基于神经网络的车辆动态称重方法、装置、设备及介质与流程

1.一种基于神经网络的车辆动态称重方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于神经网络的车辆动态称重方法，其特征在于，所述获取待监测桥梁的通行车辆信息，根据所述通行车辆信息生成随机车流样本的步骤，包括：

3.根据权利要求1所述的基于神经网络的车辆动态称重方法，其特征在于，所述基于有限元方法建立所述待监测桥梁的桥梁耦合振动分析模型，根据所述随机车流样本和所述桥梁耦合振动分析模型建立随机车流桥梁响应深度学习训练理论样本库的步骤，包括：

4.根据权利要求1所述的基于神经网络的车辆动态称重方法，其特征在于，所述根据所述待监测桥梁上安装的动态位移传感器、加速度计和动应变计，实时采集所述待监测桥梁的动态响应数据和噪声数据的步骤，包括：

5.根据权利要求1所述的基于神经网络的车辆动态称重方法，其特征在于，所述通过数据融合算法将所述噪声数据和所述随机车流桥梁响应深度学习训练理论样本库进行融合，得到训练样本的步骤，包括：

6.根据权利要求1所述的基于神经网络的车辆动态称重方法，其特征在于，所述通过所述训练样本进行神经网络模型训练，得到基于物理信息神经网络的车辆动态称重深度学习模型的步骤，包括：

7.根据权利要求1所述的基于神经网络的车辆动态称重方法，其特征在于，所述将所述动态响应数据输入至所述车辆动态称重深度学习模型，输出通过所述待监测桥梁的车辆重量的步骤之后，还包括：

8.一种基于神经网络的车辆动态称重装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的基于神经网络的车辆动态称重方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的基于神经网络的车辆动态称重方法的步骤。