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.     

基于Allan方差改进阈值的惯性传感器动态信号小波去噪

惯性传感器信号的去噪效果通常都是用Allan方差来评价,针对这个特点,提出了一种基于Allan方差噪声系数的小波阈值改进算法。先用提升小波将信号分解到不同频段,再用Allan方差计算各频带上的噪声系数,根据各频带噪声系数的大小确定其滤波阈值,再结合参数可调的阈值函数对各尺度信号进行滤波去噪。改进算法以去噪效果评价参数来修正阈值,具有很强的针对性。通过同其它常用的惯性传感器去噪方法做比较,证明该算法可以有效的随机噪声,提取出更加准确真实的惯性传感器动态输出。     

模糊C-均值聚类算法在动态汽车衡中的应用

为了提高动态汽车衡的测量精度,针对测量数据的信号处理问题,采用小波变换对动态汽车衡测量数据进行数字滤波.小波变换不但能滤除测量数据中的噪声信号,而且能很好地保留信号的突变部分.同时,通过提取5尺度小波系数作为模糊C-均值聚类算法的聚类样本,有效识别出最接近车辆实际质量的有用称重数据,提高了称重精度.试验结果表明,采用小波变换对动态汽车衡测量数据进行阀值滤波,并利用模糊C-均值聚类算法识别有用数据,对提高车辆称重的精度具有良好效果.     

基于双秤台汽车衡的车辆动态称重算法

针对双秤台汽车衡的车辆动态称重进行了算法研究,提出了先使用小波变换对称重信号滤波预处理,使用专家系统识别车辆轴型,用车轴的速度计算加速度,最后依据双秤台传感器称重信号、速度信号、加速度信号、以及车辆轴型组建BP网络模型,利用BP网络算法良好的自我学习能力,对大量实测数据进行训练,达到了一定的动态称重测量精度,取得了较好的效果。     

提升小波改进阈值算法在输气管道泄漏信号降噪处理中的应用

输气管道的泄漏检测对保障其管道的正常运行具有重要意义,但是在实际工作中,传感器检测到的信号会受到噪声的干扰。为了提高管道泄漏检测精度,采用一种不依赖于傅里叶变换的提升小波变换方法,并引入改进阈值函数对信号进行降噪处理,分别对比不同小波基函数,不同分解尺度利用改进阈值算法的降噪效果,确认db5小波函数作为最优提升小波函数,并对信号进行四层分解的信号处理信噪比最高,最后利用现场实验采集到的负压波信号进行传统小波去噪和提升小波改进阈值算法去噪的效果对比,其结果表明提升小波改进阈值算法的去噪效果优于传统小波算法的去噪效果,在管道泄漏检测的信号降噪中具有良好的应用价值。     

基于小波降噪的转动惯量测试仪周期计算改进算法

转动惯量是弹药静态特征量的重要参数之一。在试验中发现，85mm样柱的转动惯量偏差值达到了0.83%，无法满足任务需求。经过对信号检查，确认为光电传感器采集的信号混有噪声信号所致。为解决脉冲电压序列信号在截止电压处抖动造成测量周期偏大的问题，采用小波分析的方法，利用sym8小波进行信号分解、阈值选择算法对信号进行降噪，使脉冲电压序列曲线得到平滑。分别对比haar小波、db4小波、coif1小波系、Bior1.5小波、sym2小波、dmey小波等小波母函数的信号降噪效果，确认dmey小波母函数处理信号信噪比高。改进了周期提取算法，提高了测量数据的一致性与精度。实验结果表明，本文算法优于原有的算法，具有精度高、容错能力好等优点，在转动惯量测量领域具有良好的应用价值。     

压电薄膜车辆动态称重系统算法研究

利用一种基于压电薄膜称重传感器的车辆动态称重系统,在不同环境温度和车速下,对三种车型进行称重系统工程应用实测试验。将奇异谱分析（SSA）算法用于轴重信号的降噪处理,提出了一种新的重构阶次选择方法,简化了重构阶次选择的判断准则。分析了环境温度及车速对称重结果的影响,采用改进的车重计算方法对轴重信号面积进行补偿,降低了称重误差。建立了基于双传感器的压电薄膜车辆动态称重系统及测试平台。试验表明,以双传感器检测的车重平均值,其误差比单传感器检测误差降低22.4%。车速在50 km/h以内,称重平均误差小于5%,可满足实际工程要求,验证了SSA算法的有效性。     

基于WOSA-BP的车辆动态称重算法研究

测量精度一直是影响车辆动态称重系统有效可靠性的主要因素。针对车辆动态称重系统测量精度较低这个问题,提出了一种基于鲸鱼优化(Whale Optimization Algorithm, WOA)算法和模拟退火(Simulated Annealing, SA)算法混合优化的BP神经网络(Back Propagation Neural Network)动态称重模型。首先,简单介绍了动态称重系统的结构和原理。然后,通过小波变换对动态称重系统的采样信号进行过滤重构处理,经过计算得到的动态车重、车速和轴数作为BP神经网络模型的输入参数。其次,建立了一个由WOSA算法优化的BP神经网络来预测实际车辆总重和轴重。最后,比较了WOSA算法优化的BP神经网络模型的预测能力并得出结论。仿真结果表明,WOSA-BP车辆动态称重模型收敛速度快,精度高,最大总重的相对误差为0.58%,最大轴重相对误差为6.73%。     

机载惯性传感器信号降噪研究

针对机载条件下惯性传感器千扰输出是来源多样的非平稳、非线性信号,采用传统降噪方法有明显的不足和局限这一问题,分析了机载惯性传感器输出信号的特点,提出基于局城波分解对实测机载惯性传感器信号降噪.根据实测数据使用局域波分解和小波包变换进行信号降噪对比分析,结果表明局域波分解和小波包变换对于存在噪声干扰的机载惯性传感器信号可以有效降噪并提取有用信号.局域波分解消除惯性传感器信号嗓声计算简便,容易实现.     

基于改进TPDS长阵列的车辆超偏载检测研究

由于车辆超偏载检测过程中,受天气、路况等因素以及车辆行驶状态影响,导致信号组成的阵列过短,利用传统的TPDS(Trackside Performance Detection System,TPDS)车辆超偏载检测精度较低、耗时较长。提出基于改进TPDS长阵列的车辆超偏载检测研究。通过车辆运行品质轨边动态监测系统,利用测距传感器与数据采集仪将力学信号转换成电压信号,将输出信号并将其组合为长阵列输入到系统的测距传感器中;采用EDM算法对长阵列中的噪声点实施消除处理;将4个测距传感器安置到货运车辆底部,采用货运车辆动态称重方法,计算车辆上各弹簧组承载力的总和,并结合车辆有用信号,对车辆的载重情况展开测量,实现对车辆的超偏载检测。实验结果表明,利用长阵列改进TPDS系统后,测试具有较高的测量精度、检测效率以及检测稳定性。     

基于多传感器采集轴重信号的公路货车不停车称重系统

在公路货车不停车称重过程中,由于缺少对车辆行驶各种干扰因素的深度分析,导致称重系统精度不足,因此该文提出基于多传感器采集轴重信号的公路货车不停车称重系统。根据现场称重情况确定多传感器安装位置,设计信号采集模块,并对多组采集数据进行处理,依据车辆行驶路况和车辆质量计算车辆荷载,结合硬件设计部分实现车辆的动态称重,同时利用传感器检测车辆的轨迹线横向位置,进一步确定车辆的称重数据。测试结果表明,提出的基于多传感器采集轴重信号的称重系统信号采集延迟小、测量精度高,该系统的抗干扰性得到了提高。     

基于EMD和小波阈值滤波降噪的MATLAB仿真

本文对经验模式分解(EMD)时频分析进行研究,具体的讲述了EMD算法相关基本概念以及EMD分解方法,同时分析了EMD的改进方法,提出了基于EMD与小波阈值滤波结合进行信号降噪的方法,根据这一方法对非平稳、非线性信号在高斯白噪声下进行了降噪,最后基于MATLAB仿真对小波阈值降噪、基于EMD的小波阈值降噪法进行了比较.仿真结果表明,后者效果好.     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

提高动态汽车衡称重精度的算法设计与实现

为了提高动态汽车衡的称重精度,采用有限冲击响应（FIR）数字滤波算法滤除车辆动态称重过程中产生的随机干扰噪声。鉴于称重信号的信噪比较低和干扰噪声的复杂性,对基本算法进行了改进和优化,基于ARM微控制器平台实现了这一算法。通过对应用该算法的动态汽车衡的称重结果的分析,证明此算法对于提高动态称重精度具有良好的效果。     

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.     

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。     

一种用于磁流体陀螺微弱信号检测的小波降噪方法研究

新型磁流体陀螺可以同时满足卫星微角颤振在轨测量的亚微弧度测量精度及千赫兹带宽的技术要求,优于当前卫星系统中所用陀螺,是用于卫星微角颤振测量的理想传感器。但是其输出信号极其微弱并且淹没在大量噪声中导致无法有效地实现检测角速度的功能。提出了一种基于自相关的小波阈值去噪算法提取微弱信号。该方法通过计算小波分解各层细节分量的自相关系数,自动确定最优小波分解层数,并通过该自相关系数选择最优去噪阈值。对传统阈值去噪算法与所提出的改进小波算法进行了对比实验,实验结果表明该方法能将输出信号信噪比提高7 dB~10 dB,适用于所设计的磁流体陀螺微弱信号的检测提取。     

基于PVDF压电传感器的车辆动态称重信号的研究

聚偏二氟乙烯(PVDF)是一种高性能压电材料,非常适合应用于车辆动态称重的环境。针对PVDF传感器的特点,提出用阻尼振动模型分析PVDF传感器产生称重信号的过程,给出称重信号的频谱特点,并在自主设计的实验平台基础上对该信号进行测量。实验结果显示:相对于低频噪声,称重信号主要分布在高频段,该特点为滤除系统噪声提供了依据。根据该特点设计称重系统可以有效地减少算法设计的复杂度,提高系统的测量精确性。     

基于奇异值差分谱分析和蚁群算法的小波阈值降噪

针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法.首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号.通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性.     

基于EEMD的脉搏信号改进阈值去噪研究

针对脉搏信号的非线性、非平稳特性,及其干扰源的分布特点,提出一种基于聚合经验模态分解(EEMD)和小波阈值去噪的改进算法。根据脉搏信号在各固有模态函数(IMF)上的分布特点,在有效滤除高频干扰的同时,采用网格搜索对低频IMF分量进行阈值选取去噪,有效去除其低频噪声,实现自适应且有效的脉搏信号去噪处理。仿真与实测结果表明,基于EEMD的改进阈值去噪算法可有效滤除脉搏信号中常见的白噪声、工频干扰、基线漂移、呼吸效应,明显改善了脉搏信号的去噪效果,且极大程度地保留了脉搏信号的内在性质,为脉搏信号预处理提供了一种有效手段。