买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽省交通控股集团有限公司申请的专利一种基于桥梁监测响应的轻量化动态称重方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119984465B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510481656.8，技术领域涉及：G01G19/03；该发明授权一种基于桥梁监测响应的轻量化动态称重方法是由崔珊珊;连俊峰;王阔昌;韦国志;张思远;赵先民;蔡传勇;杨洋;彭卫兵设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本一种基于桥梁监测响应的轻量化动态称重方法在说明书摘要公布了：本发明公开了一种基于桥梁监测响应的轻量化动态称重方法，利用高清摄像头以及图像处理模块捕捉随机行驶车辆的监控视频并对车辆分类，利用视觉位移传感器获取车辆经过时桥梁挠度响应的数据，通过时间同步模块对视频图像信号与桥梁挠度响应的数据信号进行对齐与匹配，建立相应的数据集，利用Bi‑LSTM模型对特种车辆下对应的数据集进行训练，利用模型已学习的特定车辆荷载‑响应映射关系，对随机车辆作用下的结构响应数据进行解析，利用训练后的Bi‑LSTM模型输出随机车辆的荷载值。本发明不仅能够有效采集桥梁动力响应数据，还可结合特定车辆的荷载信息，精准识别随机重载车流的动态荷载特性，为中小跨径桥梁的荷载识别及安全管理提供技术支撑。

本发明授权一种基于桥梁监测响应的轻量化动态称重方法在权利要求书中公布了：1.一种基于桥梁监测响应的轻量化动态称重方法，其特征在于包括以下步骤： 步骤1：在桥面上布置有视频监控系统，视频监控系统包括高清摄像头以及图像处理模块，高清摄像头捕捉随机行驶车辆的监控视频，图像处理模块对监控视频中的车辆进行自动识别与分类，车辆分类包括普通车辆和运输危险品的特种车辆，根据运输的危险品种类不同对特种车辆进一步精准细分，不同类的特种车辆的荷载均为已知固定值； 步骤2：在桥梁上部结构的跨中位置布设高精度的视觉位移传感器，该视觉位移传感器通过工业相机捕捉在随机车辆荷载作用下的桥梁上部结构的跨中布设的目标靶点区域的高分辨率图像，并利用DIC技术计算桥梁结构动态响应数据，即桥梁挠度响应的数据； 步骤3：通过时间同步模块在预设时间轴上对视频监控系统获得的随机车流监控视频图像信号与视觉位移传感器获得的桥梁结构动态响应数据信号进行对齐与匹配，对于桥梁上随机车流，标定其车辆荷载为wj，对应的桥梁结构动态响应数据标定为xj，建立用于构建映射关系的时空关联总数据集； 识别提取随机车流监控视频图像中的特种车辆，将特种车辆的荷载标定为wi以及其对应桥梁结构动态响应数据标定为xi，建立用于结响应特征值的学习的时空关联子数据集； 步骤4：建立双向长短时记忆网络Bi-LSTM模型，步骤3建立的用于结响应特征值的学习的时空关联子数据集，输入至模型进行训练，然后将用于构建映射关系的时空关联总数据集输入至训练后的Bi-LSTM模型，利用模型已学习的特定车辆荷载-响应映射关系，对随机车辆作用下的结构响应数据进行解析，输出随机车辆的荷载值； 步骤4中Bi-LSTM模型对数据集训练前，还包括特征提取的步骤，具体步骤为： M1：首先提取不同车辆经过时主梁挠度监测响应信号中的梅尔频率倒谱系数特征，首先将信号去噪处理，以去除高频噪声；随后，将信号分帧并应用汉宁窗函数进行平滑处理，再通过快速傅里叶变换FFT将信号从时域转换为频域；接着，利用梅尔滤波器组将频谱转换为梅尔频率尺度，计算每个梅尔滤波器通道的能量，得到梅尔频谱；最后，通过离散余弦变换DCT将梅尔频谱转化为梅尔频率倒谱系数MFCCs，并选取前m个MFCCs系数作为特征向量，对选取每个MFCCs系数分别进一步计算其一阶和二阶差分以增强动态变化信息，将MFCCs、一阶差分和二阶差分特征拼接，形成最终的特征向量Xi，这些特征向量有效地表征了车辆通过时主梁挠度的动态响应，适用于后续的信号分析与分类； 利用梅尔滤波器组将频谱转换为梅尔频率尺度，转换公式如下： 其中，f是线性频率，Mf是梅尔频率； DCT变换的公式如下： 其中Ck是倒谱系数，Efn是梅尔频谱，N代表信号长度，n表示时域信号的采样点索引，其取值范围为0≤n≤N-1；k是MFCCs的索引； M2：根据步骤M1得到的MFCCs特征值，结合卡方检验筛选出与分类任务高度相关的特征，具体过程为： 先对MFCCs特征值按车辆类型、荷载水平、行驶速度和车轴数量的标签进行分类，按以下公式计算期望频数： 其中，Oj为MFCCs与一阶、二阶差分共计3m个特征Xi取值为j的样本总数，m是选取的MFCCs系数的数量，选取的MFCCs系数及其一阶差分和二阶差分特征的总数量是3m，Ok为标签为k的样本总数，O为所有的样本总数；Ejk为取值为j标签为k的样本的期望频数； 接着对于特征值Xi按下式计算卡方统计量x2，其中Ojk是取值为j标签为k的样本数，即实际频数，Ejk为期望频数，a是特征Xi的不同取值数，b是标签类别数； 接着根据选定的显著性水平和自由度，查询卡方分布表找到对应的卡方临界值χcritical2；保留计算出的卡方值x2大于临界值χcritical2的显著相关的相应特征值，该步骤可以筛选出高度相关的特征，减少冗余特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽省交通控股集团有限公司，其通讯地址为：230000 安徽省合肥市包河区西藏路1666号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。