共查询到19条相似文献,搜索用时 234 毫秒
1.
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%。 相似文献
2.
车辆监测在公路管理养护系统中有着重要的作用。开发了一种基于新型水泥基压电传感器车辆监测方法,并通过现场试验对其可行性及有效性进行验证。首先介绍该传感器的制作及其基本性能,之后将两个水泥基压电传感器埋置于一段混凝土梁中,以该梁作为埋入路面以下的传感单元。在车辆监测的现场试验中,将四根测试好的混凝土梁埋入一条车道的两道沟槽内,每道槽内放入两根并通过已知重量的卡车进行传感器的现场标定。车辆通过时以测试信号中的峰值组个数计算车辆数,以传感器的响应之和计算车重并以两道沟槽内传感器响应的时间差及距离计算车速。最后,通过与视频监测结果的对照发现,该水泥基压电传感器能够准确的测得车流量、车辆速度而且能够进行动态称重及车辆分类。由此可见,使用水泥基压电传感器进行车辆监测是可行、有效的。 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
6.
HHT在动态称重传感器处理非线性信号中的应用 总被引:1,自引:0,他引:1
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. 相似文献
7.
8.
9.
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. 相似文献
10.
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。 相似文献
11.
针对AP聚类RBF神经网络在车辆动态称重应用中精度偏低问题,提出按一定步长,迭代增加偏向参数,以RBF神经网络测试误差为评价指标最终确定偏向参数的改进算法,使RBF神经网络获得合适的隐含层节点数;提出对测试样本进行归类插值分析,利用与测试样本至类代表点间距离最接近的两个训练样本实际连接权值,使RBF神经网络连接权值随测试样本改变的自适应功能.在车速10 km/h~50 km/h,温度16 ℃~29 ℃条件下,对5种不同载重车辆进行工程实测试验,构建车辆动态称重RBF神经网络模型,进行500次循环测试.试验表明,基于AP聚类RBF神经网络的改进算法使称重误差均值控制在0.06%以内,最大实时性均值为0.0223,能有效满足实际工程应用要求. 相似文献
12.
将希尔伯特-黄变换(Hilbert—huang transform,HHT)引入到汽车动态称重数据的分析中,针对动态称重信号的特点运用了极值延拓法来抑制边界效应,提出了利用经验模分解(Empirical mode decomposition,EMD)剩余分量的平均值求汽车动态称重真实轴重的方法,并将该方法与滤波法进行比较;进一步求出信号的Hilbert边际谱,将其与傅里叶幅值谱进行比较。实验结果表明Hilbert边际谱准确地反映了汽车通过称重台时振动系统的频率分布情况,汽车自振频率由此求出;当汽车通过台板的时间大于车辆振动的基频周期时,用该方法处理汽车动态称重信号能得到较理想的结果,车速≤15km/h时最大误差为5.63%。 相似文献
13.
介绍了PC机平台上汽车动态称重系统,主要使用数字滤波方法滤除干扰,对滤波后波形调整后使用参数估计算法进行信号处理,准确的提取出静态轴重信号。实测数据的处理结果证明了方法的有效性。 相似文献
14.
15.
李志坚 《计算机测量与控制》2017,25(8):84-87
发动机是混合动力电动汽车动力设备的心脏,为了保证混合动力电动汽车可以快速稳定地运行,需要对其转速智能控制系统进行设计;使用当前控制系统智能控制混合动力电动汽车发动机转速时,无法快速检测到发动机转速,难以达到最佳的智能控制结果;为此,基于软切换提出Bang Bang-神经网络PID的混合动力电动汽车发动机转速智能控制系统设计方法;混合动力电动汽车发动机转速智能控制系统以Mcs-51系列8751单片机为核心系统,检测混合动力电动汽车发动机转速的数字信号,同时控制D/A模拟信号的输出,并在LED显示器上显示发动机转速数字信号,以PWM调制器放大混合动力电动汽车启动时发动机产生的PWM波,将放大后的PWM波供给电力发动机,再以分频填充脉冲装置测量混合动力电动汽车发动机转速,通过Bang Bang-神经网络PID算法计算出混合动力电动汽车发动机转速误差,达到实时控制混合动力电动汽车发动机转速的效果;实验仿真证明,所提设计方法保证了发动机转速的快速性和平稳性。 相似文献
16.
随着高速列车的发展,测速精度高的多普勒测速方式被广泛应用。其将多普勒信号看作广义平稳随机信号,利用功率谱估计方法进行信号处理。针对现代谱估计中Burg算法基本原理分析其误差来源。分析了两种优化算法,一种是基于窗函数的优化算法,另一种针对改进的协方差法实现了基于预测误差功率最小意义的优化算法。通过仿真对比原算法与两种优化算法的频谱估计性能,分析算法复杂度,选择模型最优参数,并验证了在列车测速范围内不同频段的适用性。结果表明,优化算法在不增加运行时间的基础上可降低频谱偏移程度、改善频谱分辨率,可识别出列车测速范围内各个频段频率,并且谱估计频率误差小于1%。 相似文献
17.
18.
19.
针对双检测器激光雷达系统用于同步测量道路目标距离和速度时存在的成本高、回波利用效率低的问题,提出了一种基于伪随机(PN)码调制的脉冲式多普勒激光雷达结构模型,研究使用单个光外差接收器同步测量目标距离和速度的可行性并通过计算机仿真验证方法的性能。首先,给出激光雷达的系统模型,分析模型在脉冲方式下用于距离和速度测量时存在的问题;然后,讨论通过单个光外差接收器输出的电信号计算目标距离和速度的方法,即计算输出信号与本地调制码的相关函数确定激光飞行时间进而得出目标距离和使用非等间隔采样信号频谱分析方法确定输出信号的多普勒频率进而得出目标的速度;最后通过仿真验证所提出的方法可同时实现目标距离和速度的稳定检测。实验结果表明,在道路环境中该方法可实现目标距离和速度的稳定可靠测量,与直接检测系统相比,测量的灵敏度可提高10 dB以上,且与回波的到达时间、多普勒频率的大小无关。 相似文献