基于ETC的车辆动态称重系统设计

文章针对目前我国高速公路动态称重收费系统使用中存在的问题,提出基于ETC的车辆动态称重系统。以称台前置的方案对现有收费车道进行改造,利用压电石英传感器阵列作为称重单元提高系统检测精度和车辆通行能力,应用串行通信和专用短程通信相结合的方式实现称重收费车辆数据的传输。对比目前高速公路应用的动态称重收费系统,基于ETC的车辆动态称重系统能够实现车辆准确称重收费和极大地提高高速公路通行能力的目标,具有广阔的应用前景。     

基于奇异谱分析的动态称重系统算法研究

针对目前动态称重系统称重误差较大的现状,设计了基于奇异谱分析的动态称重系统。在汽车综合试验场,根据设计的动态称重系统及所选用的压电石英称重传感器的特点,采用两轴车辆及多轴车辆在S形通过、高速行驶刹车通过、不同车速通过的三种情况下采集称重数据。利用车辆的轴重与采集的信号所包围的面积关系计算得到车重,并将奇异谱分析(SSA)算法应用于动态称重系统的数据处理中。试验结果表明:SSA算法与传统的小波分析算法相比能够明显降低称重误差,可广泛推广应用于动态称重系统中。     

基于向量分割的动态称重模型优化方法

动态称重技术能够显著减少货车称重时间提高收费站通行能力,然而受其模型所限,对于变速运动或车轮静止于传感器上的车辆则无法准确进行测量。针对以上问题,以路面交互模型以及部分承载式动态称重模型为基础,提出了一种基于向量分割的部分承载动态称重模型。利用压电石英传感器结合该模型,以动态传感器稀疏阵列的形式构建了一种4排直列式动态称重系统。在哈同高速哈尔滨东收费站对系统进行了低温、定性与定量的测试。试验结果表明:该系统稳定性好,在-28℃状态下温度漂移仅为0.5‰,响应速度为0.2 s;在95%置信区间内,精确度为±3%以内,特别是能够解决动态称重中"二次起停"的问题。该系统能够为重载交通智能化管理提供一定的支持。     

基于线性分割的车辆对地平均压强实时监测系统

为得到准确的动态车辆轮胎实施对地压强,提出了一种基于线性分割的车辆对地平均压强实时监测系统。首先从构建系统框架入手,根据帕斯卡原理,确定了系统由动态称重模块以及对地接触面积测量模块构成。接着从动态称重模型重构出发,采用改进的部分承载方式动态称重模型作为线性分割的基础,并确定了压电石英传感器作为称重载体。然后利用线性分割法将传感器响应划分为多个极值,每个极值与瞬时车辆对地压力相对应,以得到每个时点精确的动态称重数值,同时将每个响应时点做线性积分、求和,得到与每个分割相对应的车轮触地长度。根据扫描阵列原理,利用压电石英传感器稀疏阵列结合压力开关构建的轮胎测宽阵列,得到相应的轮胎触地宽度,最终根据帕斯卡方程,将3种参量经过线性叠加得到动态车辆实时对地平均压强。在哈同高速哈尔滨东收费站布设样机对系统进行了测试,通过对测试结果定性与定量的分析表明:该系统能够准确测量出动态车辆实时对地平均压强,在95%的置信区间内与静态测量值偏差不超过5%,同时系统具有较强的鲁棒性能够适应各种环境并能够检测出违规操作。     

基于神经网络自适应滤波的车辆动态称重系统研究

针对车辆动态称重信号的特点,提出了一种车辆动态载重信号的处理方法。该方法采用基于神经网络的自适应滤波变步长LMS算法滤掉称重信号在各个频段内的噪声。在不同的环境下,对不同的车型,该技术适应性好,精度高,速度快。基于这种信号处理方法,开发了基于神经网络自适应滤波的车辆超载动态监测系统,选择高性能TMS32C2812芯片,设计了高效的软硬件系统,能够准确、及时测量高速公路上所经车辆的重量。     

基于压电薄膜的车辆动态称重系统数据采集及处理

介绍了基于压电薄膜的车辆动态称重系统数据采集前端的信号调理电路,针对传感器信号进行了处理及分析,着重介绍数据滤波以及系统试验方案,并给出了整个系统的程序流程图。     

提高车辆动态称重仪精度的研究与试验

以提高车辆动态称重精度为目的，从两方面提出了改善措施：在分析车辆通过秤台时受力情况的基础上，设计了一种高精度的称重传感器；针对动态称重实际波形，设计了一种新的数据处理方法。通过对硬件和软件的改善，提高了动态称重精度。     

车载动态称重系统的研究

通过对载货汽车钢板弹簧悬架系统的分析,提出了利用BP神经网络根据钢板弹簧悬架系统的变形量来获得其所承受的载荷量的车载称重方案.利用单片机系统构建了一套车载动态称重系统及无线收发系统,编写了相应的测载和无线收发数据的软件,并进行了静态加载试验与各路面输入情况下的动态仿真分析.试验及仿真结果表明,所构建的系统能有效地应用于钢板弹簧悬架结构车辆载重的在线动态识别与道路管理.     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

动态称重系统在路政检测中的应用研究

用于动态称重的路政检测车,其核心系统是动态称重系统。该系统包括硬件结构电路、软件系统模型、系统称重参数的辨识,主要功能是实现动态检测行驶中的车辆轮胎受力,计算相应车辆的静态重量,实现动态计重收费。最终现场测试数据表明方案可行。     

压电石英称重传感器在公路动态称重中的应用

针对现有公路称重系统传感器的缺陷,设计并研制出一种利用石英晶体纵向压电效应的压电式石英称重传感器系统,并应用于高速公路动态称重领域;介绍了压电石英称重传感器的技术原理,通过工程实例说明了其在公路动态称重系统中的应用情况,证实了该方法的可靠性和精确性,为公路动态称重长寿命、高精度研究提供新思路。     

基于压电石英传感器的动态称重系统的设计

国内公路运输的超重现象十分严重,车辆的超载运输对交通安全,运输市场,路桥基础设施等造成极大危害;车辆动态称重技术作为一种有效的车辆超载管理手段,取得了较好的效果。本文设计了一种基于压电石英称重传感器的动态称重系统,通过传感器采集信号,巴特沃斯滤波器低通滤波,确定激振频率和截止频率,测量车辆轴数,通过计算得出轴重,进而得到整车重量。试验结果表明,本系统具有测量精度高、耗时短、效率高等优点;有一定的实际应用价值。     

基于高速高精度计重的弯板动态称重技术研究

车辆超限超载不仅会对公路造成极大破坏,影响道路使用寿命,还有可能造成严重的交通事故。采用动态称重技术可以有效遏止车辆超限超载。目前,市场上有各类动态称重设备,其中弯板动态称重技术具有维护方便、成本低、使用周期长、能够实现高速(0～80 km/h)动态称重的优点,是高速动态称重的较优选择。为了提高采样精确度,分析研究了传感器的输出特性,并采用无源低通滤波电路,有效消除传感器的高频噪声;考虑车辆单边轮胎通过传感器等异常行驶状态造成的原始数据缺失,提出了弯板完整性算法,处理弯板在异常过车情况下的称重数据。试验结果表明,车辆以1 km/h～80 km/h的速度通过弯板传感器,经过去噪处理及完整性算法分析,所得的重量数据误差均在2%以内。研究结果可为科技治超、超限超载检测、非现场执法等提供准确可靠的数据,也可以为其他动态称重设备的数据处理提供参考。     

基于ETC数据和A-BiLSTM神经网络的高速公路节假日短时交通流预测模型

电子不停车收费（electronic toll collection,ETC）门架系统为节假日高速公路短时交通流预测提供了数据支撑。针对节假日场景下高速公路交通流的非线性和复杂性特征,基于ETC门架数据研究了由注意力机制（attention）和双向长短期记忆（bidirectional long/short-term memory,BiLSTM）神经网络组成的Attention-BiLSTM(A-BiLSTM)组合模型。通过对ETC门架数据进行预处理,保证模型输入的可靠性;采用滑动窗口方法构建监督学习样本,提高模型学习效率。在模型中,使用BiLSTM神经网络,实现对交通流数据前向和后向时间依赖性特征的深入提取;引入注意力机制动态地权衡网络提取信息的重要程度,增强隐藏层特征的非线性表达能力;利用贝叶斯优化方法对模型进行超参数调优,提高模型的预测性能。采集大理-丽江高速公路白汉场至拉市镇的门架数据,处理成时间粒度为5,10,15 min的交通流数据进行模型验证。实验结果表明：(1)相比于自回归移动平均模型、支持向量机的预测结果,A-BiLSTM组合模型的均方根误差（root mean sq...     

基于混合对数正态分布的桥梁车辆荷载模型研究

为研究特大桥梁车辆荷载的概率模型,选取南溪长江大桥基于动态称重系统(WIM)的监测数据,对其通行车辆荷载概率模型进行分析,建立了南溪长江大桥实际车辆荷载的混合对数正态概率模型,并采用非线性最小二乘估计对该模型参数进行了估计。结果表明,针对南溪长江大桥的车辆荷载数据呈现多峰的情况,采用3个对数正态分布混合的模型拟合车辆荷载数据效果显著,能较好地反映桥梁荷载的实际情况。     

基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。     

公路车辆动态称重系统解决方案

提出了一种新的车辆动态称重系统解决方案，首先导出测量模型，然后提出利用ORIV算法进行参数识别，并进行了模型实验，证明了该方案的可行性。     

汽车行驶称重系统的算法研究与精度分析

对一种基于橡胶油管传感器的新型汽车行驶称重（WIM）系统的算法进行了研究,针对诸多因素对WIM系统的输出值产生影响,提出了结合神经网络的计算模型。同时对WIM系统精度的定义和划分进行了分析与研究。经大量试验验证,该系统可用于交通数据采集和辅助实施汽车超载的检查。     

重载高速公路智能化不停车计重收费系统研究

为解决货车收费站点交通拥堵的问题,根据国家及管理部门对货车动态称重精度的要求,应用系统方法,研发了货车不停车计重收费系统(EWTC),该系统包括ETC子系统、动态称重(WIM)子系统、车道控制子系统及MTC子系统等,确保了车辆动态称重精度以及称重信息准确的上传计费。研究表明:货车不停车计重收费系统(EWTC)结合各子系统的特点,集高精度动态称重系统、监控与收费为一体,经过实际工程应用验证效果良好。为我国货车不停车计重收费的实现及公路通行能力的提高提供了科学方法与工程实例。