橋梁動態(tài)稱重系統(tǒng)在剛構(gòu)-連續(xù)箱梁橋中的試驗研究

趙 華, 吳漢立，2, 扈振濤, 安家禾

(1.湖南大學 土木工程學院，風工程與橋梁工程湖南省重點實驗室，湖南 長沙 410082;2.密蘇里科技大學 土木建筑與環(huán)境工程學院，美國 密蘇里州羅拉 65409;3.廣東省清遠市交通運輸局，廣東 清遠 511500)

車輛超載不僅會嚴重危害公共交通安全，而且會加速現(xiàn)有公路、橋梁等基礎(chǔ)設(shè)施破壞，造成重大國民經(jīng)濟損失[1-3]。近年來由于橋梁結(jié)構(gòu)超過自身承載能力極限而導致安全事故屢屢發(fā)生，因車輛超載造成基礎(chǔ)設(shè)施破壞以及維護費用增長引起了全社會的廣泛關(guān)注[3-5]。基于以上原因，對于運營車輛的高效管理變得越來越重要。

橋梁動態(tài)稱重 (Bridge Weigh-In-Motion， BWIM)系統(tǒng)，以橋梁結(jié)構(gòu)為載體，利用橋梁結(jié)構(gòu)在車輛荷載作用下的動態(tài)響應(yīng)信號，高效地識別過橋車輛的軸數(shù)、軸距、車速、軸重等信息[3，5]。對車輛信息的精準高效獲取，將有效地提高現(xiàn)代交通的綜合治理水平，并為公路、橋梁等基礎(chǔ)設(shè)施的健康監(jiān)測和管理維護提供依據(jù)[1，3，6]。

美國學者Fred Moses于1979年率先提出了BWIM這一概念，并提出了基于最小二乘法原理的Moses算法[3-5，7]，隨后BWIM系統(tǒng)獲得了快速的發(fā)展[4-6]，并催生了一批現(xiàn)代的商用BWIM系統(tǒng)。1984年澳大利亞學者Peters研發(fā)出了第一套BWIM系統(tǒng)，并命名為AXWAY[4，5，8]，該系統(tǒng)一個最大的缺陷是需要人工干預，因此無法實現(xiàn)大規(guī)模的數(shù)據(jù)采集[8]。2a后，Peters及其團隊又開發(fā)出一套基于涵洞的BWIM系統(tǒng)，命名為CULWAY[4，5，9]，選擇涵洞為研究對象的原因是車輛行駛過程中產(chǎn)生的動態(tài)信號可以被涵洞周圍的土壤快速的吸收，從而可以獲得更為純粹的橋梁靜態(tài)響應(yīng)信號，車輛總重的識別精度達到了±10%[9-10]。進入21世紀，隨著動態(tài)稱重系統(tǒng)在歐洲的蓬勃發(fā)展以及WAVE項目的啟動，催生了著名的商用BWIM系統(tǒng)SiWIM[4，10，11]。

早期的算法以橋梁結(jié)構(gòu)的理論影響線為參照，對行駛車輛的軸重及總重進行識別[3，12]。然而，由于橋梁結(jié)構(gòu)的實際邊界條件、材料特性、幾何特性與理論計算值之間存在明顯的差異[3，12]。因此，用基于理論影響線的BWIM系統(tǒng)來計算的車輛總重，產(chǎn)生的精度損失不可忽略[13]。O′BRIEN等和ZHAO等分別指出，現(xiàn)場標定的橋梁結(jié)構(gòu)實際影響線能更真實地反映橋梁的結(jié)構(gòu)特性，采用現(xiàn)場標定的橋梁結(jié)構(gòu)實際影響線計算車輛軸重和總重，可以顯著提高BWIM系統(tǒng)的軸重計算精度[3-5，13]。

傳統(tǒng)的BWIM系統(tǒng)采用車軸探測器來獲得移動車輛的車軸信息(軸數(shù)、軸距、車速)。通常情況下，車軸探測器被安裝在路面以下，安裝過程需要中斷交通，在一定程度上還會造成路面結(jié)構(gòu)的損傷[5]。為克服以上缺點，非損傷車軸探測技術(shù)應(yīng)運而生，Znidaric在1999年提出在橋梁底部安裝車軸探測傳感器的設(shè)想[10，14]，隨后NOR車軸探測技術(shù)(Nothing on the Road,亦稱為Free of Axle Detector: FAD車軸探測技術(shù))實現(xiàn)了這一設(shè)想，該技術(shù)由于設(shè)備安裝簡便、安裝成本低、識別精度良好，引起了學術(shù)界的廣泛關(guān)注[5，15]。

目前對BWIM系統(tǒng)的研究主要集中在簡支梁橋、板橋、T梁橋等小跨徑橋梁[3，4]，以及正交異性鋼橋面板等車輛荷載作用下，局部效應(yīng)較為明顯的橋梁[4，6，16]。BWIM系統(tǒng)在大跨徑橋梁結(jié)構(gòu)的研究與應(yīng)用依然十分有限[4]。

本文基于廣東省清遠市倫洲大橋(剛構(gòu)-連續(xù)箱梁橋)的實橋測試，采用修正的Moses算法和橋梁結(jié)構(gòu)實際影響線來計算車輛軸重，提出了基于快速傅里葉變換的新型FAD BWIM系統(tǒng)。從而大幅提高了FAD車軸探測傳感器的軸數(shù)、軸距、車速識別精度，進而有效地提高了BWIM系統(tǒng)對于車輛軸重的識別精度。此外，各車道影響線的標定結(jié)果表明該類橋梁整體效應(yīng)強，荷載橫向效應(yīng)不明顯?；诖?，提出了針對該類橋梁的影響線標定的簡化方法。研究成果展現(xiàn)了將BWIM系統(tǒng)的應(yīng)用范圍拓展到大跨變截面剛構(gòu)-連續(xù)梁橋結(jié)構(gòu)體系的可行性，并為后續(xù)研究提供基礎(chǔ)。

1 試驗方案與過程

1.1 測試橋梁簡介

測試橋梁為廣東省清遠市倫洲大橋，如圖1所示，該橋采用變截面預應(yīng)力混凝土剛構(gòu)-連續(xù)梁組合體系。主橋跨徑組合為65 m+2×110 m+65 m，箱梁為單箱單室結(jié)構(gòu)，梁頂部寬度為13.5 m，底部寬度為7.5 m，頂板外側(cè)懸臂長度為3.0 m，箱梁根部高度為6.6 m，跨中梁高2.8 m，橋面鋪裝為10 cm瀝青混凝土鋪裝。下部結(jié)構(gòu)主墩為實體墩，18號橋墩為中主墩，采用剛構(gòu)體系并與主梁固結(jié)；17號橋墩和19號橋墩為邊主墩，邊柱墩橫向設(shè)置3排支座，為結(jié)構(gòu)連續(xù)體系；16號橋墩和20號橋墩為邊墩。

倫洲大橋主橋采用雙向六車道布置，該橋分為上、下游兩幅。橋面布置為：2.0 m(人行道)+11.25 m(行車道)+0.5 m(雙黃線)+11.25 m(行車道)+2.0 m(人行道),共計27.0 m，荷載等級采用城市-A級，設(shè)計車速為60 km/h。

由于主橋上游幅和下游幅結(jié)構(gòu)對稱，本次試驗選擇北岸側(cè)110 m跨上游幅作為試驗跨進行BWIM系統(tǒng)現(xiàn)場試驗，如圖1所示。

圖1 倫洲大橋立面布置及測試跨(單位：cm)Figure 1 The elevation of Lunzhou Bridge and the test span (Unit: cm)

1.2 試驗方案及傳感器布置

本次試驗，標定車采用一輛已知軸重、軸距等信息的四軸標定車進行跑車試驗，試驗過程中標定車以50 km/h的目標車速在橋梁測試跨的3個車道分別進行10次獨立重復的跑車試驗。標定車基本參數(shù)如表1所示。

表1 標定車信息Table 1 Vehicle information for the initial calibration軸距/mm軸重/kNL1(前)L1(中)L1(后)P1(前)P2(中)P3(中)P4(后)GVW(總)1 8503 0001 35059.975.8155.0159.7450.4注: GVW (Gross Vehicle Weight)為標定車總重。

稱重傳感器和車軸探測傳感器(FAD傳感器)均采用縱橋向布置，安裝位置如圖2、圖3所示。

圖2 傳感器橫橋向布置圖(單位：cm)Figure 2 Sensor positions of cross section (Unit: cm)

圖3 傳感器縱橋向平面布置圖(單位：cm)Figure 3 Sensor positions in the longitudinal direction of the bridge(Unit: cm)

FAD傳感器分別布置于車道下距離測試橋跨的跨中前后5 m處的A、C截面，用來記錄各車軸經(jīng)過傳感器產(chǎn)生峰值信號的精確時刻，進而推算車軸數(shù)目、車軸間距以及車速等信息。

FAD1-1和FAD1-2以及FAD1-1’和FAD1-2’代表車道1下的2組車軸探測傳感器。FAD2-1和FAD2-2以及FAD2-1’和FAD2-2’代表車道2下的2組車軸探測傳感器。FAD3-1和FAD3-2代表車道3下的車軸探測傳感器。2個稱重傳感器布置于梁底B截面處，編號為W1和 W2，該組傳感器用于采集車輛過橋時候的梁底動態(tài)響應(yīng)信號，以計算過橋車輛的軸重。為避免跨中橫隔板對應(yīng)變測試產(chǎn)生影響，稱重傳感器布置在跨中截面距南岸2.0 m位置。

1.3 BWIM系統(tǒng)的安裝及測試

BWIM系統(tǒng)的主要構(gòu)成部分有：①FAD傳感器；②稱重傳感器；③動態(tài)應(yīng)變測試儀；④筆記本電腦。在本次BWIM系統(tǒng)的安裝測試中，F(xiàn)AD傳感器和稱重傳感器均選用揚州科動電子技術(shù)研究所生產(chǎn)的KD4001工具式應(yīng)變計，采集儀選用日本株式會社東京測器研究所開發(fā)的DC-204R智能動態(tài)應(yīng)變測試儀，采樣頻率設(shè)置為500 Hz。BWIM系統(tǒng)安裝及測試如圖4所示。

圖4 FAD BWIM系統(tǒng)安裝及現(xiàn)場測試Figure 4 FAD BWIM system installation and field tests

2 BWIM系統(tǒng)的基本原理

2.1 車軸探測技術(shù)

由于測試橋梁整體剛度大，局部效應(yīng)不明顯，車輛通行過橋的過程中產(chǎn)生的結(jié)構(gòu)響應(yīng)會相對較弱，通過快速傅里葉變換可以顯著提高車軸識別精度，從而進一步提高BWIM軸重識別精度。

圖5(a)、 圖5(b)展示了標定車行駛過車道2時傳感器FAD2-2’所采集的信號。由圖5(b)可以看出，車軸經(jīng)過FAD傳感器時會產(chǎn)生明顯的峰值信號，然而，車橋耦合振動以及環(huán)境噪聲會嚴重干擾車軸識別的效率和精度，在某些情況下計算機甚至出現(xiàn)識別錯誤或無法識別的現(xiàn)象。通過快速傅里葉變換設(shè)置帶通頻率為0.001～0.06 Hz，可以有效過濾干擾信號，從而提高車軸識別效率，保證了車軸識別的準確性，如圖5(a)所示。由圖5(a)可以看出，經(jīng)快速傅里葉變換處理過的FAD信號呈現(xiàn)了4個明顯的峰值信號，表明過橋車輛為4軸車，與實際情況相符。

(a) 經(jīng)快速傅里葉變換的FAD信號

圖6展示了標定車行駛過車道2時傳感器FAD2-2’和FAD2-1’所采集的動態(tài)響應(yīng)信號，經(jīng)過經(jīng)快速傅里葉變換處理2個FAD信號均呈現(xiàn)4個干凈的峰值信號，同樣也表明過橋車輛為4軸車。傳感器FAD2-1’所采集的信號滯后于FAD2-2’傳感器△T的時間間隔，可以得出車輛先經(jīng)過FAD2-2’，再經(jīng)過FAD2-1’，這和實際情況也是一致的。由圖3可知，2個FAD傳感器布置間距為L=10.0 m。假定車輛勻速通過2個FAD傳感器，利用公式v=L/△T可以推算出車輛過橋速度。根據(jù)標定車車軸A1， A2， A3， A4通過FAD傳感器的時間刻t1，t2，t3，t4以及車速v， 利用公式Li=v×(ti+1-ti),其中i=1、2、3，可以分別算出軸距L1，L2，L3。因此，過橋車輛的軸數(shù)、軸距、速度、行駛方向等信息可以通過BWIM系統(tǒng)實時高效獲取。

圖6 FAD傳感器車軸識別信號示意圖Figure 6 Axle identification with FAD sensors

2.2 橋梁影響線標定

實際橋梁結(jié)構(gòu)和理想模型之間的力學特性差異無法完全消除，采用理論影響線無法有效地反映橋梁結(jié)構(gòu)真實的邊界條件和結(jié)構(gòu)特性。因此，獲得合理有效的影響線對于BWIM系統(tǒng)的精度提高至關(guān)重要。與理論影響線相比，現(xiàn)場標定的橋梁結(jié)構(gòu)影響線能更加真實地反應(yīng)橋梁的實際結(jié)構(gòu)特性[3，5，13]。

利用現(xiàn)場標定的測試跨中彎矩影響線作為參照，來識別過橋車輛軸重和總重。在已知標定車軸重的前提下，根據(jù)橋梁梁底動態(tài)響應(yīng)，通過對誤差函數(shù)求偏微分，進而標定得到橋梁結(jié)構(gòu)的影響線。

為了說明不同車型的普遍適用情況，以N軸車為例，當標定車行駛到橋面某一位置處時，第k時間刻，梁底C截面位置處的理論縱向彎矩可以表示為：

(1)

(2)

(3)

其中，Xi是與Di相關(guān)的掃描頻數(shù)；Di為第i個車軸與第一個車軸的距離(Di=0)；v代表車速；f為采樣頻率。以本試驗四軸車為例，圖7展示了第k時間刻四軸標定車過橋時各車軸對應(yīng)的影響線縱坐標。

圖7 第k時間刻影響線示意圖Figure 7 The influence line ordinates at time step k

(4)

(5)

(6)

(7)

其中,K表示用于計算影響線的總時間步數(shù)。將式(7)得到的K-XN個等式表示為矩陣模式可得：

[W](K-XN)×(K-XN)×{I}(K-XN)×1={ε}(K-XN)×1

(8)

其中，[W](K-XN)×(K-XN)為一個與軸重相關(guān)的稀疏對稱矩陣;{I}(K-XN)×1代表影響線縱坐標向量;{ε}(K-XN)×1為一個與測量應(yīng)變和軸重相關(guān)的向量，進而由式(8)可以推算出影響線縱坐標向量為：

(9)

2.3 車輛軸重識別

車輛軸重識別算法可以看做影響線標定算法的逆運算，在已知橋梁結(jié)構(gòu)影響線的前提下，根據(jù)橋梁梁底動態(tài)響應(yīng)即C截面動態(tài)應(yīng)變，通過對誤差函數(shù)求偏微分，進而計算車輛軸重和總重。

(10)

(11)

將式(6)定義的誤差函數(shù)表示為矩陣形式可得：

(12)

其中,{P}表示軸重向量; [I]表示與軸重向量{P}對應(yīng)的影響線矩陣; {εm}為與測量應(yīng)變相關(guān)的向量。

根據(jù)最小二乘法原理，利用式(12)定義的誤差函數(shù){ferror}對軸重向量{P}求偏導數(shù)，進而計算出軸重矩陣。

(13)

車輛軸重可以根據(jù)式(14)計算得出。

{P}=EZ[[I]T[I]]-1[I]T{εm}

(14)

車輛總重可以根據(jù)式(14)、 式(15)通過對各軸重求和計算得出。

(15)

3 試驗結(jié)果與分析

3.1 車軸信息識別

車軸信息識別直接關(guān)系到影響線的計算和軸重識別精度。表2列出了標定車過橋時，根據(jù)各車道10次跑車試驗所識別的車輛軸距。

表2 車道2車軸識別結(jié)果Table 2 Axles identification of lane 1, lane 2 and lane 3車道軸距誤差平均值/%誤差標準差/%前軸距L12.20.91中軸距L20.20.4后軸距L32.41.4前軸距L11.61.42中軸距L20.20.8后軸距L3-0.81.6前軸距L1-1.71.13中軸距L21.80.8后軸距L3-1.90.8

由表2可以看出，軸距識別具有非常高的精度。各車道車輛軸距識別誤差均在2.5%以內(nèi)，與此同時，誤差標準差均未超過1.4%，說明軸距計算具有非常高的穩(wěn)定性。

3.2 影響線標定

在影響線標定試驗中，標定車依次在3個車道上分別進行了10趟跑車試驗，其中車道1有1趟數(shù)據(jù)及車道3有3趟數(shù)據(jù)因采集時間步樣本不足故舍去。因此本試驗共獲取26趟有效數(shù)據(jù)。

如圖8～圖10所示，可以看出各車道標定得到的影響線其重復性良好，這說明梁底采集的應(yīng)變信號是穩(wěn)定有效的。以圖8為例可以看出，影響線方向為18#墩到17#墩，這與跑車方向由南至北是一致的。影響線根據(jù)18#墩前30 m作為起點，以17#墩以后30 m作為終點標定影響線。然后采用18#墩至17#墩全橋跨的影響線計算車輛軸重。

圖8 車道1標定影響線Figure 8 Calibrated influence lines of lane 1

圖9 車道2標定影響線Figure 9 Calibrated influence lines of lane 2

圖10 車道3標定影響線Figure 10 Calibrated influence lines of lane 3

為減少偶然誤差對影響線計算的影響，對各車道各趟跑車的標定影響線取平均值作為名義車道影響線，以計算各車道行駛車輛的軸重。由于該實驗橋梁結(jié)構(gòu)剛度大，活載-恒載比較小，整體效應(yīng)顯著，這和小跨徑寬橋有很大的不同。

由圖11對于3個車道平均影響線的對比可以看出，3個車道影響線具有非常高的重復性，其中車道1和車道2的影響線幾乎一致，這與車道1和車道2相對于箱梁近乎對稱的位置關(guān)系是吻合的。因此，對于整體剛度較大的變截面連續(xù)梁橋可以考慮僅標定對稱位置車道的影響線作為名義影響線以簡化影響線標定過程。

圖11 各車道平均影響線對比Figure 11 Comparison of the averaged influence lines of lane1， lane 2 and lane 3

3.3 車輛荷載識別結(jié)果分析

本項研究中，以3個車道分別標定的影響線平均值作為名義影響線來計算各車道過橋車輛組軸重及總重，如表3～表5所示?？紤]到P1和P2軸距較近，耦合效應(yīng)無法消除，因此可以將這2個軸形成一組軸記為GOA1(Group of Axle， GOA)，其單軸重可以近似等于組軸重的一半。同理，P3和P4可以記為另一組軸GOA2，標定車的總重記為GVW(Gross Vehicle Weight)。

影響線的選擇對于軸重識別至關(guān)重要，為了探求不同車道影響線對軸重識別的影響，以同向跑車的3個車道為基礎(chǔ)，分情況一、情況二和情況三3種情況進行討論，情況一、情況二和情況三3分別表示采用車道1、車道2、車道3的平均影響線進行車軸識別。

當各車道采用自身影響線進行車軸計算，根據(jù)車道1情況一(見表3)、 車道2情況二(見表4)、 車道3情況三(見表5)的軸重識別結(jié)果可以知，車道一總重GVW識別誤差范圍為-3.0%～ 1.8%，均值為-1.5%，標準差為1.8%。車道2總重GVW識別誤差范圍為-3.0%～ 2.0%，平均值為0.1%，標準差為1.9%。車道3總重GVW識別誤差范圍為-2.0%～2.0%，平均值為-0.1%，標準差為1.3%?？梢钥闯鲕囕v總重識別誤差均未超過3%，具有非常高的精度，同時具有非常高的穩(wěn)定性，從圖12～圖14亦可得出相同的結(jié)論。

表3 車道1軸重識別誤差分析 Table 3 The error of identified axle weights for calibration vehicle onlane1 %跑車試驗情況一情況二情況三GOA1GOA2P1+P2P3+P4GVWGOA1GOA2P1+P2P3+P4GVWGOA1GOA2P1+P2P3+P4GVW19.3-1.41.85.04.04.0-2.0-3.0-3.02-18.05.0-2.0-26.012.01.0-29.04.0-6.033.0-3.0-1.010.0-2.02.0-13.0-2.0-5.04-12.01.0-3.0-15.06.00.0-23.00.0-7.05-17.03.0-3.0-25.010.00.0-29.02.0-7.06-4.0-3.0-3.0-6.02.00.0-14.0-4.0-7.07-12.02.0-2.0-8.04.00.0-29.03.0-7.082.0-4.0-2.012.0-5.00.0-18.0-2.0-7.09—————————107.0-1.01.03.05.04.0-8.0-1.0-3.0平均值-2.4-1.5 -0.81.2-9.3-5.8標準差7.81.811.51.711.61.7

表4 車道2軸重識別誤差分析 Table 4 The error of identified axle weights for calibration vehicle onlane 2%跑車試驗情況一情況二情況三GOA1GOA2P1+P2P3+P4GVWGOA1GOA2P1+P2P3+P4GVWGOA1GOA2P1+P2P3+P4GVW111.0-7.0-2.018.5-6.41.1-7.0-5.0-6.02-11.0-1.0-4.0-30.011.0-1.0-28.01.0-8.031.0-9.0-6.03.0-6.0-3.0-14.0-8.0-10.041.0-9.0-6.00.0-5.0-3.0-14.0-8.0-10.059.0-6.0-2.011.0-3.01.0-10.0-4.0-6.065.0-6.0-3.0-3.01.30.0-12.0-5.0-7.07-4.00.0-1.0-21.012.02.0-20.01.0-5.0810.0-6.0-1.09.0-2.01.0-10.0-4.0-6.099.0-5.0-1.03.01.02.0-9.0-4.0-5.0105.0-5.0-2.00.01.01.0-12.0-4.0-6.0平均值-0.9-2.8-0.30.1-8.8-6.9標準差7.01.911.01.96.81.9

表5 車道3軸重識別誤差分析 Table 5 The error of identified axle weights for calibration vehicle onlane 3 %跑車試驗情況一情況二情況三GOA1GOA2P1+P2P3+P4GVWGOA1GOA2P1+P2P3+P4GVWGOA1GOA2P1+P2P3+P4GVW1—————————216.0-4.02.019.0-1.05.00.0-3.0-2.0316.0-2.03.020.00.06.01.0-2.0-1.0419.0-3.04.022.00.06.02.0-2.0-1.05—————————617.0-1.04.020.02.07.00.00.00.0724.0-3.05.026.01.08.05.0-1.01.0819.01.06.023.04.09.0-4.04.02.0919.0-2.04.018.02.07.0-3.01.00.010—————————平均值8.34.011.16.9-0.1-0.1標準差10.91.310.61.32.61.3

圖12 車道1軸重識別誤差箱線圖Figure 12 Error box chart of axle weights calculation in lane 1

圖13 車道2軸重識別誤差箱線圖Figure 13 Error box chart of axle weights calculation in lane 2

圖14 車道3軸重識別誤差箱線圖Figure 14 Error box chart of axle weights calculation in lane 3

當各車道采用其他車道影響線進行車軸計算，以車道1軸重識別為例(見表3)，對于車道1情況一，組軸重GOA的識別誤差范圍為-18.0%～9.3%，均值為-2.4%，標準差為7.8%，總重GVW識別誤差范圍為-3.0%～1.8%，均值為-1.5%，標準差為1.8%。對于車道1情況二，組軸重GOA的識別誤差范圍為-26.0%～12.0%，均值為-0.8%，標準差為11.5%，總重GVW識別誤差范圍為0.0%～ 4.0%，均值為1.2%，標準差為1.7%。對于車道1情況三，組軸重GOA的識別誤差范圍為-29.0%～ 4.0%，均值為-9.3%，標準差為11.6%，總重GVW識別誤差范圍為-7.0%～-3.0%，均值為-5.8%，標準差為1.7%。可以看出車道1采用車道2影響線計算時(見表3 CASE2)，組軸重精度略微下降，總重識別精度沒有明顯的變化，車道1采用車道3影響線計算時(見表3 CASE3)，組軸重精度和總重識別精度均有明顯下降，但依然在可以接受的范圍內(nèi)。這與圖11中觀察到的各車道平均影響線的差異是一致的。通過對表4、表5的分析可以得出相同的結(jié)論。

由于剛構(gòu)-連續(xù)梁橋整體效應(yīng)明顯，而局部效應(yīng)較弱，組軸重的識別精度相對于總重的識別精度較低，但是采用對應(yīng)車道影響線進行計算時，組軸重識別結(jié)果仍在可以接受的范圍內(nèi)，標定車總重的識別具有非常高的精度計算誤差均未超過3%，計算穩(wěn)定性好(見表3～表5)，從圖12～圖14亦可得出相同的結(jié)論。

4 結(jié)論

a.從對于車軸探測信號的快速傅里葉變換分析可以看出，快速傅里葉變換可以高效率地過濾FAD傳感器車軸尖峰信號以外的高頻和低頻環(huán)境噪聲，從而可以大幅提高車軸信息識別的效率和準確性。

b.大跨剛構(gòu)-連續(xù)梁橋具有結(jié)構(gòu)剛度大，整體性好，在車輛荷載下局部效應(yīng)不明顯等特點，通過3個車道影響線獨立標定，并對3個車道過橋車輛軸重采用不同車道影響線進行計算對比，可以看出對箱梁截面對稱布置的車道，其標定影響線可以相互替代而不會造成顯著的精度損失，該結(jié)論可以用于簡化影響線標定流程。

c.采用符合實際結(jié)構(gòu)受力特性的影響線對車輛軸重進行計算對于提高BWIM系統(tǒng)的精度至關(guān)重要。當各車道采用自身獨立標定影響線進行車軸計算時，車輛總重識別呈現(xiàn)出非常高的精度，誤差范圍在3%以內(nèi)。

d.針對FAD BWIM系統(tǒng)進行研究，采用優(yōu)化的Moses算法，利用快速傅里葉變化提高車軸識別精度，通過現(xiàn)場試驗，分析了不同車道影響線對車輛軸重識別的影響，獲得了非常好的車輛總重識別精度。