摘要：該文對礦山動態(tài)輕軌衡系統(tǒng)稱重信號的處理進行了研究，重量數(shù)據(jù)經(jīng)預處理后，提取出有效輪重信號并計算礦車重量。重量計算時對比了均值法、小波變換（WT）算法和經(jīng)驗模態(tài)分解（EMD）算法，對比試驗結果表明，經(jīng)驗模態(tài)分解（EMD）算法獲得的測量精度最高、算法綜合性能最好。

關鍵詞：動態(tài)輕軌衡；測量精度；小波變換；經(jīng)驗模態(tài)分解

中圖分類號：P391 文獻標識碼：A 文章編號：1009-3044（2015）12-0255-03

Research on the Weighing Signal Processing of Mine's Dynamic Weighing Bridge System

ZHENG Chuan-xing

（Guizhou University of Finance and Economics， Guiyang 550025， China）

Abstract： The weighing signal processing methods of mine's dynamic weighing bridge system are studied in this paper. The useful weight signal is collected for weighing from weight data after preprocessing. Three methods of average， Wavelet Transform （WT） and Empirical Mode Decomposition （EMD） are compared for weight calculation. Comparative experimental results show that EMD method has best comprehensive performance which can obtain the highest measurement accuracy.

Key words： dynamic weighing bridge； measurement accuracy； Wavelet Transform （WT）； error； Empirical Mode Decomposition （EMD）

礦山動態(tài)輕軌衡系統(tǒng)1[1]的核心功能是：在礦山的出礦口安裝稱重裝置，對煤礦企業(yè)的產(chǎn)量數(shù)據(jù)進行現(xiàn)場采集與計算，計量結果傳送至地方稅務部門，作為煤礦企業(yè)稅費征收的依據(jù)。與傳統(tǒng)軌道衡系統(tǒng)[1]不同的是：傳統(tǒng)軌道衡產(chǎn)品[2]通常是在火車站、卸貨場等地實現(xiàn)標準列車與標準鐵軌的靜態(tài)稱重；而礦山動態(tài)輕軌衡是要在野外礦山環(huán)境下針對非標準的礦山輕軌實現(xiàn)不停車狀態(tài)下的動態(tài)稱重，因此要保證穩(wěn)定精確的測量難度非常大。

1 礦山動態(tài)輕軌衡系統(tǒng)原理

貴州財經(jīng)大學從2009年開始與成都瑞寶博通科技有限公司聯(lián)合研發(fā)礦山動態(tài)輕軌衡系統(tǒng)，該系統(tǒng)搭建了集稱重和監(jiān)控為一體的物聯(lián)網(wǎng)體系，結構見圖1：

該系統(tǒng)的核心是煤礦產(chǎn)量的稱重計量：礦車重量數(shù)據(jù)通過前端的數(shù)據(jù)采集器進行采集與預處理后，經(jīng)RS485總線傳送到計量控制器，在計量控制器中對數(shù)據(jù)信號進行去噪、分解以及重量計算，計算結果通過光纖網(wǎng)絡最終傳送到地稅局。

2 重量數(shù)據(jù)預處理

在對稱重數(shù)據(jù)采集的過程中采取了32點均值濾波的方法對數(shù)據(jù)進行初步處理。即連續(xù)采集的34個點，將去除最大最小值后剩下的32個點的平均值作為采樣值。這樣既能抑制尖脈沖噪聲，也能大大減少數(shù)據(jù)存儲量。車輪在上衡之前傳感器的輸出為零，連續(xù)采集時間T內(nèi)若未檢測到車輪上衡，則將該采集數(shù)據(jù)的平均值作為新零點，并清除在此之前的數(shù)據(jù)。

如圖2所示，某車輪通過重量傳感器得到的數(shù)據(jù)波形為階躍信號。為判斷礦車的上下衡，設置閾值參數(shù)[h]，將采集到的輪重數(shù)據(jù)值與[h]比較，若大于[h]則判斷車輪上衡，系統(tǒng)開始記錄重量數(shù)據(jù)。連續(xù)記錄到數(shù)據(jù)值小于[h]時判斷車輪下衡并停止記錄。在圖2所示的數(shù)據(jù)波形中設[h]=30，則A、B分別代表著車輪的上衡點與下衡點，A、B段為反映重量的平穩(wěn)信號。

閾值h的選取對測量結果的影響較大，經(jīng)過理論研究結合大量實測論證，系統(tǒng)測量中將h值設定為標準空礦車重量的1/5。從圖2中截取出的車輪上下衡之間的信號波形見圖3。

為了便于對礦車行進方向進行判別，兩個稱重傳感器采取了交錯式安裝方法，即兩個傳感器錯位安裝，如圖4所示。在圖中1號傳感器上衡后的[L]段和2號傳感器下衡前[L]段，屬于兩傳感器的非重疊區(qū)域，該區(qū)域內(nèi)礦車同一軸上的兩輪處于單輪上衡狀態(tài)，采集到的數(shù)據(jù)不能用于稱重。而只有兩傳感器重疊的中間區(qū)域采集到的數(shù)據(jù)才能用于重量的計算。

在產(chǎn)品的安裝使用中錯位距離[L]取為傳感器長度的1/4，而采集到的上下衡之間數(shù)據(jù)進行了簡化處理，首尾各截去1/4，剩下中間的1/2作為有效輪重信號進行下一步處理。圖3中上下衡間信號經(jīng)首尾處理后得到的有效輪重信號見圖5。

3 稱重算法的對比研究

3.1 均值法

對圖5所示的有效輪重信號求取平均值，即可得到礦車該車輪上的重量，將四個輪上重量相加即得整車重量，這就是均值稱重算法。這是一種傳統(tǒng)算法，該算法運算簡單、計算速度快、計算機資源耗費小。但由于重量信號中還含有不少高頻噪聲，甚至一些低頻非重量信號的干擾成分，因此計算精度上受到較大的影響。

3.2 小波變換（WT）算法

小波變換（wavelet transform，WT）3[3]是一種比傅立葉變換更具有優(yōu)勢的時-頻信號分析方法。它的主要特點是通過變換能夠?qū)π盘栠M行時間-頻率的局部化分析，通過伸縮平移對信號進行多尺度細化，最終達到信號在低頻段的頻率細分、在高頻段的時間細分，從而將信號在某方面的特征充分突出地顯示出來。

基于WT的輪重計重原理為：首先選擇合適的小波函數(shù)以及小波分解尺度，對輪重信號進行小波變換；因為反映真實輪重的是小波變換得到的低頻分量，因此求取低頻分量的平均值即可得到對應單輪重量。

對于圖5中的輪重信號，選取“db3”小波函數(shù)進行5層分解，最終得到分層后的波形如圖6所示。圖中所示[x]為礦車輪重信號，經(jīng)小波分解后的低頻分量[a5]反映了真實輪重，求取[a5]波形的平均值即可得到車輪的重量。將四個車輪上的重量相加即可得到整車重量。

3.3 經(jīng)驗模態(tài)分解（EMD）算法

經(jīng)驗模態(tài)分解（empirical mode decomposition，EMD） 4[4]是一種計算短數(shù)據(jù)序列均值非常好的方法。通過EMD分解，任何信號都可分解為若干階本征模函數(shù)[IMF]和一個殘余量[r]的疊加，其中[IMF]必須滿足條件：①在整個時間范圍內(nèi)，函數(shù)極大、極小值數(shù)目以及它們過零點的次數(shù)必須相等，或最多相差1。②在任意時刻點，極值點的上包絡線（極大值包絡線）與下包絡線（極小值包絡線）的均值要始終為零。經(jīng)EMD分解后，信號的穩(wěn)態(tài)量主要由殘余量[r]決定，而與各階[IMF]無關，[IMF]僅體現(xiàn)了信號的固有振動特性。因此，可以根據(jù)輪重信號EMD分解得到的殘余量[r]計算礦車重量，具體算法步驟如下：

（1）對于輪重信號[y（t）]，找出[y（t）]上所有的極值點，用3次樣條曲線分別連接所有的極大值和極小值點，形成[y（t）]的上、下包絡線。定義上、下包絡線的均值為[m（t）]，[y（t）]與[m（t）]的差為[h11（t）=y（t）-m（t）]。

（2）若[h11（t）]不滿足[IMF]條件，則令[y（t）=h11（t）]，然后重復步驟（1），得到[h21（t）]；經(jīng)過[k] 次迭代，直至[hk1（t）]滿足IMF條件，則得到[y（t）]的第一階[IMF]分量[C1（t）=hk1（t）]。

（3）設[r1（t）=y（t）-C1（t）]，令新信號[y（t）=r1（t）]，重復（1）、（2）步驟，得到二階[IMF]分量[C2（t）]；再令[r2（t）=y（t）-C2（t）]作為新的信號[y（t）]，重復（1）、（2）步驟繼續(xù)分解，[……]，直至標準方差[SD]落在0.2～0.3之間或殘余量成為單調(diào)函數(shù)，其中：

[SD=t=0T[（h1（k-1）（t）-h1k（t））2（h1（k-1）（t））2]] （1）

這樣信號[y（t）]最終可表示為各階[IMF]與殘余量[rn（t）]的和，即：

[y（t）=i=1nCi（t）+rn（t）] （2）

圖5中有效計重信號的EMD分解后見圖7，分解得到各階[IMF]分量（[C1]、[C2]、[C3]）和一個殘余量[r] ，其中重量信號的穩(wěn)態(tài)量主要由殘余量[r]決定，因此求取其平均值即可得到對應車輪的重量。將四個車輪上的重量相加即可得到整車重量。

3.4 稱重誤差的修正

影響系統(tǒng)測量準確性的因素很多，除了內(nèi)部電路系統(tǒng)以及外部測試環(huán)境帶來的各種干擾外，測量的速度、坡度、甚至溫度的因素都會給測量帶來誤差。因此需要對一些不可忽略的因素造成的誤差進行修正，這樣測量得到的結果才能更加準確。具體修正方法在文獻5中已有詳述。

3.5 幾種稱重算法的對比

系統(tǒng)稱重計算最重要的指標就是測量的準確性（即測量精度）。為了對比各種算法的測量精度，我們在實驗室環(huán)境下采用標準砝碼進行試驗。設實驗中加砝碼后礦車總重的真實值為[Ti]，測量值為[Ci]，則測量精度[A]可定義為：

[A=（1-Ci- TiTi）×100%] （3）

試驗中向礦車里添加不同數(shù)目的標準砝碼，并讓礦車勻速通過稱重傳感器進行測試。具體參數(shù)為：礦車凈重116.5kg，標準砝碼30.7kg/個，礦車速度1m/s。實驗中先在礦車中加入6個標準砝碼，并讓礦車勻速通過稱重傳感器，重復10次實驗并對其重量數(shù)據(jù)進行采集。然后每次增加一個砝碼進行試驗，直至砝碼增加到10個。對于總共5個不容重量的礦車分別進行10次重復測試采集到的數(shù)據(jù)，采取前面介紹的預處理方法截取出各自有效輪重信號。分別采用均值法、小波變換（WT）算法、經(jīng)驗模態(tài)分解（EMD）算法對礦車重量進行計算，并利用式（3）計算測量精度，其比較結果如表1所示。

從表1中可看出，測量精度是最低的是均值法，原因在于該算法未能將重量信號中的干擾成分進一步剔除。WT或EMD算法都很好地將輪重信號中的高頻信號進行了分離，并能有效防止礦車在上下衡時產(chǎn)生的沖力對有效重量信號的影響，也避免了礦車自身振動產(chǎn)生的噪聲波的影響，很好地提升了系統(tǒng)的計量精度。經(jīng)過進一步的對比研究發(fā)現(xiàn)，除了8砝碼試驗中EMD算法精度略低于WT算法外，其他重量的測量中EMD算法精度均高過WT算法。原因在于一方面EMD算法能較好地保留信號的相位信號，而WT算法在信號分解過程中沒能很好地抑制住相位信號，造成了一定的信號相位失真。另一方面EMD算法通過尋找本征模函數(shù)極值的均值方法來對輪重信號進行截取操作，有效地抑制了車輪的重力沖擊干擾。綜合以上因素，研究發(fā)現(xiàn)在對輪重信號進行分解以及消除低頻信號干擾中，EMD算法是三種算法中最優(yōu)的，其得到的測量值最接近于真實重量值。

另外，從算法的其他性能上進行對比。很顯然地，均值法算法簡單、計算量小、速度快，因此該算法常常應用于一些測量精度要求較低、但測量的速度與實時性要求較高的數(shù)據(jù)采集與處理領域。WT和EMD算法的復雜度明顯高于均值法。WT算法因為要確定合適的小波函數(shù)以及分解尺度，這些分解參數(shù)選擇不同，其測量結果會有差異。而EMD算法計算中不需要自定義參數(shù)，因此算法具有較強的自適應性，在這一點上要優(yōu)于WT算法。但是EMD算法的計算中要用到三次樣條插值，相比WT算法，計算量更大、耗時更多。

4 結論

對比結果表明，在各種稱重算法中EMD算法綜合性能是最優(yōu)的，該算法獲得的測量精度最高，但計算量也較大?？紤]到系統(tǒng)最重要的是測量結果的準確性，加上現(xiàn)代數(shù)字信號處理芯片飛速發(fā)展，數(shù)據(jù)運算速度問題已能得到很好解決，因此實際系統(tǒng)中最終選擇了EMD算法進行重量計算。在整個稱重數(shù)據(jù)的處理過程中，前期的數(shù)據(jù)預處理是在數(shù)據(jù)采集器里完成的，通過數(shù)據(jù)采集器采集并處理得到的有效計重信號，傳送到計量控制器中，實現(xiàn)基于EMD算法的重量計算以及誤差的軟件算法修正。為了實現(xiàn)EMD算法的高速運算，在計量控制器中使用了性能優(yōu)越的ARM微處理器。具體型號為ARM9系列的S3C2440，它是韓國三星公司推出的16/32位RISC處理器，具有強大的數(shù)據(jù)處理能力和極低功耗，能運行Linux操作系統(tǒng)，該微處理器的應用有效解決了EMD算法復雜的問題。

參考文獻：

[1] 丁躍清，王東，許濤，等. 動態(tài)（礦用）輕軌衡的動態(tài)校準方法探討[J]. 中國計量，2012 （3）： 89-91.

[2] 許光悅. 微機控制動態(tài)軌道衡的模擬量判別車型法[J]. 傳感器應用技術，1989， 7（1）： 11-16.

[3] 郭彤穎，吳成東， 曲道奎. 小波變換理論應用進展[J]. 信息與控制，2004，33（1）： 67-71.

[4] 劉慧婷，倪志偉，李建洋. 經(jīng)驗模態(tài)分解方法及其實現(xiàn)[J]. 計算機工程與應用，2006（32） ： 44-47.

[5] 鄭傳行，陳建. 礦山動態(tài)輕軌衡系統(tǒng)稱重誤差分析及其對策[J]. 礦山機械，2014，42（490）.