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.     

动态称重系统的建模及其参数估计

阐述了为了兼顾动态称重系统的快速性和精度,将动态称重作为一个基于最小二乘法的参数估计和预测问题来处理,即从建立数学模型和信号处理算法方面加以解决。然后,将动态称重系统等效为二阶系统,分析得出了系统为时变非线性系统,推导出了系统的动态数学模型,并且,根据系统模型,将问题转化为参数辨识问题。辨识算法上,采用了基于Householder变换的自适应最小二乘法,其具有抗方程病态性好、稳定性好、估计精度高、计算量小、跟踪性好等优点。试验结果证明:所提出方法是可行的,达到了试验提出的技术要求,测量相对误差小于0.25%FS,系统在全量程范围内的准确度不低于0.25%。在提高称重速度的同时,也保证了系统的测量准确性,对于此类系统的实用化开发具有很好的参考价值。     

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.     

基于等效系统的动态称重数据处理

动态称重技术是目前产品定量包装领域十分关心的问题,如何提高称重的精度和速度是动态称重的难题之一。基于定量包装的动态组合秤实验数据,采用等效系统的方法对动态称重数据进行处理,提出了基于非线性系统辨识的滤波方法,并设计适合动态称重数据的尺度函数对快速性和稳定性进行评估。结果表明,该方法较之传统的平滑数据滤波方法,有效提高了测量的快速性。     

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.     

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.     

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.     

基于LabVIEW的加速度计模型参数辨识模块设计

加速度计的模型参数辨识对研究加速度计动态特性具有重要作用.针对加速度计动态特性测试系统中加速度计模型参数辨识模块的设计,利用LabVIEW图形化编程的特点,以最小二乘原理为基础,通过对加速度计频域响应函数的拟合实现了加速度计模型参数的辨识,并构建了可视化软面板.实验测试表明:所设计模块能够实现加速度计模型参数辨识,有较高的参数辨识精度,并具有良好的人机交互,所辨识出的模型能够描述加速度计的动态特性.     

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。     

一类多变量Hammerstein模型的参数辨识方法

通过对系统输入信号的设计,使Hammerstein系统输出只反映系统的线性动态,并将非线性部分的静态影响有效地分离掉.利用最小二乘辨识得到系统的线性动态模型.基于此模型并依据系统的测量输出重构系统的中间输入,进而可估计出非线性部分的参数,据此给出了多变量Hammerstein系统辨识的动态分离方法.仿真结果表明所提出的方法是有效的.     

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。     

模糊优化的迭代控制算法在称重系统中的应用

在某导弹注药生产线控制系统中,影响弹体质量的主要因素是控制过程中每次注药重量的精确度,因此提高动态称重中的精度是控制系统设计过程中的重要环节。在分析了注药过程中误差来源的前提下,提出了基于模糊推理的迭代学习控制与点动式控制结合的控制方式,解决了长期以来动态称重中的精度问题,使精度达到了0.5%。实际表明：该控制方法测量精度高、可靠性强。     

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.     

基于动态修正和二阶预估的高精度配料系统

称量过程的动态特性使得采用传统的粗精给料方式难以达到满意的效果。本文中首先分析称量中动态偏差出现的原因以及在若干轮称量后的表现规律,基于动态修正和二阶预估相结合的方法探讨如何消除动态偏差对称量提前量的影响,最终给出自动称量进行改进的方法。     

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。