关于汽车动态载荷智能测量的研究

汽车动态称重系统虽然能够适应快速称重,但其称量精度有所下降.为了在快速称重的同时保证称量精度,提出了基于改进Levenberg-Marquardt算法的动态载荷处理方法.首先通过小波变换对动态载荷中的高频随机干扰进行预处理,然后采用改进Levenberg-Marquardt算法对低频动态载荷进行拟合,最后从称重信号中减去拟合的动态载荷即可获得真实的静态载荷.仿真和实验表明,该方法可以有效地降低动态载荷对称量精度的影响,使系统动态称重相对误差小于2%,对高速动态称重精度问题具有一定意义.     

汽车动态称重系统的信号处理研究

相对于静态称重,汽车动态称重具有时间省、效率高等特点.现有的汽车动态称重系统在低速运行时(＜ 10 km/h)的情况下,精度较高;而在中高速情况下,由于汽车受到沿路面垂直方向振动的影响,精度下降较快.通过对动态称重系统的阶跃响应曲线进行辨识,得到称重系统的传递函数.在比较称重系统的理想输出信号与实际测量信号之间差异的基础上,考虑汽车振动对测量造成的影响,总结得到汽车轴重信号波峰补偿算法.试验证明,该方法有效地提高了汽车动态称重的精度.     

耦合型光纤应变传感器在动态称重中的应用

介绍了耦合型光纤应变传感器的工作原理,分析了耦合型光纤应变传感器的设计和应用于汽车动态称重的方案。制作了耦合型光纤应变传感动态称重仪并对基于耦合型光纤应变传感器的动态称重系统进行了静态和动态测试。对测得的信号进行了分析计算和消噪处理,取得了有价值的试验数据。试验证明,耦合型光纤应变传感器能够满足汽车动态称重的要求,具有很好的应用前景。     

基于小波变换和DBN的汽车衡传感器故障诊断

称重传感器作为动态汽车衡的核心部件,一旦发生故障将会对动态称重系统造成严重影响.为了准确地对称重传感器进行故障诊断,提出了一种基于小波变换和深度信念网络(DBN)的故障诊断方法.该方法不仅可以有效地判断出传感器信号是正常波动还是故障,还可以通过将DBN模型的预测值代替实测故障值,保证动态称重系统输出的准确性.通过仿真实验证明:该方法能够对故障传感器进行判别与估计,有效提高了动态称重系统的精度.     

基于光纤微弯传感器的汽车动态称重系统设计

为解决目前汽车动态称重过程中存在的电磁干扰和精确度低的问题,在分析光纤微弯传感器测量原理的基础上,提出了一种基于光纤微弯传感器的汽车动态称重系统.压力的变化引起传感光纤发生弯曲变形,产生输出损耗,通过测量输出光强的变化实现汽车重量的动态称量;设计相应的光电转换和采样放大电路,并采用小波变换对采样信号进行去噪处理.对光纤传感系统的静态响应特性进行验证表明:在0～3 000 kg的范围内光纤传感系统具有良好的线性响应特性,灵敏度为3.8 mV/kg;动态响应实验表明:当汽车通过速度小于15 km/h时,光纤微弯动态称重系统的测量误差小于5.4%,能够满足动态称重的需要.     

基于BP网络的汽车动态称重数据处理方法

针对目前汽车动态称重数据处理中一般方法普遍适用性较差的问题,利用具有良好的自我学习能力的BP网络,对大量实测数据进行训练并检验,效果较好。文章先对BP网络的算法应用于汽车动态称重做了详细介绍,后面针对实际处理情况,对BP网络中隐层神经元个数和实际输入量的选择做了理论分析。     

基于灰色神经网络的汽车动态称重数据处理

针对目前汽车动态称重方法称量精度低和所需数据样本数量大的缺陷,提出了一种新的动态称重数据处理方法,通过GM（1,1）模型对车辆动态称重数据进行预处理,获得每个称重数据的误差补偿量,建立了以车辆速度、加速度、动态称重残差序列为输入变量的灰色神经网络模型,使系统称量误差小于1%,称量准确度等级达到1级指标。研究表明,该方法在动态汽车衡数据处理中的可行性强,实现了在贫信息、少数据情况下对动态称重数据的高精度处理,为汽车动态称重系统精度的进一步提高提供了理论与技术支撑。     

煤炭在线动态称重系统研究

分析了目前煤炭在线动态称重系统即胶带秤动态称重系统、矿车衡动态称重系统和箕斗秤动态称重系统的称重原理及优缺点,提出了一种具有高计量精度的基于图像处理技术的矿车衡称重系统;研究了煤炭在线动态称重系统中的关键问题,即标定方法、称重传感器、动态数学模型、数据处理算法和上位机系统软件,指出在提高标定精度的同时降低标定难度是煤炭在线动态称重系统标定方法的研究方向;振弦式称重传感器是称重传感器未来发展方向;先进的技术和理论是动态数学模型和数据处理算法的研究方向。     

遗传神经网络在动态称重中的应用

为提高称重传感器的稳态响应,加快称重速度,提出一种基于人工神经网络预测动态称重终值的方法,即在BP网络的基础上用遗传算法进行优化,通过动态在线建模预测系统稳态输出AD值,再通过加权移动平均法得出物重.试验结果表明,该方法能够改善系统动态性能,提高测量精度,解决称重速度与精度难以同时提高的矛盾.     

两轴车辆动态称重信号分析方法研究

汽车在行驶过程中,各轴之间的质量分配取决于即时悬挂、驱动、制动系统中的摩擦力和加速度等因素,而称重传感器接收到的信号同时又与汽车、台板的振动有关。分析了汽车在非匀速通过称重台板时简化汽车模型的轴重分配,首先,从动态称重信号中提取速度和加速度信号,然后,对车轮完全上台后的信号利用经验模分解(EMD)方法求得剩余分量的平均值,以剔除信号中的振动影响成分。利用车型、速度、加速度等参数进行动态校正,数据处理结果表明:当汽车通过台板的时间大于振动系统的基频周期时,用该方法能提高测试精度。     

基于石英传感器的动态称重数据处理算法研究

通过对以石英晶体传感器为称重单元的动态称重系统称重信号中干扰信号的分析,得出其称重信号中存在大量干扰信号,包括高频噪声和低频噪声,此外车辆行驶时自身振动、轴型、行驶速度以及加速度都会影响动态称重精度.针对以上问题,提出先利用小波变换算法对称重数据进行滤波预处理,然后再经过EEMD算法以及信号重构算法进一步处理.将以上信号处理算法通过仿真以及运用于现场,能够使称重数据误差控制在2%以内,达到了良好的称重效果.     

PLC处理称重传感器信号的方法和实践

配料料斗秤在冶金企业中大量使用,用于冶金辅料的称量,由于冶金环境恶劣,故障率较高.目前所使用的多数称重变送仪表不具备完善的故障诊断功能,导致故障排查困难,严重制约了生产节奏及冶金辅料成本控制.本文叙述了使用PLC取代称重变送仪表,实现称重传感器信号采集、称重数据变送和故障诊断一体化功能的探索实践过程,应用证实这一方法有效地减少了故障点,提高了故障处理效率,节约了备件成本,具有较好的推广价值.     

基于物联网技术的货车载荷实时监测系统设计

针对目前货车载荷监测主要依靠固定式称重的现状,设计了一种基于物联网技术的货车载荷实时监测系统。系统以嵌入式系统和多传感器融合算法为核心,由信号采集,信号处理与传输,云服务器等单元组成。采用主控芯片STM32F105RCT6和电阻式应变片传感器,实现数据采集与数据处理;处理后的信息通过无线通信模块发送至云端,云端服务器利用神经网络技术对所得到的数据进行拟合处理,实现了用户在远程情况下对货车的载重量进行实时的监测与管控。实验测试证明,本系统能够准确,高效地采集到货车载荷量,并且所测货车载荷量的精度在2.75%以内,无线传输效果稳定,并能将载荷数据实时上传至云平台,反馈于用户。本系统综合运用了智能传感器、物联网和云计算等技术,具有实时强、精度高、装配便捷等特点。     

动态限载系统的设计和分析

提出了一种新的动态限载系统设计方案，主要功能是将动态的重量信号通过传感器转化成电信号，经过数字电路进行信号处理，由微机进行计算，根据车辆本身的信息，确定汽车是否超载，实现了全自动、不停车称重的功能。系统采取的数学模型在推导过程中，对时变非线性方程采用分段曲线拟合的处理方法，将动态测重转化为瞬时速度的测量和系统参数的辨识问题。试验结果表明在车速低于20km／h时，误差小于3％。     

基于光纤Bragg光栅和Labview的称重系统

介绍了光纤光栅（FBG）称重传感器原理,建立了称重系统的力学模型,双孔平行梁利用自身结构特点对称重传感器进行了温度和偏载补偿,设计了基于Labview的光纤光栅祢重系统,阐述了系统的硬件组成和软件实现,并利用Labview方便的外部接口、数据处理和图形界面功能,方便读出称重传感器的载荷质量,解决了普通解调仪只能读出光栅波长这一问题。     

基于小波变换的动态称重信号处理方法

针对目前动态汽车衡因货车拖磅称重而导致称重信号异常及称重不准确问题,提出采用小波变换极大值信号重构算法对拖磅称重信号进行处理:首先将拖磅称重信号逐层分解到不同频域和时域,在保持频率不变的条件下,对称重信号逐级求极大值点,得出信号逐级变化趋势;然后将多级称重信号按原离散逼近系数重构成新的称重信号,进而得到车辆称重信息。现场实测表明,采用小波变换极大值信号重构算法处理后的货车拖磅称重数据与正常过磅时称重数据的误差小于1%。     

基于弯板传感器的动态称重公路预检系统研究

要提高公路预检系统的可靠性与稳定性,关键是要提高系统动态称重的准确度等级,提出专家系统与模糊多阈值消噪算法相结合的动态称重数据处理方法。弯板传感器动态称重过程的知识多,处理过程复杂,采用专家系统对知识进行处理;动态称重信号的干扰在不同小波分解层和不同数据区间的强度不同,采用模糊多阈值消噪算法对动态称重数据进行消噪处理,重构的动态称重数据达到要求,并在Matlab中分析表明该算法是有效的。通过现场试验验证,将专家系统与模糊多阈值消噪算法相结合,使系统动态称重误差小于2%,称量准确度等级达到2级指标。     

JADE盲源分离算法在变压器振动信号监测中的应用

铁芯和绕组是变压器振动产生的主要振源,监测铁芯和绕组的振动信号可以对变压器运行状态进行预测和诊断.选择了S13-12500/35型油浸式无励磁调压电力变压器,将2只光纤Bragg光栅振动传感器布设于变压器内部,直接采集变压器负载运行下的振动信号.通过JADE算法将2组负载信号分离,发现:一组信号能量主要集中在100 Hz处,与铁心振动信号频谱特征较为接近;另一组信号在各频率上均有分布,与绕组振动信号频谱特征较为接近.     

经验模态分解在称重检测中的应用研究

针对目前装载车称重系统存在误差较大的现状,设计了基于经验模态分解方法的动态称重检测方法。在分析称重信号采集工作原理的基础上,建立采集信号的数学模型。同时将信号进行经验模态分解,对归一化的本征模态则采用Bayes Shrink法进行有效去噪处理。试验结果表明,当装载车车速较快和较慢时,该方法均能有效抑制噪声,使处理后的信号平稳。