共查询到20条相似文献,搜索用时 812 毫秒
1.
2.
基于奇异谱分析的动态称重系统算法研究 总被引:1,自引:1,他引:0
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。 相似文献
3.
《公路交通科技》2017,(7)
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。 相似文献
4.
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。 相似文献
5.
6.
7.
8.
9.
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。 相似文献
10.
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。 相似文献
11.
12.
13.
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。 相似文献
14.
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... 相似文献
15.
16.
17.
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。 相似文献
18.
公路车辆动态称重系统解决方案 总被引:9,自引:0,他引:9
凌杰 《西安公路交通大学学报》2001,21(2):88-90
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。 相似文献
19.