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
神经网络在汽车动态称重数据处理中的应用 Ap l a in o u a t r n W eih-— o in o t m o i s pi t f Ne r l c o Ne wo k i g— - to fAu o i m n bl e
弱
老2
g违鹏
(郑州大学物理工程学院,州 405;郑 50 2河南工业大学信息科学与工程学院郑州 4 05 ), 50 2
摘
要:公路汽车动态称重信号由于受外界各种干扰因素的影响,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数
性,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,现消除外界干扰和非线性校正。实验结提实果表明,网络算法对动态称重信号的数据融合可行有效,神经其精度满足 A T M系统分类 ( 11- S M WI E3 8 4标准 ) I 9的Ⅱ类要求。 关键词:动态称重神经网络数据处理 中图分类号:1 2 4] 7 F文献标志码:A
Absr c: Be a s fteifu n eo aiu xe a a tr n sg aso ih i- to fa tmo i s hed t r c si smo ec mpi ta t c u eo n le c fv ro se trl fcoso in l fweg—n moino uo bl。t aap o e sngi r o l— h n e c td.Ai n tt i o lxt h e r ln t r loih wa p l dt mp e nt aaf so fteman fco n u n igtem e i" ae mig a hsc mpe i y。t en ua ewok ag rtm sa pi oi lme t u ino i a tr if e cn a l一 e d h s l h s l ig p e iin i ih—nmoin sg asfrr mo ig e vr me tlitree c n or ci gn n l e rt .T x e me tlrs l r v e n r cso n weg i— t i l e vn n i o n o on na nef rn ea dc re tn o—i ai n y hee p r na e u t p o e t i s h
f i lyadv i t o i m t d h cua
y a se te e u e e tf h S M WI s m c s ct nI (t d r E 3 89 . e b i n a d y f s e o .T e c r tf sh q i m n o e T M s t a i a o I s n a 11—4) s t a i l i t h h a c si r r i t A ye l f i I a d s i Ke wo d: W eg -n- t n Ne r e ok Daa p o e sn y rs ih- - i i mo o ua n t r l w t rc sig
0引言 国际上许多国家的公路车辆在运输货物时,普遍存在着超重现象,且超重车辆占相当高的比而例。据调查,国超重车辆达 5%;国 4%~德 0美 0 6%的大型载货汽车超重。近年来,国公路超重 0我 运输现象也十分普遍和严重,运部门通过改装车货
不容易实现;基于参数估计方法运算过于复杂,而因此,本文提出了应用神经网络对动态称重信号进行处理。该方法利用神经网络技术可以避开复杂的物理建模,仅根据系统的样本输入、出数据进行黑箱建模。输 通过训练样本来获得较好的网络模型,再利用该网络
模型通过当前的测量数据计算出实际车重,而达到从 比较准确的动态称重目的。
身、后桥和轮胎来大幅度提高货车的装载能力,使运输效率和经济效益得到很大的提高,是这会带来但 一
1汽车动态称重系统 11汽车动态称重系统组成 .
系列不利的影响。其中造成路面损坏和交通事故
最为严重,因此,为了对超载车辆进行严格管理,确
汽车动态称重系统一般由称重平台、数据放大电路、数据采集电路、车速采集电路、主机以及显示屏等组成,如图 1所示。系统的称重平台与公路路面处于 同一水平面,当汽车通过称重平台时,运用非电量电测
保公路、桥梁的安全使用,对路面行使车辆的载重监 测具有重要意义。 目前对车辆的载重监测有静态称重和动态称重两
种方法。静态称重虽然精度高,但其规模较大,引人注 目,往往使许多超载车辆易于逃避,同时静态称重还容
技术将作用在称重平台上的轴重信号通过传感器转换 为电压信号,信号放大,经数据采集电路,发送给主机, 主机将测得的动态车重信号和车速信号进行数据处理 后得到车辆的真实重量
。
易造成交通不畅,以发挥高速公路的优越性,难因此常采用动态称重。动态称重系统关键的问题是动态信号的数据处理。为了提高精度,目前研究动态称重信号的处理方法有很多,文献[] 2和文献[] 3分别介绍了采用 A V法、 D位移积分法和基于参数估计的动态称重方法。但 A V法和位移积分法需要测量的数据量较多, D 修改稿收到日期;0 6— 1 2。 2 0 1— 2
图 1动态称重系统框图 F g 1 B o k d a r m fw ih i— t n s se i . lc i ga o e g— moi y tm n o
12影响汽车动态称重精度因素分析 . 第一作者何红丽,,95年生,为郑州大学物理工程学院在读硕女 17现士研究生;主要从事测试计量技术及仪器仪表的研究。
根据 A T M系统分类 ( 1 1- S M WI E 3 89 4标准 )Ⅲ的
类要求,轴载荷精度为 41%, -5总重精度为±%, 6置 l 7
《动化仪表》 2卷第 5自第 8期 20年 5 07月

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