基于雙秤臺汽車衡的車輛動態(tài)稱重算法

張曉東，李麗宏，宋艷琴

(太原理工大學(xué) 信息工程學(xué)院，山西 太原030024)

0 引 言

雙秤臺汽車衡由于其稱量準(zhǔn)確、高效等優(yōu)點，目前已經(jīng)廣泛應(yīng)用于高速公路計重收費系統(tǒng)。汽車通過秤臺時，其作用在秤臺上的力除了真實軸重外，還有很多因素產(chǎn)生的干擾，如車速、車輛自身諧振、路面不平、輪胎驅(qū)動加速等。經(jīng)過仔細(xì)研究分析發(fā)現(xiàn)，軸重信號的噪聲有高頻部分和低頻部分。利用小波變換算法消除高頻干擾，對信號進行降噪預(yù)處理。針對低頻噪聲干擾，利用BP 網(wǎng)絡(luò)算法進行濾波。理論上講，對于同一種的車型利用神經(jīng)網(wǎng)絡(luò)處理動態(tài)稱重數(shù)據(jù)，只要采集足夠多、足夠全的稱重數(shù)據(jù)，通過樣本訓(xùn)練總是可以找到一個合適的網(wǎng)絡(luò)模型，利用該模型計算出被測車輛的精確重量。

針對實際情況中都是不同軸型的車輛過秤，本文提出引進可以識別軸型的專家系統(tǒng)，對于不同軸型的車種使用改進后的BP 網(wǎng)絡(luò)模型濾波，最終車輛的重量更加接近真實值。

1 小波變換濾波預(yù)處理

1.1 雙秤臺汽車衡

如圖1 所示，雙秤臺動態(tài)汽車衡有2 個秤臺、8只稱重傳感器，2 只傳感器并聯(lián)為一組可采集4 路車輛軸重信號并對其進行濾波預(yù)處理。

圖1 雙秤臺汽車衡傳感器分布結(jié)構(gòu)示意圖Fig 1 Structure diagram of sensor of double weighing platform truck scale

1.2 濾波預(yù)處理

小波變換對于非平穩(wěn)的小區(qū)域噪聲信號具有很好的濾波作用，同時動態(tài)稱重過程中的噪聲頻段分布明確，因此，信號中的尖峰和突變能得到很好的處理，從而實現(xiàn)非平穩(wěn)信號的消噪。經(jīng)反復(fù)實驗研究發(fā)現(xiàn)，軸重信號可分5 層高頻濾波，軸重信號小波分解樹示意圖見圖2。

圖2 軸重信號小波分解樹示意圖Fig 2 Schematic diagram of wavelet decomposition tree of signal of axle load

如圖2 所示，第1，2，3，4，5 層噪聲的高頻部分(cD1，cD2，cD3，cD4，cD5)包含了路面不平、發(fā)動機轉(zhuǎn)動等因素產(chǎn)生的噪聲，可以使用小波變換濾掉以上噪聲干擾。

第5 層低頻部分(cA5)主要包括輪軸通過秤臺時稱重傳感器的線性變化(即真實軸重信號)，速度、驅(qū)動力加速對軸重信號的干擾以及車輛的自身諧振噪聲，小波變換無法很好濾掉，處理時保留。

完成上述濾波過程后，將小波分解后的各層信息進行小波重構(gòu)，重構(gòu)信號即為去掉高頻噪聲后的軸重信號。

2 軸型識別系統(tǒng)

2.1 傳感器輸入

如圖1 所示，秤臺一和秤臺二可判斷系統(tǒng)是否有軸以及是否聯(lián)軸，輪軸識別器可判斷每軸的輪胎數(shù)是單胎還是雙胎，最后車輛分離器可判斷是否整車通過。系統(tǒng)軟件的工作流程見圖3。

圖3 軸型識別程序流程Fig 3 Program flow of axle type identification

經(jīng)過傳感器輸入信號和儀表程序分析，可得出車輛的基本軸型，之后經(jīng)過軸型識別的專家系統(tǒng)的分析，可得出車輛車型軸型編碼。

2.2 專家系統(tǒng)

如圖4 所示，一般專家系統(tǒng)由知識庫、數(shù)據(jù)庫、推理機、解釋部分和知識獲取5 個部分組成。知識庫是專家系統(tǒng)的一個重要組成部分，實際中每種車型具有固定的聯(lián)軸，而且每種車輛第一軸必定單輪非聯(lián)軸。根據(jù)這些信息和程序分析判斷結(jié)果可進行知識獲取并作為專家知識庫，將測得的每個軸組信息作為數(shù)據(jù)庫，利用專家知識庫對當(dāng)前獲得的數(shù)據(jù)進行推理并給出解釋和車輛軸型編碼。

圖4 專家系統(tǒng)組成框圖Fig 4 Composition block diagram of expert system

3 BP 網(wǎng)絡(luò)模型

3.1 BP 網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則

BP 網(wǎng)絡(luò)的產(chǎn)生歸功于BP 算法的獲得。BP 算法屬于δ算法，是一種監(jiān)督式的學(xué)習(xí)算法。BP 網(wǎng)絡(luò)工作原理概括來說，就是通過不斷調(diào)整層與層之間的各個權(quán)值，使得誤差函數(shù)最小。如圖5 所示的三層網(wǎng)絡(luò)為例進行BP 算法推導(dǎo)。

圖5 三層網(wǎng)絡(luò)簡圖Fig 5 Schematic diagram of three-layer BP network

3.1.1 信息的正向傳遞

隱含層中第i 個神經(jīng)元的輸出為

輸出層第k 個神經(jīng)元的輸出為

3.1.2 利用梯度下降法求權(quán)值變化與誤差的反向傳播

1)輸出層的權(quán)值變化:對從第i 個輸入到第k 個輸出的權(quán)值，有

定義誤差函數(shù)為

其中

同理，可得

2)隱含層權(quán)值變化:對從第j 個輸入到第i 個輸出的權(quán)值，有

其中

同理，可得

3.2 BP 網(wǎng)絡(luò)模型

選取由輸入層、隱含層、輸出層的三層BP 網(wǎng)絡(luò)。

3.2.1 輸入層的選取

對一個BP 網(wǎng)絡(luò)而言，其輸入量的選取將直接決定該網(wǎng)絡(luò)最終處理數(shù)據(jù)的能力。在選取BP 網(wǎng)絡(luò)輸入時，總體原則是輸入量要盡可能地從不同方面反映所處理數(shù)據(jù)的特征。

從實驗中發(fā)現(xiàn)，車輛靜態(tài)軸重不僅和秤臺動態(tài)稱量值緊密相關(guān)，而且跟車軸速度以及加速度有關(guān)?，F(xiàn)場觀察發(fā)現(xiàn)，多軸重車司機經(jīng)常利用速度變化作弊稱重，例如:跳磅(前軸急加速)、拖磅(后軸急減速)過秤等。假設(shè)車軸勻加速，通過測量車軸在2 個秤臺的速度，可以計算車軸的加速度。計算公式如下

其中，a 是車軸加速度;v1是車軸在第1 個秤臺的速度;v2是車軸在第2 個秤臺的速度;s 是兩秤臺的中心距離。

此外，軸型不同的車輛在車輛自身諧振也有不同規(guī)律，對稱重結(jié)果的影響也不同。使用專家系統(tǒng)識別車輛軸型后將車型編碼輸入網(wǎng)絡(luò)，適用于各種車型，可提高網(wǎng)絡(luò)的精度。

綜上所述，以車軸在秤臺一的重量、速度，車軸在秤臺二的重量、速度和車軸在秤臺的加速度以及車輛軸型作為BP 網(wǎng)絡(luò)的輸入，輸入節(jié)點個數(shù)為6。

3.2.2 網(wǎng)絡(luò)結(jié)構(gòu)的確定

雙秤臺汽車衡動態(tài)稱重的目的就是測量車輛的各個軸重，軸重累加得到車輛靜態(tài)車重。所以，網(wǎng)絡(luò)的輸出就是車輛的靜態(tài)軸重。

通過實際仿真計算可得到，隱層的節(jié)點數(shù)確定為15 個。通過網(wǎng)絡(luò)層數(shù)和輸入層、隱層、輸出層節(jié)點的確定，訓(xùn)練誤差為0.001%，最終可確定網(wǎng)絡(luò)的結(jié)構(gòu)為6×15×1。

4 實 驗

4.1 實驗樣本選擇

實驗車輛選取一輛115 型四軸車和一輛159 型六軸車。兩種車輛分別以5，10，15，20 km/h 左右勻速通過雙秤臺汽車衡，以5，10 km/h 左右加速通過雙秤臺汽車衡，以15，20 km/h 左右減速通過雙秤臺汽車衡。每種車輛共采集樣本數(shù)據(jù)100 組，共采集200 組數(shù)據(jù)。

其中，每種車輛隨機抽取90 組數(shù)據(jù)作為訓(xùn)練樣本，剩余10 組作為測試樣本。

4.2 實驗結(jié)果

將180 組樣本數(shù)據(jù)的秤臺一軸重、秤臺二軸重、秤臺一速度、秤臺二速度、加速度、車型作為BP 網(wǎng)絡(luò)的輸入，輸出為靜態(tài)軸重，將訓(xùn)練好的網(wǎng)絡(luò)檢驗剩余20 組數(shù)據(jù)，實驗結(jié)果見表1。

表1 實驗數(shù)據(jù)Tab 1 Experimental datas

從表1 中可以得出:兩種車輛的單軸最大誤差為1.74%，整車總重最大誤差為0.68%，已達到GB/T 21296—2007《動態(tài)公路車輛自動衡器》規(guī)定的整車總重量的準(zhǔn)確度:2 級和單軸載荷的準(zhǔn)確度:D 級。顯然，基于BP 網(wǎng)絡(luò)的雙秤臺動態(tài)汽車衡對于兩種不同軸型的車輛稱重已取得較好的效果。

5 結(jié) 論

本文針對雙秤臺動態(tài)汽車衡并根據(jù)稱重信號分析情況，采用小波變換對信號預(yù)處理去除高頻噪聲。之后將信號輸入BP 網(wǎng)絡(luò)，并在BP 網(wǎng)絡(luò)模型中加入軸型識別系統(tǒng)和加速度作為輸入節(jié)點，利用BP 網(wǎng)絡(luò)良好的自我學(xué)習(xí)能力，對兩種不同車輛過秤數(shù)據(jù)訓(xùn)練，將訓(xùn)練后的數(shù)據(jù)檢驗實驗數(shù)據(jù)。實驗證明:該方法能保證處理結(jié)果達到動態(tài)稱重相關(guān)國家標(biāo)準(zhǔn)中的較高精度，而且對不同車型車輛具有普遍的適應(yīng)性。

［1］ 李麗宏，石常興.數(shù)據(jù)融合技術(shù)在車輛軸型識別系統(tǒng)中的應(yīng)用［J］.電子設(shè)計工程，2011，19(9):76－78.

［2］ 李麗宏，趙 娜.卡爾曼濾波在動態(tài)汽車衡稱量中的應(yīng)用［J］.軟件，2012，33(3):25－28.

［3］ 武奇生，王 丹，陳圓媛，等.基于ETC 的車輛動態(tài)稱重系統(tǒng)軸載數(shù)據(jù)處理算法研究［J］.公路交通科技，2009(10):190－194.

［4］ 劉漢平，王健剛，陳冰泉.汽車的運動速度對動態(tài)稱重結(jié)果的影響［J］.中外公路，2006，4(26):231－234.

［5］ 柒麗娟，那文波，李 寧，等.小波分析在微重量動態(tài)稱重中的應(yīng)用研究［J］.工業(yè)控制計算機，2009，22(10):52－55.

［6］ 裴春清.基于深度濾波的動態(tài)汽車衡算法［J］.科技應(yīng)用，2008，37(S2):7－9.

［7］ 李麗宏，王淑娟.專家系統(tǒng)在車輛軸型識別中的應(yīng)用［J］.軟件，2012，33(3):12－14.

［8］ 張建新.廣義神經(jīng)網(wǎng)絡(luò)在聯(lián)體秤臺中的應(yīng)用［J］.計量裝置及應(yīng)用，2013，23(5):48－50.

［9］ 曹興鋒.一種BP 神經(jīng)網(wǎng)絡(luò)氣象預(yù)測中的應(yīng)用研究［J］.科技通報，2012，28(8):55－57.

［10］陳 政，鐘匯才，李 慶.基于PVDF 壓電傳感器的車輛動態(tài)稱重信號的研究［J］.傳感器與微系統(tǒng)，2012，31(4):36－39.

［11］張德豐.Matlab 神經(jīng)網(wǎng)絡(luò)編程［M］.北京:化學(xué)工業(yè)出版社，2011:131－156.

［12］GB/T 21296—2007，動態(tài)公路車輛自動衡器［S］.