基于壓電薄膜的車輛動(dòng)態(tài)稱重算法的研究與實(shí)現(xiàn)

張霞,高彤彤

(山西大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院,山西 太原 030006)

0 引言

超載現(xiàn)象會(huì)嚴(yán)重影響到司機(jī)以及道路人員的安全，同時(shí)降低道路橋梁的使用壽命,因此治超管理至關(guān)重要。傳統(tǒng)的固定治超站占地較大且成本高,需要車輛輪流進(jìn)入站臺(tái),影響道路車流量,同時(shí)還存在人為舞弊因素使得治超效率較低,成本較高。因此,需要利用高效的動(dòng)態(tài)稱重系統(tǒng)對(duì)超載現(xiàn)象進(jìn)行治理[1-3]。

動(dòng)態(tài)稱重系統(tǒng)[4]是在載重車輛正常行駛的過(guò)程中,通過(guò)在載重車輛行駛的道路上埋設(shè)稱重傳感器[5-8],獲取稱重信號(hào)[9-11]并自動(dòng)計(jì)算車輛載重,達(dá)到治超的目的。這對(duì)硬件設(shè)備的穩(wěn)定性、敏感性以及稱重算法的精度有特別高的要求,目前動(dòng)態(tài)稱重系統(tǒng)的精度仍有待提高。

當(dāng)前采用的稱重算法主要有算術(shù)平均值法、參數(shù)估計(jì)法、神經(jīng)網(wǎng)絡(luò)法、經(jīng)驗(yàn)?zāi)B(tài)分解法(EMD)以及位移積分法。算術(shù)平均法過(guò)于簡(jiǎn)單,適合低速稱重;參數(shù)估計(jì)法基于模型建立,但是軸重信號(hào)由于受到外界干擾,并不符合平穩(wěn)性,模型建立比較困難。經(jīng)驗(yàn)?zāi)B(tài)分解法不適合對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行處理。神經(jīng)網(wǎng)絡(luò)法需要大量數(shù)據(jù)樣本進(jìn)行學(xué)習(xí),現(xiàn)階段實(shí)現(xiàn)較困難。因此本文采用位移積分法。

稱重算法[12-13]的選擇影響整個(gè)動(dòng)態(tài)稱重系統(tǒng)的精確性。稱重算法首先需要采集稱重傳感器所獲取的電信號(hào),由于載重車輛在運(yùn)輸過(guò)程中,受到很多環(huán)境因素的影響,會(huì)產(chǎn)生附加載荷,因此需要對(duì)采集到的稱重信號(hào)進(jìn)行濾波預(yù)處理[14],利用濾波后的稱重信號(hào)計(jì)算信號(hào)面積和車輛速度,從而計(jì)算車重,同時(shí)傳感器的靈敏度受到溫度、地面濕度等因素的影響,因此需要對(duì)稱重算法進(jìn)一步進(jìn)行因素補(bǔ)償,提高稱重精度[15-17]。

本文采用小波閾值濾波[18]對(duì)采集到的稱重信號(hào)進(jìn)行去噪處理,同時(shí)提出利用小波變換模極大值點(diǎn)檢測(cè)信號(hào)突變點(diǎn)的方法檢測(cè)稱重信號(hào)奇異點(diǎn),并利用該奇異點(diǎn)進(jìn)行稱重面積以及車輛速度的計(jì)算,同時(shí)提出基于溫度的動(dòng)態(tài)稱重補(bǔ)償系數(shù),對(duì)稱重算法進(jìn)行補(bǔ)償改進(jìn),進(jìn)一步提高稱重算法精度。

1 基于壓電薄膜的動(dòng)態(tài)稱重算法

在進(jìn)行實(shí)驗(yàn)測(cè)試時(shí),首先在行車道路埋設(shè)稱重傳感器,當(dāng)有車輛通過(guò)時(shí),傳感器會(huì)采集車輛軸重信號(hào),由于外界環(huán)境干擾和車輛自身振動(dòng),需要對(duì)軸重信號(hào)進(jìn)行降噪濾波處理,然后采用小波變換模極大值法檢測(cè)軸重信號(hào)突變點(diǎn),計(jì)算軸重面積,最后采用基于溫度補(bǔ)償?shù)膭?dòng)態(tài)稱重算法計(jì)算車重。

1.1 壓電薄膜傳感器的安裝

壓電薄膜傳感器的埋設(shè)深度、平整度以及所處環(huán)境的溫度、濕度等因素會(huì)直接影響波形圖采集的精確度。因此,在埋設(shè)的過(guò)程中需將傳感器控制在水平方向,選取合適的深度,同時(shí)要盡量排除地面濕度的影響。

傳統(tǒng)方式將傳感器直接埋于地下,不利于對(duì)傳感器的埋設(shè)控制,同時(shí)受到環(huán)境的影響會(huì)更加嚴(yán)重,其精度、靈敏度也會(huì)隨環(huán)境的變化而變化,誤差也會(huì)隨之增加,不利于測(cè)試的穩(wěn)定性,同時(shí)由于地面對(duì)其有一定的磨損,會(huì)大大縮短傳感器的使用壽命。

因此在實(shí)驗(yàn)過(guò)程中,需借助支架更好地控制傳感器,將傳感器水平放置在一個(gè)金屬水平凹槽底部,并用夾子控制傳感器的位置,避免傳感器由于受力不均而滑動(dòng),最后用膠體封裝,置于地下4 mm處,避免傳感器直接接觸地面,減少濕度對(duì)其的影響。將傳感器采用Z形安置,采集前后兩個(gè)傳感器的稱重信號(hào),避免因其中一個(gè)傳感器故障而導(dǎo)致實(shí)驗(yàn)的失敗,同時(shí)也可提高稱重結(jié)果的穩(wěn)定性,采集中間傳感器的稱重信號(hào)可對(duì)車軸進(jìn)行輪軸識(shí)別。

1.2 小波閾值去噪

載重車輛在運(yùn)輸過(guò)程中,由于埋設(shè)動(dòng)態(tài)稱重傳感器區(qū)域的路面不平整、經(jīng)過(guò)動(dòng)態(tài)稱重區(qū)域的速度不穩(wěn)定以及車輛行駛過(guò)程中的自身震動(dòng)都會(huì)產(chǎn)生一定的干擾信號(hào),這些干擾信號(hào)也會(huì)被稱重傳感器采集,形成噪音信號(hào),影響實(shí)際稱重信號(hào)的獲取,這些噪音信號(hào)具有非平穩(wěn)、非線性且奇異點(diǎn)多等特點(diǎn),因此本文采用小波變換對(duì)稱重傳感器采集到的稱重信號(hào)進(jìn)行去噪濾波處理。

小波去噪[19-20]的方法有基于模極大值去噪、小波閾值去噪以及平移不變量法。在實(shí)際應(yīng)用過(guò)程中,平移不變量法對(duì)含有若干不連續(xù)點(diǎn)的信號(hào)有更好的去噪效果,但是計(jì)算速度非常慢;模極大值去噪法對(duì)摻雜白噪音以及奇異點(diǎn)較多的信號(hào)去噪效果更加明顯,奇異點(diǎn)信號(hào)也能夠被很好地保留,更好地反映信號(hào)特征;小波閾值去噪法計(jì)算速度快,能夠在去除噪音信號(hào)的同時(shí)有效的保留原始信號(hào)的特征點(diǎn)。

稱重信號(hào)小波閾值去噪步驟如下:

(1)選取合適的db4小波基函數(shù)對(duì)稱重信號(hào)進(jìn)行分解,通過(guò)不斷試驗(yàn)與改進(jìn),發(fā)現(xiàn)對(duì)稱重信號(hào)進(jìn)行五層分解更加有利于對(duì)噪音信號(hào)的濾除,將稱重信號(hào)分解為

S=cA1+cD1=cA5+cD5+cD4+

cD3+cD2+cD1

(1)

其中:cAi為分解的近似部分,cDi為分解的細(xì)節(jié)部分。

(2)采用模平均閾值函數(shù)對(duì)分解系數(shù)進(jìn)行處理,高于閾值的系數(shù)予以保留,低于閾值的舍棄。模平均閾值函數(shù)為:

(2)

(3)將保留的分解系數(shù)進(jìn)行重構(gòu),得到去噪后的稱重信號(hào)。

1.3 基于小波變換模極大值的信號(hào)突變點(diǎn)檢測(cè)

車重的計(jì)算需要利用稱重信號(hào)的面積以及車輛速度,在對(duì)濾波后的稱重信號(hào)進(jìn)行面積積分時(shí),稱重信號(hào)的起點(diǎn)和終點(diǎn)影響稱重信號(hào)面積積分計(jì)算的準(zhǔn)確性,因此需要檢測(cè)車輛到達(dá)和離開(kāi)傳感器的時(shí)間點(diǎn),即稱重信號(hào)突變點(diǎn)。目前通過(guò)計(jì)算軸重信號(hào)的斜率,并與給定的閾值進(jìn)行比較,當(dāng)斜率絕對(duì)值首次大于閾值時(shí)認(rèn)為車輛輪胎到達(dá)傳感器,當(dāng)斜率絕對(duì)值最后一次小于閾值時(shí)認(rèn)為車輛輪胎離開(kāi)傳感器,但是該方法需要不斷調(diào)整閾值,因此本文提出通過(guò)分析軸重信號(hào)奇異性來(lái)確定面積積分的起點(diǎn)和終點(diǎn)。

對(duì)稱重信號(hào)進(jìn)行小波閾值去噪后,信號(hào)中仍保留其奇異點(diǎn),分析其奇異點(diǎn)發(fā)生的時(shí)間、類型以及振幅的變化可以確定信號(hào)突變點(diǎn),進(jìn)而提高后續(xù)面積積分計(jì)算的精度。基于模極大值的小波變換具有時(shí)-頻局部化特性,在對(duì)稱重信號(hào)進(jìn)行分析處理時(shí),能夠很好地分析稱重信號(hào)的奇異性,同時(shí)準(zhǔn)確定位稱重信號(hào)奇異點(diǎn)的位置,為信號(hào)奇異性分析提供了有力的工具。

(3)

當(dāng)時(shí)點(diǎn)t滿足下式時(shí),則t為信號(hào)模極大值

(4)

模極大值點(diǎn)即對(duì)應(yīng)稱重信號(hào)突變點(diǎn),對(duì)閾值去噪后的稱重信號(hào)進(jìn)行多尺度分析,通過(guò)大量實(shí)驗(yàn)分析對(duì)比,發(fā)現(xiàn)在d5層很容易就發(fā)現(xiàn)信號(hào)的奇異點(diǎn)位置以及信號(hào)突變的范圍,該信號(hào)突變的范圍即為車輛通過(guò)傳感器的時(shí)間段。利用該奇異點(diǎn)分析,可準(zhǔn)確識(shí)別稱重信號(hào)突變點(diǎn),并計(jì)算稱重信號(hào)軸重面積。

1.4 基于溫度稱重補(bǔ)償系數(shù)的車重計(jì)算

在實(shí)際應(yīng)用過(guò)程中,載重車輛通過(guò)壓電薄膜傳感器時(shí),傳感器會(huì)采集到一組波形信號(hào),速度越大,信號(hào)面積越小,通過(guò)不斷實(shí)驗(yàn)驗(yàn)證與波形分析,目前廣泛采用的車輛載重計(jì)算公式:

W=CAV

(5)

其中,C為固定稱重系數(shù),利用已知載重為W0的車輛以固定速度V0壓過(guò)傳感器所產(chǎn)生的稱重信號(hào)確定,C0=W0/(A·V0),A為所測(cè)車輛通過(guò)傳感器所產(chǎn)生稱重信號(hào)面積,V為所測(cè)車輛通過(guò)傳感器的速度。

該車輛載重計(jì)算方法中,稱重系數(shù)為定值,未考慮其他因素的影響,在大量實(shí)驗(yàn)過(guò)程中,發(fā)現(xiàn)環(huán)境濕度、溫度對(duì)壓電薄膜稱重傳感器靈敏度以及穩(wěn)定性有很大的影響,本文通過(guò)改進(jìn)傳感器的埋設(shè)方式從而減少環(huán)境濕度的影響,通過(guò)埋設(shè)溫度傳感器的方式獲取實(shí)時(shí)環(huán)境溫度,在實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn),環(huán)境溫度在-10℃～60℃之間變化,因此提出基于溫度的稱重補(bǔ)償系數(shù)的稱重算法從而減少溫度對(duì)稱重算法的影響?；跍囟鹊膭?dòng)態(tài)稱重補(bǔ)償系數(shù)為C=f(T)。

因此改進(jìn)后的稱重算法為:

W=f(T)·VA

(6)

2 實(shí)驗(yàn)及結(jié)果分析

速度V利用軸距除以t3和t2時(shí)間差即可得到。

然后通過(guò)計(jì)算不同溫度Ti下的稱重系數(shù)Ci,并采用最小二乘法擬合得出溫度Ti與稱重系數(shù)Ci之間的函數(shù)關(guān)系,得出動(dòng)態(tài)稱重系數(shù)C=f(T),將該動(dòng)態(tài)稱重系數(shù)用于動(dòng)態(tài)稱重算法,并測(cè)試算法精度。

圖1 奇異點(diǎn)分析Fig.1 Singularity analysis

圖2 稱重信號(hào)突變點(diǎn)分析Fig.2 Analysis of sudden change point of weighing signal

稱重結(jié)果如圖3所示,可以看出改進(jìn)前的稱重算法精度受溫度影響較大,隨溫度的增大,稱重誤差越來(lái)越大,誤差最大已達(dá)30%,采用改進(jìn)后的稱重算法,動(dòng)態(tài)稱重算法精度得到明顯提高,溫度對(duì)稱重算法的影響明顯減少,改進(jìn)后的稱重算法平均誤差為2.81%,平均稱重誤差降低22.28%。

圖3 算法結(jié)果對(duì)比圖Fig.3 Comparison of results between two algorithms

最后將改進(jìn)后的稱重算法用于動(dòng)態(tài)稱重系統(tǒng),且該車輛動(dòng)態(tài)稱重系統(tǒng)已經(jīng)在實(shí)地安裝應(yīng)用,采集實(shí)地車輛數(shù)據(jù),并計(jì)算車重,以收費(fèi)站出口重量為實(shí)際車輛載重,驗(yàn)證算法誤差。

在應(yīng)用場(chǎng)地實(shí)地采集通過(guò)車輛的稱重信號(hào),共采集300組數(shù)據(jù),部分結(jié)果為表1,稱重誤差小于5%,將采集到的稱重信號(hào)進(jìn)行分類整理,統(tǒng)計(jì)結(jié)果為表2。

表1 結(jié)果采集數(shù)據(jù)表

表2 稱重算法的綜合性能統(tǒng)計(jì)

由表2可知,隨著載重的增加,稱重誤差不斷降低,對(duì)載重40 t以上的車輛,誤差在5%以內(nèi)的車輛可達(dá)76.76%。在后續(xù)的工作中,考慮載重對(duì)稱重算法的影響,對(duì)不同載重區(qū)間的車輛分段處理,初步通過(guò)車型以及核定載重對(duì)車輛載重分類,繼續(xù)提高算法精度與適用性。

3 結(jié)束語(yǔ)

本文通過(guò)改進(jìn)稱重信號(hào)面積積分的計(jì)算方法,提出分析奇異點(diǎn)來(lái)檢測(cè)面積積分的起點(diǎn)和終點(diǎn),提高面積積分的準(zhǔn)確性,并且提出基于溫度的動(dòng)態(tài)稱重補(bǔ)償系數(shù),降低溫度對(duì)稱重算法的影響,提高稱重算法精度,通過(guò)在應(yīng)用場(chǎng)地的試驗(yàn),該稱重算法可以很好地滿足實(shí)際應(yīng)用的需求,大大節(jié)省超載車輛的管理成本,提高路面超載車輛的管理效率。