Machine Translated by Google

Sistemas Mecánicos y Procesamiento de Señales 174 (2022) 109093

Listas de contenidos disponibles en ScienceDirect

Sistemas Mecánicos y Procesamiento de Señales

página de inicio de la revista: www.elsevier.com/locate/ymssp

Método de pesaje de vehículos sin contacto basado en el modelo de contacto

neumático-carretera y técnicas de visión artificial
b
xuan kong , jie zhang
un
, Tengyi Wang b , Lu Deng C,* , CS Cai d,e
un
Laboratorio clave para el diagnóstico de daños de estructuras de ingeniería de la provincia de Hunan, Facultad de Ingeniería Civil, Universidad de Hunan, Changsha
410082, China
b
Facultad de Ingeniería Civil, Universidad de Hunan, Changsha 410082, China
C
Laboratorio clave para el diagnóstico de daños de estructuras de ingeniería de la provincia de Hunan, Facultad de Ingeniería Civil, Universidad de Hunan, Changsha
410082, China
d
Departamento de Ingeniería de Puentes, Escuela de Transporte, Universidad del Sudeste, Nanjing 211189, Jiangsu, China
y
Departamento de Ingeniería Civil y Ambiental, Louisiana State Univ., Baton Rouge, LA 70803, Estados Unidos

INFORMACIÓN DEL ARTÍCULO RESUMEN

Comunicado por Javad Baqersad La sobrecarga de vehículos es un fenómeno muy común. Los vehículos sobrecargados no solo causan graves daños
a la carretera/puente y acortan su vida útil, sino que también pueden provocar accidentes de tráfico. Por tanto, la
Palabras clave: identificación de la carga de los vehículos es de gran importancia para la gestión de los vehículos sobrecargados y
Pesaje de vehículos en movimiento
también puede proporcionar información valiosa para el diseño y mantenimiento de las infraestructuras de transporte.
Visión por computador
Los métodos de pesaje de vehículos comúnmente utilizados, incluido el pesaje estático, el pesaje en movimiento del
Contacto neumático-carretera
pavimento (PWIM) y el pesaje en movimiento del puente (BWIM), son tecnologías de contacto con debilidades tales
Segmentación de imagen
como una instalación engorrosa, poca durabilidad, vida útil corta y alto mantenimiento. costo. Es deseable contar con
Reconocimiento de caracteres
un método de identificación del peso del vehículo sin contacto, sin ningún sensor o báscula, sobre o debajo de la
carretera y el puente. Por lo tanto, el presente estudio propuso un método sin contacto basado en el modelo de
contacto neumático-carretera y técnicas de visión por computadora. En primer lugar, se deriva teóricamente el modelo
de contacto neumático-carretera en base a la teoría de contacto de Hertz, y se obtiene la relación entre la fuerza
vertical del neumático y la deformación del neumático.
Luego, se adoptan técnicas de visión por computadora como la segmentación de imágenes y el reconocimiento de
caracteres para la identificación de la deformación del neumático y la presión de inflado que se combinan con el
modelo teórico para determinar la fuerza vertical del neumático y luego el peso del vehículo.
Finalmente, se realizan las pruebas de campo en turismos y camiones para verificar el método propuesto.
Los resultados indican que el método propuesto tiene un mejor rendimiento que los métodos de la literatura y muestra
una alta precisión y un rendimiento sólido en la identificación del peso del vehículo en diferentes condiciones de
presión de inflado, peso del vehículo, estado de movimiento y tipo de neumático.

1. Introducción

Con el rápido crecimiento de la industria del transporte por carretera en los últimos años, el fenómeno de la sobrecarga de vehículos se ha vuelto muy común,
especialmente en China. Los vehículos sobrecargados no solo causan graves daños a la carretera/puente y acortan su vida útil, sino que

* Autor correspondiente.
Direcciones de correo electrónico: kongxuan@hnu.edu.cn (X. Kong), zhangjietm@hnu.edu.cn (J. Zhang), wangty96@hnu.edu.cn (T. Wang), denglu@hnu.edu.cn
(L. Deng), cscai@seu.edu.cn, cscai@lsu.edu (CS Cai).

https://doi.org/10.1016/j.ymssp.2022.109093 Recibido el
26 de octubre de 2021; Recibido en forma revisada el 22 de marzo de 2022; Aceptado el 24 de marzo de 2022
Disponible en Internet el 12 de abril de 2022
0888-3270/© 2022 Elsevier Ltd. Todos los derechos reservados.
Machine Translated by Google

X. Kong et al. Sistemas Mecánicos y Procesamiento de Señales 174 (2022) 109093

también es probable que provoque accidentes de tráfico. Por un lado, cuando un vehículo supera el límite de peso, aumenta el riesgo de colapso del puente y fallas en la carretera,
ya que los puentes/carreteras están diseñados para soportar un peso y una tensión limitados. El peso pesado constante en las carreteras/puentes también conduce a una mayor
tasa de reparación. Por otro lado, todos los camiones tienen límites de peso que son seguros para que los conductores maniobren, es decir, un sobrepeso dificultará el control de
los conductores y frenará el vehículo, aumentando la posibilidad de accidentes. Por lo tanto, la identificación de la carga del vehículo es de gran importancia para la gestión de
vehículos sobrecargados y proporciona información valiosa para el diseño y mantenimiento de infraestructuras de transporte [1–3].

Los métodos de pesaje de vehículos comúnmente utilizados incluyen el pesaje estático, el pesaje en movimiento del pavimento (PWIM) y el pesaje en movimiento del puente
(BWIM). El pesaje estático como método tradicional utiliza una balanza electrónica estática para obtener el peso del vehículo. La tecnología de pesaje estático se usa ampliamente
para la restricción de peso y la aplicación de sobrecargas en los Estados Unidos y países europeos debido a su alta precisión [4,5]. Sin embargo, el método de pesaje estático
requiere que el vehículo se detenga por completo, lo que tiene una eficiencia muy baja y fácilmente podría causar congestión de tráfico. Además, tiene las desventajas de una
instalación engorrosa, poca durabilidad e inmovilidad [6]. El pesaje en movimiento (WIM) es un método para capturar el eje y los pesos brutos a medida que los vehículos pasan
por los sensores a una velocidad normal o reducida sin detenerse, lo que lo hace más eficiente que el método de pesaje estático. El sistema WIM instalado en el pavimento se
denomina PWIM. Se utilizan diferentes tipos de sensores para la medición PWIM, incluida la placa de flexión, la celda de carga única, sensores de tira como los sensores
piezoeléctricos y piezo-cuarzo [7]. A pesar de que el PWIM tiene una mejor eficiencia, generalmente es menos preciso que la báscula de pesaje electrónica estática porque la
medición del PWIM es sensible a la cantidad de sensores, la irregularidad del camino y la temperatura ambiente. Esos factores tienen un impacto significativo en la calidad y
confiabilidad de los datos medidos. Gajda et al. [8] estudió la cantidad razonable de sensores requeridos por el PWIM para garantizar la precisión de la medición del peso del
vehículo. Liu et al. [9] analizó los efectos de la geometría de la carretera, la rugosidad y la pendiente de los sistemas PWIM. Entre ellos, la rugosidad de la carretera muestra el
mayor impacto en la precisión de la medición de PWIM. Burnos y Rys [10] a través de pruebas de campo indicaron que la velocidad del vehículo y la temperatura ambiente eran los
factores críticos que afectaban la precisión de PWIM. Además, la durabilidad de los sensores y del propio sistema PWIM es un gran problema. Durante la instalación y el
funcionamiento, es necesario excavar el pavimento y los sensores incrustados en el pavimento son vulnerables al constante movimiento de los vehículos que pasan, lo que provoca
una vida útil corta y una alta

costo de mantenimiento.

Otro tipo de sistema WIM es el puente de pesaje en movimiento (BWIM), que utiliza un puente instrumentado como plataforma de pesaje. El BWIM es un método indirecto que
mide la respuesta dinámica del puente, como la tensión o el desplazamiento del puente, para identificar el peso de los vehículos que viajan por el puente [11]. Moses [12] propuso
el método BWIM en 1979 y estableció el marco básico de BWIM basado en la relación entre las líneas de influencia del momento del puente y las posiciones de las cargas de los
vehículos. Richardson et al. [13] revisó el desarrollo del método de pesaje de vehículos desde el pesaje estático hasta BWIM y comparó la precisión de varios dispositivos BWIM.
Yu et al. [14] presentó una revisión exhaustiva del método BWIM y sus aplicaciones. Cardini y Dewolf [15] adoptaron el método del área de tensión en BWIM y realizaron el
monitoreo a largo plazo de un puente simplemente apoyado en una carretera interestatal, pero el BWIM solo pudo obtener el peso bruto del vehículo. Ojio et al. [16] propusieron un
método de fuerza de reacción para identificar la carga por eje de los vehículos, pero la medición de la fuerza de apoyo es difícil en aplicaciones prácticas, y este método no es
adecuado para el seguimiento de la carga de tráfico a largo plazo. Recientemente, Él et al. [17,18] propusieron un método de viga virtual simplemente apoyada que podría usarse
para eliminar la influencia de la condición límite y mejorar la precisión de la identificación del peso del vehículo en función de la combinación del método del eje virtual y el algoritmo
de Moses. El método BWIM tiene las ventajas de una buena durabilidad del sensor, una alta precisión de identificación y una instalación conveniente. Sin embargo, el BWIM es
susceptible a los factores ambientales (por ejemplo, vibración y ruido), ya que la vibración del puente inducida por el vehículo es muy compleja. Mientras tanto, BWIM aún requiere
la instalación de un sistema de sensores en los puentes, lo que podría resultar costoso. Por lo tanto, es necesario desarrollar un método de pesaje de vehículos rentable y robusto
con alta precisión para la aplicación práctica.

La tecnología de visión por computadora (CV) con ventajas tales como una instalación simple, bajo costo y medición sin contacto se ha desarrollado rápidamente en los últimos
años y se ha aplicado ampliamente en la medición del desplazamiento estructural, la tensión y la información modal. Algunos investigadores han combinado CV con PWIM para
obtener la distribución espacio-temporal de las cargas de los vehículos. Chen et al. [19] combinó los datos de peso PWIM y la información de la cámara para identificar la distribución
espacio-temporal de las cargas de los vehículos en el puente de la bahía de Hangzhou de gran envergadura. Dan et al. [20] presentó la fusión del sistema PWIM y el sistema CV,
en el que el peso del vehículo se obtuvo a través del PWIM antes de ingresar al puente y la trayectoria del vehículo en el puente se rastreó a través de múltiples cámaras.

Ge et al. [21] propusieron un método mejorado basado en la red neuronal convolucional (CNN) YOLO-V3 para el monitoreo de la carga de tráfico. Además, algunos académicos
midieron la respuesta dinámica del puente mediante CV y la combinaron con el método BWIM para identificar el peso de los vehículos que circulaban por el puente. Ojio y Lydon et
al. [22,23] propuso un método BWIM sin contacto que utiliza dos cámaras, una cámara para medir la desviación del puente y la otra cámara para determinar el espacio entre ejes.
Jian et al. [24] y Xia et al. [25] propusieron un método de detección de tráfico que combinaba el CV basado en el aprendizaje profundo con la teoría de la línea de influencia para
identificar automáticamente los parámetros del vehículo, como el peso, la velocidad, el tipo y los ejes de los vehículos que pasaban en puentes de tramos cortos y medianos. Dong
et al. [26] usaron cámaras portátiles para monitorear la deflexión del puente inducida por vehículos en movimiento, y estimaron la distribución de carga del vehículo usando la línea
de influencia de los factores de distribución de carga viva lateral. De acuerdo con la revisión de la literatura anterior, la mayoría de los métodos de identificación de vehículos
basados en CV existentes adquieren el peso del vehículo a través de la báscula, los sensores o los puentes. Es deseable contar con un método de identificación del peso del
vehículo sin contacto, sin sensores ni básculas sobre o debajo de la carretera y el puente. Una alternativa es identificar las fuerzas de contacto entre el neumático y la carretera en
función de la deformación del neumático utilizando técnicas CV. Actualmente, solo Feng et al. [27,28] han realizado un estudio preliminar, en el que la fuerza de contacto del
neumático con la carretera se obtiene multiplicando la presión de inflado por el área de contacto medida por CV. Sin embargo, su método asume que la presión de inflado de las
llantas es igual a la presión de contacto, lo cual no es razonable en muchos casos, especialmente para las llantas de camiones. Además, Anoop et al. [29] propusieron un método
basado en señales de vibración para medir la deformación y la presión de los neumáticos a través de sensores instalados en el centro de la rueda. Aunque este método tiene
ventajas de fácil implementación, bajo costo y alta precisión, es

2
Machine Translated by Google

X. Kong et al. Sistemas Mecánicos y Procesamiento de Señales 174 (2022) 109093

Tabla 10
Comparación de la deformación de los neumáticos entre vacío y lleno.
Neumático
Vacío (N) Cargado (N) Vacío Cargado Diferencia (mm) Vacío Cargado Diferencia (cm)

Deflexión vertical (mm) Longitud de contacto (cm)

Parte delantera 29.925 32.037 20.91 21.36 0,45 20.20 21,61 1,42
Medio 31.648 63.945 12.19 21.76 9,57 14.59 21,69 7,10
Trasero 32.626 68.061 12.55 22.83 10.28 14.82 22.26 7.44

Tabla 11
Comparación del peso del camión entre vacío y lleno.
Carga del vehículo Distribución peso medido Fuerza identificada de desviación vertical eRE (%) Fuerza identificada de longitud de contacto ERE (%)
estado (NORTE) (NORTE) (NORTE)

Vacío Rueda delantera 29.925 30.851 3.09 28.752 ÿ 3,92

Medio 31.648 30.623 ÿ 3,24 30.022 ÿ 5.14
Rueda
Rueda trasera 32.626 31.785 ÿ 2,58 30.976 ÿ 5.06

Peso bruto 188.398 186.516 ÿ 1,00 179.499 ÿ 4,72

Completamente cargado Rueda delantera 32.037 31.741 ÿ 0,92 32.928 2,78

Medio 63.945 65.064 1,75 66.349 3,76
Rueda
Rueda trasera 68.061 69.384 1.94 69.885 2.68

Peso bruto 328.086 332.377 1.31 338.324 3.12

Fig. 21. Error de identificación del peso del camión: (a) carga por eje; (b) peso bruto.

6.2. Identificación del peso del camión

Los camiones pesados también se probaron en el sitio de construcción, como se muestra en la Fig. 20. El peso del camión en estado vacío es 188398 N y
328086 N en estado completamente cargado. La deformación de las llantas delantera, central y trasera se mide usando CV como se muestra en la Tabla 10. Para
la llanta delantera, la deflexión vertical y la longitud de contacto entre las cajas vacía y con carga completa son muy cercanas, lo cual se debe a que la la mayor
parte del peso del vehículo se encuentra en los neumáticos central y trasero.
La deflexión vertical medida basada en CV y la longitud de contacto se utilizan para obtener los pesos de los camiones en los estados vacío y completamente
cargado, como se muestra en la Tabla 11. En comparación con el método de longitud de contacto, los pesos identificados del método de deflexión vertical están
más cerca de el valor medido, pero los pesos identificados por ambos métodos pueden alcanzar un alto nivel de confiabilidad para la identificación del peso del
camión.
Para comparar la precisión bajo diferentes pesos de camión, las Ecs. (15) y (16) se utilizan para evaluar el error del peso del eje del camión y el peso bruto,
como se muestra en la Fig. 21. Para las ecuaciones. (15) y (16), los errores disminuyen con el aumento del peso del vehículo, y los errores están dentro del 4% y
6%, respectivamente. Además, los métodos de pesaje de vehículos basados en CV pueden identificar con mayor precisión los camiones cargados que los vacíos.
Por lo tanto, los métodos de pesaje de vehículos basados en CV han contribuido a monitorear la capacidad de carga de los camiones.
Para estudiar la precisión del peso del camión identificado basado en CV en diferentes estados de movimiento, el camión primero se detuvo en el portátil

17
Machine Translated by Google

X. Kong et al. Sistemas Mecánicos y Procesamiento de Señales 174 (2022) 109093

Tabla 12
Comparación del peso del camión bajo diferentes estados de movimiento.

Distribución del peso del vehículo Peso estático (N) Peso dinámico (N) ERE (%)

Rueda delantera 35.329 33.722 ÿ 4,55

rueda central 75.019 73.892 ÿ 1,50
Rueda trasera 73.353 71.589 ÿ 2.41

Peso bruto 367.402 358.406 ÿ 2,45

Tabla 13
Comparación de peso de camiones para camiones múltiples.

Distribución Camión - ZHE H. N1933 Camión - ZHE H. 28.590 Camión -ZHE H. B3098

Medido Identificación eRE (%) Medido Identificación eRE (%) Medido Identificación ERE (%)
(NORTE) (NORTE) (NORTE) (NORTE) (NORTE) (NORTE)

Parte delantera 41,209 42.182 2.36 41.111 42.254 2.78 44.737 43.775 ÿ 2,15
Medio 77,812 75.438 ÿ 3,05 88.396 87.406 ÿ 1,12 80.654 82.759 2.61

Trasero 79.331 77.229 ÿ 2,65 76.979 79.596 3.40 72.618 75.595 4.10

Peso bruto 396.704 389.698 ÿ 1,77 412.972 418.512 1.34 396.018 404.258 2.08

dispositivo de pesaje que registró el peso estático del camión. La cámara digital captura el neumático que viaja a 20 km/h y las imágenes del neumático de
cada cuadro se ingresan en el método de identificación de peso basado en CV. Finalmente, el peso dinámico del camión se puede identificar en consecuencia,
y los resultados se muestran en la Tabla 12. Indica que la diferencia de carga del neumático entre los estados estático y de movimiento es pequeña, y los
errores máximos de los dos estados están dentro del 5 %. , pero las cargas verticales de las ruedas delantera, media y trasera en estado de movimiento son
menores que en estado estático. La fuerza centrífuga generada por la rotación del neumático eleva el centro de gravedad del camión, lo que reduce la longitud
de contacto y la desviación vertical, y subestima el peso del vehículo cuando se utilizan las Ecs. (15) y (16).
Se realizaron numerosas pruebas de campo sobre el peso de varios camiones para evaluar aún más la precisión mediante el uso de la ecuación. (15). La
comparación del peso identificado para camiones múltiples se muestra en la Tabla 13. Los pesos identificados del camión son consistentes con los datos
medidos, los errores disminuyen con el aumento de los pesos del camión y el error está dentro del 5%. De acuerdo con los errores identificados para camiones
múltiples, el método de identificación de peso basado en CV puede obtener con precisión el peso de camiones múltiples, que se aplica en aplicaciones prácticas.

7. Conclusiones

Este estudio propuso un método de identificación del peso del vehículo sin contacto basado en el modelo de contacto neumático-carretera y técnicas de
visión artificial. El modelo teórico de contacto neumático-carretera se estableció en base a la teoría de contacto mejorada de Hertz. Se adoptaron técnicas de
visión artificial, incluida la segmentación de imágenes y el reconocimiento de caracteres, para identificar la deformación de los neumáticos y la presión de
inflado. Se realizaron pruebas de campo en turismos y camiones para verificar el método propuesto. Se pueden sacar las siguientes conclusiones:

(1) La teoría del contacto de Hertz se mejoró para derivar el modelo teórico del contacto neumático-carretera al integrar las ecuaciones geométricas, de
equilibrio y físicas. Con eso, se estableció la relación entre la fuerza vertical, la deformación del neumático y la presión de inflado, lo que proporciona la
base para la identificación del peso del vehículo.
(2) Se desarrolló la metodología de pesaje de vehículos basada en visión artificial. Es decir, se utilizó el algoritmo de segmentación de imágenes para
extraer automáticamente los bordes del neumático y la llanta. Se adoptó el algoritmo de reconocimiento de caracteres para la detección de caracteres
en la imagen del flanco del neumático. Además, se desarrolló el procedimiento general para identificar la deformación del neumático y la presión de
inflado a partir de la imagen utilizando los métodos de visión por computadora.
(3) Se implementaron algunas pruebas en el SUV para verificar la identificación basada en CV de la deflexión vertical del neumático y la longitud de
contacto. Los resultados muestran que la deflexión vertical y la longitud de contacto predichas por el método basado en CV concuerdan muy bien con
los resultados medidos, con errores dentro del 5 %. El resultado del área de contacto también valida la suposición de la forma de contacto elíptica.

(4) Hay dos formas de determinar el peso del vehículo en función de la ecuación de peso desarrollada y la información disponible de la llanta, es decir, una
forma es usar la deflexión vertical y la presión de la llanta, y la otra forma es usar la longitud de contacto y presión de llanta.
Los resultados de la comparación muestran que el método propuesto tiene una mayor precisión que los métodos en la literatura, y el método que usa
la deflexión del neumático es mejor que el método que usa la longitud de contacto.
(5) Se realizaron pruebas de campo en los SUV y camiones para estudiar la solidez del método propuesto en diversas condiciones, incluidos los efectos de
la presión de inflado, el peso del vehículo, el estado de movimiento y el tipo de neumático. Los resultados muestran que la presión de inflado y el peso
del vehículo tienen un efecto significativo en el error de identificación; sin embargo, el error máximo de identificación del peso del vehículo está dentro
del 10%, lo que indica que el método propuesto tiene un desempeño robusto.

El método de pesaje de vehículos sin contacto tiene las ventajas de alta precisión, larga vida útil y fácil instalación. Además,

18
Machine Translated by Google

X. Kong et al. Sistemas Mecánicos y Procesamiento de Señales 174 (2022) 109093

ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ

ÿAO =
CA - AO
=
Rÿ - 2 2Rf
ÿ -f (A.4)
C.A. Rÿ

Entonces, la relación de Poisson equivalente ÿe se calcula como,

ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ

ÿe =
ÿAO
=
Rÿ - 2 2Rf
ÿ -f ×
R
(A.5)
ÿOB Rÿ F

Dado que ÿ es relativamente pequeño, se puede simplificar como:

ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ

ÿ = arcosen
2 ÿ2Rf - f ÿ
2 ÿ2Rf - f
+
1 2 2Rf
ÿ -f (A.6)
R R
R )3
6 ( ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ

Sustituyendo la Ec. (A.6) en la ecuación. (A.5), tenemos,

2
ÿAO 2Rf - f
ÿe = = (A.7)
2
ÿOB 6R2 + 2Rf ÿ f

En la ecuación. (A.2), el módulo elástico del neumático se ve afectado principalmente por la presión de inflado. Los tipos de llantas se dividen en ocho
categorías en términos de usos y marcas del tamaño de las llantas, como se muestra en la Tabla A1 [45,46]. La relación entre el módulo de elasticidad y la
presión es la siguiente [56,57]:

Entonces = ÿ ÿ p _ _ (A.8)

donde ÿ es el coeficiente de diferentes tipos de neumáticos, como se muestra en la Tabla A1; y ÿ es el coeficiente de influencia del radio del neumático, y los valores
detallados se muestran a continuación.

El radio real de la llanta varía con la presión de la llanta. La Fig. A1 muestra las secciones de los neumáticos en tres condiciones de presión de los
neumáticos: baja presión, presión normal y sobrepresión [56]. Como puede verse, el área de contacto aumentará o disminuirá debido al cambio de presión
de inflado de los neumáticos. Según estudios previos en la literatura, el coeficiente de influencia del radio del neumático ÿ puede reflejar el cambio del área
de contacto con la presión del neumático [57,58]. ÿ = 1,25 para el caso de baja presión, ÿ = 1 para el caso de presión normal y ÿ = 0,75 para el caso de sobrepresión.

Referencias

[1] Z. Chen, THT Chan, A. Nguyen, Y. Ling, Identificación de cargas por eje de vehículos a partir de respuestas de puentes mediante factorización QR de mínimos cuadrados precondicionados
algoritmo, Mec. sist. Proceso de señal. 128 (2019) 479–496, https://doi.org/10.1016/j.ymssp.2019.03.043.
[2] BF Spencer, V. Hoskere, Y. Narazaki, Avances en inspección y monitoreo de infraestructura civil basados en visión por computadora, Ingeniería 5 (2) (2019) 199–222,
https://doi.org/10.1016/j.eng.2018.11.030.
[3] R. Hou, S. Jeong, JP Lynch, M. Ettouney, KH Law, Método analítico de clasificación de carga de puentes basado en datos que utiliza la respuesta estructural y el peso integrados del puente.
datos de camiones en movimiento, Mech. sist. Proceso de señal. 163 (2022) 108–128, https://doi.org/10.1016/j.ymssp.2021.108128.
[4] B. Jacob, V. Feypell-de La Beaumelle, Mejora de la seguridad de los camiones: potencial de la tecnología de pesaje en movimiento, IATSS Research. 34 (1) (2010) 9–15, https://doi.org/
10.1016/j.iatssr.2010.06.003.
[5] H. Rakha, B. Katz, A. Al-Kaisy, Evaluación de campo de las operaciones de la estación de pesaje de camiones, J. Intelligent. Trans. sist. 10 (2) (2006) 49–57, https://doi.org/10.1080/
15472450600626224.
[6] THT Chan, L. Yu, SS Law, TH Yung, Estudios de identificación de fuerzas móviles, I: teoría, J. Sound Vib. 247 (1) (2001) 59–76, https://doi.org/10.1006/
jsvi.2001.3630.
[7] M. Sujon, F. Dai, Aplicación de tecnologías de pesaje en movimiento para el monitoreo de respuesta de pavimentos y puentes: revisión de vanguardia, Auto. Construir. 130
(2021) 103844, https://doi.org/10.1016/j.autcon.2021.103844.
[8] J. Gajda, P. Burnos, R. Sroka, Evaluación de la precisión de los sistemas de pesaje en movimiento para la aplicación directa de vehículos, IEEE. Inteligente. Trans. sist. Revista. 10
(2018) 88–94. https://ieeexplore.ieee.org/document/8263437.
[9] C. Liu, D. Huang, T.-L. Wang, Estudio de impacto dinámico analítico basado en la rugosidad de la carretera correlacionada, Computadoras. Estructura. 80 (20-21) (2002) 1639–1650, https://
doi.org/10.1016/S0045-7949(02)00113-X.
[10] P. Burnos, D. Rys, El efecto de la mecánica del pavimento flexible en la precisión de los sensores de carga por eje en los sistemas de pesaje en movimiento de vehículos, Sensores. 17 (2017) 2053,
https://doi.org/10.3390/s17092053.
[11] D. Cantero, Aproximación de cargas puntuales en movimiento a partir de señales de respuesta de puentes y su aplicación al pesaje en movimiento de puentes, Ing. Estructura. 233 (2021) 111931,
https://doi.org/10.1016/j.engstruct.2021.111931.
[12] F. Moses, Sistema de pesaje en movimiento utilizando puentes instrumentados, J. Transp. Ing. ASCE. 105 (3) (1979) 233–249, https://doi.org/10.1061/TPEJAN.0000783.
[13] J. Richardson, S. Jones, A. Brown, E. O', NA Brien, D. Hajializadeh, Sobre el uso del puente de pesaje en movimiento para el control de camiones con sobrepeso, Inter. J. Pesado.
Vehículo. sist. 21 (2) (2014) 83, https://doi.org/10.1504/IJHVS.2014.061632.
[14] Y. Yu, CS Cai, Lu Deng, Revisión de vanguardia sobre tecnología de pesaje en movimiento de puentes, Adv. Estructura. Ing. 19 (9) (2016) 1514–1530, https://doi.org/10.1177/
1369433216655922.
[15] AJ Cardini, JT DeWolf, Implementación de un sistema de pesaje en movimiento de puente a largo plazo para un puente de vigas de acero en el sistema de carreteras interestatales, J. Bridge Eng.
14 (6) (2009) 418–423, https://doi.org/10.1061/(ASCE)1084-0702(2009)14:6(418).
[16] T. Ojio, K. Yamada, M. Wakao, Pesaje en movimiento de puentes utilizando la fuerza de reacción y el análisis de las características de la carga de tráfico, J. Struct. Ing. 49 (2003) 743–753.
[17] W. He, Lu Deng, H. Shi, CS Cai, Y. Yu, Nuevo método virtual de haz simplemente soportado para detectar la velocidad y los ejes de vehículos en movimiento en puentes,
J. Puente Ing. 22 (4) (2017) 04016141, https://doi.org/10.1061/(ASCE)BE.1943-5592.0001019.
[18] W. He, T. Ling, EJ OBrien, Lu Deng, Método de eje virtual para sistemas de pesaje en movimiento de puentes que no requieren detector de eje, J. Bridge Eng. 24 (9) (2019) 04019086, https://
doi.org/10.1061/(ASCE)BE.1943-5592.0001474.
[19] Z. Chen, H. Li, Y. Bao, Na Li, Y. Jin, Identificación de la distribución espacio-temporal de las cargas de los vehículos en puentes de tramo largo utilizando tecnología de visión por computadora,
Estructura. Control. Salud. Monitorear 23 (3) (2016) 517–534, https://doi.org/10.1002/stc.1780.

20
Machine Translated by Google

X. Kong et al. Sistemas Mecánicos y Procesamiento de Señales 174 (2022) 109093

[20] DH Dan, LF Ge, XF Yan, Identificación de cargas en movimiento basada en la fusión de información del sistema de pesaje en movimiento y visión artificial de múltiples cámaras,
Medida 144 (2019) 155–166, https://doi.org/10.1016/j.measurement.2019.05.042.
[21] L. Ge, D. Dan, H. Li, Un método de monitoreo preciso y robusto de la distribución de carga de tráfico de puente completo basado en la visión artificial YOLO-v3, Struct. Control. Salud.
Vigilancia. 27 (12) (2020), https://doi.org/10.1002/stc.2636.
[22] T. Ojio, CH Carey, EJ OBrien, C. Doherty, SE Taylor, Pesaje en movimiento de puentes sin contacto, J. Bridge Eng. 21 (7) (2016) 04016032, https://doi.org/10.1061/
(ASCE)BE.1943-5592.0000776.
[23] M. Lydon, SE Taylor, D. Robinson, A. Mufti, EJO Brien, Desarrollos recientes en el pesaje de puentes en movimiento (B-WIM), J. Civil. Estructura. Salud. Vigilancia. 6 (1)
(2016) 69–81, https://doi.org/10.1007/s13349-015-0119-6.
[24] XD Jian, Y. Xia, JA Galant, LM Sun, Metodología de detección de tráfico que combina la teoría de líneas de influencia y técnicas de visión por computadora para puentes de vigas, J. Sensors. 1
(2019) 1–15, https://doi.org/10.1155/2019/3409525.
[25] Y. Xia, XD Jian, B. Yan, D. Sun, Supervisión de la carga de tráfico orientada a la seguridad de la infraestructura mediante el uso de sensores múltiples y una sola cámara para puentes de tramo corto y
medio, Remoto. Detección. 11 (2019) 1–21, https://doi.org/10.3390/rs11222651.
[26] C.-Z. Dong, S. Bas, FN Catbas, Un enfoque de monitoreo portátil que usa cámaras y visión por computadora para la calificación de carga de puentes en ciudades inteligentes, J. Civil. Estructura. Salud.
Vigilancia. 10 (5) (2020) 1001–1021, https://doi.org/10.1007/s13349-020-00431-2.
[27] MQ Feng, RY Leung, CM Eckersley, Pesaje en movimiento de vehículos sin contacto usando visión artificial, Medición 153 (2020) 107415, https://doi.org/
10.1016/j.medida.2019.107415.
[28] MQ Feng, RY Leung, Aplicación de visión artificial para la estimación del peso de vehículos en movimiento, IEEE. sensores J. 21 (2020) 11588–11597, https://doi.org/
10.1109 / JSEN.2020.3038186.
[29] PS Anoop, P. Nair, V. Sugumaran, Influencia del desequilibrio en la precisión de clasificación del sistema de control de la presión de los neumáticos mediante señales de vibración, Struct.
Monitoreo de salud de durabilidad. 15 (2021) 261–279, https://doi.org/10.32604/sdhm.2021.06656.
[30] KL Johnson, en: Mecánica de contacto, Cambridge University Press, Cambridge, 1987, págs. 99–104, https://doi.ISBN 0521 34796 3.
[31] A.-M. Wazwaz, Soluciones de solitones múltiples para la ecuación de Boussinesq, Appl. Matemáticas. computar 192 (2) (2007) 479–486, https://doi.org/10.1016/j.
amc.2007.03.023.
[32] H. Nakashima, A. Oida, Algoritmo e implementación del código de análisis de contacto suelo-neumático basado en el método dinámico FE-DE, J. Terramecánica. 41 (2-3) (2004)
127–137, https://doi.org/10.1016/j.jterra.2004.02.002.
[33] J. Prezelj, J. Murovec, S. Huemer-Kals, K. Hasler, ¨ P. Fischer, Identificación de diferentes manifestaciones de fenómenos de stick-slip no lineales durante el ruido de frenado de fluencia mediante el
uso de algoritmos de aprendizaje no supervisados k-means y mapa autoorganizado, Mech. sist. Proceso de señal. 166 (2022) 108349, https://doi.org/10.1016/j.ymssp.2021.108349 .

[34] O. Loyola-Gonzalez, Black-Box vs. White-Box: comprensión de sus ventajas y debilidades desde un punto de vista práctico, IEEE Access 7 (2019)
154096–154113.
[35] TY Deo, AD Patange, SS Pardeshi, R. Jegadeeshwaran, AN Khairnar, HS Khade, Un marco SVM de caja blanca y su optimización basada en enjambres para
supervisión de fresas dentadas mediante caracterización de vibraciones de husillo, arXiv. 2112 (08421) (2021), https://doi.org/10.48550/arXiv.2112.08421.
[36] AD Patange, R. Jegadeeshwaran, Aplicación de clasificadores de la familia bayesiana para el control del estado de insertos de herramientas de corte en fresado CNC, International Journal of
Pronósticos y Salud, Manejo. 11 (2020) 1–13, https://doi.org/10.36001/ijphm.2020.v11i2.2929.
[37] C. Revol, M. Jourlin, Un nuevo algoritmo de crecimiento de la región de varianza mínima para la segmentación de imágenes, Pattern Recogn. Letón. 18 (3) (1997) 249–258, https://doi.org/10.1016/
S0167-8655(97)00012-3 .
[38] Y. Dong, M. Liao, X. Zhang, F. Wang, Diagnóstico de fallas de rodamientos de elementos rodantes basado en un método morfológico modificado, Mech. sist. Proceso de señal. 25 (4)
(2011) 1276–1286, https://doi.org/10.1016/j.ymssp.2010.10.008.
[39] W. Phornphatcharaphong, NE Anant, Segmentación de imágenes en color basada en bordes usando movimiento de partículas en un campo de imagen vectorial derivado de la distancia de color local
imágenes, J. Imaging. 6 (2020) 53–72, https://doi.org/10.3390/jimaging6070072.
[40] RB Chen, YF Luo, Un método mejorado de ubicación de matrículas basado en la detección de bordes, Physics Procedia 24 (2012) 1350–1356, https://doi.org/10.1016/j.
phpro.2012.02.201.
[41] F. Albu, D. Hagiescu, M. Puica, L. Vladutu, tutor inteligente para la aplicación de escritura a mano de niños de primer grado, Actas de la Tecnología Internacional,
Conferencia Educación y Desarrollo. (2015) 3708-3717, https://doi.org/10.1.1.716.6559.
[42] F. Albu, Técnicas de registro de imágenes de baja complejidad basadas en proyecciones integrales, en: Conferencia Internacional sobre Sistemas, Señales y Procesamiento de Imágenes
(IWSSIP), 2016, págs. 1–4, https://doi.org/10.1109/IWSSIP.2016.7502708.
[43] RK Khamdamov, HE Rakhmanov, Un algoritmo de segmentación de caracteres para matrículas de vehículos, Cibernética. Sistema, Análisis. 55 (4) (2019) 649–654, https://
doi.org/10.1007/s10559-019-00173-0.
[44] S. Wang, H. Wang, Y. Zhou, J. Liu, P. Dai, X. Du, M. Abdel Wahab, Reconocimiento automático de perfil láser y seguimiento rápido para la medición de luz estructurada usando
aprendizaje profundo y coincidencia de plantillas, Medida 169 (2021) 108362, https://doi.org/10.1016/j.measurement.2020.108362.
[45] GB/T 2977-2016, Designación de tamaño, dimensiones, presión de inflado y capacidad de carga para neumáticos de camión. 2016.
[46] GB/T 2978-2014, Designación de tamaño, dimensiones, presión de inflado y capacidad de carga para neumáticos de turismos. 2014.
[47] Z. Chen, ZP Xie, J. Zhang, Medición de la fuerza de interacción entre el vehículo y el puente mediante el control dinámico de la presión de los neumáticos, Mech. sist. Proceso de señal. 104 (2018)
370–383, https://doi.org/10.1016/j.ymssp.2017.11.001.
[48] A. Mohsenimanesh, SM Ward, MD Gilchrist, Análisis de tensión de un neumático de tractor multilaminado utilizando análisis de elementos finitos 3D no lineal, Materiales. Diseño. 30 (4) (2009) 1124–
1132, https://doi.org/10.1016/j.matdes.2008.06.040.
[49] JTG E60-2008, Procedimientos de prueba de campo para subrasante y pavimento de carreteras, Instituto de Ciencias Viales, Ministerio de Comunicaciones. 2008. https://doi.ISBN
978-7-114-07296-3.
[50] D. Liu, Y. Wu, Y. Xu, J. Li, Respuesta estocástica del sistema de recolección de energía de vibración biestable sujeto a ruido blanco gaussiano filtrado, Mech. sist. Proceso de señal. 130 (2019) 201–
212, https://doi.org/10.1016/j.ymssp.2019.05.004.
[51] Q. Liu, A. Shalaby, Simulación de la respuesta del pavimento a la presión de los neumáticos y la forma del área de contacto, Can. J.Civil. Ing. 40 (3) (2013) 236–242, https://doi.org/
10.1139/cjce-2011-0567.
[52] W. Alkasawneh, E. Pan, R. Green, El efecto de la configuración de carga y la geometría de la huella en la respuesta del pavimento flexible basado en la teoría elástica lineal, Road.
Materiales. Acera. Diseño. 9 (2) (2008) 159–179, https://doi.org/10.1080/14680629.2008.9690112.
[53] PS Pillai, YG Li, Fórmula empírica para calcular el área de huella de neumáticos, Caucho. traducción. 2 (1988) 34-37, https://doi.CNKI:SUN:SJXG.0.1988-02-007.
[54] M. Peng, CF Gong, Rigidez radial de los neumáticos de automóviles, Tianjin, Automóvil 3 (1994) 16–19. https://doi.CNKI:SUN:SXQC.0.1994-04-004.
[55] RB Machemehl, F. Wang, JA Prozzi, Estudio analítico de los efectos de la presión de los neumáticos de camiones en los pavimentos con datos medidos de la tensión de contacto entre el neumático y el pavimento, Transp.
Nada. Rec. 1919 (1) (2005) 111–120, https://doi.org/10.1177/0361198105191900112.
[56] D. Jeong, SB Choi, J. Lee, M. Kim, H. Lee, Números adimensionales de neumáticos para el análisis de características de neumáticos y señales de neumáticos inteligentes, Mech. sist. Proceso de
señal. 161 (2021) 107927, https://doi.org/10.1016/j.ymssp.2021.107927.
[57] JD Zhuang, Neumático de automóvil, Prensa del Instituto de Tecnología de Beijing, 1996 https://doi.ISBN 7-81045-067-0.
[58] LG Loría, JP Aguiar, A. Vargas, en: Los roles de las pruebas aceleradas de pavimentos en la ingeniería, el medio ambiente y la economía de la sostenibilidad del pavimento, Springer,
2016, https://doi.org/10.1007/978-3-319-42797-3.

21