[发明专利]基于力学指标和人工神经网络的路面病害快速巡检方法

说明书

本发明为基于力学指标和人工神经网络的路面病害快速巡检方法，该方法包括以下内容：以在不同病害类型的道路上车辆行驶过程中的VMI值、车速、车辆高程信息、振幅作为一组数据，多组数据形成输入数据集；利用SOM神经网络对输入数据集中的数据进行聚类，输出对应聚类结果；将根据聚类中心范围内的数据，与相应的时间信息和经纬度信息对应，确定每个聚类中心范围内加速度特征信息所对应的真实病害分类等级信息，建立样本病害数据库；利用建立的样本病害数据库训练决策树，建立决策树模型，对破坏道路进行病害分类和分级决策。该方法具有检测周期短、花费低、精度高以及不受人主观因素影响特点，实现路面病害的快速识别分类、分级和定位。

技术领域

本发明涉及路面病害检测技术领域，具体涉及一种基于力学指标和人工神经网络的路面病害快速巡检方法。

背景技术

为了保证车辆在道路上行驶的安全性、舒适性以及延长道路的使用寿命，需要定期对道路进行检测与养护，而对驾驶过程中的病害进行快速检测并识别是一项十分重要而且必要的工作。路面的主要病害主要包括坑槽、车辙、裂缝、沉陷和波浪拥包。

目前路面病害传统检测方法主要是使用道路检测车和人工检测两种方法。道路检测车安装有激光弯沉测定仪、车载式颠簸累积仪等激光传感设备，在道路上以一定车速行驶，或者专业检测人员使用3m直尺、连续式平整度仪、摆式仪等非车载设备对路面弯沉、平整度、渗水系数和抗滑性等指标进行检测以及对路面病害进行识别和相关数据的采集。

检测车和人工检测都会影响道路的正常使用，尤其是在高速公路上，人工检测甚至需要关闭使用道路，同时会耗费大量的人力物力财力，检测效率也难得到保障。人工检测易受主观判断影响，缺乏一致的判断标准。

建立科学高效的路面快速巡检体系需要解决以下问题：1、实现快速巡检，减少时间消耗以及检测过程交通阻断和堵塞。2、实现病害识别分类、分级与定位。3、减少成本，并提高精度。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于力学指标和人工神经网络的路面病害快速巡检方法。该巡检方法避免了传统路面检测方法周期长、花费高、精度低以及受人主观因素影响等特点，同时通过人工神经网络和GPS千寻定位系统实现路面病害的快速识别分类、分级和定位。

本发明解决所述技术问题采用的技术方案是：

一种基于力学指标和人工神经网络的路面病害快速巡检方法，该方法包括以下内容：

在不同病害种类的路面上，在车辆行驶过程中，由加速度传感器采集垂直振动加速度和振幅，以垂直振动加速度经快速傅里叶变换获得基频幅值、频谱中的n次谐波分量幅值，确定谐波比VMI；

以在不同病害类型的道路上车辆行驶过程中的VMI值、车速、车辆高程信息、振幅作为一组数据，多组数据形成输入数据集；

利用SOM神经网络对输入数据集中的数据进行聚类，输出对应聚类结果；

将根据聚类中心范围内的数据，与相应的时间信息和经纬度信息对应，确定每个聚类中心范围内加速度特征信息所对应的真实病害分类等级信息，建立样本数据即加速度特征信息与病害分类等级信息的一一对应的关系，使每个样本数据都对应一个病害分类等级信息的标签，建立样本病害数据库；

利用建立的样本病害数据库训练决策树，建立决策树模型，对破坏道路进行病害分类和分级决策，实现快速巡检。

本发明还保护一种路面病害快速巡检系统，该巡检系统包括：

用于采集车辆行驶过程中的垂直振动加速度和振幅的加速度信息采集模块；

用于实时获得车辆的经纬度和高程信息的能实现RTK厘米级精度定位的GPS定位模块；

用于进行数据传输的信号传输模块；