梁 強(qiáng)，歐全梅，韋彬貴

（1. 北海職業(yè)學(xué)院，北海 536000；2. 柳州職業(yè)技術(shù)學(xué)院，柳州 545006）

0 引言

近年來，公路交通線上各種運(yùn)輸車輛為了追求經(jīng)濟(jì)利益的最大化，經(jīng)常超載運(yùn)輸，不僅給車輛的行車帶來安全隱患，同時也給交通設(shè)施造成巨大壓力。很多公路路面和橋梁因此而大大縮短了使用壽命。目前，為了解決這一難題，各地交警部門往往采用突擊檢查的方式，對過往貨車停車稱重，檢測其是否有超載的現(xiàn)象。然而這種方式卻并不能很好地解決貨車超載問題。其一，停車檢測效率極低，很容易造成交通擁塞；其二、檢查點需要配備大型稱重設(shè)施，不易挪動，一旦設(shè)立很多違規(guī)車輛會繞行以避開檢查。因此，解決這一問題的最好方法對設(shè)計一套可靈活部署的車輛側(cè)重系統(tǒng)，測量過程中無需車輛停車，在其正常行駛過程中完成對貨車的重量完成稱量。

這也是當(dāng)前國際上研究非常熱門的動態(tài)稱重方法。然而，由于貨車行駛過程中的動態(tài)稱重實現(xiàn)起來比較復(fù)雜，其稱重的結(jié)果主要受車輛的類型、輪胎數(shù)量、行駛速度、行駛過程中的加速度、行駛過程中縱向振動等等因素的影響。目前，國際上一些比較成功的動態(tài)稱重系統(tǒng)設(shè)計誤差大約在5%～20%之間，比如德國的PAT動態(tài)稱重系統(tǒng)、美國的WIM動態(tài)稱重系統(tǒng)和瑞士的Kistler動態(tài)稱重系統(tǒng)等等。這些動態(tài)稱重系統(tǒng)主要采用高精度的壓力傳感器對車輛重量進(jìn)行測量，然后設(shè)計相關(guān)的貨車模型，進(jìn)行建模分析后，建立其實際重量與測量參數(shù)之間的關(guān)系，以此推測行駛中的貨車實際重量。這些系統(tǒng)設(shè)計過程中最為關(guān)鍵的是對貨車進(jìn)行建模與分析，國外在這一領(lǐng)域已經(jīng)有較長的時間積累，并通過實際測量驗證，建立起了比較完善和有效的稱重數(shù)據(jù)處理算法。然而我國在這一領(lǐng)域還處于起步階段，對動態(tài)稱重的理論和相關(guān)模型研究并不深入，因此，本文從車輛稱重的基本原理出發(fā)，著力研究對車輛行駛壓力的研究，避開對車輛復(fù)雜模型的分析，提出了一種基于傳感器網(wǎng)絡(luò)的車輛動態(tài)稱重系統(tǒng)的實現(xiàn)方案。

由于傳感器網(wǎng)絡(luò)是專門針對某一類數(shù)據(jù)采集和處理的網(wǎng)絡(luò)，整個傳感器網(wǎng)絡(luò)節(jié)點可以隨機(jī)部署，網(wǎng)絡(luò)中某一個節(jié)點的性能不會對整個傳感器網(wǎng)絡(luò)的信息處理結(jié)果造成決定性的影響。因此，使用傳感器網(wǎng)絡(luò)采集貨車行駛過程中對路面產(chǎn)生的壓力，既能夠獲得詳細(xì)、全面的原始數(shù)據(jù)，又避免了個別節(jié)點受車輛顛簸、加速等問題引起得數(shù)據(jù)測量誤差。并且傳感器網(wǎng)絡(luò)節(jié)點之間具有很強(qiáng)的協(xié)同能力，能夠相互協(xié)調(diào)配合，完成數(shù)據(jù)的融合與測量誤差的消減。

1 動態(tài)車重測量原理

車輛行駛過程中的動態(tài)測重系統(tǒng)的工作原理是由部署在路面的壓力傳感器采集車輛行駛過去時產(chǎn)生的壓力。車輛行駛的壓力主要分成兩部分，分別是車輛自身重力產(chǎn)生的壓力和行駛過程中各種干擾因素對傳感器產(chǎn)生的壓力。

圖1 傳感器受力分析模型

為了簡化分析模型，本文將單個傳感器所受到的壓力情況進(jìn)行建模分析，如圖1所示。傳感器中，該傳感器所受到的壓力分別為車輛分?jǐn)傇谠搨鞲衅魃系闹亓?、車輛運(yùn)動過程中產(chǎn)生的壓力和探頭自身重量，傳感器稱重探頭質(zhì)量mc產(chǎn)生的壓力。壓力傳感器的彈簧倔強(qiáng)系數(shù)為K，u為傳感器的等效阻尼系數(shù)。S(t)為壓力傳感器的變形位移。m(t)為車輛分配到該傳感器上的壓力，mr(t)為車輛行駛時對壓力傳感器產(chǎn)生的附加壓力。由此，可得到傳感器的實時壓力關(guān)系式：

由于傳感器節(jié)點受力后的位移情況與其受力的動態(tài)變化是密切相關(guān)，所以定義u(t)=δs(t)，式中δ為傳感器節(jié)點受力與變形位移之間的系數(shù)關(guān)系，該參數(shù)可以通過靜態(tài)測試的方法獲得。將u(t)=δs(t)代入上式后得到：

考慮到車輛運(yùn)行過程中的稱量，車輛行駛時的動態(tài)壓力相當(dāng)于是作用在傳感器節(jié)點上的一個脈沖壓力f(t)，脈沖壓力對應(yīng)的車輛運(yùn)行狀態(tài)即為車輛行駛過程中顛簸，對于很短的一個分析片斷，可以將顛簸產(chǎn)生的壓力等價于一個固有頻率的脈沖壓力。該壓力直接對傳感器探頭產(chǎn)生作用，但是不影響前面建立的傳感器節(jié)點受力分析模型。此時得到的探頭受力關(guān)系式為：

若已知彈簧的倔強(qiáng)系數(shù)K、并通過對車輛行駛速度動態(tài)分析，得到其顛簸的固有頻率ωn和阻尼比值λ，聯(lián)立上面式2和式3即可計算得到f(t)和等價后的阻尼系數(shù)μ。

2 傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法

實際部署傳感器網(wǎng)絡(luò)節(jié)點時，為了提高測量的精確性，在一個測量點上都部署了一群傳感器網(wǎng)絡(luò)節(jié)點。理論上，測量點越多得到的測量結(jié)構(gòu)精度可能越高。然而，由于在這一群傳感器節(jié)點組成的網(wǎng)絡(luò)中，不可能每個節(jié)點都處于真實壓力的最中心。因此在傳感器網(wǎng)絡(luò)對車輛產(chǎn)生壓力監(jiān)測時，會出現(xiàn)離中心壓力點越近的地方測量得到的數(shù)值與實際值差額越小，而離中心壓力點越遠(yuǎn)，則測量得到的數(shù)值誤差越大。而在每一次真實的測量過程中，中心壓力點卻又不是固定不變的，因此，傳感器網(wǎng)絡(luò)節(jié)點采集到數(shù)據(jù)后，需要進(jìn)行數(shù)據(jù)的融合處理。本文設(shè)計的傳感器網(wǎng)絡(luò)以一個壓力測量點作為一個簇，在該簇中選擇一個中心匯聚節(jié)點，該節(jié)點負(fù)責(zé)對該簇的傳感器網(wǎng)絡(luò)中的數(shù)據(jù)匯聚融合，同時，也負(fù)責(zé)與其他傳感器簇匯聚節(jié)點交換數(shù)據(jù)。

數(shù)據(jù)融合的處理流程是在一個傳感器網(wǎng)絡(luò)簇中，所有的節(jié)點將采集到壓力信息以廣播的形式發(fā)送給相鄰節(jié)點，各傳感器節(jié)點接收到其他節(jié)點傳遞過來的壓力數(shù)據(jù)，根據(jù)預(yù)先建立起來的節(jié)點到中心匯聚節(jié)點路由信息進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。因此，對于各節(jié)點采集到壓力數(shù)據(jù)，只有處于中心數(shù)據(jù)匯聚路徑上的節(jié)點才轉(zhuǎn)發(fā)數(shù)據(jù)，不在該路徑上的傳感器節(jié)點并不轉(zhuǎn)發(fā)數(shù)據(jù)，因此，這種數(shù)據(jù)傳遞方式不會產(chǎn)生廣播風(fēng)暴。各匯聚路徑傳遞的數(shù)據(jù)最終都集中到中心節(jié)點上，中心節(jié)點將采用數(shù)據(jù)融合算法對一個簇內(nèi)節(jié)點數(shù)據(jù)進(jìn)行處理。

數(shù)據(jù)融合算法實現(xiàn)起來并容易，主要是由于中心節(jié)點收到的大量信息中，無法判斷那些數(shù)據(jù)是離真實數(shù)據(jù)差距小，那些是離真實數(shù)據(jù)差距大，因此，也就無法制定出有效的數(shù)據(jù)融合算法。這個問題可以用非常經(jīng)典的“拜占庭問題”進(jìn)行類比，有關(guān)“拜占庭問題”的相關(guān)研究和文獻(xiàn)已經(jīng)有很多，本文直接使用前人的相關(guān)研究結(jié)果：

若節(jié)點之間能夠傳遞數(shù)據(jù)時都附帶有各自的身份信息，各節(jié)點也能夠認(rèn)證相互的身份。則當(dāng)傳感器節(jié)點數(shù)為X時，出現(xiàn)拜占庭錯誤的節(jié)點數(shù)為k，當(dāng)k＜=X/3時，可以解決拜占庭錯誤問題。若k＜=X-2時，需要在數(shù)據(jù)包中帶上身份信息以解決拜占庭錯誤問題。所有能夠解決拜占庭錯誤問題的數(shù)據(jù)一定服從最佳的正態(tài)分布形式。

按此結(jié)論，本文設(shè)計的數(shù)據(jù)融合算法過程為：中心匯聚節(jié)點將收集到的各傳感器節(jié)點傳遞的信息組成一個數(shù)據(jù)序列，該序列中有的離真實的測量值差距很小，有的差距很大，所有數(shù)值按從小到大進(jìn)行排列。然后將該序列中的最大值和最小值都舍棄，因為從概率而言，這兩個值是與真實的測量值誤差最大，算法中如此設(shè)計主要時為了提供算法的精度和抗干擾性。最后對剩下的數(shù)據(jù)按正態(tài)分布模型進(jìn)行統(tǒng)計，逐個遍歷選取測量的數(shù)據(jù)作為正態(tài)分布的中心點，得到整個數(shù)據(jù)序列的正態(tài)分布狀況，取最接近正態(tài)分布情況的中心點作為本次測量的最佳中心點，該數(shù)值作為一個傳感器網(wǎng)絡(luò)簇數(shù)據(jù)融合的輸出結(jié)果。整個數(shù)據(jù)融合流程如圖2所示。

圖2 一個傳感器網(wǎng)絡(luò)簇內(nèi)節(jié)點數(shù)據(jù)融合流程

通過這種數(shù)據(jù)融合算法，可以在一個傳感器網(wǎng)絡(luò)簇內(nèi)將其測量到的所有數(shù)據(jù)進(jìn)行綜合處理，得到的融合結(jié)果是使該網(wǎng)絡(luò)簇內(nèi)所有測量結(jié)果服從最佳的正態(tài)分布形式。該算法能夠有效地抵抗傳感器網(wǎng)絡(luò)簇測量過程中不準(zhǔn)確的問題。比如傳感器受壓點位置與預(yù)期位置發(fā)生偏移，這將導(dǎo)致一部分傳感器測量得到的數(shù)值比較準(zhǔn)確，而另一部分則偏差較大，但所有的測量結(jié)果實際是以最中央受力點的壓力值為對稱軸，整體上服從正態(tài)分布。因此采用本文設(shè)計的數(shù)據(jù)融合算法，將自動定位到測量最準(zhǔn)確的數(shù)值作為中心點，有效避免了測量過程中受力點不均勻的問題。

3 測試結(jié)果

車輛動態(tài)測重系統(tǒng)的實際工作性能是檢驗本文設(shè)計方案的最終標(biāo)準(zhǔn)。本文在實驗過程中選擇大眾寶萊1.6TL型的小轎車作為測試對象。該車的主要物理參數(shù)如表1所示。

表1 大眾寶萊1.6TL型的小轎車主要物理參數(shù)

測量過程中，駕駛員自身重量70kg，車輛已不同加速度和行駛速度通過布有傳感器測重網(wǎng)絡(luò)平臺，得到的測試結(jié)果如表2所示。

表2 大眾寶萊1.6TL型的小轎車行駛過程中測重結(jié)果

測試結(jié)果表明本文設(shè)計的動態(tài)車重測量系統(tǒng)受車輛行駛的加速度影響比較大，其中在車輛為20km/h的速度行駛，進(jìn)行的一組對比測試對比非常明顯，當(dāng)加速度提高4倍后，測量結(jié)果的誤差明顯放大。其余在恒定加速度的情況下，隨著車輛行駛速度的增加，動態(tài)測重的精度有所下降，但幅度不大，總體的測量誤差基本可以控制在8%以內(nèi)，達(dá)到實用要求。

4 結(jié)論

隨著技術(shù)的發(fā)展，動態(tài)稱重系統(tǒng)以其靈活的部署、測量的便捷等優(yōu)勢將逐步取代傳統(tǒng)的靜態(tài)稱重方式。而動態(tài)稱重系統(tǒng)的精度和測量速度將是今后的研究重點。并文采用基于傳感器網(wǎng)絡(luò)的車輛動態(tài)稱重系統(tǒng)，充分發(fā)揮了傳感器網(wǎng)絡(luò)的優(yōu)勢和特點，避免了對不同車輛類型進(jìn)行復(fù)雜建模的過程，實現(xiàn)了對行駛中的車輛動態(tài)稱重的目標(biāo)。

[1] 胡赤兵,吳坡,田芳勇,李勝盛.基于PLC的自動稱重系統(tǒng)[J].科學(xué)技術(shù)與工程,2009,(19):5804-5806.

[2] 蘇良昱,趙忠彪.基于神經(jīng)網(wǎng)絡(luò)的動態(tài)稱重系統(tǒng)的DSP實現(xiàn)[J].計量與測試技術(shù),2009,(8):1-3.

[3] 謝志恒,朱浩,傅瓊閣.實時稱重系統(tǒng)在斜拉橋監(jiān)控中的應(yīng)用[J].交通科技,2009,(7):7-9.

[4] 王翥,侯甲童.基于數(shù)據(jù)關(guān)聯(lián)規(guī)則的動態(tài)稱重傳感器布局[J].電子測量與儀器學(xué)報,2009,(7):78-83.

[5] 趙綱領(lǐng),趙永紅,楊三序.車輛稱重系統(tǒng)中加速度的測量與分析[J].信息化縱橫,2009,(12):88-90.

[6] 湯建斌,蔣慶,蔡晉輝,張焱,張慶峰.基于ARM和瑞薩的高精度動態(tài)稱重系統(tǒng)[J].工業(yè)儀表與自動化裝置,2009,(3):66-68.

[7] 黃力.基于分布式群身份認(rèn)證的傳感器網(wǎng)絡(luò)設(shè)計與實現(xiàn)[J].計算機(jī)工程,2007,5,33(10):161-163.

[8] 楊青鋒.神經(jīng)網(wǎng)絡(luò)技術(shù)在稱重傳感器中的應(yīng)用[J].計量技術(shù),2009,(2):23-26.

[9] 俞阿龍,李正.稱重傳感器動態(tài)補(bǔ)償器的一種新的設(shè)計方法[J].電氣自動化,2008,30,(6):86-89.

[10] 羅雁,蘇清祖,陳曉東,葛如海,張學(xué)榮.汽車行駛稱重系統(tǒng)的算法研究與精度分析[J].汽車工程,2005,27,(4):495-497,422.

[11] 劉國成.一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J].系統(tǒng)仿真學(xué)報,2009,(19):6183-6185,6189.

[12] 黃力.無線自組網(wǎng)中功率控制協(xié)議研究與實現(xiàn)[J].計算機(jī)工程與設(shè)計,2008,12,29,(24):6227-6230.