详情

原文传递桥梁重载实时在线识别系统研究

论文题名：	桥梁重载实时在线识别系统研究
关键词：	桥梁重载;实时在线识别;光纤光栅传感器;收敛速度;BP神经网络
摘要：	本文所述桥梁重载实时在线识别系统采集前端采用光纤光栅传感器，相对于传统的重载识别具有很大的优势，是桥梁健康监测的一个重要组成部分，已经成为国内外该领域研究的重点。传统载重检查需要车辆停止静态称重，容易造成交通堵塞；采用的传感器主要是基于机电原理设计的，在性能上有其特定的弊端。而本识别装置，首先采集传感器采用的是光纤光栅传感器，在抗干扰性、体积小容易安装、测量值范围空间分辨率，线性范围等性能上都优于传统机电原理的传感器；由于是实时在线识别，车辆在动态运行中就被检查识别，不容易造成交通堵塞。由于动态检查对车辆静态重量以外的因素：车速、检查处桥面平整度、车辆自身的震动比较敏感，在动态识别克服传统识缺点的基础上，保证识别精度是本文识别系统的重点。　　本文所述桥梁重载实时在线识别主要包括两部分：相关数据如动应变、车速等信息的采集、显示和储存，超重车辆的识别。　　数据的采集、显示和储存部分通过网口将光纤光栅解调仪等下位机装置的数据传入服务器，通过实时曲线显示采集的数据，通过数据库保存采集的数据，以备以后数据的查询。采集部分涉及网口编程，储存部分涉及利用ADO方式访问数据库，由于采集频率高，数据量大，采集、显示和储存同时进行，所以系统开辟了多个线程，提高CPU利用率。　　超重车辆识别部分，由于对最终识别结果的影响因素较多，所以将BP神经网络算法引入到本文识别部分。针对传统BP神经网络只能达到局部最优，收敛速度较慢的缺点，利用遗传算法优化传统的BP神经网络，使得优化后的BP神经网络既能提高收敛速度又能达到全局最优。　　实验结果表明，本文识别系统能在克服传统静态称重的基础上，满足一定误差要求(5％)的现场应用，相对于单纯的动态识别提高了精度。
作者：	陈编
专业：	控制科学与工程
导师：	肖纯
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2012
正文语种：	中文