目前商用桥梁动态称重系统(weigh-in-motion systems,BWIM)大多基于Moses算法,虽然能高效快速地识别行驶于桥梁的车辆轴重,但轴重识别精度偏低。为解决这一问题,提出基于迭代加权最小二乘的桥梁动态称重(iteratively reweighted least s...目前商用桥梁动态称重系统(weigh-in-motion systems,BWIM)大多基于Moses算法,虽然能高效快速地识别行驶于桥梁的车辆轴重,但轴重识别精度偏低。为解决这一问题,提出基于迭代加权最小二乘的桥梁动态称重(iteratively reweighted least squares,IRLS)算法。与Moses算法不同,IRLS算法考虑了荷载响应中存在的多种不确定性因素,为每个荷载响应值提供一个合适的权重系数,区分不同荷载响应对轴重识别的贡献度。首先,将迭代加权最小二乘引入桥梁动态称重,推导出相应的轴重识别计算公式;然后,通过车桥数值仿真模型,分别用IRLS算法和Moses算法识别轴重,对比分析两种算法的精度及影响因素;最后,基于怀化舞水五桥引桥的车桥动力试验,进一步验证IRLS算法用于桥梁动态称重的有效性和准确性。结果表明,IRLS算法能较合理地分配不同荷载响应对轴重识别的贡献度,在一定程度上提高车辆轴重识别的精度。展开更多
针对动目标时差频差无源定位问题以及高斯牛顿迭代法在使用不准初始值进行迭代时会出现结果不准的问题,提出一种基于高斯牛顿迭代的约束加权最小二乘(CWLS)时差频差定位算法。该算法首先把求解非线性时差频差定位方程问题转化为二次规...针对动目标时差频差无源定位问题以及高斯牛顿迭代法在使用不准初始值进行迭代时会出现结果不准的问题,提出一种基于高斯牛顿迭代的约束加权最小二乘(CWLS)时差频差定位算法。该算法首先把求解非线性时差频差定位方程问题转化为二次规划问题,然后重新构造约束条件方程并利用拉格朗日乘子求极值思想求解出目标定位初始解,然后将初始解代入构建的目标位置和速度高斯牛顿迭代方程进行迭代优化。通过计算机仿真在近远场条件下分别对比了所提方法和两步加权最小二乘法(two-stage weighted least squares,TSWLS)等方法的定位性能。仿真实验表明,所提算法对近场目标和远场目标均有着较好的定位效果,其适应高噪声环境能力强、定位精度高。展开更多
文摘目前商用桥梁动态称重系统(weigh-in-motion systems,BWIM)大多基于Moses算法,虽然能高效快速地识别行驶于桥梁的车辆轴重,但轴重识别精度偏低。为解决这一问题,提出基于迭代加权最小二乘的桥梁动态称重(iteratively reweighted least squares,IRLS)算法。与Moses算法不同,IRLS算法考虑了荷载响应中存在的多种不确定性因素,为每个荷载响应值提供一个合适的权重系数,区分不同荷载响应对轴重识别的贡献度。首先,将迭代加权最小二乘引入桥梁动态称重,推导出相应的轴重识别计算公式;然后,通过车桥数值仿真模型,分别用IRLS算法和Moses算法识别轴重,对比分析两种算法的精度及影响因素;最后,基于怀化舞水五桥引桥的车桥动力试验,进一步验证IRLS算法用于桥梁动态称重的有效性和准确性。结果表明,IRLS算法能较合理地分配不同荷载响应对轴重识别的贡献度,在一定程度上提高车辆轴重识别的精度。
文摘针对动目标时差频差无源定位问题以及高斯牛顿迭代法在使用不准初始值进行迭代时会出现结果不准的问题,提出一种基于高斯牛顿迭代的约束加权最小二乘(CWLS)时差频差定位算法。该算法首先把求解非线性时差频差定位方程问题转化为二次规划问题,然后重新构造约束条件方程并利用拉格朗日乘子求极值思想求解出目标定位初始解,然后将初始解代入构建的目标位置和速度高斯牛顿迭代方程进行迭代优化。通过计算机仿真在近远场条件下分别对比了所提方法和两步加权最小二乘法(two-stage weighted least squares,TSWLS)等方法的定位性能。仿真实验表明,所提算法对近场目标和远场目标均有着较好的定位效果,其适应高噪声环境能力强、定位精度高。
