مشخصات کتاب

Development of an automatic detection system for measuring pavement crack depth on Florida roadways

ویرایش:  
نویسندگان: Lu. Jian John  
سری:  
 
ناشر: College of Engineering, University of South Florida 
سال نشر: 2002 
تعداد صفحات: 93 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

کلمات کلیدی مربوط به کتاب توسعه یک سیستم تشخیص خودکار برای اندازه‌گیری عمق ترک روسازی در جاده‌های فلوریدا: روسازی -- ترک خوردگی -- فلوریدا -- اندازه گیری ، روسازی -- فلوریدا -- تعمیر و نگهداری و تعمیر

در صورت تبدیل فایل کتاب Development of an automatic detection system for measuring pavement crack depth on Florida roadways به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب توسعه یک سیستم تشخیص خودکار برای اندازه‌گیری عمق ترک روسازی در جاده‌های فلوریدا نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب توسعه یک سیستم تشخیص خودکار برای اندازه‌گیری عمق ترک روسازی در جاده‌های فلوریدا

ترک خوردگی اثر نامطلوبی بر عملکرد روسازی دارد و از این رو مهم است معیار مداخله تعمیر و نگهداری با این حال، تشخیص آماری قابل اعتماد از میزان ترک خوردگی نیز می تواند یکی از مشکلات عمده ای باشد که در هنگام مواجهه با آن مواجه می شود پیاده سازی سیستم مدیریت روسازی مشکل اصلی این است که وجود ندارد روش قابل اعتماد برای به دست آوردن مستقیم اطلاعات در مورد عمق ترک روسازی بدون تخریب سازه روسازی این گزارش یک پروژه تحقیقاتی تحت حمایت را خلاصه می کند توسط وزارت حمل و نقل فلوریدا (FDOT) برای توسعه سیستمی که می تواند اندازه گیری خودکار و پویا ترک های روسازی و تخمین عمق ترک بدون تخریب سازه روسازی اصل مورد استفاده در پروژه استفاده بود سنسورهای لیزری با دقت بالا برای اندازه گیری هندسی باز شدن ترک از جمله ترک عرض، شیب لبه ترک، و عمق ترک قابل اندازه گیری. با این داده های به دست آمده و الف مدل شبکه عصبی توسعه یافته در پروژه، عمق ترک را می توان به صورت آماری تخمین زده. بر اساس نتایج ارزیابی، مشخص شد که سیستم توسعه یافته در پروژه می تواند عمق ترک روسازی را با دقت آماری قابل اعتماد تشخیص دهد. برای تشخیص عمق ترک، دو مرحله نیاز است: شناسایی ترک و عمق ترک برآورد کردن. در مراحل اولیه پروژه، چندین رویکرد پیشنهاد شد. اینها رویکردهای پیشنهادی شامل روش اولتراسونیک استاتیک، سنسور اولتراسونیک پویا بود روش، روش حسگر رادار، روش رادار نفوذی زمین و غیره. بر اساس آزمایشات آزمایشگاهی اولیه و جستجو و بررسی متون، نتیجه گیری شد که این روش ها قادر به تشخیص عمق ترک با پایایی آماری نبودند دقت یا کاربرد عملی با این حال، مشخص شد که ترکیبی از دقت سنسورهای لیزری و مدل‌های تخمینی می‌تواند نتایج رضایت‌بخشی ایجاد کند. برای شناسایی پویا ترک، از دو حسگر لیزری برای به حداقل رساندن تشخیص استفاده شد خطاها الگوریتمی به نام همبستگی متقاطع جزئی (PCC) برای بهبود توسعه داده شد توانایی تشخیص ترک این الگوریتم از طریق آزمایشات میدانی و ثابت شده است که عملکرد تشخیص PCC بسیار بهتر از رویکردهای مورد استفاده است در مطالعات تحقیقاتی گذشته برای شناسایی ترک های روسازی. برای اندازه گیری خودکار هندسی باز شدن ترک، یکی از عناصر کلیدی این است اندازه گیری جابجایی طولی سیستم اندازه گیری یک سنسور فاصله برای اندازه گیری جابجایی طولی استفاده شد. با این حال، آزمایشات میدانی نشان داد که نرخ نمونه برداری از سنسور فاصله تاثیر خاصی بر دقت اندازه گیری داشت. بنابراین، یک مدل اسکن-نرخ-اثر-لغو بر اساس داده های تجربی میدانی توسعه داده شد و نتایج مدلسازی با مدل، دقت جابجایی طولی اندازه گیری به طور قابل توجهی بهبود یافته است. با به دست آمده مشخصات هندسی باز شدن ترک و اطلاعات مربوط به بخش روسازی مانند میانگین ترافیک روزانه، چرخه عمر روسازی، سن روسازی، و سایر اطلاعات مربوط به روسازی، از مدل شبکه عصبی برای برآورد استفاده شد عمق ترک پایگاه داده مورد استفاده برای توسعه مدل شبکه عصبی بود از دو بخش تشکیل شده است: یکی قرائت سنسور فاصله شامل هندسی ویژگی های ترک؛ دیگری شامل متغیرهای مربوط به روسازی بود. ترک داده های اطلاعاتی از 95 بخش روسازی با سیستم توسعه یافته در به دست آمد این پروژه و یک سیستم اندازه گیری اولتراسونیک استاتیک که می تواند ترک را به صورت استاتیکی اندازه گیری کند عمق با دقت قابل اعتماد اطلاعات مربوط به روسازی به دست آمد از پایگاه داده ارائه شده توسط FDOT. در توسعه مدل، شبکه های مختلف معماری ها و الگوریتم های آموزشی مختلف مورد بررسی و آزمایش قرار گرفتند. یک بهینه معماری بر اساس آزمون های معماری مدل های مختلف تعیین شد. این سیستم در یک ماشین فشار دستی پیاده سازی و نصب شد. این سیستم اکنون می تواند عمق ترک را با سرعت پیاده روی اندازه گیری کند. سیستم فعلی از دو تشکیل شده است سنسورهای لیزری با دقت بالا، سنسور اندازه گیری فاصله طولی، قابل حمل کامپیوتر با یک رابط برای ارتباط با سنسورها و یک مدل جامع نرم افزار مورد استفاده برای تخمین عمق ترک روسازی با استفاده از خوانش این سنسورها و اطلاعات مربوط به بخش روسازی. این سیستم فقط برای اندازه گیری قابل استفاده است عمق ترک عرضی از آنجایی که مدل شبکه عصبی توسعه‌یافته مبتنی بر داده‌های میدانی بود ترک های عرضی برای اندازه گیری عمق ترک طولی، داده های ترک طولی هستند برای هدف مدل سازی مورد نیاز است. اگرچه این سیستم در حال حاضر با سرعت پیاده روی کار می کند، اما می توان آن را در مدت زمان زیادی کار کرد اگر تغییرات کافی برای افزایش سرعت انجام شود، سرعت سریعتر نزدیک به 55 مایل در ساعت فاصله نمونه برداری و نرخ نمونه برداری با استفاده از یک کامپیوتر قدرتمندتر مانند کامپیوتر صنعتی

توضیحاتی درمورد کتاب به خارجی

Cracking has an adverse effect on pavement performance, and hence it is an important criterion for maintenance intervention. However, statistically reliable detection of the extent of cracking can also be one of the major difficulties encountered when implementing a pavement management system. The main difficulty is that there is no reliable way to directly obtain the information on pavement crack depth without destructing the pavement structure. This report summarizes a research project sponsored by Florida Department of Transportation (FDOT) to develop a system that can automatically and dynamically measure pavement cracks and estimate crack depth without destructing the pavement structure. The principle used in the project was to use high-accuracy laser sensors to measure the crack opening geometric including crack width, crack edge slopes, and measurable crack depth. With these obtained data and a neural network model developed in the project, the depth of the crack can be statistically estimated. Based on the evaluation results, it was found that the system developed in the project can detect pavement crack depth with a statistically reliable accuracy. To detect crack depth, two steps are needed: crack identification and crack depth estimation. At the early stage of the project, several approaches were proposed. These proposed approaches included static ultrasonic method, dynamic ultrasonic sensor method, radar sensor method, ground penetrating radar method, and so on. Based on preliminary laboratory experiments and literature search and review, it was concluded that these methods were not able to detect crack depth with a statistically reliable accuracy or practical applicability. However, it was found that a combination of high- accuracy laser sensors and estimating models could produce satisfactory results. To dynamically identify a crack, two laser sensors were used to minimize the detection errors. An algorithm called Partial Cross Correlation (PCC) was developed to enhance the crack detection ability. This algorithm was evaluated through field experiments and proven that the detection performance of PCC was much better than the approaches used in past research studies for identifying pavement cracks. To automatically measure the crack opening geometric, one of the key elements is the measurement of longitudinal displacement of the measuring system. A distance sensor was used to measure the longitudinal displacement. However, field tests found that the sampling rate of the distance sensor had certain effect on the measurement accuracy. Thus, a scan-rate-effect-canceling model was developed based on field experimental data and modeling results. With the model, the accuracy of the longitudinal displacement measurement was significantly improved. With the obtained crack opening geometric characteristics and the information on the pavement section such as the average daily traffic, pavement life cycle, pavement age, and other pavement related information, a neural network model was used to estimate the crack depth. The database used for the neural network model development was comprised of two parts: one was the distance sensor reading including the geometric characteristics of the crack; the other included pavement related variables. The crack information data were obtained from 95 pavement sections with the system developed in the project and a static ultrasonic measuring system which can statically measure crack depth with a reliable accuracy. The pavement related information data were obtained from a database provided by the FDOT. In the model development, different network architectures and different training algorithms were investigated and tested. An optimal architecture was determined based on the tests of different model architectures. The system was implemented and installed in a manually operated push-car. This system now can measure crack depth at a walking speed. The current system consists of two high-accuracy laser sensors, a longitudinal distance measuring sensor, a portable computer with an interface to communicate with the sensors, and a comprehensive model software used to estimate pavement crack depth using the readings from these sensors and the pavement section related information. The system can only be used to measure transverse crack depth since the developed neural network model was based on field data of transverse cracks. To measure longitudinal crack depth, longitudinal crack data are needed for modeling purpose. Although the system is now operated at walking speed, it can be operated in a much faster speed close to 55 mph if adequate modifications are implemented to increase the sampling interval and the sampling rate by using a more powerful computer such as an industry computer.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Algorithmic Aspects of Wireless Sensor Networks: Fourth International Workshop, Algosensors 2008, Reykjavik, Iceland, July 2008. Revised Selected Pape ... Computer Science Computer Communication N)

دانلود کتاب The Security Archipelago: Human-Security States, Sexuality Politics, and the End of Neoliberalism

دانلود کتاب A Visual C++ és az MFC

دانلود کتاب Mathematisches Lexicon

دانلود کتاب Mon prince ne viendra pas: (Tant pis, je ferai sans !) (French Edition)