張霞,高彤彤

(山西大學(xué) 計算機與信息技術(shù)學(xué)院,山西 太原 030006)

0 引言

超載現(xiàn)象會嚴(yán)重影響到司機以及道路人員的安全，同時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,需要車輛輪流進入站臺,影響道路車流量,同時還存在人為舞弊因素使得治超效率較低,成本較高。因此,需要利用高效的動態(tài)稱重系統(tǒng)對超載現(xiàn)象進行治理[1-3]。

動態(tài)稱重系統(tǒng)[4]是在載重車輛正常行駛的過程中,通過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[9-11]并自動計算車輛載重,達到治超的目的。這對硬件設(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)估計法、神經(jīng)網(wǎng)絡(luò)法、經(jīng)驗?zāi)B(tài)分解法(EMD)以及位移積分法。算術(shù)平均法過于簡單,適合低速稱重;參數(shù)估計法基于模型建立,但是軸重信號由于受到外界干擾,并不符合平穩(wěn)性,模型建立比較困難。經(jīng)驗?zāi)B(tài)分解法不適合對實時數(shù)據(jù)進行處理。神經(jīng)網(wǎng)絡(luò)法需要大量數(shù)據(jù)樣本進行學(xué)習(xí),現(xiàn)階段實現(xiàn)較困難。因此本文采用位移積分法。

稱重算法[12-13]的選擇影響整個動態(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,由于載重車輛在運輸過程中,受到很多環(huán)境因素的影響,會產(chǎn)生附加載荷,因此需要對采集到的稱重信號進行濾波預(yù)處理[14],利用濾波后的稱重信號計算信號面積和車輛速度,從而計算車重,同時傳感器的靈敏度受到溫度、地面濕度等因素的影響,因此需要對稱重算法進一步進行因素補償,提高稱重精度[15-17]。

本文采用小波閾值濾波[18]對采集到的稱重信號進行去噪處理,同時提出利用小波變換模極大值點檢測信號突變點的方法檢測稱重信號奇異點,并利用該奇異點進行稱重面積以及車輛速度的計算,同時提出基于溫度的動態(tài)稱重補償系數(shù),對稱重算法進行補償改進,進一步提高稱重算法精度。

1 基于壓電薄膜的動態(tài)稱重算法

在進行實驗測試時,首先在行車道路埋設(shè)稱重傳感器,當(dāng)有車輛通過時,傳感器會采集車輛軸重信號,由于外界環(huán)境干擾和車輛自身振動,需要對軸重信號進行降噪濾波處理,然后采用小波變換模極大值法檢測軸重信號突變點,計算軸重面積,最后采用基于溫度補償?shù)膭討B(tài)稱重算法計算車重。

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、濕度等因素會直接影響波形圖采集的精確度。因此,在埋設(shè)的過程中需將傳感器控制在水平方向,選取合適的深度,同時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,不利于對傳感器的埋設(shè)控制,同時受到環(huán)境的影響會更加嚴(yán)重,其精度、靈敏度也會隨環(huán)境的變化而變化,誤差也會隨之增加,不利于測試的穩(wěn)定性,同時由于地面對其有一定的磨損,會大大縮短傳感器的使用壽命。

因此在實驗過程中,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,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,減少濕度對其的影響。將傳感器采用Z形安置,采集前后兩個傳感器的稱重信號,避免因其中一個傳感器故障而導(dǎo)致實驗的失敗,同時也可提高稱重結(jié)果的穩(wěn)定性,采集中間傳感器的稱重信號可對車軸進行輪軸識別。

1.2 小波閾值去噪

載重車輛在運輸過程中,由于埋設(shè)動態(tài)稱重傳感器區(qū)域的路面不平整、經(jīng)過動態(tài)稱重區(qū)域的速度不穩(wěn)定以及車輛行駛過程中的自身震動都會產(chǎn)生一定的干擾信號,這些干擾信號也會被稱重傳感器采集,形成噪音信號,影響實際稱重信號的獲取,這些噪音信號具有非平穩(wěn)、非線性且奇異點多等特點,因此本文采用小波變換對稱重傳感器采集到的稱重信號進行去噪濾波處理。

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。在實際應(yīng)用過程中,平移不變量法對含有若干不連續(xù)點的信號有更好的去噪效果,但是計算速度非常慢;模極大值去噪法對摻雜白噪音以及奇異點較多的信號去噪效果更加明顯,奇異點信號也能夠被很好地保留,更好地反映信號特征;小波閾值去噪法計算速度快,能夠在去除噪音信號的同時有效的保留原始信號的特征點。

稱重信號小波閾值去噪步驟如下:

(1)選取合適的db4小波基函數(shù)對稱重信號進行分解,通過不斷試驗與改進,發(fā)現(xiàn)對稱重信號進行五層分解更加有利于對噪音信號的濾除,將稱重信號分解為

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

cD3+cD2+cD1

(1)

其中:cAi為分解的近似部分,cDi為分解的細節(jié)部分。

(2)采用模平均閾值函數(shù)對分解系數(shù)進行處理,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)進行重構(gòu),得到去噪后的稱重信號。

1.3 基于小波變換模極大值的信號突變點檢測

車重的計算需要利用稱重信號的面積以及車輛速度,在對濾波后的稱重信號進行面積積分時,稱重信號的起點和終點影響稱重信號面積積分計算的準(zhǔn)確性,因此需要檢測車輛到達和離開傳感器的時間點,即稱重信號突變點。目前通過計算軸重信號的斜率,并與給定的閾值進行比較,當(dāng)斜率絕對值首次大于閾值時認為車輛輪胎到達傳感器,當(dāng)斜率絕對值最后一次小于閾值時認為車輛輪胎離開傳感器,但是該方法需要不斷調(diào)整閾值,因此本文提出通過分析軸重信號奇異性來確定面積積分的起點和終點。

對稱重信號進行小波閾值去噪后,信號中仍保留其奇異點,分析其奇異點發(fā)生的時間、類型以及振幅的變化可以確定信號突變點,進而提高后續(xù)面積積分計算的精度?；谀O大值的小波變換具有時-頻局部化特性,在對稱重信號進行分析處理時,能夠很好地分析稱重信號的奇異性,同時準(zhǔn)確定位稱重信號奇異點的位置,為信號奇異性分析提供了有力的工具。

(3)

當(dāng)時點t滿足下式時,則t為信號模極大值

(4)

模極大值點即對應(yīng)稱重信號突變點,對閾值去噪后的稱重信號進行多尺度分析,通過大量實驗分析對比,發(fā)現(xiàn)在d5層很容易就發(fā)現(xiàn)信號的奇異點位置以及信號突變的范圍,該信號突變的范圍即為車輛通過傳感器的時間段。利用該奇異點分析,可準(zhǔn)確識別稱重信號突變點,并計算稱重信號軸重面積。

1.4 基于溫度稱重補償系數(shù)的車重計算

在實際應(yīng)用過程中,載重車輛通過壓電薄膜傳感器時,傳感器會采集到一組波形信號,速度越大,信號面積越小,通過不斷實驗驗證與波形分析,目前廣泛采用的車輛載重計算公式:

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壓過傳感器所產(chǎn)生的稱重信號確定,C0=W0/(A·V0),A為所測車輛通過傳感器所產(chǎn)生稱重信號面積,V為所測車輛通過傳感器的速度。

該車輛載重計算方法中,稱重系數(shù)為定值,未考慮其他因素的影響,在大量實驗過程中,發(fā)現(xiàn)環(huán)境濕度、溫度對壓電薄膜稱重傳感器靈敏度以及穩(wěn)定性有很大的影響,本文通過改進傳感器的埋設(shè)方式從而減少環(huán)境濕度的影響,通過埋設(shè)溫度傳感器的方式獲取實時環(huán)境溫度,在實驗過程中發(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償系數(shù)的稱重算法從而減少溫度對稱重算法的影響。基于溫度的動態(tài)稱重補償系數(shù)為C=f(T)。

因此改進后的稱重算法為:

W=f(T)·VA

(6)

2 實驗及結(jié)果分析

速度V利用軸距除以t3和t2時間差即可得到。

然后通過計算不同溫度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,得出動態(tài)稱重系數(shù)C=f(T),將該動態(tài)稱重系數(shù)用于動態(tài)稱重算法,并測試算法精度。

圖1 奇異點分析Fig.1 Singularity analysis

圖2 稱重信號突變點分析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,稱重誤差越來越大,誤差最大已達30%,采用改進后的稱重算法,動態(tài)稱重算法精度得到明顯提高,溫度對稱重算法的影響明顯減少,改進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)果對比圖Fig.3 Comparison of results between two algorithms

最后將改進后的稱重算法用于動態(tài)稱重系統(tǒng),且該車輛動態(tài)稱重系統(tǒng)已經(jīng)在實地安裝應(yīng)用,采集實地車輛數(shù)據(jù),并計算車重,以收費站出口重量為實際車輛載重,驗證算法誤差。

在應(yīng)用場地實地采集通過車輛的稱重信號,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進行分類整理,統(tǒng)計結(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

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

3 結(jié)束語

本文通過改進稱重信號面積積分的計算方法,提出分析奇異點來檢測面積積分的起點和終點,提高面積積分的準(zhǔn)確性,并且提出基于溫度的動態(tài)稱重補償系數(shù),降低溫度對稱重算法的影響,提高稱重算法精度,通過在應(yīng)用場地的試驗,該稱重算法可以很好地滿足實際應(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。