專利名稱：車輛動態(tài)稱重系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及車輛稱重，尤其涉及車輛動態(tài)稱重。
背景技術(shù)：
公路車輛動態(tài)稱重(Highway Vehicle Weigh-in-Motion)，是指車輛在不停車、運(yùn)動狀態(tài)下的稱重，即指車輛以一定的車速通過稱重平臺，稱重儀依次測量出各個軸重或輪重，最后把各軸重或輪重累加而得到整車重量的稱重方式。通過動態(tài)稱重，可對行駛中的車輛進(jìn)行預(yù)分類、超限檢測、計重收費(fèi)，還具有收集交通信息，為有關(guān)部門提供決策等功能。動態(tài)稱重與停車狀態(tài)下的靜態(tài)稱重相比，其主要特點(diǎn)是節(jié)省時間、效率高、成本低，并且稱重時不對正常的交通造成較大的影響。動態(tài)稱重技術(shù)還可以與車輛自動識別、微波射頻技術(shù)、計算機(jī)視頻檢測技術(shù)和計算機(jī)網(wǎng)絡(luò)技術(shù)等集成應(yīng)用，實(shí)現(xiàn)車輛檢測的自動化、智能化。
車輛動態(tài)稱重的特征取決于以下因素車輛的類型，路面的情況與粗糙度，車輛的速度及加速度，車輛的動平衡，輪胎的狀態(tài)，車輛懸掛的類型，裝載物的三態(tài)特性，以及駕駛員的操作能力等。因此，可以說行駛中車輛的“重量”不是一個確定不變的值，而是與多種因素有關(guān)、按某種分布的一個隨機(jī)“重量”。另外，動態(tài)稱重算法與傳感器類型密切相關(guān)，采用不同的傳感器，相應(yīng)的算法可能有很大的不同。
目前的稱重系統(tǒng)均存在較大的誤差，其中產(chǎn)生誤差的主要原因有車輛在稱臺上的顛簸狀態(tài)，即車輛動態(tài)載荷的振蕩頻率；稱臺的固有振蕩頻率；50Hz工頻對測量信號的影響；稱臺的水平運(yùn)動對傳感器產(chǎn)生的重力方向的分力；傳感器非線性特性引起的誤差；路面的傾斜和車輛的機(jī)械結(jié)構(gòu)造成的重量的轉(zhuǎn)移；路面的高差產(chǎn)生的誤差，特別對于拖車；車輛加減速時對稱臺的沖擊力；車輛運(yùn)動過程中引起臺面變形產(chǎn)生的時變動力；傳感器和稱臺系統(tǒng)對應(yīng)力的反應(yīng)速度；傳感器電特性的不同以及機(jī)械安裝不當(dāng)造成的偏載；外界的其他干擾，例如電磁干擾等。
在上面這些誤差因素中，對于路面不平整產(chǎn)生的誤差，只能通過規(guī)范施工以達(dá)到要求。目前在動態(tài)稱重系統(tǒng)中，純粹由傳感器原因引起的誤差也只占很小的比重。高頻干擾和50Hz的工頻干擾可以通過硬件和軟件濾波技術(shù)等加以消除。實(shí)驗(yàn)分析表明，占整體90％的誤差來自于低頻干擾，即由于車輛動態(tài)載荷的低頻振蕩引起的誤差。該振蕩頻率主要集中在30Hz以內(nèi)。由于汽車的軸重信號也是低頻量，因此很難通過低通濾波方法濾除。此外，由于軸重計量使用非常短的臺面，在有限的時間內(nèi)采集的數(shù)據(jù)量很有限。對于低頻干擾，在車速很快的情況迅速下下，還沒有形成一個完整的振蕩周期時車輛便離開了稱臺面，該信號為短歷程信號。
我國是從上世紀(jì)90年代才開始引進(jìn)動態(tài)稱重技術(shù)。目前，我國的動態(tài)稱重技術(shù)與國外同類技術(shù)相比還有一定的差距，尤其在稱重精度、動態(tài)穩(wěn)定性上差距還很大。在國內(nèi)，目前階段的動態(tài)稱重精度還較低，一般實(shí)際應(yīng)用中低速下(＜10km/h)的稱重平均誤差從±5％到±10％不等，相應(yīng)的置信度為95％，速度提高導(dǎo)致稱重精度的降。當(dāng)車速提高時，稱重誤差迅速增大，在30Km/h的速度通過時誤差甚至達(dá)到±40％以上。這種狀況帶來兩個后果1)低速通過嚴(yán)重限制了稱重收費(fèi)站的工作效率，造成收費(fèi)站的車輛排隊(duì)現(xiàn)象；2)車輛通過時速度的不同導(dǎo)致稱重計量不準(zhǔn)確，影響收費(fèi)的公平性，帶來不必要的糾紛。
因此，如何提高稱重精度，就成了車輛動態(tài)稱重系統(tǒng)中的技術(shù)難點(diǎn)和關(guān)鍵，也成為我們研究的重要課題。

發(fā)明內(nèi)容本發(fā)明的目的就是解決現(xiàn)有技術(shù)中的問題，提出一種車輛動態(tài)稱重系統(tǒng)及方法，稱重精度高。
為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種車輛動態(tài)稱重系統(tǒng)，包括信號依次傳輸?shù)木€圈檢測器、稱重平臺、輪軸判別器、紅外線車輛分離器、數(shù)據(jù)采集處理器、收費(fèi)車道計算機(jī)和車重及費(fèi)額顯示器，所述輪軸判別器至少為三組，每組間隔一定距離。
為實(shí)現(xiàn)上述目的，本發(fā)明還提出了一種車輛動態(tài)稱重數(shù)學(xué)模型方法，將汽車經(jīng)過稱臺產(chǎn)生的信號看作是汽車的靜態(tài)軸重隨時間變化的線性項(xiàng)與汽車動載引起的幅值變化的周期振蕩項(xiàng)的疊加，根據(jù)檢測數(shù)據(jù)擬合出數(shù)學(xué)模型，保留該模型的線性項(xiàng)達(dá)到抑制噪聲的目的，將周期性干擾的抑制問題就轉(zhuǎn)化為檢測數(shù)據(jù)的非線性擬合問題，再采用非線性最優(yōu)化參數(shù)估計手段進(jìn)行估算。
作為優(yōu)選，所述的數(shù)學(xué)模型為Y(t)=kt+Σi=1pAisin(2πBit+Ci),]]>式中Y(t)為稱重信號的數(shù)學(xué)模型；k為由穩(wěn)態(tài)載荷沿承載板移動時引起的稱重信號變化率；Ai為稱重信號中不同頻率成分的動載幅值隨時間的變化率；Bi為不同頻率動載的頻率；Ci為不同頻率動載的相位；p為汽車車輪動載周期干擾所包含的不同頻率成分的個數(shù)。
作為優(yōu)選，在數(shù)學(xué)模型中考慮汽車通過軸重衡的時間內(nèi)的速度變化，在稱重系統(tǒng)硬件上增加車輛通過速度和加速度的檢測裝置，并將速度和加速度作為考慮因素，以權(quán)重的形式體現(xiàn)出來，實(shí)現(xiàn)估算數(shù)據(jù)的最優(yōu)融合。
為實(shí)現(xiàn)上述目的，本發(fā)明還提出了一種車輛動態(tài)稱重系統(tǒng)辨識方法，將車輛稱重裝置和車輛視為一個整體系統(tǒng)來建立數(shù)學(xué)模型，得出一個標(biāo)準(zhǔn)的用ARMA模型表示的快速時變系統(tǒng)，利用快速時變系統(tǒng)辨識算法進(jìn)行在線遞推辨識，根據(jù)稱重系統(tǒng)的輸入輸出數(shù)據(jù)以及所建立快速時變系統(tǒng)的模型算出軸重。
作為優(yōu)選，在數(shù)學(xué)模型中考慮汽車通過軸重衡的時間內(nèi)的速度變化，在稱重系統(tǒng)硬件上增加車輛通過速度和加速度的檢測裝置，并將速度和加速度作為考慮因素，以權(quán)重的形式體現(xiàn)出來，實(shí)現(xiàn)估算數(shù)據(jù)的最優(yōu)融合。
本發(fā)明的有益效果本發(fā)明采用數(shù)學(xué)模型法或者系統(tǒng)辨識方法對汽車軸重信號進(jìn)行測量和估算，可以抑制噪聲，將周期性干擾的抑制問題轉(zhuǎn)化為檢測數(shù)據(jù)的非線性擬合問題再采用非線性最優(yōu)化參數(shù)估計手段進(jìn)行估算，基于系統(tǒng)辨識的軸重動態(tài)檢測方法可以提高測量的精度，減少車輛通過檢測口時因不同車速給檢測帶來的誤差，可以高精度地對快速時變系統(tǒng)進(jìn)行在線遞推辨識；在這兩種估算方法中采用至少三組輪軸判別器對速度和加速度進(jìn)行檢測，考慮汽車通過軸重衡的時間內(nèi)速度的變化，進(jìn)一步減小稱重計量誤差，最大限度地提高稱重精度，最大通行車速在30km/h以下范圍時，車總重計量誤差控制在±6％范圍以內(nèi)，能夠得到符合國家計量標(biāo)準(zhǔn)的數(shù)據(jù)。
本發(fā)明的特征及優(yōu)點(diǎn)將通過實(shí)施例結(jié)合附圖進(jìn)行詳細(xì)說明。

圖1是本發(fā)明車輛動態(tài)稱重系統(tǒng)的結(jié)構(gòu)示意圖。
具體實(shí)施方式實(shí)施例一圖1是本發(fā)明車輛動態(tài)稱重系統(tǒng)的結(jié)構(gòu)示意圖。車輛動態(tài)稱重系統(tǒng)，包括信號依次傳輸?shù)木€圈檢測器11、稱重平臺12、輪軸判別器13、紅外線車輛分離器14、數(shù)據(jù)采集處理器15、收費(fèi)車道計算機(jī)16和車重及費(fèi)額顯示器17，所述輪軸判別器13至少為三組，每組間隔一定距離。稱重臺硬件基本保持原有的設(shè)備，只是在原有的輪軸判別器13后面以1米為間隔再增加兩個輪軸判別器13，作為速度和加速度的準(zhǔn)確測量用。信號處理硬件也相應(yīng)地增加速度和加速度量的輸入采集通道，并以嵌入式系統(tǒng)為核心，構(gòu)造稱重信號處理算法的并行高速處理系統(tǒng)。硬件實(shí)現(xiàn)采用MCU+DSP模式。其中，高速M(fèi)CU主要負(fù)責(zé)數(shù)據(jù)采集，DSP則主要負(fù)責(zé)高速的數(shù)據(jù)運(yùn)算，它們之間通過雙口RAM來進(jìn)行數(shù)據(jù)的交互。當(dāng)采集到的數(shù)據(jù)盡可能多時，計算出來的測量值應(yīng)更接近于實(shí)際值，為此應(yīng)盡可能提高A/D的采樣速率和DSP的數(shù)據(jù)處理能力，故優(yōu)選采用32-bit浮點(diǎn)型的DSP和高速A/D器件。動態(tài)稱重儀的整個硬件由電源電路、信號調(diào)理電路、高速A/D轉(zhuǎn)換電路、單片機(jī)子系統(tǒng)、DSP子系統(tǒng)、鍵盤/顯示電路以及通訊電路等部分組成。
基于上述系統(tǒng)構(gòu)成，采用車輛動態(tài)稱重數(shù)學(xué)模型方法，將測量數(shù)據(jù)結(jié)合數(shù)學(xué)模型對汽車軸重信號進(jìn)行準(zhǔn)確估算，使用優(yōu)化算法來估計模型中的參數(shù)從而減小低頻干擾，汽車經(jīng)過稱臺產(chǎn)生的信號可以看作是汽車的靜態(tài)軸重隨時間變化的線性項(xiàng)與汽車動載引起的幅值變化的周期振蕩項(xiàng)的疊加。即Y(t)kt+Σi=1pAisin(2πBit+Ci)]]>式中Y(t)為稱重信號的數(shù)學(xué)模型；k為由穩(wěn)態(tài)載荷沿承載板移動時引起的稱重信號變化率；Ai為稱重信號中不同頻率成分的動載幅值隨時間的變化率；Bi為不同頻率動載的頻率；Ci為不同頻率動載的相位；p為汽車車輪動載周期干擾所包含的不同頻率成分的個數(shù)。根據(jù)檢測數(shù)據(jù)擬合出上述模型，保留該模型的線性項(xiàng)就可以達(dá)到抑制噪聲的目的，這時周期性干擾的抑制問題就轉(zhuǎn)化為檢測數(shù)據(jù)的非線性擬合問題。由于該模型比較復(fù)雜，優(yōu)化采用一些非線性最優(yōu)化參數(shù)估計手段，如Levenberg-Marquet非線性最優(yōu)估計方法等來解決。
上述方法是基于一個假設(shè)，即在汽車通過軸重衡的時間內(nèi)速度不變。而實(shí)際上車速是總是有波動的，即汽車的加速度因素不可忽略，并對稱重計量帶來誤差，并且其測量精度往往和汽車的通過速度大小有某種聯(lián)系，但要從理論上建立速度、加速度與稱重結(jié)果的關(guān)系卻十分困難，為了最大限度提高稱重精度，本發(fā)明在稱重系統(tǒng)硬件上增加了車輛通過速度和加速度的檢測裝置，將速度和加速度作為考慮因素，以權(quán)重的形式體現(xiàn)出來，實(shí)現(xiàn)上述兩種方法所獲得結(jié)果的最優(yōu)融合。最終的軸重測量量可以由下式表示Y=(w1v+w1a)Y1+(w2v+w2a)Y2w1v+w1a+w2v+w2a]]>式中，w1v，w2v為和速度有關(guān)的權(quán)重，w1a，w2a為和加速度有關(guān)的權(quán)重，Y1和Y2分別為從最優(yōu)參數(shù)估計方法和系統(tǒng)辨識方法獲得的軸重結(jié)果，Y為最終的軸重。式中權(quán)重的確定需要通過大量的實(shí)驗(yàn)。實(shí)際中我們優(yōu)選采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練等智能信號融合方法來自動獲得兩個軸重量、速度和加速度四個輸入量的最優(yōu)非線性融合輸出。
實(shí)施例二系統(tǒng)硬件構(gòu)成與實(shí)施例一基本一致，但是估算方法采用車輛動態(tài)稱重系統(tǒng)辨識方法，將車輛稱重裝置和車輛視為一個整體系統(tǒng)來建立數(shù)學(xué)模型，得出一個標(biāo)準(zhǔn)的用ARMA模型表示的快速時變系統(tǒng)。對此模型利用一種快速時變系統(tǒng)辨識算法進(jìn)行在線遞推辨識，根據(jù)稱重系統(tǒng)的輸入輸出數(shù)據(jù)以及所建立快速時變系統(tǒng)的模型算出軸重?；谙到y(tǒng)辨識的軸重動態(tài)檢測方法可以提高測量的精度，減少車輛通過檢測口時因不同車速給檢測帶來的誤差。
上述方法也是基于汽車通過軸重衡的時間內(nèi)速度不變的假設(shè)。而實(shí)際上車速是總是有波動的，即汽車的加速度因素不可忽略，并對稱重計量帶來誤差，并且其測量精度往往和汽車的通過速度大小有某種聯(lián)系，但要從理論上建立速度、加速度與稱重結(jié)果的關(guān)系卻十分困難，為了最大限度提高稱重精度，本實(shí)施例采用與實(shí)施例一相同的結(jié)構(gòu)及方法將速度和加速度也作為考慮因素以權(quán)重的形式體現(xiàn)出來。
上述實(shí)施例是對本發(fā)明的進(jìn)一步說明，不是對本發(fā)明的具體限定，本發(fā)明的系統(tǒng)結(jié)構(gòu)可以作適當(dāng)?shù)暮唵巫儞Q，估算方法也可以作簡單的等效變換，任何對本發(fā)明簡單變換后的系統(tǒng)或方法均屬于本發(fā)明的保護(hù)范圍。
權(quán)利要求
1.車輛動態(tài)稱重系統(tǒng)，包括信號依次傳輸?shù)木€圈檢測器(11)、稱重平臺(12)、輪軸判別器(13)、紅外線車輛分離器(14)、數(shù)據(jù)采集處理器(15)、收費(fèi)車道計算機(jī)(16)和車重及費(fèi)額顯示器(17)，其特征在于所述輪軸判別器(13)至少為三組，每組間隔一定距離。
2.車輛動態(tài)稱重數(shù)學(xué)模型方法，其特征在于將汽車經(jīng)過稱臺產(chǎn)生的信號看作是汽車的靜態(tài)軸重隨時間變化的線性項(xiàng)與汽車動載引起的幅值變化的周期振蕩項(xiàng)的疊加，根據(jù)檢測數(shù)據(jù)擬合出數(shù)學(xué)模型，保留該模型的線性項(xiàng)達(dá)到抑制噪聲的目的，將周期性干擾的抑制問題就轉(zhuǎn)化為檢測數(shù)據(jù)的非線性擬合問題，再采用非線性最優(yōu)化參數(shù)估計手段進(jìn)行估算。
3.如權(quán)利要求2所述的車輛動態(tài)稱重數(shù)學(xué)模型方法，其特征在于所述的數(shù)學(xué)模型為Y(t)=kt+Σi=1pAisin(2πBit+Ci),]]>式中Y(t)為稱重信號的數(shù)學(xué)模型；k為由穩(wěn)態(tài)載荷沿承載板移動時引起的稱重信號變化率；Ai為稱重信號中不同頻率成分的動載幅值隨時間的變化率；Bi為不同頻率動載的頻率；Ci為不同頻率動載的相位；P為汽車車輪動載周期干擾所包含的不同頻率成分的個數(shù)。
4.如權(quán)利要求2或3所述的車輛動態(tài)稱重數(shù)學(xué)模型方法，其特征在于在數(shù)學(xué)模型中考慮汽車通過軸重衡的時間內(nèi)的速度變化，在稱重系統(tǒng)硬件上增加車輛通過速度和加速度的檢測裝置，并將速度和加速度作為考慮因素，以權(quán)重的形式體現(xiàn)出來，實(shí)現(xiàn)估算數(shù)據(jù)的最優(yōu)融合。
5.車輛動態(tài)稱重系統(tǒng)辨識方法，其特征在于將車輛稱重裝置和車輛視為一個整體系統(tǒng)來建立數(shù)學(xué)模型，得出一個標(biāo)準(zhǔn)的用ARMA模型表示的快速時變系統(tǒng)，利用快速時變系統(tǒng)辨識算法進(jìn)行在線遞推辨識，根據(jù)稱重系統(tǒng)的輸入輸出數(shù)據(jù)以及所建立快速時變系統(tǒng)的模型算出軸重。
6.如權(quán)利要求5所述的車輛動態(tài)稱重系統(tǒng)辨識方法，其特征在于在數(shù)學(xué)模型中考慮汽車通過軸重衡的時間內(nèi)的速度變化，在稱重系統(tǒng)硬件上增加車輛通過速度和加速度的檢測裝置，并將速度和加速度作為考慮因素，以權(quán)重的形式體現(xiàn)出來，實(shí)現(xiàn)估算數(shù)據(jù)的最優(yōu)融合。
全文摘要
本發(fā)明公開了一種車輛動態(tài)稱重系統(tǒng)，包括信號依次傳輸?shù)木€圈檢測器稱重平臺輪軸判別器紅外線車輛分離器數(shù)據(jù)采集處理器中央處理單元和輸出顯示器，輪軸判別器至少為三組，每組間隔一定距離，還公開了兩種估算方法，采用數(shù)學(xué)模型法或者系統(tǒng)辨識方法對汽車軸重信號進(jìn)行測量和估算，可以抑制噪聲，基于系統(tǒng)辨識的軸重動態(tài)檢測方法可以提高測量的精度，減少車輛通過檢測口時因不同車速給檢測帶來的誤差；在這兩種估算方法中采用至少三組輪軸判別器對速度和加速度進(jìn)行檢測，考慮汽車通過軸重衡的時間內(nèi)速度的變化，進(jìn)一步減小稱重計量誤差，最大限度地提高稱重精度。
文檔編號G01G19/03GK1844865SQ20061005061
公開日2006年10月11日 申請日期2006年5月8日 優(yōu)先權(quán)日2006年5月8日
發(fā)明者何宏偉, 鄭惠群 申請人:何宏偉