一种多传感器的车载压实度检测装置及其方法
【专利摘要】本发明公开了一种多传感器的车载压实度检测装置及其方法，前者包括电源单元、处理器、加速度传感器、角速度传感器、人机交互装置和显示装置；所述电源单元为处理器、加速度传感器、角速度传感器、人机交互装置和显示装置供电；所述处理器采用总线分别与加速度传感器和角速度传感器连接；所述显示装置、人机交互装置分别与处理器连接。使用本发明提供的多传感器车载压实度检测装置及其方法，能够对振动马达幅度进行实时性精确检测，采集马达振动方向的加速度传感器数据及角速度传感器数据，利用卡尔曼滤波算法和加权数据融合对加速度及角速度进行融合滤波计算被压面层的压实度，提高工作效率，降低检测成本和检测的时间。
【专利说明】
一种多传感器的车载压实度检测装置及其方法
技术领域
[0001]本发明涉及路面压实度检测领域，具体而言涉及一种多传感器的车载压实度检测装置及其方法。
【背景技术】
[0002]近年来，随着我国公路的迅速发展，极大促进了国家经济的快速发展，然而在公路路面的铺筑后，会经常发现有部分公路在使用过程当中会出现路面过早损坏的情况。路面过早出现损坏的原因很多方，但其中有一个很重要的原因是在道路建设的过程当中，对面层的压实度不足。
[0003]路面压实度检测是公路建设的一个很重要环节，它与建设的路面质量有着直接的关系。目前而言，检测压实度传统方法主要采用的方法有灌砂法、环刀法、灌水法。这些方法不但费时费力，还对路面造成了破坏。并且不能实时得到路面的压实数据，一旦检测到压实度不够，只能拆开返工，浪费物料、浪费时间。
[0004]近十多年来，国内外也有某些研究机构采用加速度传感器实用新型的车载式检测仪，理论上来计，这种方法可以得到路面压实程度参数，但是单纯依靠加速度传感器检测，得到的数据离散性比较大，用来检测振动可靠性不足，因此，需要一种新的车载压实度检测装置来解决现有技术中存在的缺陷。
【发明内容】
[0005]本发明的任务是为了克服单纯依靠加速度传感器检测得到数据不准确，可靠性低的缺陷，提供一种新型的多传感器车载压实度检测装置。为实现上述目的，本专利采用如下技术方案:
一种多传感器的车载压实度检测装置，其特征在于:包括电源单元、处理器、加速度传感器、角速度传感器、人机交互装置和显示装置;所述电源单元为处理器、加速度传感器、角速度传感器、人机交互装置和显示装置供电；所述处理器采用总线分别与加速度传感器和角速度传感器连接;所述显示装置、人机交互装置分别与处理器连接。
[0006]优选的，所述电源单元包括与压路机的供电接口连接的输入端口、降压型开关稳压器、输出端口及其外围电路。
[0007]优选的，所述加速度传感器和角速度传感器采用型号为MPU6050的芯片实现。
[0008]优选的，所述处理器型号为STM32F103RCT6。
[0009]优选的，它还包括磁铁，并通过磁铁吸附在压路机上。
[0010]另一方面，提供一种多传感器的车载压实度检测方法，其特征在于，包括以下步骤:(a)、初始化角速度传感器和加速度传感器的检测数据；(b)、启动振动马达;(C)、获取加速度传感器和角速度传感器的检测数据；(d)、将加速度传感器和角速度传感器的检测数据进行卡尔曼滤波算法和加权数据融合处理；(e)、在显示装置上显示处理结果。
[0011]优选的，所述加速度传感器和角速度传感器的检测数据包括+X方向加速度传感器数据、+Y方向加速度传感器数据、+Z方向加速度传感器数据、+X方向角速度传感器数据、+Y方向角速度传感器数据和+Z方向角速度传感器数据。
[0012]优选的，所述步骤(e)后还包括步骤(f):在显示装置上显示与当前检测模式所对应的标定数据。
[0013]优选的，所述步骤(d)中的卡尔曼滤波算法处理包括以下步骤:(dl)、给定初始值；(d2)、根据k-1时刻状态预测k时刻状态；(d3)、根据k-1时刻P(k-l)预测k时刻的的协方差P(k) ； ((14)、计算卡尔曼增益1(〖；((15)、计算最优估算值紙1^ I k) ; (d6)、计算机预测方差P(k)；(d7)、判断k是否为O，若不为O，则执行步骤(d2)，若为O，结束递归。
[0014]优选的，所述处理结果是+X轴加速度传感器数据与+X角速度传感器数据、+Y轴加速度传感器数据与+Y角速度传感器数据或+Z轴加速度传感器数据与+Z角速度传感器数据经过卡尔曼滤波和加权数据融合后得到的数值。
[0015]使用本发明提供的多传感器车载压实度检测装置及其方法，能够对振动马达幅度进行实时性精确检测，采集马达振动方向的加速度传感器数据及角速度传感器数据，利用卡尔曼滤波算法和加权数据融合对加速度及角速度进行融合滤波计算被压面层的压实度，提高工作效率，降低检测成本和检测的时间。
【附图说明】
[0016]图1是本发明多传感器的车载压实度检测装置示意图；
图2是本发明多传感器的车载压实度检测装置的电源单元示意图；
图3是本发明多传感器的车载压实度检测装置的处理器的外围电路图；
图4是本发明多传感器的车载压实度检测装置的MPU6050芯片的外围电路图；
图5是本发明多传感器的车载压实度检测方法流程图。
【具体实施方式】
[0017]下面结合附图和实施方式对本发明作进一步说明，但是本发明的保护范围并不局限于实施方式表述的范围。
[0018]请参考图1，图1是本发明多传感器的车载压实度检测装置示意图。多传感器的车载压实度检测装置100，包括电源单元101、处理器102、加速度传感器103、角速度传感器104、人机交互装置105和显示装置106。其中所述电源单元101为处理器102、加速度传感器103、角速度传感器104、人机交互装置105和显示装置106供电。
[0019]具体的，处理器102、加速度传感器103、角速度传感器104、人机交互装置105和显示装置106所需要的电能由电源单元101提供。所述电源单元101可以是恒压电源，也可以是经过降压的压路机上的电源。
[0020]请参考图2，图2是本发明多传感器的车载压实度检测装置的电源单元示意图。电源单元1I包括与压路机的供电接口连接的输入端口 201、降压型开关稳压器20 2、输出端口203及其外围电路。
[0021]具体的，在压路机上有24V直流供电接口，降压型开关稳压器202采用电源管理芯片，例如型号LM2576。处理器102的工作电源为3.3V左右，加速度传感器103和角速度传感器104的工作电压为5 V左右，为了使系统正常工作，需提供3.3V及5V双电源供电。采用LM2576是降压型开关稳压器，具有非常小的电压调整率和电流调整率，具有3A的负载驱动能力，1112576能够输出3.3￥、5￥、12￥、15￥的固定电压和电压可调节的可调电压输出方式，其应用时比较简单且外围元件较少，内置频率补偿电路和固定频率振荡器，非常适合本发明方案的使用，成本低，效率高，工作稳定。
[0022]所述处理器102采用总线分别与加速度传感器103和角速度传感器104连接;所述显示装置106、人机交互装置105分别与处理器102连接。
[0023]具体的，所述加速度传感器103和角速度传感器104将检测数据通过总线传输方式传送到处理器102。显示装置106可采用LCD显示屏或LED显示屏等，用于显示检测数据、路面压实度或其他检测信息，处理器102可通过串行总线方式将检测数据、路面压实度或其他检测信息传送至显示装置。人机交互装置105包括触摸屏、键盘等输入设备，用于对检测装置进行操作。
[0024]请参考图3，图3是本发明多传感器的车载压实度检测装置的处理器的外围电路图。
[0025]所述处理器102可采用型号为STM32F103RCT6的芯片。所述处理器102的程序下载口，采用了四根线的SW方法，相对于JTAG 口 20根线，大大节约了面积。
[0026]处理器102的25、28管脚具有双功能，可以作为普通I/O 口功能使用，也可以作为处理器102的SW功能的SWD1和SWCLK使用。SW接口需要处理器102的3个功能脚，除了SWD10、SWCLK之外，还需要处理器102的复位引脚。
[0027]在芯片启动配置上，直接把Β00Τ0管脚接地。复位电路可采用上拉电阻Rl加电容C6的方法，不再设置手动复位按钮。因为STM32F103XX芯片采用的是低电平复位，在通电瞬间，电容C6两端电压不能突变，处理器102的复位管脚保持低电平，处理器102处于复位状态，随着电容C6慢慢充电，其电位慢慢升高，当其超过处理器102复位电平时，处理器102正常工作，复位工作完成。采用上述方案使主板的尺寸以及重量尽可能缩小，节省空间。
[0028]优选的，所述加速度传感器和角速度传感器采用型号为MPU6050的芯片实现。
[0029]MPU6050的芯片集成了 3轴的角速度传感器、3轴加速度传感器和一个DMP(数字运动处理器)，所述DMP可对数据进行数字滤波，并可以对这些数据进行数据融合处理，直接对处理器输出四元数，这些功能等于为检测装置增加了处理能力，提高了数据采集的效率和实时性。
[0030]MPU6050的芯片对角速度传感器可配置的范围为土250° /秒，土 500° /秒，土 1000° /秒，±2000°/秒，加速度传感器可配置的范围为±2g，±4g，±8g，±16g(g为重力加速度)。芯片上集成一个温度传感器，方便用户根据温度能采集数据进行修正。MPU6050的芯片支持宽电压范围，包括2.5V ± 5%，3.0V ± 5%，或 3.3V ± 5%。
[0031]请参考图4，图4是本发明多传感器的车载压实度检测装置的MPU6050芯片的外围电路图。
[0032]在MPU6050芯片电源输入引脚vdd并接I个陶瓷介质的旁路电容C4，容量大小为0.1μ。另外，Reg引脚接I个容值为0.1μ滤波电容C16，I2C接口总线的SDA、SCL管脚分别外接I个阻值为1k的上接电阻R3、R4，可以消除电源噪声，提高芯片MPU6050的采集数据的准确性。
[0033]多传感器的车载压实度检测装置100还包括磁铁，并通过磁铁吸附在压路机上。具体的，磁铁可固定设置于多传感器的车载压实度检测装置100表面。在压路机上安装多传感器的车载压实度检测装置100的对应位置上有设置有另一磁铁。压路机上的磁铁和检测装置上的磁铁能互相吸引，且其吸引力大小能够足够防止在工作过程中，检测装置从压路机上脱落。现有技术一般采用螺钉进行连接，采用上述方案，容易实现多传感器的车载压实度检测装置100安装与拆除，可减少由于其他机械构造连接所需的材料成本，如螺钉等。
[0034]进一步参考图5，图5是本发明多传感器的车载压实度检测方法流程图。本实施例所述多传感器的车载压实度检测方法，包括以下步骤:S501初始化角速度传感器和加速度传感器的检测数据；S502启动振动马达;S503获取加速度传感器和角速度传感器的检测数据;S504将加速度传感器和角速度传感器的检测数据进行卡尔曼滤波算法和加权数据融合处理;S505在显示装置上显示处理结果。
[0035]具体的，将角速度传感器和加速度传感器的检测数据清零，并配置角速度传感器和加速度传感器的测量范围以及测量精度。启动振动马达并设置其振动强度，可根据检测项目的不同，将马达振动强度按强弱进行划分。
[0036]获取实时的加速度传感器和角速度传感器的检测数据，所述检测数据是路面在马达一定的振动下检测的，检测数据可反应出当时路面的压实情况。所获得的检测数据可包括+X轴加速度传感器数据、+Y轴加速度传感器数据、+Z轴加速度传感器数据、+X角速度传感器数据、+Y角速度传感器数据和+Z角速度传感器数据。然后对上述所获得的检测数据进行卡尔曼滤波算法和加权数据融合处理，可以分别对+X轴加速度传感器数据与+X角速度传感器数据、+Y轴加速度传感器数据与+Y角速度传感器数据或+Z轴加速度传感器数据或+Z角速度传感器数据进行卡尔曼滤波算法和加权数据融合处理得到最优估算值。例如，对+X轴加速度传感器数据和+X角速度传感器求取加权结果，可通过卡尔曼滤波算法中的误差协方差矩阵校正方程提供误差矩阵作为加权因子，结合+X轴加速度传感器和+X角速度传感器的测量值寻找其对应的权数以达到最优的融合结果，最后将处理后的结果即路面压实度传送到显示装置上，并在显示装置上显示。
[0037]上述方案的检测结果是来自于多个传感器的数据，可产生更可靠准确的信息，SP根据多源观测信息给出一个关于状态的最优估算值，采用卡尔曼滤波算法和加权数据融合方法结合，通过多个传感器所得到的测量数据提高测量精度，降低噪声干扰。
[0038]优选的，在显示装置上可显示与其检测模式所对应的标定数据。具体的在检测过程中根据其检测的模式显示其对应标定的标定数据。标定数据是可根据过去实验数据得出的数据。检测模式可根据路基的软硬程度分为软路基模式和硬路基模式，分别对应压路机在软路基及硬路基上进行振动测试。检测模式还可以根据油门的大小分为大油门、中油门和小油门，根据马达振动的情况分为大振动和小振动。根据上述组合多种检测模式，如硬路基大油门大振动、路基中油门大振动、软路基中油门大振动等。在显示装置上显示与其检测模式所对应的标定数据可使检测人员在测试过程中通过对比数据掌握压路机压路实际情况，以调整后续压路工作策略。
[0039]优选的，上述卡尔曼滤波算法处理包括以下步骤:(dl)、给定初始值；(d2)、根据k-1时刻状态预测k时刻状态；(d3 )、根据k-1时刻P(k-1)预测k时刻的的协方差P(k) ; (d4 )、计算卡尔曼增益Kg; (d5)、计算最优估算值M(k I k) ； (d6)、计算机预测方差P(k) ； (d7)、判断k是否为O，若不为O，则执行步骤(d2)，若为O，结束递归。
[0040]具体的，卡尔曼滤波算法基本过程是采用递归算法，利用其建立的数学过程模型。以上一状态为依据，根据上一状态检测以及估算值而对当前状态进行估计，其估计值由两个部分组成，一个部分是上一次最优估计算，一部分是当前的传感器采集值，两值所占最优估算值比得，与前一次方差相关。设当前系统状态是k根据系统模型，可以根据系统上一状态k-Ι而对当前状态预测。根据卡尔曼滤波算法，可基于x(k-l)状态预测到:
M(kIk-1)=AX(k-l，k-l)+BU(k-l)
其中，M(k I k_l)是当前状态，AB为系统参数矩阵，M(k_l，k_l)是k_l时刻卡尔曼运算结果的递归，U(k-l)是在K时刻系统控制量。
[0041]对M(k|k-l)协方差进行更新，M(k |k-l)协方差用P表示，可得到以下关系: P(k|k-l)=AP(k-l，k-l)AT+Q
在上述表达式中，P(k I k_l)是在k时刻的协方差，其值来源来为k_l状态对方差的更新，P(k_l，k_l)是k_l态系统的协方差，它是在k_2状态更新得到，Q是系统运行过程中的协方差。
[0042]根据系统预测值以及对应方差，结合当前读取到的传感器数据，可以得前当前状态的最优化优估算值M(k I k)，其表达式如下:
M(k|k)= M(k|k-l)+Kg(k)(Z(k)-HX(k|k-l))
K(g)为卡尔曼增益，在k时刻，其表达式为:
Kg(k)= P(k|k-l)HT/(HP(k|k-l) HT+R)
更新M(k I k)时刻的协方差P(k I k):
P(k|k)=(1- Kg(k)H)P(k-l，k-l)
I是为I的矩阵，P(k)为系统进入K+l状态的最优协方差，在计算机Κ+1状态时，卡尔曼滤波可进入自动递归循环调用。
[0043]卡尔曼滤波算法过程根据上述5条基本公式，不断检测对象递归其上一最优状态估计值而得到当前最优估计算。
[0044]以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
【主权项】
1.一种多传感器的车载压实度检测装置，其特征在于:包括电源单元、处理器、加速度传感器、角速度传感器、人机交互装置和显示装置;所述电源单元为处理器、加速度传感器、角速度传感器、人机交互装置和显示装置供电；所述处理器采用总线分别与加速度传感器和角速度传感器连接;所述显示装置、人机交互装置分别与处理器连接。2.根据权利要求1所述的多传感器的车载压实度检测装置，其特征在于:所述电源单元包括与压路机的供电接口连接的输入端口、降压型开关稳压器、输出端口及其外围电路。3.根据权利要求1或2所述的多传感器的车载压实度检测装置，其特征在于:所述加速度传感器和角速度传感器采用型号为MPU6050的芯片实现。4.根据权利要求3所述的多传感器的车载压实度检测装置，其特征在于:所述处理器型号为 STM32F103RCT6。5.根据权利要求3所述的多传感器的车载压实度检测装置，其特征在于:它还包括磁铁，并通过磁铁吸附在压路机上。6.—种多传感器的车载压实度检测方法，其特征在于，包括以下步骤:(a)、初始化角速度传感器和加速度传感器的检测数据；(b)、启动振动马达；(c)、获取加速度传感器和角速度传感器的检测数据;(d)、将加速度传感器和角速度传感器的检测数据进行卡尔曼滤波算法和加权数据融合处理；(e)、在显示装置上显示处理结果。7.根据权利要求6所述的多传感器的车载压实度检测方法，其特征在于:所述加速度传感器和角速度传感器的检测数据包括+X方向加速度传感器数据、+Y方向加速度传感器数据、+Z方向加速度传感器数据、+X方向角速度传感器数据、+Y方向角速度传感器数据和+Z方向角速度传感器数据。8.根据权利要求6或7所述的多传感器的车载压实度检测方法，其特征在于:所述步骤(e)后还包括步骤(f):在显示装置上显示与当前检测模式所对应的标定数据。9.根据权利要求6或7所述的多传感器的车载压实度检测方法，其特征在于:所述步骤(d)中的卡尔曼滤波算法处理包括以下步骤:(dl)、给定初始值；(d2)、根据k-1时刻状态预测k时刻状态；(d3)、根据k-Ι时刻P(k-l)预测k时刻的的协方差P(k);(d4)、计算卡尔曼增益Kg; (d5)、计算最优估算值M(k I k) ； (d6)、计算机预测方差P(k) ； (d7)、判断k是否为O，若不为O，则执行步骤(d2)，若为O，结束递归。10.根据权利要求7所述的多传感器的车载压实度检测方法，其特征在于:所述处理结果是+X轴加速度传感器数据与+X角速度传感器数据、+Y轴加速度传感器数据与+Y角速度传感器数据或+Z轴加速度传感器数据与+Z角速度传感器数据经过卡尔曼滤波和加权数据融合后得到的数值。
【文档编号】G01N29/04GK105891332SQ201610382190
【公开日】2016年8月24日
【申请日】2016年5月31日
【发明人】胡胜, 冯建, 罗汉杰, 黄锦豪, 容子健, 李奕柱, 陈晓波
【申请人】广东交通职业技术学院