used standard strain gauges to sens

used standard strain gauges to sense the approaching train and
woke the system by detecting changes in stress on the bridge.
Sala et al. [107] used activation sensors type not specified) to
wake their system for monitoring steel truss bridges. In contrast,
Townsend and Arms [123] used a similar technique but
with only one set of track-mounted strain gauges, which varied
their sampling rate depending whether a train is present. They
operated in low sampling mode of approximately 6 Hz to detect
the increase in strain when a train approached. Once detected,
the sensors increased their sampling rate and generated a strain
waveform for data analysis. The authors stated that this reduced
the power from 30 mA for continuous mode to less than 1 mA
for event detection. Chen et al. [35] introduced a prototype
system that developed this further by detecting approaching
trains, waking the measuring sensors on the bridge trusses and
then downloading the measured data onto the passing train,
which acts as a data mule. Another data muling approach is the
BriMon system [32], where trains were fitted with a beacon. A
bridge-mounted high-gain antenna detected the train’s beacon
30+ seconds before the train approached and woke the batteryoperated
accelerometers on the bridge. The accelerometers
measured the vibrations of the passing train on the bridge and
uploaded their data to the passing train. This data muling only
requires local data transmission, which reduces the power usage
further.

ผลลัพธ์ (ไทย) 1:

ใช้เกจวัดเกลียวมาตรฐานรู้สึกรถไฟกำลังมา และตื่นระบบ โดยการตรวจจับการเปลี่ยนแปลงความเครียดบนสะพานศาลา et al. [107] ใช้เปิดใช้งานเซนเซอร์ไม่ได้ระบุชนิด) เพื่อปลุกระบบสำหรับการตรวจสอบสะพานนั่งร้านเหล็ก ความเปรียบต่างเซนด์และแขน [123] ใช้เทคนิค แต่มีเพียงชุดเดียวยึดติดตามสเตรนเกจ ที่อัตราการสุ่มของพวกเขาขึ้นอยู่กับว่า รถไฟมีอยู่ พวกเขาดำเนินการในโหมดสุ่มต่ำประมาณ 6 เฮิรตซ์เพื่อตรวจหาเพิ่มขึ้นในสายพันธุ์เมื่อรถไฟเข้าหา เมื่อตรวจพบเซนเซอร์เพิ่มอัตราการสุ่มตัวอย่าง และสร้างสายพันธุ์สัญญาณสำหรับการวิเคราะห์ข้อมูล ผู้เขียนระบุไว้ว่า นี้ลดลงไฟฟ้า 30 mA สำหรับโหมดต่อเนื่องน้อยกว่า 1 mAสำหรับการตรวจจับเหตุการณ์ Chen et al. [35] แนะนำตัวต้นแบบระบบที่พัฒนาขึ้นนี้เพิ่มเติม ด้วยการตรวจจับใกล้รถไฟ ปลุกเซ็นเซอร์วัดในโครงถักสะพาน และดาวน์โหลดข้อมูลการวัดลงรถไฟผ่านซึ่งทำหน้าที่เป็นล่อข้อมูล วิธีการ muling ข้อมูลอื่นคือความBriMon ระบบ [32], ที่รถไฟที่ประกอบ ด้วยสัญญาณ Aติดสะพานเสาสูงตรวจพบสัญญาณของรถไฟมากกว่า 30 วินาทีก่อนที่รถไฟเข้าหา และตื่น batteryoperated การหัวบนสะพาน การใช้หัววัดการสั่นสะเทือนของรถไฟผ่านบนสะพาน และอัปโหลดข้อมูลไปรถไฟผ่าน Muling ข้อมูลนี้เท่านั้นต้องส่งข้อมูลท้องถิ่น ซึ่งลดการใช้พลังงานอีกต่อไป

ผลลัพธ์ (ไทย) 2:

ใช้สเตรนเกจมาตรฐานรู้สึกถึงความใกล้รถไฟและ
ตื่นระบบโดยการตรวจสอบการเปลี่ยนแปลงในความเครียดบนสะพาน.
ศาลา et al, [107] การเปิดใช้งานเซนเซอร์ชนิดใช้ไม่ได้ระบุ) เพื่อ
ปลุกระบบของพวกเขาสำหรับการตรวจสอบสะพานแบบโครงเหล็ก ในทางตรงกันข้าม
ทาวน์เซนด์และแขน [123] ใช้เทคนิคคล้ายกัน แต่
มีเพียงหนึ่งชุดของแทร็คที่ติดสเตรนเกจที่แตกต่างกัน
อัตราการสุ่มตัวอย่างของพวกเขาขึ้นอยู่กับว่ารถไฟเป็นปัจจุบัน พวกเขา
ดำเนินการในโหมดการสุ่มตัวอย่างต่ำประมาณ 6 เฮิร์ตซ์ในการตรวจสอบ
เพิ่มขึ้นในสายพันธุ์เมื่อรถไฟเดินเข้ามาใกล้ เมื่อตรวจพบ
เซ็นเซอร์เพิ่มขึ้นอัตราการสุ่มตัวอย่างของพวกเขาและสร้างสายพันธุ์
รูปแบบของคลื่นในการวิเคราะห์ข้อมูล ผู้เขียนระบุว่านี้ลด
ไฟจาก 30 mA สำหรับโหมดการอย่างต่อเนื่องเพื่อน้อยกว่า 1 มิลลิแอมป์
สำหรับการตรวจสอบเหตุการณ์ เฉิน, et al [35] แนะนำต้นแบบ
ระบบที่พัฒนาขึ้นนี้ต่อไปโดยการตรวจสอบใกล้
รถไฟตื่นเซ็นเซอร์วัดในปิดปากสะพานและ
จากนั้นดาวน์โหลดข้อมูลที่วัดได้บนรถไฟผ่าน
ซึ่งทำหน้าที่เป็นล่อข้อมูล วิธีการข้อมูล Muling อีกประการหนึ่งคือ
ระบบ BriMon [32] รถไฟที่กำลังพอดีกับสัญญาณ
เสาอากาศกำไรสูงสะพานติดตั้งตรวจพบสัญญาณรถไฟ
30 วินาทีก่อนที่รถไฟจะเดินเข้ามาใกล้และตื่นถ่าน
accelerometers บนสะพาน accelerometers
วัดการสั่นสะเทือนของขบวนรถไฟแล่นผ่านบนสะพานและ
อัปโหลดข้อมูลของพวกเขาไปยังขบวนรถไฟแล่นผ่าน Muling ข้อมูลนี้จะ
ต้องมีการส่งข้อมูลในท้องถิ่นซึ่งจะช่วยลดการใช้พลังงาน
ต่อไป

ผลลัพธ์ (ไทย) 3:

ใช้มาตรฐานสายพันธุ์มาตรวัดความรู้สึกใกล้รถไฟปลุกระบบโดยการตรวจสอบการเปลี่ยนแปลงในความเครียดบนสะพานศาลา et al . [ 107 ] ใช้งานเซนเซอร์ชนิดไม่ระบุ )ปลุกระบบของพวกเขาสำหรับการตรวจสอบสะพานโครงเหล็ก ในทางตรงกันข้ามทาวน์เซนด์และแขน [ 123 ] ใช้เทคนิคที่คล้ายกันแต่มีเพียงหนึ่งชุดของการติดตามที่ติดตั้งเครื่องวัดความเครียดที่แตกต่างกันอัตราการสุ่มตัวอย่างของพวกเขาขึ้นอยู่กับว่ารถไฟที่เป็นปัจจุบัน พวกเขาดำเนินการในโหมดต่ำ ( ประมาณ 6 Hz เพื่อตรวจหาเพิ่มความเครียดเมื่อรถไฟเดินเข้ามาใกล้ เมื่อตรวจพบเซ็นเซอร์อัตราการสุ่มตัวอย่างของพวกเขาและสร้างความเครียดสัญญาณสำหรับการวิเคราะห์ข้อมูล ผู้เขียนระบุไว้ว่า นี้ลดลงพลังจาก 30 มาต่อเนื่องโหมดน้อยกว่า 1 มาสำหรับการตรวจสอบเหตุการณ์ Chen et al . [ 3 ] เปิดตัวต้นแบบระบบที่พัฒนาขึ้นนี้ต่อไปโดยการตรวจสอบใกล้รถไฟ , ตื่นวัดเซ็นเซอร์บนสะพานและโครงข้อหมุนแล้วดาวน์โหลดข้อมูลที่วัดเข้าผ่านรถไฟซึ่งทำหน้าที่เป็นม้าข้อมูล อีกวิธีคือ คนส่งข้อมูลbrimon ระบบ [ 32 ] ที่รถไฟมีเข็มขัด ด้วยสัญญาณ เป็นสะพานติดตั้งเสาอากาศรับสัญญาณของรถไฟสูงพบ30 วินาทีก่อนที่รถไฟจะวิ่งเข้าหาและปลุก batteryoperatedaccelerometers บนสะพาน โดย accelerometersวัดการสั่นสะเทือนของรถไฟผ่านบนสะพาน และอัพโหลดข้อมูลของพวกเขาผ่านการฝึกอบรม ข้อมูลนี้คนส่งเท่านั้นต้องมีการส่งข้อมูลท้องถิ่น ซึ่งจะช่วยลดการใช้พลังงานเพิ่มเติม