Classification of automative vehicles in motion on the basis of vibratory signals generated by them
Klasyfikacja pojazdów samochodowych w ruchu na podstawie generowanych przez nie sygnałów drganiowych
Prace Naukowe GIG. Górnictwo i Środowisko
Rocznik 8
2009
Issue 3
Full text:
Abstract text:
In the article an issue of automotive vehicles classification has been discussed, which is of great importance for the automatization of the measurement process of structure and traffic intensity. These are crucial parameters, which apart from acoustic rate-level parameters, are determined during research of pollution burden attributed to vibroacoustic factors. The basis of functioning of algorithms for measurement systems are measurements of axis number, distance between axes, linear size of moving vehicle. Utilized in research, measuring transducers are expensive but repeatedly have to be placed in the road structure. It is of considerable impediment in utilizing them in portable measurement systems, installed temporarily, in selected places. In connection with the above, it has been proposed to classify automotive vehicles on the basis of surface vibration measurements, with the use of high-sensitivity vibration transducers, installed in the ground, outside the road area. The expected effect of such solution should be mobility of measurement system and its relatively low cost. In the research, a classic model of image recognition process was utilized, which consists of feature extractor and classifier. A classification of vehicles in three categories was adopted, which are related to their mechanical construction and indirectly with their mass. The subject of the research were surface vibrations generated by moving cars; a digital registration of vibratory signals was carried out. The database of measurement data, which was created, included 223 registrations. As a result of this research, a method of extracting distinguishing features from vibratory signals was developed. The basis of creating a vector of distinguishing features was developing discrete representation of vibratory signal into function series, with the application of wavelet analysis method. Moreover, the research results connected with respective stages of algorithm compilation for extraction of features related to selection of wavelet type, estimating number of decomposition levels of vibratory signals, determining method of estimating added value of the feature etc., were presented in the article. The selection of algorithm for classifier development was made in experimental method. Three algorithms were examined with the use of minimum-distance method, i.e. algorithms NN, kNN and MN. Algorithms were tested in offline mode. Comparing their properties, a choice of most efficient algorithm was made, in case of the discussed application. Programming work was realized with the use of MATLAB programming platform. All of the analyses and experiments were carried out with application of scripts (m-files) written by the author.
Keywords (source: BazTech):
Polish abstract:
W artykule omówiono zagadnienie klasyfikacji pojazdów samochodowych, mające znaczenie dla automatyzacji pomiaru struktury i natężenia ruchu drogowego. Są to istotne parametry, które, oprócz parametrów wielkości akustycznych, wyznacza się podczas badań wibroakustycznych czynników obciążeni środowiska. Podstawę działania algorytmów systemów pomiarowych stanowią pomiary liczby osi, odległość między osiami, rozmiarów liniowych przejeżdżającego pojazdu. Stosowane w badaniach przetwornik pomiarowe są kosztowne, a niejednokrotnie muszą być umieszczane w konstrukcji jezdni. Stanowi te istotne utrudnienie w wykorzystaniu ich w przenośnych systemach pomiarowych, instalowanych doraźnie w wybranych miejscach. W związku z powyższym, zaproponowano klasyfikowanie pojazdów samochodowych na podstawie pomiarów drgań podłoża, przy wykorzystaniu wysoko czułych przetworników drgań, instalowanycl w gruncie poza obszarem drogi. Spodziewanym efektem takiego rozwiązania powinna być mobilnośi systemu pomiarowego i relatywnie małe jego koszty. W badaniach zastosowano klasyczny model procesu rozpoznawania obrazów, składający się z eks traktora cech i klasyfikatora. Przyjęto w nich klasyfikację pojazdów w trzech kategoriach związanycł z ich konstrukcją mechaniczną i pośrednio z masą. Przedmiotem badań były drgania gruntu generowane przez przejeżdżające samochody; prowadzono cyfrową rejestrację sygnałów drganiowych. Utworzona baza danych pomiarowych zawierała 223 rejestracje. W wyniku tych badań została opracowana metoda ekstrakcji cech charakterystycznych z sygnałów drganiowych. Podstawę tworzenia wektora cech charakterystycznych stanowiło rozwinięcie dyskretne reprezentacji sygnału drganiowego w szereg funkcyjny z zastosowaniem metody analizy falkowej. W artykule przedstawiono także wyniki badań związanych z poszczególnymi etapami opracowywa nia algorytmu ekstrakcji cech dotyczących wyboru rodzaju falki, określania liczby poziomów dekompo zycji sygnałów drganiowych, określania sposobu obliczania wartości danej cechy itp. Wyboru algorytmu klasyfikatora dokonano na drodze eksperymentalnej. Przebadano trzy algorytmy z wykorzystaniem metod minimalnoodległościowych, tj. algorytmów NN, kNN i MN. Algorytmy testo wano w trybie offline. Porównując ich właściwości, dokonano wyboru najskuteczniejszego w przypadki omawianego zastosowania. Prace programistyczne zrealizowano, wykorzystując platformę programową MATLAB. Wszystkie analizy i eksperymenty przeprowadzono za pomocą napisanych przez autora skryptów (m-plików).
Polish keywords (source: BazTech):
APA
Bartmański, C. (2009). Klasyfikacja pojazdów samochodowych w ruchu na podstawie generowanych przez nie sygnałów drganiowych [Classification of automative vehicles in motion on the basis of vibratory signals generated by them]. Prace Naukowe GIG. Górnictwo i Środowisko, 8(3), 5–18.
MLA
Bartmański, Cezary. “Klasyfikacja Pojazdów Samochodowych w Ruchu na Podstawie Generowanych Przez Nie Sygnałów Drganiowych [Classification of Automative Vehicles in Motion on the Basis of Vibratory Signals Generated by Them].” Prace naukowe GIG. Górnictwo i Środowisko 8.3 (2009): 5–18.