排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
为解决桥梁动态称重(Bridge weigh-in-motion,BWIM)中多车共存时的轴、总重识别难题,基于桥梁的二维(2D)结构特性,考虑车辆的横向位置,提出了一种2D-BWIM算法. 该算法仅利用移动车辆所在车道下方的梁底响应信号以及结构梁底影响线来计算轴重,利用横向分布系数的概念将轴重分配至各片梁上. 桥梁每... 相似文献
2.
首先利用小波变换对一不能明显识别车轴信息的数值仿真信号进行处理,证明小波变换能够高效放大车轴经过传感器时产生的不连续变化斜率,从而识别出车轴信息.然后基于实桥测试,对那些不能直接识别出车辆信息的FAD信号,通过联合控制最小Shannon熵值和最大相关系数选取最适变换尺度和最适变换小波函数进行小波变换.分析结果表明:对于不能直接识别出车辆信息的FAD信号,小波变换也能准确地识别车辆行驶速度、车轴数目以及车轴间距.小波变换可提高桥梁动态称重(BWIM)系统车轴识别的效率及精度,为将BWIM系统发展为超载车辆控制的有效工具提供技术支撑. 相似文献
3.
车辆经过正交异性钢桥面(Orthotropic Steel Deck,OSD)时的车轮横向位置对其疲劳细节分析以及桥梁动态称重系统(Bridge Weigh-In-Motion,BWIM)识别精度至关重要. 针对OSD桥梁局部荷载效应显著的特性,提出了基于BWIM系统中传感器所采集的响应信号来识别过桥车辆横向位置的有效方法. 首先,建立OSD桥梁的有限元模型,并通过标定试验进行验证,然后提取其纵肋横向分布影响线 . 最后,基于横向分布影响线和最小二乘法,建立 OSD中 U肋理论与实测响应的误差方程. 为了验证该方法的准确性和适用性,建立了基于Ls-dyna的车桥耦合振动模型,探究了车辆状况(包括车辆速度、车轴数目和车轮横向位置)以及车轮与桥面接触面积的影响. 模拟分析表明,该算法识别精度对车辆状况的鲁棒性好,针对不同车辆速度、车轴数目和车轮横向位置,其识别精度最大平均误差分别为 9 mm、4.6 mm、12.5 mm,并明确了车轮与桥面接触宽度宜选择为200 mm. 在此基础上,开展实桥试验进一步验证该方法的有效性,结果表明,提出的方法能有效识别 OSD过桥车辆的横向位置,且识别精度较高,适用范围广. 相似文献
1