一种桥梁车辆通行时间的检测方法、装置、设备及存储介质与流程

文档序号:40528217发布日期:2024-12-31 13:38阅读:20来源:国知局
一种桥梁车辆通行时间的检测方法、装置、设备及存储介质与流程

本发明涉及深度学习,尤其涉及一种桥梁车辆通行时间的检测方法、装置、设备及存储介质。


背景技术:

1、在桥梁健康监测系统中,监控车辆通过桥梁的通行时间是非常重要的,准确的通行时间直接关系到桥梁的安全评估和维护。

2、目前现有技术中通常采用设置阈值来检测车辆通过桥梁的时间或者采用传感器进行辅助定位,如地感线圈、雷达、摄像头和声学传感器等。但通过阈值来检测容易受到干扰信息的影响而降低检测精度,无法保证采集数据的准确性,通过传感器进行辅助定位则需要昂贵的安装和维护成本,且当传感器故障或遭到损坏时,数据也无法保证准确性。并且多个传感器的联动和数据融合增加了系统的复杂性,降低了桥梁的安全评估和维护效率。因此,目前亟需一种能够简单高效并且准确监测车辆通过桥梁的通行时间的方法。


技术实现思路

1、有鉴于此,本发明的目的是为了克服现有技术中的不足,提供一种桥梁车辆通行时间的检测方法、装置、设备及存储介质。

2、本发明提供如下技术方案:

3、第一方面,本公开实施例中提供了一种桥梁车辆通行时间的检测方法,所述方法包括:

4、获取待检测桥梁的随机车流样本和噪声数据,基于有限元方法建立所述待检测桥梁的桥梁耦合振动分析模型,根据所述随机车流样本、噪声数据和桥梁耦合振动分析模型建立随机车流桥梁响应理论样本库;

5、根据所述随机车流桥梁响应理论样本库生成随机车流桥梁响应理论曲线图像,对所述随机车流桥梁响应理论曲线图像进行标注得到随机车流桥梁响应训练样本;

6、根据所述随机车流桥梁响应训练样本进行神经网络模型训练,得到目标曲线检测深度学习模型;

7、根据所述待检测桥梁上安装的动态位移传感器、加速度计和动应变计实时采集动态响应数据,根据所述动态响应数据生成桥梁动态响应曲线图像并确定所述桥梁动态响应曲线图像的像素坐标与车辆通行时间的对应关系;

8、将所述桥梁动态响应曲线图像输入所述目标曲线检测深度学习模型,输出所述桥梁动态响应曲线图像的像素坐标;

9、根据所述桥梁动态响应曲线图像的像素坐标计算所述待检测桥梁的车辆通行时间。

10、根据本技术公开的一种具体实施方式,所述桥梁耦合振动分析模型包括待检测桥梁的振动模型、车辆振动方程和桥梁与车辆的相互作用力模型,所述获取待检测桥梁的随机车流样本和噪声数据,基于有限元方法建立所述待检测桥梁的桥梁耦合振动分析模型,根据所述随机车流样本、噪声数据和桥梁耦合振动分析模型建立随机车流桥梁响应理论样本库的步骤,包括:

11、根据所述待检测桥梁上安装的动态位移传感器、加速度计和动应变计采集所述噪声数据;

12、将所述随机车流样本应用至所述振动模型、车辆振动方程和桥梁与车辆的相互作用力模型,得到随机车流桥梁响应样本库;

13、基于数据融合算法将所述噪声数据与所述随机车流桥梁响应样本库进行融合,得到随机车流桥梁响应理论样本库。

14、根据本技术公开的一种具体实施方式,所述根据所述随机车流桥梁响应理论样本库生成随机车流桥梁响应理论曲线图像,对所述随机车流桥梁响应理论曲线图像进行标注得到随机车流桥梁响应训练样本的步骤,包括:

15、获取所述随机车流桥梁响应理论曲线图像的类别编号、中心点坐标、曲线高度和曲线宽度;

16、将所述随机车流桥梁响应理论曲线图像的类别编号、中心点坐标、曲线高度和曲线宽度按照预设数据格式进行标注得到随机车流桥梁响应训练样本。

17、根据本技术公开的一种具体实施方式,所述根据所述随机车流桥梁响应训练样本进行神经网络模型训练,得到目标曲线检测深度学习模型的步骤,包括:

18、对所述随机车流桥梁响应训练样本进行数据增强处理,得到增强随机车流桥梁响应训练样本;

19、对所述增强随机车流桥梁响应训练样本进行数据划分,得到增强随机车流桥梁响应训练数据和增强随机车流桥梁响应测试数据;

20、根据增强随机车流桥梁响应训练数据对yolo图像模型进行训练,得到初步目标曲线检测深度学习模型;

21、利用增强随机车流桥梁响应测试数据对初步目标曲线检测深度学习模型进行迭代优化,得到目标曲线检测深度学习模型。

22、根据本技术公开的一种具体实施方式,所述根据所述待检测桥梁上安装的动态位移传感器、加速度计和动应变计实时采集动态响应数据,根据所述动态响应数据生成桥梁动态响应曲线图像并确定所述桥梁动态响应曲线图像的像素坐标与车辆通行时间的对应关系的步骤,包括:

23、对所述动态响应数据进行去噪处理、滤波处理和归一化处理,得到预处理动态响应数据;

24、以时间为横轴,动态响应数据为纵轴将所述预处理动态响应数据生成桥梁动态响应曲线图像;

25、将所述桥梁动态响应曲线图像的像素坐标与车辆通行时间的对应关系定义为,其中,t为时间范围,w为桥梁动态响应曲线图像的宽度。

26、根据本技术公开的一种具体实施方式,所述将所述桥梁动态响应曲线图像输入所述目标曲线检测深度学习模型,输出所述桥梁动态响应曲线图像的像素坐标的步骤,包括:

27、对所述桥梁动态响应图像进行卷积处理,得到图像特征图;

28、在所述图像特征图上生成边界框并预测所述边界框中是否包括目标响应曲线,其中,所述预测结果包括中心点坐标、宽度、高度和目标类别的置信度;

29、将目标类别的置信度低的边界框进行过滤处理,得到包括目标响应曲线的桥梁动态响应曲线图像,输出桥梁动态响应曲线图像的像素坐标,其中,所述像素坐标包括边界框的中心点坐标、边界框的宽度和高度、边界框的左上角和右下角的像素坐标。

30、根据本技术公开的一种具体实施方式,所述根据所述桥梁动态响应曲线图像的像素坐标计算所述待检测桥梁的车辆通行时间的步骤,包括:

31、根据车辆通行时间计算公式,,计算所述待检测桥梁的车辆通行时间,其中,为边界框的左上角的x坐标,为边界框的右下角的x坐标,t为时间范围,w为桥梁动态响应曲线图像的宽度。

32、第二方面,本公开实施例中提供了一种桥梁车辆通行时间的检测装置,所述装置包括:

33、获取模块,用于获取待检测桥梁的随机车流样本和噪声数据,基于有限元方法建立所述待检测桥梁的桥梁耦合振动分析模型,根据所述随机车流样本、噪声数据和桥梁耦合振动分析模型建立随机车流桥梁响应理论样本库;

34、标注模块,用于根据所述随机车流桥梁响应理论样本库生成随机车流桥梁响应理论曲线图像,对所述随机车流桥梁响应理论曲线图像进行标注得到随机车流桥梁响应训练样本;

35、训练模块,用于根据所述随机车流桥梁响应训练样本进行神经网络模型训练,得到目标曲线检测深度学习模型;

36、采集模块,用于根据所述待检测桥梁上安装的动态位移传感器、加速度计和动应变计实时采集动态响应数据,根据所述动态响应数据生成桥梁动态响应曲线图像并确定所述桥梁动态响应曲线图像的像素坐标与车辆通行时间的对应关系;

37、输出模块,用于将所述桥梁动态响应曲线图像输入所述目标曲线检测深度学习模型,输出所述桥梁动态响应曲线图像的像素坐标;

38、计算模块,用于根据所述桥梁动态响应曲线图像的像素坐标计算所述待检测桥梁的车辆通行时间。

39、第三方面,本公开实施例中提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面中任一项所述的桥梁车辆通行时间的检测方法的步骤。

40、第四方面,本公开实施例中提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的桥梁车辆通行时间的检测方法的步骤。

41、上述本技术提供的桥梁车辆通行时间的检测方法,通过获取待检测桥梁的随机车流样本和噪声数据,基于有限元方法建立所述待检测桥梁的桥梁耦合振动分析模型,根据所述随机车流样本、噪声数据和桥梁耦合振动分析模型建立随机车流桥梁响应理论样本库,根据所述随机车流桥梁响应理论样本库生成随机车流桥梁响应理论曲线图像,对所述随机车流桥梁响应理论曲线图像进行标注得到随机车流桥梁响应训练样本,根据所述随机车流桥梁响应训练样本进行神经网络模型训练,得到目标曲线检测深度学习模型,根据所述待检测桥梁上安装的动态位移传感器、加速度计和动应变计实时采集动态响应数据,根据所述动态响应数据生成桥梁动态响应曲线图像并确定所述桥梁动态响应曲线图像的像素坐标与车辆通行时间的对应关系,将所述桥梁动态响应曲线图像输入所述目标曲线检测深度学习模型,输出所述桥梁动态响应曲线图像的像素坐标,根据所述桥梁动态响应曲线图像的像素坐标计算所述待检测桥梁的车辆通行时间,减少了数据采集的复杂性,减少了成本,提高了工作效率,通过深度学习模型检测车辆通行曲线来计算车辆通行时间,提高了桥梁健康监测的检测精度。

42、为使本发明的上述目的、特征和优点能更明显和易懂,下文特举较佳实施例,并配合所附附图,做详细说明如下。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1
专利分类正在加载中....