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.     

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。     

车辆称重系统中加速度的测量与分析

针对公路运输车辆载荷质量的检测采用的计量器具体积大、工作位置固定、不能做到随时随地检测载荷质量的问题,提出一种采用变极距电容传感器的车载式载荷检测装置,该装置中的加速度传感器用于测量前进方向的加速度和竖直方向的加速度.通过实验测试及分析表明,加速度在车辆称重测量中的影响比较大,因此在装置的软件部分必须予以补偿.     

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。     

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.     

通信延时环境下基于观测器的智能网联车辆队列分层协同纵向控制

考虑通信延时影响的车辆队列控制问题,提出一种基于观测器的分布式车辆队列纵向控制器.首先,基于分层控制策略分别设计上下层控制器,通过上层控制器优化期望加速度、下层控制器克服车辆模型非线性实现期望加速度和实际加速度的一致.上层控制器设计过程中,基于三阶线性化车辆模型,考虑观测器、车辆动态耦合特性和通信延时,提出一种通信延时环境下基于观测器的车辆队列控制器,利用观测器估计领导车辆加速度信息从而减轻通信负担.然后,利用Lyapunov-Krasovskii方法分析车辆队列的稳定性,并得出通信延时上界,同时利用传递函数方法分析了串稳定性.最后,通过数值仿真验证上层控制器的有效性和稳定性.在此基础上,利用PreScan软件中高保真车辆动态模型,验证了该分层控制策略的有效性.     

动态测量中的参比通道补偿法

某些动态测量要求仪器能实时地补偿环境的影响,如在飞行器或潜水器内称重(或液位测量)时,载体内气体、载体方位、加速度、倾斜、摇摆等因素都会给测量带来误差,必须实时地进行动态补偿。 设测量值与各影响参数之间的函数关系式为:     

加速度传感器在电容法车辆载荷检测中的应用

利用车载式电容传感器检测车辆载荷时,增加了双轴加速度传感器ADXL202AE,利用其Y轴检测车辆行驶过程中前进方向的加速度,X轴检测车厢内载荷左右方向装偏时电容上极板的斜度,并定量地分析出了加速度和极板斜度与载荷检测结果之间的关系。     

基于神经网络的汽车动态称重CCD抓拍双核系统设计

介绍了基于TMS320C5410DSP和MSP430F149单片机相结合的汽车动态称重双核系统。该系统采用了BP神经网络改进算法Levenberg-Marquardt法实现精确称重,具有对超重汽车进行CCD抓拍,图像车牌识别等功能。仿真结果表明动态称重误差小于0.1%。     

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.     

Distributed optimal energy consumption control of HEVs under MFG-based speed consensus

This paper investigates a distributed optimal energy consumption control strategy under mean-field game based speed consensus. Large scale vehicles in a traffic flow is targeted instead of individual vehicles, and it is assumed that the propulsion power of vehicles is hybrid electric powertrain. The control scheme is designed in the following two stages. In the first stage, in order to achieve speed consensus, the acceleration control law is designed by applying the MFG (mean-field game) theory. In the second stage, optimal powertrain control for minimizing energy consumption is obtained through coordinate the engine and the motor under the acceleration constraint. The simulation is conducted to demonstrate the effectiveness of the proposed control strategy.     

通信延时环境下异质网联车辆队列非线性纵向控制

针对通信延时环境下的异质车辆队列控制问题, 本文提出了一种基于三阶模型的分布式非线性车辆队列纵向控制器. 首先, 基于三阶动力学模型描述了车辆的异质特性. 考虑车辆跟驰行为以及异质通信延时, 提出一种通信延时环境下的异质车辆队列非线性控制器. 所提控制器不仅可以在通信延时以及车辆异质特性的影响下实现队列中车辆的位置、速度以及加速度的一致性, 而且可以有效避免负的车辆间距和不合理的加/减速度, 保证车辆的运动行为符合交通流理论. 然后, 利用Lyapunov-Krasovskii定理对车辆队列的稳定性进行分析, 得出车辆队列的稳定性条件和通信延时上界. 最后, 所提控制器的有效性和稳定性通过数值仿真得到验证.     

Data-iteration cooperative adaptive cruise control of mixed heterogeneous vehicle platoons with unknown dynamic characteristics

This paper considers the cooperative adaptive cruise control (CACC) problem of mixed heterogeneous vehicle platoons composed of human-driven and CACC vehicles with unknown dynamic characteristics and an alternative to CACC for platooning of the heterogeneous vehicle platoon is presented. Adaptive dynamic programming is firstly used to learn the dynamic characteristics of acceleration of vehicles from the sampled data. Then the data-iteration optimal CACC controller is computed to ensure that each CACC vehicle can reach a desired inter-vehicle distance and desired common velocity with no prior knowledge of the dynamics of vehicles in the mixed platoon. Moreover, the string stability of the mixed vehicle platoon is derived by establishing some sufficient conditions on the acceleration transfer function of adjacent vehicles. Two simulation experiments of a six-vehicle mixed platoon are used to illustrate the effectiveness of the proposed CACC method.     

四轮全向小车的惯性传感装置的设计

四轮全向小车因其载荷平稳和全向驱动的运动方向灵活而被广泛地应用于高性能机器人小车。为提高四轮全向小车的运动性能,设计了一套以DSP为CPU,由MENS加速度传感器、陀螺仪和电子罗盘组成的惯性传感装置。该装置体积小,价格低,结构简单,实时性好,能很好地实现小车的加速度、姿态角和角加速度的测量。此外该装置还通过小车电机的光电编码器实现里程计,以便在其后的研究中实现小车的惯性导航。