前言
根據(jù)美國土木工程師學會（ASCE）發(fā)布的2017年基礎設施報告卡，美國614,387座橋梁中近40％至少有半個世紀的歷史。2016年，近10％的車輛在結構上存在缺陷。平均每天有1.88億輛車跨越結構上不足的橋梁。橋梁的管理者們不斷尋找更能減小成本效益的方法來保持橋梁的良好維修。

面對人們總是需要主動修復破損橋梁的現(xiàn)狀，需要有切實可行的方案進行橋梁損壞情況的維護與檢測方式。

導致橋梁出現(xiàn)故障和倒塌的主要問題是：

• 基建失敗
• 結構崩潰
• 缺乏良好的維護
• 磨損
• 洪水
• 意外事件

解決方案
我們的解決方案是在橋梁中策略性地放置一對振動傳感器（加速度計或IMU），以執(zhí)行連續(xù)監(jiān)測。通過邊緣的AI和機器學習，我們將生成橋梁磨損的預測模型，并建議用戶安排預防性維護。我們將使用這些算法，然后通過Ultra96頂部的強大FPGA加速它們，以獲得最佳性能。

程序邏輯圖

分別配置Ultra96、樹莓派和Arduino，然后將它們連接在一起。借助樹莓派作為主要的操作界面，將Arduino中讀取得到的數(shù)據(jù)和樹莓派自帶的傳感器的數(shù)據(jù)作為比對放入Ultra96中加速運算得到結果，借助IoT儀表盤來可視化所得到的數(shù)據(jù)結果。

測試

借助模型裝置和實際場景中的數(shù)據(jù)測試得到最大振幅處為橋梁的固有頻率，而進一步測量的目的是分析橋梁是否有通過維護降低其固有頻率的幅度。

如圖中所示的測試得到的橋梁的固有頻率為0.3Hz，而振幅可以達到接近0.5，而提醒修復的目的是將0.5的這個幅度進一步降低，從而減少在固有頻率上對于橋的負擔，從而可以對于橋梁的損壞程度和維護情況進行相應的參照比較，從而達到對于橋梁的保護。