置用mlx表示,表示ml车第一个车轴的纵桥向实时位置为mlx时ml车第i个车轴对应的第j根主梁的弯矩影响线竖标值,表示ml车第一个车轴的纵桥向实时位置为mlx时ml车第i个车轴对应的第j根主梁的挠度影响线竖标值;
F3:桥梁实测应变/挠度响应桥梁理论应变/挠度响应中的x表示车辆第一轴的行驶距离,总行驶距离为X;将X离散为均匀的K-1个微段,共K个采样点;进行第k次采样时,获得的离散数据记作车道l上第i轴对应的第k次采样的各主梁纵向弯矩影响线的竖标值记作Il,i,j,挠度影响线的竖标值记作
F4:利用矩阵表示K次采样计算得到的K个桥梁理论应变响应{εt}K×1;
其中,Pi l表示车道l上第i轴轴重;表示车道l上第i轴对应的K次采样的各主梁纵向弯矩影响线的竖标值;{Ql}表示车道l对应的各主梁的荷载横向分布因子与各主梁弹性模量Ej与截面模量Zj乘积的比值;表示车道l上第i轴对应的第k次采样的各主梁纵向弯矩影响线的竖标值;
同理,可计算得到的K个桥梁理论挠度响应{wt}K×1;
同理,计算桥梁实测挠度响应wm和理论挠度响应wt的误差函数ER:
F6:误差函数ER对Pi l求偏导得:
或
或
F8:将Pi l从F7得到的矩阵等式中分离出来:
或
将此矩阵分开表示如下:
或
F9:得到将轴重矩阵分离后的矩阵等式,并计算轴重矩阵{P}:
[F]{P}={M}
其中,
矩阵转换得到:{P}=[F]-1{M}。
实施时,S32B:计算出多车的总重,包括以下步骤:
根据每个车道上的Ml辆车车轴的顺序编号,计算每辆车的总重:
由于采用了各主梁更加精确的纵向影响线,在采用改进后的桥梁动态称重方法在考虑荷载横向分布因子和各主梁的弹性模量E与截面模量Z均不同的情况下计算多车轴重、总重可得到更加精确的结果。这大大突破了现有桥梁动态称重系统算法只适用于一维线性窄桥的限制,可以应用于任意类型桥梁并能得到精度更佳的结果。
参见图2,本发明实施例还提供一种基于车辆实时空间位置的桥梁动态称重系统,包括:
车辆监控系统1,用于采集桥面各车道的多车变速过桥的实时视频。实施时,车辆监控系统1包括至少从两个方向采集各车道的实时视频的视频采集装置,两个方向至少包括从桥梁上方朝向车道,以及从桥梁两侧朝向车道。车辆监控系统1中监控摄像机的布置要能实时采集桥面上各车道车辆过桥的完整视频,保证在同一时刻至少有两台摄像机从不同方向对过桥车辆进行视频采集,为后续利用视差原理计算车辆的实时空间坐标提供视频信息。本实施例的车辆监控系统1的监控摄像机组至少包括设在桥梁上方和两侧的同一高度的三台摄像机。
桥梁响应监测系统,包括设置于桥梁每根主梁梁底并用于采集多车变速过桥时的桥梁应变响应的应变传感器2-1(图2(a)),或者设置于朝向桥梁下方的用于采集多车变速过桥时的桥梁挠度响应的高分辨率工业相机2-2(图2(b))。实施时,桥梁响应监测系统可根据实际场地情况和施工条件灵活选用监测设备。当桥梁高度有限且桥下空间宽裕时可使用人工在各主梁底需要监测应变的位置贴应变片来完成桥梁响应监测系统的组装,当桥梁较高且人工贴应变片难度较大时可在桥下布置一组高分辨率工业相机2-2对各主梁的挠度响应进行监测。应变响应和挠度响应都是车辆过桥引起的桥梁响应中的一种,后续车辆轴重和总重的计算基于其中一种响应即可完成。
数据采集与处理系统3,分别与车辆监控系统1和桥梁响应监测系统连接,用于根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应,和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。
实施时,数据采集与处理系统3,可包括:
车辆信息识别模块,根据多车变速过桥的实时视频,对同一时刻来自两张不同方向采集的图像进行立体校正和立体匹配,结合监控摄像机的标定信息得到三维重建后的图像;利用训练好的深度学习模型对三维重建后的图像进行车辆和车轮的识别与定位,得到各车道车辆和车轮的实时空间坐标,从而计算多车在桥面上的车速和轴距;
桥梁标定信息存储模块,用于存储由已知轴重和总重的标定车在不同车道行驶时的桥梁响应计算获得的各车道对应的桥梁各主梁的荷载横向分布因子,以及桥梁各主梁纵向各位置的影响线数据。实施前,利用标定车(已知轴重和总重)在不同车道行驶时的桥梁响应计算得到各车道对应的桥梁各主梁的荷载横向分布因子;利用标定车对桥梁各主梁的纵向影响线进行标定,得到桥梁各主梁纵向各位置的影响线数据。将影响线与荷载横向分布因子的相关数据存储到此模块中便于调用。
车辆轴重和总重检测模块,根据各车道车辆和车轮的实时空间坐标和相应位置的影响线数据与荷载横向分布因子计算出车辆的轴重和总重。
上述结构,可以一次性计算出桥面上所有车辆的轴重、总重。可利用符合布置要求的现有的交通监控摄像机作为车辆监控系统1的组成部分,可以降低系统安装成本。并且,本发明的桥梁响应监测系统具有很强的灵活性,可根据实际场地情况和施工条件选用监测设备。例如用一组应变传感器2-1采集车辆过桥时的桥梁应变响应或用一组高分辨率工业相机2-2采集车辆过桥时的桥梁挠度响应。
综上可知,本发明通过采集桥梁上方和两侧的监控摄像机采集多车变速过桥的视频,进而得到多车在桥面上的实时空间位置及车速和轴距;标定时对各车道对应的每一主梁的荷载横向分布因子,在考虑荷载横向分布因子和各主梁的弹性模量E与截面模量Z均不同的情况下进行各主梁纵向影响线标定,可以给出各主梁更加精确的纵向影响线。采用改进后的桥梁动态称重方法在考虑荷载横向分布因子和各主梁的弹性模量E与截面模量Z均不同的情况下计算多车轴重、总重可得到更加精确的结果。这大大突破了现有桥梁动态称重系统算法只适用于一维线性窄桥的限制,可以应用于任意类型桥梁并能得到精度更佳的结果,针对多车变速过桥的实时称重,能一次计算出桥面上所有车辆的轴重、总重。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于车辆实时空间位置的桥梁动态称重方法,其特征在于,包括以下步骤:
采集桥面各车道的多车变速过桥的实时视频;
通过设置于桥梁每根主梁梁底的应变传感器采集多车变速过桥时的桥梁应变响应,或者通过设置于桥梁下方的高分辨率工业相机采集多车变速过桥时的桥梁挠度响应;
根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置查询获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。
2.根据权利要求1所述的基于车辆实时空间位置的桥梁动态称重方法,其特征在于,所述根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距,包括:
根据所述多车变速过桥的实时视频,对同一时刻来自两张不同方向采集的图像进行立体校正和立体匹配,结合监控摄像机的标定信息得到三维重建后的图像;利用训练好的深度学习模型对三维重建后的图像进行车辆和车轮的识别与定位,得到各车道车辆和车轮的实时空间坐标,从而计算多车在桥面上的车速和轴距;
根据各车道车辆和车轮的实时空间坐标,以及相应位置的影响线数据与荷载横向分布因子的标定数据,计算出车辆的轴重和总重。
3.根据权利要求2所述的基于车辆实时空间位置的桥梁动态称重方法,其特征在于,所述影响线数据与荷载横向分布因子的标定数据,通过以下步骤标定得到:
根据已知轴重和总重的标定车在不同车道行驶时的桥梁响应,计算获得各车道对应的桥梁各主梁的荷载横向分布因子的标定数据;以及利用已知轴重和总重的标定车在不同车道行驶时的实时空间位置和桥梁响应,对桥梁各主梁的纵向影响线进行分别标定,得到桥梁各主梁纵向各位置的影响线数据;所述桥梁响应为桥梁应变响应或桥梁挠度响应。
4.根据权利要求1所述的基于车辆实时空间位置的桥梁动态称重方法,其特征在于,根据采集到的桥梁响应和相应位置的影响线数据和荷载横向分布因子,计算出多车的轴重和总重,所述根据采集到的桥梁应变响应计算出多车的轴重,包括以下步骤:
F1:计算桥梁实测响应和理论响应:桥梁实测应变响应为考虑荷载横向分布因子和各主梁具有不同的弹性模量Ej与截面模量Zj,计算桥梁理论应变响应为共有g根主梁,L个车道,ml表示车道l上的车辆编号,车道l上共有Ml辆车,ml车有个车轴,表示ml车的第i个车轴轴重,车道l上ml车第一个车轴的纵桥向实时位置用mlx表示,表示ml车第一个车轴的纵桥向实时位置为mlx时ml车第i个车轴对应的第j根主梁的弯矩影响线竖标值;
F3:桥梁实测应变桥梁理论应变中的x表示车辆第一轴的行驶距离,总行驶距离为X;将X离散为均匀的K-1个微段,共K个采样点;进行第k次采样时,获得的离散数据记作车道l上第i轴对应的第k次采样的各主梁纵向弯矩影响线的竖标值记作Il,i,j;
F4:利用矩阵表示K次采样计算得到的K个桥梁理论应变响应{εt}K×1;
其中,Pi l表示车道l上第i轴轴重;表示车道l上第i轴对应的K次采样的各主梁纵向弯矩影响线的竖标值;{Ql}表示车道l对应的各主梁的荷载横向分布因子与各主梁弹性模量Ej与截面模量Zj乘积的比值;表示车道l上第i轴对应的第k次采样的各主梁纵向弯矩影响线的竖标值;
F5:根据最小二乘法,计算桥梁实测应变响应εm和理论应变响应εt的误差函数ER:
F6:误差函数ER对Pi l求偏导得:
F8:将Pi l从F7得到的矩阵等式中分离出来:
将此矩阵分开表示如下:
F9:得到将轴重矩阵分离后的矩阵等式,并计算轴重矩阵{P}:
[F]{P}={M}
其中,
矩阵转换得到:{P}=[F]-1{M}。
5.根据权利要求1所述的基于车辆实时空间位置的桥梁动态称重方法,其特征在于,所述根据采集到的桥梁挠度响应计算出多车的轴重,包括以下步骤:
G3:桥梁实测挠度响应桥梁理论挠度响应中的x表示车辆第一轴的行驶距离,总行驶距离为X;将X离散为均匀的K-1个微段,共K个采样点;进行第k次采样时,获得的离散数据记作车道l上第i轴对应的第k次采样的各主梁纵向挠度影响线的竖标值记作
G4:利用矩阵表示K次采样计算得到的K个桥梁理论挠度响应{wt}K×1;
G5:根据最小二乘法,计算桥梁实测挠度响应wm和理论挠度响应wt的误差函数ER:
G6:误差函数ER对Pi l求偏导得:
G8:将Pi l从G7得到的矩阵等式中分离出来:
将此矩阵分开表示如下:
G9:得到将轴重矩阵分离后的矩阵等式,并计算轴重矩阵{P}:
[F]{P}={M}
其中,
矩阵转换得到:{P}=[F]-1{M}。
7.一种采用如权利要求1至5任一项所述的基于车辆实时空间位置的桥梁动态称重系统,其特征在于,包括:
车辆监控系统,用于采集桥面各车道的多车变速过桥的实时视频;
桥梁响应监测系统,包括设置于桥梁每根主梁梁底并用于采集多车变速过桥时的桥梁应变响应的应变传感器,或者设置于桥梁下方的用于采集多车变速过桥时的桥梁挠度响应的高分辨率工业相机;
数据采集与处理系统,分别与车辆监控系统和桥梁响应监测系统连接,用于根据多车变速过桥的实时视频识别多车在桥面上的实时空间位置、车速和轴距;并根据车辆的实时空间位置获取相应位置的影响线数据和荷载横向分布因子;根据采集到的桥梁应变响应或桥梁挠度响应,和相应位置的影响线数据和荷载横向分布因子计算出多车的轴重和总重。
8.根据权利要求7所述的基于车辆实时空间位置的桥梁动态称重系统,其特征在于,所述车辆监控系统包括至少从两个方向采集各车道的实时视频的视频采集装置,所述两个方向至少包括从桥梁上方朝向所述车道,以及从桥梁两侧朝向所述车道。
9.根据权利要求7所述的基于车辆实时空间位置的桥梁动态称重系统,其特征在于,所述数据采集与处理系统,包括:
车辆信息识别模块,根据所述多车变速过桥的实时视频,对同一时刻来自两张不同方向采集的图像进行立体校正和立体匹配,结合监控摄像机的标定信息得到三维重建后的图像;利用训练好的深度学习模型对三维重建后的图像进行车辆和车轮的识别与定位,得到各车道车辆和车轮的实时空间坐标,从而计算多车在桥面上的车速和轴距;
桥梁标定信息存储模块,用于存储由已知轴重和总重的标定车在不同车道行驶时的桥梁响应计算获得的各车道对应的桥梁各主梁的荷载横向分布因子,以及桥梁各主梁纵向各位置的影响线数据;
车辆轴重和总重检测模块,根据各车道车辆和车轮的实时空间坐标和相应位置的影响线数据与荷载横向分布因子计算出车辆的轴重和总重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406180.5A CN112710371B (zh) | 2020-12-03 | 2020-12-03 | 基于车辆实时空间位置的桥梁动态称重方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406180.5A CN112710371B (zh) | 2020-12-03 | 2020-12-03 | 基于车辆实时空间位置的桥梁动态称重方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112710371A true CN112710371A (zh) | 2021-04-27 |
CN112710371B CN112710371B (zh) | 2021-12-28 |
Family
ID=75542541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011406180.5A Active CN112710371B (zh) | 2020-12-03 | 2020-12-03 | 基于车辆实时空间位置的桥梁动态称重方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112710371B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333331A (zh) * | 2022-03-03 | 2022-04-12 | 中铁大桥局集团有限公司 | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
CN114937365A (zh) * | 2022-06-21 | 2022-08-23 | 东南大学 | 一种基于同步多视觉传感器的桥面车辆参数识别方法 |
CN115127652A (zh) * | 2022-02-17 | 2022-09-30 | 武汉理工大学 | 一种基于智能算法的高精度窄条式车辆动态称重系统及其称重方法 |
WO2022264783A1 (ja) * | 2021-06-14 | 2022-12-22 | 三井住友建設株式会社 | 構造物モニタリングシステム及び構造物モニタリング方法 |
CN115900906A (zh) * | 2022-06-15 | 2023-04-04 | 东南大学 | 一种基于跨中边梁测点应变的桥梁动态称重方法 |
CN116358679A (zh) * | 2023-05-16 | 2023-06-30 | 中铁大桥局集团有限公司 | 一种城市轨道交通列车桥梁动态称重方法 |
CN116380158A (zh) * | 2023-02-27 | 2023-07-04 | 港珠澳大桥管理局 | 车辆荷载信息确定系统、方法、装置、设备、介质和产品 |
CN116542287A (zh) * | 2023-07-04 | 2023-08-04 | 湘潭大学 | 一种采用混合数据进行桥梁动态称重的连续神经网络算法 |
WO2023147375A3 (en) * | 2022-01-25 | 2023-09-14 | Stl Scientific Llc | A system for identifying and classifying vehicles in real-time without interfering with the traffic |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389168A (zh) * | 2017-07-18 | 2017-11-24 | 重庆交通大学 | 一种用于桥梁的车辆移动载荷的识别方法 |
CN109118776A (zh) * | 2018-10-10 | 2019-01-01 | 中交基础设施养护集团有限公司 | 一种基于桥梁监测数据识别车辆荷载空间分布的方法 |
CN109580137A (zh) * | 2018-11-29 | 2019-04-05 | 东南大学 | 一种基于计算机视觉技术的桥梁结构位移影响线实测方法 |
CN109827647A (zh) * | 2019-01-17 | 2019-05-31 | 同济大学 | 一种桥梁动态称重系统 |
CN109870223A (zh) * | 2019-01-17 | 2019-06-11 | 同济大学 | 一种视觉技术辅助的桥梁动态称重方法 |
-
2020
- 2020-12-03 CN CN202011406180.5A patent/CN112710371B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389168A (zh) * | 2017-07-18 | 2017-11-24 | 重庆交通大学 | 一种用于桥梁的车辆移动载荷的识别方法 |
CN109118776A (zh) * | 2018-10-10 | 2019-01-01 | 中交基础设施养护集团有限公司 | 一种基于桥梁监测数据识别车辆荷载空间分布的方法 |
CN109580137A (zh) * | 2018-11-29 | 2019-04-05 | 东南大学 | 一种基于计算机视觉技术的桥梁结构位移影响线实测方法 |
CN109827647A (zh) * | 2019-01-17 | 2019-05-31 | 同济大学 | 一种桥梁动态称重系统 |
CN109870223A (zh) * | 2019-01-17 | 2019-06-11 | 同济大学 | 一种视觉技术辅助的桥梁动态称重方法 |
Non-Patent Citations (3)
Title |
---|
HUA ZHAO 等: "Identification of Vehicular Axle Weights with a Bridge Weigh-in-Motion System Considering Transverse Distribution of Wheel Loads", 《JOURNAL OF BRIDGE ENGINEERING》 * |
T.OJIO 等: "Contactless Bridge Weigh-in-Motion", 《JOURNAL OF BRIDGE ENGINEERING》 * |
董岳等: "基于独立分量分析的多车响应信号分离", 《公路工程》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022264783A1 (ja) * | 2021-06-14 | 2022-12-22 | 三井住友建設株式会社 | 構造物モニタリングシステム及び構造物モニタリング方法 |
WO2023147375A3 (en) * | 2022-01-25 | 2023-09-14 | Stl Scientific Llc | A system for identifying and classifying vehicles in real-time without interfering with the traffic |
CN115127652A (zh) * | 2022-02-17 | 2022-09-30 | 武汉理工大学 | 一种基于智能算法的高精度窄条式车辆动态称重系统及其称重方法 |
CN114333331B (zh) * | 2022-03-03 | 2022-06-17 | 中铁大桥局集团有限公司 | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
CN114333331A (zh) * | 2022-03-03 | 2022-04-12 | 中铁大桥局集团有限公司 | 一种多车道桥梁车辆通行信息与车重识别方法及系统 |
CN115900906A (zh) * | 2022-06-15 | 2023-04-04 | 东南大学 | 一种基于跨中边梁测点应变的桥梁动态称重方法 |
CN115900906B (zh) * | 2022-06-15 | 2023-07-25 | 东南大学 | 一种基于跨中边梁测点应变的桥梁动态称重方法 |
CN114937365A (zh) * | 2022-06-21 | 2022-08-23 | 东南大学 | 一种基于同步多视觉传感器的桥面车辆参数识别方法 |
CN116380158A (zh) * | 2023-02-27 | 2023-07-04 | 港珠澳大桥管理局 | 车辆荷载信息确定系统、方法、装置、设备、介质和产品 |
CN116358679A (zh) * | 2023-05-16 | 2023-06-30 | 中铁大桥局集团有限公司 | 一种城市轨道交通列车桥梁动态称重方法 |
CN116358679B (zh) * | 2023-05-16 | 2024-04-23 | 中铁大桥局集团有限公司 | 一种城市轨道交通列车桥梁动态称重方法 |
CN116542287B (zh) * | 2023-07-04 | 2023-09-12 | 湘潭大学 | 一种采用混合数据进行桥梁动态称重的连续神经网络训练方法 |
CN116542287A (zh) * | 2023-07-04 | 2023-08-04 | 湘潭大学 | 一种采用混合数据进行桥梁动态称重的连续神经网络算法 |
Also Published As
Publication number | Publication date |
---|---|
CN112710371B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112710371B (zh) | 基于车辆实时空间位置的桥梁动态称重方法及系统 | |
CN112179467B (zh) | 一种基于视频测量动挠度的桥梁动态称重方法和系统 | |
CN108914815B (zh) | 桥面车辆荷载识别装置、桥梁及桥梁荷载分布识别方法 | |
CN103344396B (zh) | 基于近景摄影测量的桥梁挠度测量系统及方法 | |
CN109612559B (zh) | 基于分布式长标距光纤光栅传感器的桥梁式动态称重方法 | |
CN112504414B (zh) | 基于非接触式测量桥梁动挠度的车辆动态称重方法及系统 | |
CN109855711B (zh) | 一种车辆超载超限动态称重系统 | |
CN105651338B (zh) | 用于桥梁的车轴数量识别方法、轴距识别方法及系统 | |
CN109916491B (zh) | 一种识别移动车辆轴距、轴重和总重的方法和系统 | |
CN104316024A (zh) | 一种监测多点沉降的极简串联像机链测量方法与系统 | |
US20230083004A1 (en) | Method of monitoring health status of bridges in normal traffic conditions | |
CN102636364A (zh) | 车载桥面形态-结构安全监测系统及检测方法 | |
CN111259770A (zh) | 一种基于无人机平台和深度学习的复杂背景下索力快速测试系统及方法 | |
CN101264766B (zh) | 替代弦线法的轨道几何参数摄像测量装置及方法 | |
CN115808324A (zh) | 一种中小跨径桥梁轻量化安全管理监测方法及系统 | |
CN207850506U (zh) | 一种称重超限检测系统 | |
CN110057304A (zh) | 平面光栅六自由度位移测量系统中误差分离与补偿方法 | |
CN112161685B (zh) | 一种基于表面特征的车辆荷载测量方法 | |
CN115439514A (zh) | 一种宽桥车辆荷载识别方法、识别系统、设备及存储介质 | |
CN117058600A (zh) | 区域桥梁群车流荷载识别方法及系统 | |
CN112179422B (zh) | 一种利用桥梁挠度识别车轴和车速的方法和系统 | |
CN112833949B (zh) | 一种基于归一化车辆轴重时程监测的桥梁损伤定位方法 | |
CN105352445B (zh) | 单边固支板结构变形光纤模式辨识系统及标定方法与应用 | |
CN112556649A (zh) | 一种挖掘机倾角测量倾角修正方法、装置和倾角测量仪 | |
CN113375618B (zh) | 一种根据轴间距计算的车型辨识方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |