基于全卷积网络分析桥梁加速度测量的虚拟轴检测器
计算机视觉与模式识别
2023-12-19 v1
摘要
在桥梁动态称重(BWIM)方法的实际应用中，车辆通过时车轮或车轴的位置在大多数情况下是前提条件。为避免使用常规轴检测器及特定桥梁类型的方法，我们提出一种通过将加速度计布置于桥梁任意位置来实现轴检测的新方法。为开发尽可能简单且易懂的模型，轴检测任务被实现为二分类问题而非回归问题。该模型以全卷积网络实现，以处理连续小波变换形式的信号。这使得任意长度的通过段都能以单步最高效率处理，同时在单次评估中利用多尺度。这使得我们的方法能够使用桥梁结构任意位置的加速度信号作为虚拟轴检测器(VADs)，而不受特定桥梁结构类型的限制。为测试所提方法，我们分析了在一条长途交通线钢槽铁路桥上记录的 3787 次列车通过。我们在测量数据上的结果表明，我们的模型检测出了 95% 的轴，即此前未见的 134,800 个轴中有 128,599 个被正确检测。总体而言，90% 的轴可在最大空间误差 20cm、最大速度 下被检测。分析表明，我们开发的模型即使在真实运行条件下也能将加速度计用作 VADs。
引用
@article{arxiv.2207.03758,
title = {Virtual Axle Detector based on Analysis of Bridge Acceleration Measurements by Fully Convolutional Network},
author = {Steven Robert Lorenzen and Henrik Riedel and Maximilian Michael Rupp and Leon Schmeiser and Hagen Berthold and Andrei Firus and Jens Schneider},
journal= {arXiv preprint arXiv:2207.03758},
year = {2023}
}