公路汽车动态称重信号由于受外界各种干扰因素的影响,数据处理较为复杂。针对汽车动态称重系统中数据处理的复杂性,提出了利用神经网络算法对动态称重信号中影响测量精度的主要因素进行数据融合,实现消除外界干扰和非线性校正。实验结果表明,神经网络算法对动态称重信号的数据融合可行有效,其精度满足ASTMWIM系统分类(E1318-94标准)的III类要求。
维普资讯 doc.guandang.net
神经网络在汽车动态称重数据处理中的应用
何红丽,等
机一个信号,片机停止计时,单这样就可以算出小车通 过的时间。由于两个光电开关间的距离是固定的,根
据小车通过的时间便可求出汽车的行驶速度。神经网 络的实验样本数据如表 1所示。
表 1训练和泛化样本数据表 Ta . Da a h e ft a n n n e e aia i n s mp e b1 t s e to i i g a d g n r l t a l r z o
组号 l
速度/ i k h n 4. 9 8 9. 7 8 1 5 4. 6 2 .7 0 1
动态车重/ g l2 0 1 l2 0 5 l2 61 12 0 8
静态车重 g ll 0 9
组号 4
速度/ m k h 5. 7 1 9. 4 8 l 2 5. 3 1 9 9. 8
动态车重/ g 32 5 3 32 0 8 33 8 0 33 2 4
静态车重/ g 3l o 9
2 2 5. 4 2 .2 98 2 5. 2 1
l3 0 o l3 5 4 22 3 2 21 0
9 5
2 7 4. 8 2 9 9. 7 5. 4 1
33 9 6 3 41 3 3 71 5 36 0 9
1 1 0. 4 1 7 4. 5
22 6 3 22 9 4
l 1 0. 7 1. 7 4 7
37 9 2 37 4 4
2 1 0. 3 2 5 4. 6 3.2 0 1 3 5. 2 1 9 9 . 8 1. 8 4 7 1. 9 97
22 3 7 23 2 0 24 4 6 27 5 l 27 9 3 27 1 8 28 01
2.8 0 1 2 2 5. 4 2 .4 9 9 26 O 9 6 5 0 .4 9 9 . 7 1,4 5 1 2 2 0. 0
37 5 8 38 3 0 39 6 1 39 4 2 39 5 8 41 01 4l 4 3
38 o 9
2 .4 5 1 2 .4 9 8
28 43 29 4 1
2 91 4. 2 8 9. 9
42 0 1 43 5 0
把上表中的部分数据作为泛化样本数据,它的其数据作为训练样本数据就可以来训练网络,了使网为
络尽快收敛,所有数据均使用 MA L B提供的归一化 TA 处理函数进行了归一化处理。合理调整网络的势态因 子、学习因子训练参数,经过多次训练达到目标要求
(均方差为 1 )就可得到神经网络模型。神经网络的 0,训练结束后,可得到隐层、出层的阈值和权值。图 4输 为训练达到目标的结果图。 神经网络训练结果的成功关键是看泛化的结果, 2表 列出了网络泛化静态车重值与实际静态车重值的数据, 数据表明相对误差小于±%, 2满足精度要求,这说明建 图4训练结果图 F g 4 T an n e u t i . r i ig r s ls
立的神经网络和训练的结果是成功的。训练好网络以后,这样每次称重时,根据测得的动态车重和汽车运行速度通过神经网络模型计算程序便可得出静态车重。
表 2网络泛化车重值与实际静态车重值比较 Ta . C mp rs n b t e u o we g i g d t t e wo k g n r l t n a d a t a t b2 o a io e we n a t i h n a a wi n t r e e a i i n c u l a h a z o a d
3结束语 通过上述实验可知,于动态称重系统数据对处理的复杂性,采用神经网络很好地避免了其复杂的数学建模。实验结果证明
此网络在现实应用中已取得很好的效果,它对实际公路动态称重的数据处理也具有很大的实际意义。 《自动化仪表》 2第 8卷第 5期 2 0年 5月 07
参考文献 1王振清. 公路超限运输概论[ .京:民交通出版社, 9 . M]北人 17 9 2凌杰.公路动态称重系统的设计理论研究[]西安: D .长安大 学,o 1 20 .
3周志锋,萍,嘉,参数估计在汽车动态称重中的应用[]蔡许等. J. 自动化仪表, 0, ( )4— 5 2 52 7: 4. 0 6 3 4闻新,露 . A L B神经网络应用设计[ .京:周 M TA M]北科学出 版社,0 16 6 . 20:0— 2 1 9

神经网络在汽车动态称重数据处理中的应用 何红丽 , 等 神经网络在汽车动态称重数据处理中的应用 App lica tio n o f N e u ra l N e tw o rk in W ...
BP神经网络在汽车动态称重中的应用_专业资料。公路...该文提出了利用神经网络的算法来处理动态称重信号的...输入的各种信息很好地进行数据融合,能够大大降低外界...
基于BP神经网络的车辆动态称重技术_交通运输_工程科技_专业资料 暂无评价
车辆动态称重系统的研究与设计(数据处理)--开题报告+任务书_兵器/核科学_工程...中的应用[M].北京:电子工业出版社, 2002 [4」闻新,周露.MATLAB 神经网络...
遗传神经网络在动态称重中的应用_专业资料。为提高称重传感器的稳态响应,加快称重速度,提出一种基于人工神经网络预测动态称重终值的方法,即在BP网络的基础上用遗传...
要:介绍了神经网络算法,并将其应用于汽车动态称重,通过实验对比了RBF和 BP ...而构造的一类前向网络, 这类网络的学习等价于在多维空间中寻找训练数据的最佳...
多传感器数据融合技术在车辆动态称重中的应用多传感器数据融合技术在车辆动态...( 2 ) 融合中心 (神经网络 ) .融合中心采取的是 基于神经网络的数据处理技术...
神经网络在汽车动态称重数... 3页 2财富值 基于EMD的HHT变换技术在长... ... EMD技术在动态称重数据处理中的应用EMD技术在动态称重数据处理中的应用隐藏>> ...
分别应用EMD方法及RBF神经网络方法进行动态称重数据处理,并应用到新 型便携式动态轨道车辆称重装置.信号处理结果显示两种方法的处理结果都在误差的允 许范围内,但EMD...
介绍了神经网络算法,并将其应用于汽车动态称重,通过实验对比了RBF和BP两种网络结构对轴重估计的影响,结果表明RBF网络估计的实时性能优于BP网络。介绍了神经网络算法...
热门文档