[发明专利]一种路网层次的车辆超载识别及应急预警方法

说明书

本发明公开了一种路网层次的车辆超载识别及应急预警方法，具体实施方式为：在桥梁支座附近安装转角传感器、摄像头和测速仪，同时测量结构变形中的主梁转角和车辆信息，利用RBF(径向基)人工神经元网络建立已知车辆重量的典型车辆数据库，建立车重预测模型，当车辆经过桥梁时，车辆信息传输到人工神经元网络的输入层，经过隐含层的转换，输出车重数据，同时该路网内其他桥梁的车重预测模型也会接收到该车重数据，输入到其他桥梁自身的车重预测模型中，计算出转角和挠度，传输到分级预警系统。本发明采用人工神经网络进行车辆预测模型的建立，在车辆上桥前，对车辆对桥梁的损坏有所预知，预防桥梁事故的发生。

本发明属于桥梁超载预警技术领域，具体涉及一种路网层次的车辆超载识别及应急预警方法。

背景技术

桥梁在投入使用后，除了要承受各种自然荷载以外，还不可避免地承受行车动力荷载、超载或撞击等，必将引起桥梁力学或结构性能的变化，这种内在变化将通过转角或动静挠度的形式表现在桥梁表面，为了解桥梁的安全状况需要对其进行路网层次长期的结构性安全监测，防止车辆超载导致桥梁事故发生。然而我国桥梁总量已达百万座，传统的监测方案需要耗费巨大的人力物力，因此亟需建立经济化实时性能监测和倒塌预警方案，确保桥梁及时发现病害、性能劣化规律，实现桥梁的倒塌预警和预防性养护。

发明内容

针对上述问题，本发明的目的在于提供一种路网层次的车辆超载识别及应急预警方法。

为达到上述目的，提出以下技术方案：

一种路网层次的车辆超载识别及应急预警方法，包括如下步骤：在桥梁支座附近安装转角传感器、摄像头和测速仪，同时测量结构变形中的主梁转角和包含车道信息、速度、车重、车轴信息和车牌号码的车辆信息，利用RBF(径向基)人工神经元网络建立已知车辆重量的典型车辆数据库，建立车重预测模型，当车辆经过桥梁时，车速、车道和车轴信息传输到人工神经元网络的输入层，经过隐含层的转换，输出车重数据，同时该路网内其他桥梁的车重预测模型也会接收到该车重数据，输入到其他桥梁自身的车重预测模型中，计算出转角和挠度，传输到分级预警系统，当超过限值时，发出预警，预防桥梁事故的发生。

进一步地，所述的RBF人工神经元网络是一种特殊的3层神经网络，输入层连接外界环境与网络，隐含层进行输入空间到输出空间的转换，输出层生成车重预测模型，同时连接内部网络与预警系统以及路网内其他车重预测模型。

进一步地，现场采集到的车辆信息数据传输到输入层，系统识别车轴数量后，将小于四个车轴的车排除，对其他车轴信息的车分类，不同的车轴对应不同的车辆预测模型。

进一步地，在数据输入隐含层前需要进行加权，基于遗传算法生成大数据特征选择算法，计算数据权值，特征选择的重点在于特征权重评估，特征权重评估算法的设计流程为：先输入信息采集系统采集的车辆信息以及桥梁信息，在此大数据集中随机选择一个数据项x_i，即某一类车辆信息数据中的某一个数据，在数据集中搜索其同类最近邻x_i(h)及异类最近邻x_i(m)；分别计算各维度的特征与同类最近邻的差异度值和异类最近邻的差异度值，根据两者的特征差异度相应地调整其权重，通过反复迭代，最后选择权重值最高的k维特征组成新的特征子集，diff(x_m,x_n,j)表示两个车辆信息数据项x_a和x_b在特征f_j上的差异度，在数据项x_a和x_b上，两者在特征维度f_j上的差异度是：

在每轮迭代过程中，根据x_a的r个同类最近邻x_i(h)和r个异类最近邻x_i(m)在特征f_j上的差异度，调整x_i关于特征f_j上的权值: