基于弯板传感器的动态称重公路预检系统研究

韩芝星，李丽宏，蔡晓龙，董秀明

(1.太原理工大学 信息工程学院，山西 太原030024;2.国网山西省电力公司检修公司，山西 太原030032)

0 引 言

目前，公路预检系统得到大量的应用，但国内外的文献大都研究系统实现方式，布局架构［1～4］，而对动态称重的准确度研究的较少。预检系统的关键是动态称重的准确度，专家系统智能判断驶入预检系统的车辆是否超限;模糊多阈值消噪算法用于弯板传感器动态称重信号消噪处理，得到稳定的动态称重数据。本文将专家系统与模糊多阈值消噪算法相结合，实现动态称重过程的智能化并提高称重准确度等级，达到GB/T 21296—2007 动态公路车辆自动衡器规定的2 级秤要求［5］。

1 公路预检系统与专家系统

1.1 公路预检系统介绍

公路超限预检系统主要包括预检子系统、复检子系统、图像监控系统和执法管理系统等组成，并进行联网扩展，实现区域内的站点联网，确保远程监控和管理。

预检系统的关键是预检子系统称重精度和准确度，预检子系统称重准确度高，才能高效地对车辆进行拦截和放行，减少车辆的复检，避免车辆拥堵，故本文主要对预检子系统的称重准确度进行研究。

公路超限预检系统的流程图如图1 所示。

图1 公路超限预检系统流程图Fig 1 Flow chart of highway overload predetecting system

由图1 可知，车辆驶入检测区域时，以正常速度通过预检子系统得到超限情况，如果不超限，则继续行驶离开检测站;如果超限，则LED 显示屏提示超限车辆进入复检系统进行精确称重，接着复检系统对车辆进行静态称重，如果不超限，则驶离检测站;如果超限，则接受处理，执法部门根据车辆实际载荷量确定是否卸载，如果卸载，则驶到卸货场卸载，卸载完复秤，后驶至出站口;如果不卸载，则到出站口出示处理单据，进而判断复秤后是否可以离开;可以离开检测站的直接离开，不可离开的再到执法部门接受处理。

1.2 专家系统在预检系统中的应用

如图2 所示，一般专家系统由知识库、综合数据库、推理机、解释部分和知识获取5 个部分组成。知识库是专家系统的一个重要组成部分，实际中各车型有对应的超限规定，超限逃逸、多次超限的车辆为黑名单车辆。根据这些信息和仪表程序分析判断的重量值为知识获取并作为专家知识库，将车型、车牌号码、是否为黑名单、车辆重量值等信息作为数据库，利用专家知识库对当前获得的车辆数据进行推理，并给出解释和车辆是否超载的结果。

图2 专家系统组成框图Fig 2 Block diagram of expert system composition

2 弯板传感器在预检系统中的应用

2.1 弯板传感器介绍

弯板称重传感器由弹性体和粘于弹性体上的多只电阻应变计组成［6～9］。弯板称重传感器由惠斯通电桥电路来得到车辆的重量信号。由于弯板称重传感器动态响应快，高度低，允许速度为200 km/h 的车辆通过，故将其应用于预检系统中对车辆进行动态称重，实现不停车超限检测。

2.2 模糊多阈值消噪算法

弯板传感器采集到的信号存在一定的干扰，要得到准确的重量值，需要对弯板传感器采集到的信号进行滤波处理，本文采用小波变换模糊多阈值消噪算法对重量信号进行重构，得到平稳的称重信号。

小波阈值函数分为硬阈值和软阈值［10，11］，取阈值为λ，小波系数为wi，消噪后新的小波系数为^wi，硬阈值函数

软阈值函数

但这两种方法存在一定的不足，硬阈值算法，在阈值λ处，小波系数wi处于跳变状态，故采用硬阈值重构wi后所得信号不稳定。软阈值算法，可以获得wi整体连续性，但当wi＞λ 时，wi总存在恒定偏差λ，影响重构信号与真实信号的逼近。

假设原始称重信号的采样长度为N，噪声为高斯白噪声，方差为，一般的阈值选取算法是

式中 j 为小波分解尺度;median 是Matlab 中的求中值的运算命令。

上述阈值λ 在每个尺度上是固定的，并不能随分解层数和噪声信号的变化而变化。实际情况中，弯板传感器原始信号经小波变换后，噪声的小波系数在每层和不同的噪声强度区间的分布是不同的。随着分解层数的增加，噪声的能量是减小的;弯板传感器在不同载荷下干扰不同，噪声在不同区间的大小也不同。取阈值，在不同分解层、不同噪声区间采用相同阈值，造成某些区间将真实信号滤除，某些区间保留部分噪声，使重构信号不能准确地逼近真实值。针对单阈值λ 选取方法的不足，提出模糊多阈值消噪算法对重量信号进行消噪处理。

阈值λ 在消噪中起决定性作用，故设计合适的隶属度函数u，根据不同噪声强度和不同分解层来决定小波系数的重要性。

图3 为重量信号在Matlab 中使用haar 母小波进行3 层小波分解得到的原始信号和高频部分的曲线图。

图3 原始信号与小波分解高频信号图Fig 3 Diagram of original signal and high frequency signal of wavelet decomposition

图3 (b)，(c)，(d)中，w1j，w2j，w3j分别为高频cd1，cd2，cd3 的小波变换系数，可以得出:在车辆上秤、下秤时，由于车辆与发动机振动等使该信号区间的干扰较大，应选用较大的阈值来滤波;在秤上无车、车辆完全在秤上时，信号区间的噪声较小，应选用较小的阈值来滤波，故采用分层分区间多阈值模糊消噪算法对重量信号进行消噪处理，阈值大小用模糊隶属度函数确定。

根据重量信号在不同区间干扰的不同，把噪声信号分为4 个等级:无载荷、上秤、下秤、过秤。根据4 个等级下噪声的不同，得到模糊隶属度函数

从而得到模糊多阈值函数为

采用以上算法在不同分解层、不同噪声强度区间的阈值估计中引入模糊隶属度函数u，使得wij－uλ 的取值介于wij－λ 和wij之间，获得较好的消噪效果。

2.3 弯板传感器信号消噪处理

在Matlab 中，选择haar 小波作为母函数，对含噪声的原始信号进行3 层小波分解，将得到的小波系数进行模糊多阈值处理，小波重构得到准确的重量信号。图4 为模糊多阈值消噪后信号图。

由图4 可得，对弯板传感器信号消噪处理后在采样点45 ～65 之间得到平稳的重量信号A/D 值，进而得到较准确的重量值。

3 试验验证与结论

图4 模糊多阈值消噪后信号图Fig 4 Diagram of fuzzy multi-threshold de-noised signal

现场进行多次试验，表明经过模糊多阈值消噪处理和专家系统判断后，称重结果明显改善，表1 为10 组处理前后数据对比图，从表1 中可以得出:采用本文方法处理原始称重数据后，称重误差小于±2%。

表1 处理前后数据对比Tab 1 Comparison of datas before and after processing

4 结束语

本文采用专家系统与模糊多阈值消噪算法相结合的方式，对弯板传感器动态称重数据进行处理，分析车辆是否超限。介绍公路预检系统的组成和专家系统的应用，采用模糊多阈值消噪算法对弯板传感器的动态称重数据进行消噪处理，得到的动态称重数据满足要求。最后，通过现场试验进行算法验证，试验结果表明:将专家系统与模糊多阈值消噪算法相结合，对动态称重数据进行处理能明显地提高动态称重的准确度，称重误差小于2%，其标准度等级达到2 级。

［1］ 肖振发，符锌砂.基于动态称重的高速公路超载管理系统研究及设计［J］.交通信息与安全，2012，30(2):92－95.

［2］ 李 聪，李梦霆.不停车超限检测系统的设计与实现［J］.交通标准化，2014，42(20):88－91.

［3］ 哈尔滨工业大学.高速公路超限预检系统:中国，200910072659.7［P］.2009—08—07.

［4］ 山东德鲁泰计量科技有限公司.超限预检与货车计重ETC联动系统及方法:中国，201210083873.4［P］.2012—03—27.

［5］ 中国国家标准化管理委员会.GB/T 21296—2007 准确度等级［S］.2007.

［6］ 程 路，张宏建，曹向辉.车辆动态称重技术［J］.仪器仪表学报，2006，27(8):943－948.

［7］ 陈功富.关于弯板称重台生产制造中的一些问题［J］.技术交流，2013，42(6):26－29.

［8］ Alain Berry，Olivier Robin，Fabrice Pierron.Identification of dynamic loading on a bending plate using the Virtual Fields Method［J］.Journal of Sound and Vibration，2014，333(26):7151－7164.

［9］ Chen Y Z.Evaluation of fundamental vibration frequency of an orthotropic bending plate by using an iterative approach［J］.Computer Methods in Applied Mechanics and Engineering，1998，161(3/4):289－296.

［10］刘亚峰，牛昱光，张剑勇.基于小波变换的动态称重信号处理方法［J］.工矿业自动化，2014，40(7):13－16.

［11］王 欣.自适应模糊阈值的图像去噪算法［J］.计算机仿真，2011，28(6):296－298.