CEEMD-GRU模型动态称重算法研究

针对车辆动态称重过程中称重信号受外界干扰导致称重精度不高的问题，提出结合互补集合经验模态(CEEMD)和门控循环单元（GRU)神经网络的称重算法。采用CEEMD对原始称重信号进行分解，得到的残余分量为初步滤除干扰信号的轴重信号；然后将残余分量归一化后作为GRU神经网络输入层构建网络模型，输出车辆轴重。研究结果表明，除去个别因异常数据导致的不良结果，该方法车辆动态称重误差控制在1.2%以内。相比于传统的单一模型，称重精度更高，实用性更强。