Skip to the main content

Preliminary communication

https://doi.org/10.14256/JCE.4345.2025

Preliminarno istraživanje procjene mase vozila na temelju zvučnih signala s prijelazne naprave mosta

Shichao Qian
Xiaojuan Shu
Mingyan Shen
Yili Luo
Haopeng Dang


Full text: croatian pdf 2.365 Kb

page 143-155

downloads: 49

cite

Full text: english pdf 2.268 Kb

page 143-155

downloads: 60

cite


Abstract

Ova istraživanje predstavlja metodu za određivanje razine opterećenja vozila analizom karakteristika zvučnih signala proizvedenih tijekom prelaska vozila preko prijelazne naprave mosta. Predloženi je pristup neinvazivan i neovisan o uvjetima osvjetljenja, zahvaljujući čemu ima znatne prednosti u primjeni. Na početku provedena su eksperimentalna ispitivanja, a potom su analizom linije trenda amplitude zvučnog tlaka izdvojeni relevantni udarni zvučni signali, pri čemu su prethodno primijenjeni procesi filtriranja, prednaglašavanja signala te detekcije signala. Iz zvučnih su zapisa izdvojene karakteristične značajke signala u frekvencijskoj, vremenskoj i vremensko-frekvencijskoj domeni. Utvrđeno je da odnosi između kratkotrajne energije, entropije energije dobivene metodom empirijskog razlaganja (EMD) te spektralnog centroida pokazuju znatnu povezanost s masom vozila, što omogućuje njihovu primjenu u identifikaciji mase vozila. Konačno, za klasifikaciju mase vozila primijenjen je klasifikator temeljen na algoritmu k-najbližih susjeda (KNN), pri čemu su analizirani rezultati identifikacije pri različitim brzinama vozila i parametrima značajki. Rezultati su pokazali da je KNN klasifikator, postigao visoku razinu točnosti u utvrđivanju mase vozila: 90,8 % pri malim brzinama i 83,1 % pri velikim brzinama. Matrica zabune pokazala je da su pogreške u razvrstavanju najčešće nastajale između susjednih kategorija masa vozila.

Keywords

prepoznavanje mase vozila; prijelazna naprava; zvučni signal; izdvajanje značajki; metoda empirijskog razlaganja (EMD)

Hrčak ID:

347483

URI

https://hrcak.srce.hr/347483

Publication date:

14.4.2026.

Article data in other languages: english

Visits: 262 *