自行车骑行荷载的识别方法、系统、装置及存储介质

摘要

本发明公开了一种自行车骑行荷载的识别方法、系统、装置及存储介质，识别方法包括：采集自行车通过试验梁的光电门信号、弯矩响应和加速度响应，并根据光电门信号获取预设的弯矩响应和加速度响应；设置自行车骑行荷载为离散三角函数与对应参入系数的乘积；采用梁单元建立试验梁有限元模型，并采用模态叠加算法计算预设跨底面的弯矩响应和加速度响应；根据参入系数、模拟计算的弯矩响应和加速度响应及采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程；根据荷载识别优化方程确定参入系数，并根据确定的参入系数及离散三角函数确定自行车骑行荷载。本发明实施例能够准确确定自行车骑行荷载，可广泛应用于结构动荷载识别技术领域。

说明书

技术领域

本发明涉及结构动荷载识别技术领域，尤其涉及一种自行车骑行荷载的识别方法、系统、装置及存储介质。

背景技术

随着城市绿色交通发展理念的普及，慢行出行的方式越来越得到人民的重视。自行车出行是慢行交通的重要组成部分，其对于城市中短距离出行具有难以替代的优势。为保障自行车出现的便利性，降低自行车出行与其他出行方式的相互干扰，修建“独享路权”自行车专用道已得到认可。在自行车专用道建设中，自行车桥是一类重要的基础设施。准确了解自行车骑行荷载有利于自行车桥设计、振动控制与性能优化等。因此，如何准确确定自行车骑行荷载成为了一个关键问题所在。

动荷载识别应用场景广泛，包括但不限于重车移动荷载识别、机械冲击荷载识别、桥墩撞击荷载识别等。但是，在自行车骑行荷载识别方面，目前公开的针对性识别技术则相对较少，这给自行车骑行荷载的精确评估带来一定限制。

发明内容

有鉴于此，本发明实施例的目的是提供一种自行车骑行荷载的识别方法、系统、装置及存储介质，能够准确确定自行车骑行荷载。

第一方面，本发明实施例提供了一种自行车骑行荷载的识别系统，包括第一导梁、试验梁、第二导梁及传感装置；所述第一导梁和所述第二导梁分别位于所述试验梁的两端，所述传感装置包括两个光电门、一个应变片及一个加速度传感器，所述光电门分别安装在所述试验梁的两端，所述应变片及所述加速度传感器均安装在所述试验梁的预设跨底面；其中，所述应变片用于测量试验梁的弯矩响应，所述加速度传感器用于测量试验梁的加速度响应。

可选地，所述应变片及所述加速度传感器均安装在所述试验梁3/5跨底面。

第二方面，本发明实施例提供了一种自行车骑行荷载的识别方法，应用于上述的识别系统，包括步骤：

采集自行车通过所述试验梁的光电门信号、弯矩响应和加速度响应，并根据所述光电门信号获取预设的弯矩响应和加速度响应；其中，所述自行车从静止开始加速通过所述第一导梁，匀速通过所述试验梁，减速通过所述第二导梁并停止；

设置自行车骑行荷载为离散三角函数与对应参入系数的乘积；

采用梁单元建立试验梁有限元模型，并采用模态叠加算法计算预设跨底面的弯矩响应和加速度响应；

根据所述参入系数、模拟计算的弯矩响应和加速度响应及所述采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程；

根据所述荷载识别优化方程确定所述参入系数，并根据确定的参入系数及离散三角函数确定自行车骑行荷载。

可选地，所述梁单元采用2节点4自由度的梁单元，单元划分个数大于等于20个。

可选地，所述识别方法还包括步骤：采用低通滤波器滤除所述预设的弯矩响应和加速度响应的高频成分。

可选地，所述低通滤波器的截止频率大于等于所述试验梁第5阶模态对应的固有频率。

可选地，所述识别方法还包括步骤：对所述预设的弯矩响应和加速度响应进行归一化处理。

第三方面，本发明实施例提供了一种自行车骑行荷载的识别系统，包括：

信号采集单元，用于采集自行车通过所述试验梁的光电门信号、弯矩响应和加速度响应，并根据所述光电门信号获取预设的弯矩响应和加速度响应；其中，所述自行车从静止开始加速通过所述第一导梁，匀速通过所述试验梁，减速通过所述第二导梁并停止；

函数设置单元，用于设置自行车骑行荷载为离散三角函数与对应参入系数的乘积；

模型建立单元，用于采用梁单元建立试验梁有限元模型，并采用模态叠加算法计算预设跨底面的弯矩响应和加速度响应；

方程建立单元，用于根据所述参入系数、模拟计算的弯矩响应和加速度响应及所述采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程；

荷载确定单元，用于根据所述荷载识别优化方程确定所述参入系数，并根据确定的参入系数及离散三角函数确定自行车骑行荷载。

第四方面，本发明实施例提供了一种自行车骑行荷载的识别装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第二方面实施例所述的识别方法。

第五方面，本发明实施例提供了一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行第二方面实施例所述的识别方法。

实施本发明实施例包括以下有益效果：本发明实施例通过自定义自行车荷载的参入系数、模拟计算的弯矩响应和加速度响应及采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程，并根据优化方程确定参入系数及离散三角函数确定自行车骑行荷载；从而通过考虑稀疏约束的自行车骑行荷载反演算法，实现准确评估自行车骑行荷载。

附图说明

图1是本发明实施例提供的一种自行车骑行荷载的识别系统的结构示意图；

图2是本发明实施例提供的一种自行车骑行荷载的识别方法的步骤流程示意图；

图3是本发明实施例提供的一种模拟计算的试验梁弯矩响应变化图；

图4是本发明实施例提供的一种模拟计算的试验梁加速度响应变化图；

图5是本发明实施例提供的一种自行车前轮的识别荷载和真实荷载的对比图；

图6是本发明实施例提供的一种自行车后轮的识别荷载和真实荷载的对比图；

图7是本发明实施例提供的另一种自行车骑行荷载的识别系统的结构框图；

图8是本发明实施例提供的一种自行车骑行荷载的识别装置的结构框图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

如图1所示，本发明实施例提供了一种自行车骑行荷载的识别系统，包括第一导梁1、试验梁2、第二导梁3及传感装置；所述第一导梁1和所述第二导梁3分别位于所述试验梁2的两端，所述传感装置包括两个光电门6、一个应变片5及一个加速度传感器4，所述光电门6分别安装在所述试验梁2的两端，所述应变片5及所述加速度传感器4均安装在所述试验梁2的预设跨底面；其中，所述应变片5用于测量试验梁的弯矩响应，所述加速度传感器4用于测量试验梁的加速度响应。

需要说明的是，如图1所示，自行车包括自行车前轮7和自行车后轮8，自行车依次经过第一导梁1、试验梁2及第二导梁3。

需要说明的是，第一导梁1、试验梁2及第二导梁3为等截面梁。应变片5沿试验梁2纵向安装。

可选地，所述应变片及所述加速度传感器均安装在所述试验梁3/5跨底面。

需要说明的是，3/5跨底面是试验梁相对于第一导梁的一端确定的。

如图2所示，本发明实施例提供了一种自行车骑行荷载的识别方法，应用于上述的识别系统，包括步骤：

S100、采集自行车通过所述试验梁的光电门信号、弯矩响应和加速度响应，并根据所述光电门信号获取预设的弯矩响应和加速度响应；其中，所述自行车从静止开始加速通过所述第一导梁，匀速通过所述试验梁，减速通过所述第二导梁并停止。

可选地，所述识别方法还包括步骤：采用低通滤波器滤除所述预设的弯矩响应和加速度响应的高频成分。

可选地，所述低通滤波器的截止频率大于等于所述试验梁第5阶模态对应的固有频率。

可选地，所述识别方法还包括步骤：对所述预设的弯矩响应和加速度响应进行归一化处理。

需要说明的是，采集数据时，所用的采样频率不低于试验梁第5阶模态固有频率的3倍。

具体地，光电门是一个像门样的装置，一边安装发光装置，一边安装接收装置并与计时装置连接；光电门在自行车的轮轴通过其测试截面时，会产生一个光电突变信号。依据实测的突变信号，记自行车前轮上试验梁的时刻为t1，自行车后轮下试验梁的时刻为t2，令T＝t2-t1，则自行车过桥速度取为v＝(L+l)/T，其中，v表示自行车骑行速度，L表示试验梁长度，l表示自行车前后轮距，自行车速度v结合上桥时间，能准确地反映任一时刻自行车在桥上的具体位置，是构建自行车识别方程的主要参量之一。依据实测响应，截取位于(t1，t2]区间内的弯矩响应和加速度响应，采用低通滤波器滤除响应的高频成分，并将过滤后的响应按列向量形式存储，低通滤波器的截止频率大于等于试验梁第5阶模态对应的固有频率；记弯矩响应为Y1，加速度响应为Y2；对上述响应进行归一化处理，计算y1＝Y1/||Y1||

S200、设置自行车骑行荷载为离散三角函数与对应参入系数的乘积。

具体地，定义离散三角函数用于展开自行车轮轴荷载，具体为：

其中，d

其中，f

S300、采用梁单元建立试验梁有限元模型，并采用模态叠加算法计算预设跨底面的弯矩响应和加速度响应。

可选地，所述梁单元采用2节点4自由度的梁单元，单元划分个数大于等于20个。

具体地，还需要计算试验梁前5阶自然频率与前5阶振型。

具体地，依次取公式(4)中矩阵D的每一列作为试验梁的输入，结合试验梁有限元模型，采用模态叠加法计算3/5跨的弯矩和加速度响应。记弯矩响应为h

式中，ε表示测量噪声。依据公式(5)，试验梁在自行车骑行荷载激励下，测点响应与结构输入的矩阵关系式可表示为Y≈Hα，其中H表示系统映射矩阵。

S400、根据所述参入系数、模拟计算的弯矩响应和加速度响应及所述采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程。

具体地，引入L1范数正则化构建自行车骑行荷载识别优化问题，如下：

式中，λ表示正则化参数，α

S500、根据所述荷载识别优化方程确定所述参入系数，并根据确定的参入系数及离散三角函数确定自行车骑行荷载。

具体地，采用改进快速迭代阈值压缩算法求解优化方程，即公式(6)；然后，结合α

实施本发明实施例包括以下有益效果：本发明实施例通过自定义自行车荷载的参入系数、模拟计算的弯矩响应和加速度响应及采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程，并根据优化方程确定参入系数及离散三角函数确定自行车骑行荷载；从而通过考虑稀疏约束的自行车骑行荷载反演算法，实现准确评估自行车骑行荷载。

下面以一个具体实施例说明本申请的自行车骑行荷载的识别系统及方法。

首先，安装如附图2所示的自行车骑行荷载识别系统，用于识别自行车骑行荷载。具体地，前导梁长6m，后导梁长6m，中间试验梁长6m。导梁与试验梁均为等截面形式。在试验梁两端安装光电门，在试验梁3/5跨下表面安装一个应变片和一个加速度传感器。试验梁主梁抗弯刚度为EI＝3.1836e+06N*m

从前端导梁开始，骑行自行车匀速通过试验梁，通过试验梁两端的光电门获取自行车轮轴的时刻，并计算出自行车骑行速度，设速度为3m/s。自行车轮轴荷载等效描述为两个集中力，前后轮轴间的轴距设为1m。模拟自行车荷载为：

前轮：f(t)＝40×9.8×[1+0.1sin(10πt)+0.05sin(40πt)]N

后轮：f(t)＝45×9.8×[1+0.1sin(10πt)+0.05cos(50πt)]N

利用试验梁前5阶模态信息，采用振型叠加法仿真试验梁振动响应。试验梁前5阶模态阻尼比均取为1％。正分析时间间隔设为0.001秒。在试验梁3/5跨底面安装一个沿试验梁纵向的应变片和一个加速度传感器，采样频率设为1000Hz。考虑1％测量噪声影响，仿真公式如下：

式中，b

依据结构有限元模型，选用离散三角函数展开自行车骑行荷载。对于单个自行车轮载，选用荷载分量个数为n

采用改进快速迭代阈值压缩算法求解优化方程。算法迭代的停机条件设为，达到最大迭代次数5000次。正则化参数选取为λ＝0.001×β

附图5为自行车前轮采用本申请的识别方法进行评估得到的识别荷载及前轮的真实荷载，附图6为自行车后轮采用本申请的识别方法进行评估得到的识别荷载及前轮的真实荷载；从附图5和附图6可知，本申请的自行车骑行荷载的识别方法能有效地反演自行车骑行真实荷载，且具有较高的识别精度。

如图7所示，本发明实施例提供了一种自行车骑行荷载的识别系统，包括：

信号采集单元，用于采集自行车通过所述试验梁的光电门信号、弯矩响应和加速度响应，并根据所述光电门信号获取预设的弯矩响应和加速度响应；其中，所述自行车从静止开始加速通过所述第一导梁，匀速通过所述试验梁，减速通过所述第二导梁并停止；

函数设置单元，用于设置自行车骑行荷载为离散三角函数与对应参入系数的乘积；

模型建立单元，用于采用梁单元建立试验梁有限元模型，并采用模态叠加算法计算预设跨底面的弯矩响应和加速度响应；

方程建立单元，用于根据所述参入系数、模拟计算的弯矩响应和加速度响应及所述采集预设的弯矩响应和加速度响应建立自行车骑行荷载识别优化方程；

荷载确定单元，用于根据所述荷载识别优化方程确定所述参入系数，并根据确定的参入系数及离散三角函数确定自行车骑行荷载。

可见，上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

如图8所示，本发明实施例提供了一种自行车骑行荷载的识别装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第二方面实施例所述的识别方法。

可见，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

此外，本申请实施例还公开了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机程序，处理器执行该计算机程序，使得该计算机设备执行图1所示的方法。同样地，上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。