将人工智能集成到无线智能传感器平台中的边缘集成,用于铁路桥梁冲击探测

科学领域:

• 结构工程 结构工程
• 人工智能的人工智能
• 无线传感器网络 无线传感器网络

背景情况:

• 许多美国铁路桥梁已超过100年,由于垂直空隙不足,造成风险.
• 超高的车辆冲击可能会造成严重的结构损坏和服务中断.
• 快速检测和通知对于确保桥梁安全和促进维修至关重要.

研究的目的:

• 开发一个边缘计算框架,用于实时检测铁路桥上的冲击.
• 在无线智能传感器上直接实现机器学习预测.
• 克服传统的集中数据处理的局限性,以实现时间敏感的结构健康监测.

主要方法:

• 在无线智能传感器上开发了机器学习 (ML) 边缘实施框架.
• 利用Xnode无线智能传感器平台进行AI模型部署.
• 在铁路桥上的撞击事件中使用传感器数据测试了框架.

主要成果:

• 拟议的边缘计算框架有效地在传感器节点上直接处理传感器数据.
• 消除了对数据传输到中央位置进行撞击检测的需求.
• 证明了该框架对时间敏感的结构健康监测应用程序的有效性.

结论:

• 在无线智能传感器上 ML 的边缘实现是快速撞击检测的可行解决方案.
• 这种方法提高了关键基础设施结构健康监测的效率和及时性.
• 该框架提供了一种具有成本效益和可扩展的方法,以确保铁路桥梁的安全.