基于粗糙集的分体错位式动态汽车称重系统研究

开发设计了基于粗糙集的分体错位式动态汽车称重系统。将称台进行分体式错位安装,4路传感器增加为8路。结合粗糙集理论对称量算法进行改进,提出了一种基于粗糙集的动态称重算法,对车辆作弊行驶数据进行动态约简处理和精准度补偿。本系统能很大程度上遏制跳秤,根本上克服车辆S型过秤,提高整体称量精度,并满足我国计量检定规程要求。

公路动态汽车称重物理模型与提高称重准确度研究

为了解决公路动态车辆称重误差偏大的问题,分析了三种振动,认为车辆通过长方形秤台引起秤台长方向挠曲振动是主要影响因素。用力学理论进行了定量研究。(1)提出车轴驶过秤台等同于一个阶跃载荷,其主谐波将引发秤台挠曲振动;(2)建立秤台动态称重物理模型,列出振动方程,给出通解及共振振幅;(3)指出振动过程中质量块加速运动对传感器产生的惯性力影响称重,给出了动态称重原始数据(瞬时值)的极差范围。在此基础上得出结论:(1)为使动态称重准确,必须加大阻尼吸收振动;(2)长方形秤台,单纯提高其刚度,使振幅减小,并不能保证动态称重准确,有可能适得其反;(3)改进秤台结构、限制车速、规定车辆通过路线,可削弱秤台振动,有利于计重收费。

一种提高中等车速下汽车动态称重精度的方法

现有的汽车动态称重方法在低速下精度较高,而车速一旦增高则精度下降很快。本文从大量实验数据中提取出称重误差与车速及轴重测量值的规律,并且该规律与车型无关,以此作为先验知识来修正测量值,显著提高中等车速下的称重精度。将此方法应用于动态汽车衡的开发,安装路试表明,车速低于30km/h时最大相对误差为6%,达到了ASTM规定的Ⅲ类动态称重标准。

FPGA实现的FIR算法在汽车动态称重仪中的应用

介绍了用FPGA(现场可编程门陈列 )实现的FIR(有限冲击响应 )低通数字滤波器 ,把这种算法应用于汽车动态称重仪中并对算法结果做了分析。实践证明此算法用于动态称重具有良好的效果。

FPGA实现的FIR算法在汽车动态称重仪表中的应用

本文介绍了用FPGA实现的FIR算法,并对这种算法应用于汽车动态称重仪表中的结果做了分析。实践证明此算法用于动态称重具有良好的效果。

数据平滑滤波在汽车动态称重中的应用

本文介绍数据平滑滤波在汽车动态称重输出信号中的应用,阐述了动态称重系统中常用的五种滤波方法,通过对试验数据的分析研究,针对汽车动态称重中对采样数据影响较大的主要是周期性干扰这一特点,采用算术平均滤波。滤波后称重传感器输出的电压曲线上"毛刺"明显减少,达到了比较理想的效果。

汽车动态称重技术在高等级公路管理中的应用

叙述了我国高等级公路运输中汽车超载现状,分析了汽车超载对公路使用寿命、交通安全,及对汽车工业等方面的影响;介绍了国内外汽车动态称重技术和动态称重产品的应用与发展状况。

基于HHT的汽车动态称重数据分析方法

将希尔伯特-黄变换(H ilbert-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(Em p irica l m ode decom pos ition,EM D)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H ilbert边际谱,将其与傅里叶幅值谱进行比较。实验结果表明H ilbert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≤15 km/h时最大误差为5.63%。

汽车动态称重信号的自适应校正应用研究

提出一种通过自适应补偿提高长秤台汽车动态称重系统精度的方法。根据汽车动态称重两自由度模型,利用零、极点对消原理,设计校正滤波器,改善信号响应特性,使信号快速达到平稳状态。实验结果表明,本方法能有效地缩短信号衰减时间,改善称重精度,并具有很好的自适应性。

汽车动态称重在电子不停车收费系统中的应用

现行的ETC(Electronic Toll Collection)系统是按乘用车的座位数及货车的吨位进行收费的,对超重车辆没有加以限制。针对这一问题,提出了一种将汽车动态称重应用于ETC系统的设想,并对WIM(Weigh-In-Motion)设备的安装位置及运作流程进行了分析。分析表明:该设想具有一定的实际应用价值。

基于图像特征分类和RBF网络的两轴车辆动态称重技术

汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。

两轴车辆动态称重信号分析方法研究

汽车在行驶过程中,各轴之间的质量分配取决于即时悬挂、驱动、制动系统中的摩擦力和加速度等因素,而称重传感器接收到的信号同时又与汽车、台板的振动有关。分析了汽车在非匀速通过称重台板时简化汽车模型的轴重分配,首先,从动态称重信号中提取速度和加速度信号,然后,对车轮完全上台后的信号利用经验模分解(EMD)方法求得剩余分量的平均值,以剔除信号中的振动影响成分。利用车型、速度、加速度等参数进行动态校正,数据处理结果表明:当汽车通过台板的时间大于振动系统的基频周期时,用该方法能提高测试精度。

基于EMD-RBF网络的车辆动态称重信号处理方法

针对动态称重数据处理的复杂性,以常见的两轴车辆为研究对象,对汽车轴完全驶上称重台的信号进行经验模分解(EMD)求得剩余分量的平均值,并以前轴、后轴的剩余分量的平均值、平均速度、上台信号上升斜率、下台信号下降斜率为径向基函数(RBF)网络的输入,利用RBF网络对系统进行非线性建模。以静态测量结果为相对真值进行仿真,其出现的最大相对误差为1.4%,而简单平均值的测试误差达到2.1%,结果表明:该方法比直接输入台上信号的平均值具有更高的测试精度。

图像分类结合经验模分解和径向基函数网络在车辆动态称重中的应用

在车辆动态称重系统中,称重数据的处理是很复杂的。针对车辆运动参数对轴重信号的影响,本文采用径向基函数(RBF)网络,考虑到网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,进行整车建模和网络训练。实际测试过程中,利用汽车俯视图像先提取类型特征,为了减小汽车运行过程中的振动对测试精度的影响,对汽车完全驶上称重台的信号进行经验模分解(empirical mode decomposition,EMD)求得剩余分量的平均值,并以前、后轴的剩余分量的平均值、平均速度、上台信号上升斜率、下台信号下降斜率为径向基函数网络的输入,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。结果表明,采用台上信号EMD分解的剩余分量的平均值作为输入的分类建模比直接采用台上信号的平均值作为输入的单一建模测试精度更高。

汽车轴重动态测量系统设计

本文介绍了一种简洁、合理、易安装的动态称重装置——阵列分布式轮重测量台。结合实际工程应用实时性的要求,设计了动态轴重测量系统的整体硬件实现方案;配合硬件电路,设计了数据采集流程、算法处理流程和串口通信流程。

超限测量的必要性及其技术探讨

多年来,货类汽车“超限”、“超载”运输作为道路交通的几大“公害”之一, 久治不绝,几近“顽疾”。以内蒙古自治区为例,全区共有各种货运车辆20余万辆,其中80%进行超载运输,70%左右属超限运输,特别是接近100%的运煤车辆既超载又超限。

FPGA+ADS8509在高速预检仪表中的应用

ADS8509拥有高达250KHz的采样速率,FPGA具备高速的逻辑处理能力,本文介绍了它们在高速预检仪表中的使用并深入分析电路实现原理和软件设计思路。