基于压电薄膜的车辆动态称重算法的研究与实现

张霞,高彤彤

(山西大学 计算机与信息技术学院,山西 太原 030006)

0 引言

超载现象会严重影响到司机以及道路人员的安全，同时降低道路桥梁的使用寿命,因此治超管理至关重要。传统的固定治超站占地较大且成本高,需要车辆轮流进入站台,影响道路车流量,同时还存在人为舞弊因素使得治超效率较低,成本较高。因此,需要利用高效的动态称重系统对超载现象进行治理[1-3]。

动态称重系统[4]是在载重车辆正常行驶的过程中,通过在载重车辆行驶的道路上埋设称重传感器[5-8],获取称重信号[9-11]并自动计算车辆载重,达到治超的目的。这对硬件设备的稳定性、敏感性以及称重算法的精度有特别高的要求,目前动态称重系统的精度仍有待提高。

当前采用的称重算法主要有算术平均值法、参数估计法、神经网络法、经验模态分解法(EMD)以及位移积分法。算术平均法过于简单,适合低速称重;参数估计法基于模型建立,但是轴重信号由于受到外界干扰,并不符合平稳性,模型建立比较困难。经验模态分解法不适合对实时数据进行处理。神经网络法需要大量数据样本进行学习,现阶段实现较困难。因此本文采用位移积分法。

称重算法[12-13]的选择影响整个动态称重系统的精确性。称重算法首先需要采集称重传感器所获取的电信号,由于载重车辆在运输过程中,受到很多环境因素的影响,会产生附加载荷,因此需要对采集到的称重信号进行滤波预处理[14],利用滤波后的称重信号计算信号面积和车辆速度,从而计算车重,同时传感器的灵敏度受到温度、地面湿度等因素的影响,因此需要对称重算法进一步进行因素补偿,提高称重精度[15-17]。

本文采用小波阈值滤波[18]对采集到的称重信号进行去噪处理,同时提出利用小波变换模极大值点检测信号突变点的方法检测称重信号奇异点,并利用该奇异点进行称重面积以及车辆速度的计算,同时提出基于温度的动态称重补偿系数,对称重算法进行补偿改进,进一步提高称重算法精度。

1 基于压电薄膜的动态称重算法

在进行实验测试时,首先在行车道路埋设称重传感器,当有车辆通过时,传感器会采集车辆轴重信号,由于外界环境干扰和车辆自身振动,需要对轴重信号进行降噪滤波处理,然后采用小波变换模极大值法检测轴重信号突变点,计算轴重面积,最后采用基于温度补偿的动态称重算法计算车重。

1.1 压电薄膜传感器的安装

压电薄膜传感器的埋设深度、平整度以及所处环境的温度、湿度等因素会直接影响波形图采集的精确度。因此,在埋设的过程中需将传感器控制在水平方向,选取合适的深度,同时要尽量排除地面湿度的影响。

传统方式将传感器直接埋于地下,不利于对传感器的埋设控制,同时受到环境的影响会更加严重,其精度、灵敏度也会随环境的变化而变化,误差也会随之增加,不利于测试的稳定性,同时由于地面对其有一定的磨损,会大大缩短传感器的使用寿命。

因此在实验过程中,需借助支架更好地控制传感器,将传感器水平放置在一个金属水平凹槽底部,并用夹子控制传感器的位置,避免传感器由于受力不均而滑动,最后用胶体封装,置于地下4 mm处,避免传感器直接接触地面,减少湿度对其的影响。将传感器采用Z形安置,采集前后两个传感器的称重信号,避免因其中一个传感器故障而导致实验的失败,同时也可提高称重结果的稳定性,采集中间传感器的称重信号可对车轴进行轮轴识别。

1.2 小波阈值去噪

载重车辆在运输过程中,由于埋设动态称重传感器区域的路面不平整、经过动态称重区域的速度不稳定以及车辆行驶过程中的自身震动都会产生一定的干扰信号,这些干扰信号也会被称重传感器采集,形成噪音信号,影响实际称重信号的获取,这些噪音信号具有非平稳、非线性且奇异点多等特点,因此本文采用小波变换对称重传感器采集到的称重信号进行去噪滤波处理。

小波去噪[19-20]的方法有基于模极大值去噪、小波阈值去噪以及平移不变量法。在实际应用过程中,平移不变量法对含有若干不连续点的信号有更好的去噪效果,但是计算速度非常慢;模极大值去噪法对掺杂白噪音以及奇异点较多的信号去噪效果更加明显,奇异点信号也能够被很好地保留,更好地反映信号特征;小波阈值去噪法计算速度快,能够在去除噪音信号的同时有效的保留原始信号的特征点。

称重信号小波阈值去噪步骤如下:

(1)选取合适的db4小波基函数对称重信号进行分解,通过不断试验与改进,发现对称重信号进行五层分解更加有利于对噪音信号的滤除,将称重信号分解为

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

cD3+cD2+cD1

(1)

其中:cAi为分解的近似部分,cDi为分解的细节部分。

(2)采用模平均阈值函数对分解系数进行处理,高于阈值的系数予以保留,低于阈值的舍弃。模平均阈值函数为:

(2)

(3)将保留的分解系数进行重构,得到去噪后的称重信号。

1.3 基于小波变换模极大值的信号突变点检测

车重的计算需要利用称重信号的面积以及车辆速度,在对滤波后的称重信号进行面积积分时,称重信号的起点和终点影响称重信号面积积分计算的准确性,因此需要检测车辆到达和离开传感器的时间点,即称重信号突变点。目前通过计算轴重信号的斜率,并与给定的阈值进行比较,当斜率绝对值首次大于阈值时认为车辆轮胎到达传感器,当斜率绝对值最后一次小于阈值时认为车辆轮胎离开传感器,但是该方法需要不断调整阈值,因此本文提出通过分析轴重信号奇异性来确定面积积分的起点和终点。

对称重信号进行小波阈值去噪后,信号中仍保留其奇异点,分析其奇异点发生的时间、类型以及振幅的变化可以确定信号突变点,进而提高后续面积积分计算的精度。基于模极大值的小波变换具有时-频局部化特性,在对称重信号进行分析处理时,能够很好地分析称重信号的奇异性,同时准确定位称重信号奇异点的位置,为信号奇异性分析提供了有力的工具。

(3)

当时点t满足下式时,则t为信号模极大值

(4)

模极大值点即对应称重信号突变点,对阈值去噪后的称重信号进行多尺度分析,通过大量实验分析对比,发现在d5层很容易就发现信号的奇异点位置以及信号突变的范围,该信号突变的范围即为车辆通过传感器的时间段。利用该奇异点分析,可准确识别称重信号突变点,并计算称重信号轴重面积。

1.4 基于温度称重补偿系数的车重计算

在实际应用过程中,载重车辆通过压电薄膜传感器时,传感器会采集到一组波形信号,速度越大,信号面积越小,通过不断实验验证与波形分析,目前广泛采用的车辆载重计算公式:

W=CAV

(5)

其中,C为固定称重系数,利用已知载重为W0的车辆以固定速度V0压过传感器所产生的称重信号确定,C0=W0/(A·V0),A为所测车辆通过传感器所产生称重信号面积,V为所测车辆通过传感器的速度。

该车辆载重计算方法中,称重系数为定值,未考虑其他因素的影响,在大量实验过程中,发现环境湿度、温度对压电薄膜称重传感器灵敏度以及稳定性有很大的影响,本文通过改进传感器的埋设方式从而减少环境湿度的影响,通过埋设温度传感器的方式获取实时环境温度,在实验过程中发现,环境温度在-10℃～60℃之间变化,因此提出基于温度的称重补偿系数的称重算法从而减少温度对称重算法的影响。基于温度的动态称重补偿系数为C=f(T)。

因此改进后的称重算法为:

W=f(T)·VA

(6)

2 实验及结果分析

速度V利用轴距除以t3和t2时间差即可得到。

然后通过计算不同温度Ti下的称重系数Ci,并采用最小二乘法拟合得出温度Ti与称重系数Ci之间的函数关系,得出动态称重系数C=f(T),将该动态称重系数用于动态称重算法,并测试算法精度。

图1 奇异点分析Fig.1 Singularity analysis

图2 称重信号突变点分析Fig.2 Analysis of sudden change point of weighing signal

称重结果如图3所示,可以看出改进前的称重算法精度受温度影响较大,随温度的增大,称重误差越来越大,误差最大已达30%,采用改进后的称重算法,动态称重算法精度得到明显提高,温度对称重算法的影响明显减少,改进后的称重算法平均误差为2.81%,平均称重误差降低22.28%。

图3 算法结果对比图Fig.3 Comparison of results between two algorithms

最后将改进后的称重算法用于动态称重系统,且该车辆动态称重系统已经在实地安装应用,采集实地车辆数据,并计算车重,以收费站出口重量为实际车辆载重,验证算法误差。

在应用场地实地采集通过车辆的称重信号,共采集300组数据,部分结果为表1,称重误差小于5%,将采集到的称重信号进行分类整理,统计结果为表2。

表1 结果采集数据表

表2 称重算法的综合性能统计

由表2可知,随着载重的增加,称重误差不断降低,对载重40 t以上的车辆,误差在5%以内的车辆可达76.76%。在后续的工作中,考虑载重对称重算法的影响,对不同载重区间的车辆分段处理,初步通过车型以及核定载重对车辆载重分类,继续提高算法精度与适用性。

3 结束语

本文通过改进称重信号面积积分的计算方法,提出分析奇异点来检测面积积分的起点和终点,提高面积积分的准确性,并且提出基于温度的动态称重补偿系数,降低温度对称重算法的影响,提高称重算法精度,通过在应用场地的试验,该称重算法可以很好地满足实际应用的需求,大大节省超载车辆的管理成本,提高路面超载车辆的管理效率。