常用高速公路计重系统的工作原理探讨

该文主要介绍了三种常用车辆动态称重系统的工作原理,并对其性能进行了对比,指出了车辆动态称重技术的发展方向.     

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%。     

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。     

基于TMS320F2812的车辆动态称重系统设计

提出了基于TMS320F2812的车辆动态称重系统的系统结构与功能实现。硬件设计主要介绍处理器核心模块的设计,MSI压电薄膜传感器,信号放大与偏置电路的设计。软件部分主要介绍DSP在实现算法上的优势,以及动态称重系统的主流程和ADC中断服务子程序流程.DSP为核心的车辆动态称重系统具有精度高,处理速度快等优点,对实现车辆的不停车称重,公路超限车辆的管理,有极大的现实意义。     

基于线性分割的动态称重传感器阵列优化方法

基于部分承载模型的动态称重系统,能够满足车辆在高速行驶状态下的精确动态称重.然而当车轮静止于传感器上再次启动时,受其模型所限误差较大.针对这一问题以路面交互模型为基础,融合线性分割方法,提出一种基于线性分割的部分承载动态称重模型,并开发了4排并列式动态称重系统.经过实验对比验证,使用新模型构成的动态称重系统能够在车辆变速以及起停状态下整车误差仅为±2%,为重车限重管理系统、非现场治超等应用提供了一定的支持.     

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。     

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。     

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。     

基于惯性传感器车辆动态称重信号的研究

针对车辆动态称重中易受到噪声干扰从而影响测量精度的问题，根据惯性传感器的特点，该文分析了惯性传感器测量车辆经过时产生振动信号的过程，结合车辆动态称重的信号特点，提出EEMD的改进小波阈值降噪算法。为验证算法的适用性，将基于EEMD的改进小波阈值降噪算法与小波阈值降噪算法进行对比，实验结果表明，基于EEMD的改进小波阈值降噪算法对车辆动态称重信号具有较好的去噪效果，可提高系统测量的精度与准确性。     

轴计量式动态车辆称重系统

本文介绍了动态车辆称重系统的硬件构成及其在车辆称重、速度检测、车型判断等方面的工作原理,硬件设计中重点阐述了信号调理电路的构成.软件设计中提出了根据实际采样波形而设计的独特数据处理方法.     

基于二阶系统的动态汽车衡称重方法及应用

采用离散化二阶系统的分析方法实现了动态汽车衡的称重测量.从称重过程的力学模型分析入手,推导出系统传递函数关系并作离散化处理,采用最小二乘法估计系统的模型参数,由称重系统的测量值推算车辆的实际重量.将此方法应用于某公路动态汽车衡的开发,安装路试表明,动态测量与静态称重的吻合度控制于1.5%以内.     

浅析加速度对动态称重结果的影响

国家标准GB/T21296-2007《动态公路车辆自动衡器》中指出了影响动态称重结果的多种因素,却未提及加速度对其产生的影响,经过现场实际观察,发现当车辆以一定的加速度通过秤台时,测量结果出现了较大的误差。本文通过理论分析得出加速度对称重结果的影响原理,并且运用测量不确定度得出加速度的合理范围,为提高动态称重的精度提供了依据。     

便携式机车车辆动态称重仪的研制

基于现有轨道线路,研制一种仅需在两轨道之间放置称量装置,通过车轮轮缘将重量传递给称量装置进行测量的、便携的、高精度动态电子称重仪;设计了便携式轨道车辆应变式称重传感器,进行了传感器结构设计及弹性体强度分析;采用USB数据采集卡进行数据采集;基于labVIEW开发程序进行动态称重信号的处理,并实现可视化界面,得到重量值;此称重仪具有便于携带、安装方便、操作简单、成本低、可靠性高等特点,适用于各种铁路轨道车辆的现场动态称重.     

高速动态车辆称重研究

针对动态车辆超重检测,建立了一种新型的高速动态车辆称重方法。桥梁采用简支梁模型,车／桥相互作用模型化为两个具有固定间距点力匀速通过桥面。利用安装在桥梁下面的应变传感器测量车辆经过桥面引起的桥梁应变,通过积分运算消除车辆振动对计算结果的影响,进而获得动态车辆的载重值。试验结果表明该方法可以较准确地进行高速动态车辆载重的测量。     

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。     

无线便携式车辆动态称重系统的设计

针对目前同类产品存在操作复杂、精度低和适应性差等缺点,在研究动态称重原理的基础上,实现车辆动态称重的软硬件设计。该设计采用高性能低功耗的MSP430和S3C2440为主处理器,配合无线数据传输技术和嵌入式操作系统技术,能实时地进行车辆信息的采集、发送、显示、存储和打印。     

参数估计在汽车动态称重中的应用

本文主要介绍了参数估计法在车辆动态称重中的应用。在讨论动态称重模型的基础上,得出了汽车轴重表达式的参数形式,用递推最小二乘法进行参数估计,从而得出了汽车轴重的估计,最后利用采样数据进行了实验。结果表明,参数估计法是有效的,动态系数的偏差小于4.75%。     

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.     

弯板动态称重信号的多分辩率分析及去噪

弯板动态称重方法获取的车辆重量、车速、轴距及其它参数能为治理超限提供可靠依据。针对弯板动态称重数据,本文提出采用基于小波的多分辨率分析对弯板信号进行多层分解,去除高频噪声。对比实验结果表明,此方法使弯板波形变得平滑,有效保留原始有用信号,最终降低动态称重误差。     

HHT在动态称重传感器处理非线性信号中的应用

悬臂梁式称重传感器是动态称重(WIM)系统的核心组成部分,但由于动态称重过程中受到的外界影响因素较多,加上动态称重技术本身要求传感器处理的就是非线性、非平稳信号,须寻求一种更加适合的信号处理方法—希尔伯特-黄变换(HHT)技术.HHT是一种适用于非线性非平稳的信号分析方法,适用于动态称重过程中称重传感器的信号处理,根据信号端点处的振幅和频率,分别增加两组特征波的方式进行数据延拓的方法来抑制边界效应,然后通过经验模式分解(EMD)剩余分量的均值来作为动态称重信号中的静态值,计算出车辆真实轴重.