Direkt zum Inhalt springen
login.png Login    |
de | en
MyTUM-Portal
Technical University of Munich

Technical University of Munich

up   Back to  News Board    previous   Browse in News  next    

Masterarbeit // Master Thesis

12.07.2022, Diplomarbeiten, Bachelor- und Masterarbeiten

Single Sensor Bridge Weigh-In-Motion (B-WIM) Ansatz unter Anwendung von Convolutional Neural Networks (CNN) // Single Sensor Bridge Weigh-In-Motion (B-WIM) approach using Convolutional Neural Networks (CNN)

Ziel:
In Anlehnung an [2] soll im Rahmen dieser Arbeit eine B-WIM Algorithmus an-hand von KI-Methoden entwickelt werden. Hierbei soll ein Ansatz verfolgt wer-den, bei dem mit nur einem Sensor (nahezu) alle Fahrzeugparameter bestimmt werden. Hierfür sollen Convolutional Neural Networks (CNN) genutzt werden [2].
Dabei sollen nur Einzelüberfahrten auf einem Bauwerk betrachtet werden. Mit einem System aus einen (oder mehreren) CNN werden über die DMS-Signale die Brücke passierende Fahrzeuge detektiert sowie deren Geschwindigkeit, die (Quer-)Position auf der Brücke und die Achsanzahl ermittelt werden. Dies erfolgt in Anlehnung an [2]. Darüber hinaus soll untersucht werden, ob es möglich ist bestehendes Konzept, um die Ermittlung der Fahrzeugparameter Achsabstand und -gewicht zu erweitern. Hierfür sollen die Methoden aus [1] betrachtet wer-den. Die Genauigkeit und Güte der Ergebnisse gilt es im Anschluss zu analysie-ren. Zuletzt soll als Ausblick die Berücksichtigung einer Mehrfachüberfahrt (z.B. Überholmanöver auf der Brücke) und die Anwendung des trainierten Systems auf andere Bauwerke (Transfer Learning) konzipiert werden.

Vorkenntnisse:
- Motivation und Interesse an der Thematik
- Gute Kenntnisse im Umgang mit der Programmiersprache Python ; ggf. Kenntnisse im Umgang mit dem FE-Programm SOFiSTiK
- Gute Kenntnisse in den Grundlagen und der Anwendung von KI
- Grundkenntnisse im Bereich Statik / Einflusslinien
- Sprache: Deutsch oder Englisch


Objective:
The aim of this thesis is to develop a B-WIM algorithm with AI methods follow-ing [2]. The chosen approach is to determine (almost) all vehicle parameters by using only a single sensor on the bridge. This will be done using Convolutional Neural Networks (CNN) [2].
For this task, only single events of a vehicle passing the bridge should be con-sidered with a system of one (or multiple) CNN. Through signals of a strain gauge, passing vehicles are detected and their speed, (transversal) position on the bridge and number of axles are determined. This should be done in ac-cordance to [5]. Furthermore, the extension of the algorithm to determine the axle spacing and axle weight of the vehicle should be investigated, by consid-ering the methods used in [1]. The accuracy and quality of the results should be analyzed afterwards. Finally, as part of the outlook, the adaptation of the algo-rithm for the passing of multiple vehicles simultaneously shall be designed as well as the application of the trained algorithm on other bridge structures (Transfer Learning).

Previous knowledge:
- Motivation and interest in the topic
- Good knowledge in Python, eventually knowledge in SOFiSTiK (FE-Program)
- Good knowledge of the basics of AI and its application
- Knowledge in the areas of static calculation and influence lines
- Language: German or English


Literatur / References:
[1] Wu, Y.; Deng, L. & He, W.: BwimNet: a novel method for identifying mov-ing vehicles utilizing a modified encoder-decoder architecture. In: Sen-sors, Multidisciplinary Digital Publishing Institute, Nr. 20, 2020.
[2] Kawakatsu, T.; Aihara, K.; Takasu, A. & Adachi, J.: Deep sensing ap-proach to single-sensor vehicle weighing system on bridges. In: IEEE Sensors Journal, IEEE, Nr. 19, S. 243-256, 2018

Kontakt: thibault.tepho@tum.de

More Information

MTh_Proposal_BWIM_KI Single Sensor Bridge Weigh-In-Motion Ansatz unter Anwendung von Convolutional Neural Network, (Type: application/pdf, Size: 145.5 kB) Save attachment