توسط محققان دانشگاهی صورت گرفت

ارائه روشی مقرون به صرفه در پایش سطح جاده ها

ارائه روشی مقرون به صرفه در پایش سطح جاده ها

به گزارش شاپ محققان دانشگاه صنعتی امیرکبیر با توسعه سامانه ای امکان پایش بافت درشت روسازی های آسفالتی با بهره گیری از صدای اندرکنش لاستیک/سطح جاده را تسهیل بخشیدند.


به گزارش شاپ به نقل از ایسنا، محمدرضا گنجی، دانش آموخته دوره دکتری دانشگاه صنعتی امیرکبیر و مجری طرح «توسعه سامانه برداشت و تحلیل بافت درشت روسازی های آسفالتی بوسیله پردازش صوت اندرکنش سطح جاده/لاستیک» اظهار داشت: اصطکاک سطح جاده ها، یکی از پارامترهای مهم در ایمنی جاده ها و بافت درشت یکی از فاکتورهای مهم تأثیرگذار بر آنست.

وی با اعلان اینکه روش های دستی و استاتیک برداشت داده های بافت درشت روسازی در سالهای اخیر در کشورهای پیشرفته به ندرت مورداستفاده قرار گرفته اند، اظهار داشت: این روش ها معایب فراوانی همچون سرعت کم برداشت داده ها، به خطر افتادن جان نیروی انسانی برداشت کننده اطلاعات، هزینه فراوان، برداشت اطلاعات از قسمت محدودی از شبکه و عدم یکپارچگی داده ها دارند.

گنجی افزود: در مقابل روش های نوینی که برداشت داده ها را بصورت مکانیزه و دینامیک انجام می دهند، اغلب این مشکلات را مرتفع می کنند.
وی اشاره کرد: عمده روش های دینامیک توسعه داده شده برای برداشت بافت درشت روسازی ها مبتنی بر لیزر هستند که جزو ابزارهای گرانقیمت برداشت به شمار می روند. پس توسعه روش مکانیزه و دینامیکی که این هزینه ها را کم کند و درعین حال دقت و صحت قابل قبولی در برداشت داده ها داشته باشد، بسیار باارزش است.

گنجی اضافه کرد: بدین جهت توسعه روش مکانیزه و دینامیک ارزان برای پایش بافت درشت روسازی های آسفالتی مدنظر قرار گرفته است. این سامانه شامل استفاده از یک وسیله نقلیه مجهز به میکروفن های با دقت بالا است و قابلیت این را دارد تا با بهره گیری از صدای برداشت شده و سپس پردازش آنها توسط روش های پردازش سیگنال و با بهره گیری از مدلهای توسعه داده شده، شاخص مربوط به بافت درشت سطح برای رویه های نزدیک به هم را عرضه نماید.

محقق دانشگاه صنعتی امیرکبیر اظهار داشت: این روش، روشی ارزان مبتنی بر صدای اندرکنش لاستیک/سطح جاده و با دقت بالا برای پایش بافت درشت است که خود مشتمل بر سه فاز توسعه سخت افزاری (تعیین و جانمایی سنسورها، ساخت قطعات مکانیکی)، توسعه نرم افزاری و پردازشی (شاخص بندی بافت درشت، پردازش سیگنال صدای اندرکنش) و نیز مدل سازی است.

به گفته ی ایشان، در این پژوهش برای ارائه مدل تعیین بافت درشت روسازی با بهره گیری از صدای اندرکنش لاستیک/سطح جاده، ابتدا بطور دقیق مکانیسم های تولید صدای اندرکنش، اثر مکانیسم ها بر مشخصه های صدای اندرکنش، روش های اندازه گیری صدای اندرکنش بررسی شده و سامانه های پایش بافت درشت توسعه داده شده است.

وی افزود: این پژوهش در نهایت منجر به توسعه دو سامانه سرعت کم (کمتر از 40 کیلومتر بر ساعت) و سامانه سرعت زیاد (بالای 40 کیلومتر بر ساعت) شده است.

گنجی با تاکید بر اینکه نتایج این طرح در حوزه راه سازی و راهداری قابل استفاده می باشد، اظهار نمود: در این پژوهش از خرابی های روسازی فقط وجود ترک خوردگی در سطح روسازی آسفالتی ارزیابی شده است که همچون محدودیت های کاربردی برای استفاده عملیاتی این سامانه در سطح تجاری است.

وی افزود: بدین جهت استفاده از این سامانه در وضعیت میدانی نیاز به تحقیقات جامع تر و روش های پردازشی و مدلسازی بدیع تر برای نیل به این مهم دارند تا بتوان در وضعیت میدانی و با وجود خرابی های مختلف، مشخصه بافت درشت را بوسیله صوت اندرکنش استخراج کرد.

گنجی در ارتباط با برتری این سامانه در مقایسه با نمونه های خارجی موجود اظهار داشت: نمونه های خارجی موجود قادر به تفکیک بافت های درشت نزدیک به هم با دقت قابل قبول نیستند که در این پژوهش با اصلاح روش برداشت و نیز استفاده از روش های تحلیلی و مدلسازی قدرتمندتر، مرتفع شده است.

بگفته وی از آنجائیکه میکروفن های استفاده شده در این پژوهش جزو ابزارهای اندازه گیری ارزان در مقایسه با لیزرها (ابزار متداول برداشت بافت درشت) هستند، پس کاهش هزینه در توسعه چنین سامانه ای را بعنوان مزیت مهم این طرح برشمرد.

به نقل از دانشگاه امیرکبیر، استاد راهنمای این پروژه دکتر امیر گل رو و استاد مشاور آن دکتر حمید شیخ زاده از اعضای هیات علمی دانشگاه صنعتی امیر کبیر بوده اند. این طرح حاصل همکاری مشترک آزمایشگاه پردازش تصویر و هوش مصنوعی امیرکبیر (ATTAIN) دانشکده عمران و آزمایشگاه سیگنال های چند رسانه ای (MSRPL) دانشکده برق بوده است.




منبع:

1400/02/15
21:34:46
5.0 / 5
1261
تگهای خبر: ارز , تولید , دانشكده , دانشگاه
این مطلب را می پسندید؟
(1)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۳ بعلاوه ۱
شاپ SHAAP