采样点选择对动态汽车衡称量精度的影响✳

李丽宏,裴春清,刘 军,谢克明

(太原理工大学 信息工程学院,山西 太原 030024)

0 引 言

目前,公路超载检测和计重收费系统中广泛应用的动态汽车衡的称量精度一般在 5% 左右,其算法大多是采用数字滤波并去掉 AD采样数据前段和后段的部分采样点,对其余采样点求取算术平均值的方法.由于过车的情况不一样,汽车动态称重信号中混入了由于路面不平和车辆振动等因素引起的干扰信号.例如,加速或者减速过车、车辆颠簸等情况都会使得车轴 AD的采样波形发生较大变化,所以采用这种算法就使得计算结果精度较低.因此,在外界随机不确定度干扰因素的作用下如何准确测量真实轴重信号,就成了汽车动态称重系统的技术难点和关键[2].

1 采样信号分析

理想情况下,汽车经过秤台的波形为梯形波,上升和下降沿分别是汽车轮胎上下秤台的过程.对不同的车速,梯形波的上升沿和下降沿的长度和角度不相同[3].实际测得的汽车过秤信号如图1和图2中曲线所示.在重量信号中,除了混有汽车自身的振动引起的干扰外,还有秤台的振动以及路面平整程度、外界工频信号等干扰因素的影响[4].

图1 匀速过车轮轴重量波形Fig.1 Weight wav e of the ev en speed vehicle

图2 变速过车轮轴重量波形Fig.2 Weight wave of the shift speed v ehicle

由图1和图2可以看出,相同重量时,车辆以不同的速度通过,轮轴重量的波形不同,达到最高点的时刻也不相同.如果在算法中采用简单地去掉前边和后边的部分采样点的办法,会使得有效数据被舍去,即只取得了一部分有效数据,这就使得在 AD采样速率低的情况下不能得到车辆重量的真实值,或者使得车辆在上下秤台时过渡段的数据被当作有效数据参与运算,在取样和运算中造成较大误差.所以,根据波形确定有效数据段是一种更加合理可靠的方法,采用此法能进一步提高称量精度[5].

2 信号处理

在实际测试中发现,汽车的重量信号为小于 3 Hz的信号,大于 3 Hz的信号一般是由于外界的干扰因素造成的,例如汽车发动机震动、秤台的抖动或者道路不平等,所以选用 FIR的 Kaiser窗方法将重量信号大于 3 Hz以上的全部滤去,保留有用的汽车轴重信号.处理过程如图3所示.

Kaiser窗是一种适应性较强的窗函数,具有较陡的过渡带,它是一种近似最佳的窗函数[6],其表达式为

式中:I0为第一阶零阶修正 Besel函数;M+1为 Kaiser窗的长度;U为形状参数.

对于低通滤波器逼近,其过渡区宽度是Δk=ks-kp,定义

Kaiser用实验的方法求出,U由式 (3)计算

要得到预定的 A和Δk值,必须满足

第一步,对采样信号进行数字滤波[7].以图1所示波形为例对其 AD值进行滤波.选用的 Kaiser窗阶数为 16阶,计算得到 U值为 5.653.这样选取的 Kaiser窗,对于给定阻带衰减,提供了最大主瓣宽度,从而具有最陡的过渡带,有利于提取有效采样点.MATLAB仿真结果[8]如图4所示.

第二步,选取有效数据段.有效数据段的起始点为 AD采样数值达到第一个最大值的时刻,有效数据结束点为 AD采样数据从最后一个采样值往前比较,达到第一个最大值的时刻,在起始点和结束点之间的数据即为算法中要用的有效数据[9].

第三步,对滤波后的数据按照 3e准则去除粗大误差[10].这样可以消除由于外界干扰所造成的个别采样值的粗大误差对整个测量结果的影响,使计算结果最大限度地逼近车轴的真实重量.

设对被测量进行等精度测量,得到独立的测量值 x 1,x2,… ,xn,其算术平均值为

其剩余误差为

按贝塞尔公式算出标准差

图4 匀速过车轮轴重量滤波后的波形Fig.4 Weight wave after filtered for the even speed vehicle

若某个测量值为 xb的剩余误差 vb(1≤b≤n),满足则认为 xb是含有粗大误差的坏值,应予剔除,剔除后的剩余数据继续采用 3e准则,直到不含有粗大误差的坏值为止.

第四步,对去除粗大误差后的数据求和,然后取平均值作为经过称台的汽车轴重测量值.

3 实验结果

上述方法经实验测试效果很好,实验用两轴载重货车(加载砝码),在额定轴载荷为 30 t的动态汽车衡上进行测试.在静态情况下称得汽车前轴重量是 5 193 kg,后轴重量是 14 175 kg.测试车分别以快速、慢速及变速等多种形式通过秤台,实验测得部分数据及处理运算结果如表1所示.

表1 现场实验结果数据Tab.1 Field experiment data

式中:M1为动态轴重重量;M2为静态轴重重量;W为测量误差.

4 结 论

相比单纯地使用数字滤波的方法,选取有效采样点进行动态数据处理的方法将动态汽车衡在 50%载荷的称量精度得到了提高.此方法不需要大量的采样数据,即使 AD采集到的周期信号不完整,也能有效地将测得的轴重量误差控制在 1% 以内.在对滤波后的数据进行处理时,按照 3σ准则去除粗大误差,消除了由于外界干扰所造成的个别采样值的粗大误差对整个测量结果的影响,求取有效数据和的平均值,使计算结果最大限度地逼近车轴的真实重量.

[1]万立权.动态称重技术在公路计重收费中的应用及相关规定要求[J].衡器,2006(5):39-41.Wan Liquan.WIM weight in road application fees and related requirements[J].Waagen,2006(5):39-41.(in Chinese)

[2]施昌彦.动态称重测力技术的现状和发展动向 [J].计量与测试技术,2000(1):18-20.Shi Changyan.The status and development trend of the WIM measuring technology[J].Measurement and Testing Technology,2000(1):18-20.(in Chinese)

[3]马晓君,张则,祝思亮.动态电子汽车衡称重系统数学模型的建立[J].佳木斯大学学报,2006,24(3):379-381.Ma Xiaojun,Zhang Ze,Zhu Siliang.Lectronic truck scale weighing system mathematical model[J].Journal Jiamusi University,2006,24(3):379-381.(in Chinese)

[4]应怀焦,刘进明.微机智能自动化动静态测试分析技术的研究[M].北京:北京航空工业出版社,1997.

[5]朱武明,李永新,卜雄洙.测试信号处理与分析 [M].北京:北京航空航天大学出版社,2006.

[6]西蒙·赫金.信号与系统[M].第 2版.北京:电子工业出版社,2003.

[7]美·库齐二世著.数字与模拟通信系统 [M].罗新民,任品毅,田琛译.北京:电子工业出版社,2002.

[8]阮沈勇.MATLAB程序设计[M].北京:电子工业出版社,2004.

[9]艾费科特.数字信号处理实践方法 [M].第 2版.北京:电子工业出版社,2003.

[10]徐科军,马修水,李晓林.传感器与检测技术[M].北京:电子工业出版社,2008.