本发明涉及电子测速领域，更具体地，涉及一种用于车辆的测速装置。
背景技术：
随着科学技术的迅速发展，速度测量已经步入现代化、电子化的行列。过去曾经使用过的接触式测量仪表，如离心式转速表、微型发电机转速表及钟表式定时转速表均已经不是适应现代科技发展对速度测量的严苛要求，逐渐被测速领域所摒弃；而利用已知频率的闪光与被测转速同步的方法来测速的闪光测速仪，虽属于非接触式仪表，目前仍有使用，但也逐步退出市场。
目前，市场上现有的接触式测量装置，由于测速装置需要传感器与被测旋转轴通过弹性联轴器接触式连接，并且传感器安装固定时，要求出轴与被测轴保持一条直线。这种装置存在较大的摩擦。一方面该装置不适用于高速测量，另一方面，该装置使用寿命较短且随着磨损的加重其精度会显著降低。
目前，市场上现有的漏光式激光测速装置由激光发射装置、激光接收装置和测量盘组成。在途径恶劣路况时，测量盘在高速运动时受到震动会发生抖动，使得光束不能准确穿过测量盘上的小孔导致测量不准确；市场上的漏光式激光测速装置普遍对高温承受能力差，另外密封性是该装置及其重要的指标，灰尘极易导致测量盘上小孔堵塞而降低测速精度。
技术实现要素：
针对现有技术的不足，本发明基于数字滤波技术提供一种适用于高温环境的车辆测速装置。该装置具有体积小、重量轻，使用方便等优点。运用卡尔曼滤波算法可以实现精准测速，能够连续的反应速度变化。既能测定稳定状态下的平均转速，也能测量足够小时间内的瞬时转速。
为实现上述目的，本方案提供以下测速装置：
一种用于车辆的测速装置，其核心部件为传感器检测模块(7)，如图1所述的传感器接收装置(2)和一个传感器发射装置(3)组成图2中的一个传感器单元(8)，多个传感器单元组成图2中的传感器检测模块(7)。所述传感器检测模块采用非接触式的感应原理，具有耐高温的特点。
所述传感器单元的发射装置(3)通过螺丝安装在车轮(4)上，接收装置(2)通过螺丝安装在车轮正上方的车辆底盘(1)上。接收装置通过非接触的方式接受来自每个发射装置的信号。当接受装置与发射装置位于一条直线上时可以接受到发射装置发出的信号。
所述传感器单元的接收装置和发射装置均采用耐高温材料制成；
一种用于车辆的测速装置，所述装置主要由mcu模块(5)、显示模块(6)、传感器检测模块(7)、传感器单元(8)、电源供电模块(9)、定时模块(10)组成。其系统框图如附图2所示；
所述的测速装置中，mcu模块分别与传感器检测模块、定时模块、显示模块通过导线连接，电源供电模块为整个系统提供电源；
所述的mcu模块(5)使用具有高速处理能力的32位单片机，用于快速处理从传感器检测模块采集到的数据，并对数据进行相关运算，得到车辆的速度；
对采集数据进行的相关处理采用的是卡尔曼数字滤波法；
所述的定时模块(10)采用的是16位定时器；
所述的显示模块(6)使用的是5位数码管；
传感器装置采用的是耐高温的材料。
本方案根据上述测速装置采用以下测速方法：
在车轮半径为r的情况下，本装置可以在车轮(1)上均匀的安装36个传感器发射装置。相邻两个接收装置之间圆心角为α＝10°，弧长可以根据以下公式①得到：
式中l为相邻两个传感器之间的弧长，单位为m；α为相邻两个接收装置之间圆心角，单位为度；r为车轮半径，单位为m；
定时模块(10)采用的是16位定时器，两个中断信号之间的时间间隔tk由所述定时模块获得，并将时间tk保存在mcu中。
如图3所示为本测速装置的程序流程图：
mcu上电之后，首先对定时器，中断，显示器进行初始化。然后开启定时器，定时器开始计时。当传感器的接收装置与其中一个发射装置在一条直线上时，接收装置将会被触发，并会通过中断的方式将信号传递给mcu。mcu接收到来自传感器接收端的中断信号后，存储当前的计时时间tk，并将定时器清零重新开始计时。为了实现时间的精确测量，提高测速精度，本发明采用卡尔曼滤波算法对采集到的时间tk进行处理，卡尔曼滤波算法原理和方法如下；
卡尔曼滤波算法能够滤除随机性大，幅度较小，频带较宽的白噪声干扰。本发明结合卡尔曼滤波器原理和基本公式，建立系统的基本数学模型及相应核心算法如下；
假设现在的系统状态是根据系统的模型，基于系统的上一个状态预测出现在的状态，如公式②所示：
x(k|k-1)＝ax(k-1|k-1)+bu(k)②
式中x(k|k-1)为利用上一个状态预测的结果；x(k-1|k-1)为上一个状态的最优结果；a为状态转移矩阵；b为控制矩阵；u(k)为现在状态的控制量，如果没有控制量，则为0；
p(k|k-1)＝ap(k-1|k-1)a′+q③
式中p(k|k-1)为x(k|k-1)对应的协方差；p(k-1|k-1)为x(k-1|k-1)对应的协方差；q为系统噪声；a′为a的转置矩阵；
结合式②和式③得到的系统现在状态的预测值和现在状态的测量值，可以得到现在的状态x(k)和最优化估算值x(k|k)；
式中，kg为卡尔曼增益；r为测量噪声。实验中可以通过适当改变q和r的值来改善算法的性能；
p(k|k)＝(i-kg(k)h)p(k|k-1)⑤
式中p(k|k)为当前时刻最优值对应的协方差；i为单位矩阵；
x(k|k)＝x(k|k-1)+kg(k)(z(k)-hx(k|k-1))⑥
式中x(k|k)为用卡尔曼滤波算法估计出的最优值；z(k)为k时刻的测量值；
如图4为融合卡尔曼滤波算法的程序流程图；
首先，在内存中分配一个新的数组，将采集到的两个传感器间的时间tk存储在数组内。然后，对数组内的数据进行冒泡排序，剔除最大值和最小值，对其余数据求平均值，即为k时刻的测量值z(k)。x(k-1|k-1)的初值是车速为1m/s时所对应的两个中断信号之间的时间间隔tk；运行卡尔曼算法，算法的返回值即为软件滤波结果，即滤除白噪声干扰后的准确时间间隔t；
mcu模块根据以下公式②实时计算出当前的速度，并控制显示装置实时显示当前速度。
v为当前车速，单位m/s；
l为相邻两个传感器之间的弧长，单位为m；
t为卡尔曼滤波后产生的时间间隔，单位为s；
速度最后由显示模块(6)显示，显示模块(6)使用的是5位数码管，所述显示装置具有能耗低的优点，用于显示当前速度。
有益效果
本测速装置能够实时监测系统程序的运行状态，防止系统进入死循环状态，从而保证测速装置稳定正常的运行；
本装置测速准确、体积小、成本低量、对恶劣环境适应能力强，可广泛应用于车速的测量。
附图说明
参照附图，本发明的公开内容将更加显然。应当了解，这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围构成限制。
图1为本测速装置的传感器安装示意图；
图2为本测速装置的系统框图；
图3为本测速装置的程序流程图；
图4为卡尔曼滤波算法程序流程图；
具体实施方式
下面结合附图与实施例对本测速装置作进一步说明。
如图1所示为本测速装置的传感器检测模块及其安装示意图：
图1中的传感器接收装置(2)和一个传感器发射装置(3)组成图2中的一个传感器单元(8)，多个传感器单元组成图2中的传感器检测模块(7)。所述传感器单元的发射装置(3)通过螺丝固定在车轮(4)上，接收装置(2)通过螺丝安装在车轮正上方的车辆底盘(1)上，接受装置通过非接触的方式接受来自每个发射装置的信号。当接受装置与发射装置位于一条直线上时可以接受到发射装置发出的信号。
可选的，在车轮半径为r的情况下，本装置可以在车轮(1)上均匀的安装36个传感器发射装置。相邻两个接收装置之间圆心角为α＝10°，弧长可以根据以下公式①得到：
式中l为相邻两个传感器之间的弧长，单位为m；α为相邻两个接收装置之间圆心角，单位为度；r为车轮半径，单位为m；
具体的，以铺路机为例。所用铺路机车轮半径为0.65m，由①式可以推导出两个相邻传感器之间的弧长：
进一步地，所述传感器装置采用的是耐高温的材料。
如图2所示为本测速装置的整体系统框图：
一种用于车辆的测速装置包括mcu模块(5)；显示模块(6)；传感器检测模块(7)；传感器单元(8)；电源供电模块(9)；定时模块(10)。mcu模块分别通过导线与传感器检测模块、定时模块、显示模块连接，电源供电模块为整个系统提供电源。本发明采用外部直流电源供电方式，供电电压范围为9v～24v，供电电流大于0.5a；
传感器单元(8)通过非接触式的方式对转速进行采集，然后将信号传给传感器检测模块(7)，传感器检测模块(7)通过中断的方式将接收到的信号传递给mcu。
定时模块(10)采用的是16位定时器，两个中断信号之间的时间间隔tk由所述定时模块获得，并将时间tk保存在mcu中。
如图3所示为本测速装置的程序流程图：
mcu上电之后，首先对定时器，中断，显示器进行初始化。然后开启定时器，定时器开始计时。当传感器的接收装置与其中一个发射装置在一条直线上时，接收装置将会被触发，并会通过中断的方式将信号传递给mcu。mcu接收到来自传感器接收端的中断信号后，存储当前的计时时间tk，并将定时器清零重新开始计时。为了实现时间的精确测量，提高测速精度，本发明采用卡尔曼滤波算法对采集到的时间tk进行处理，卡尔曼滤波算法原理和方法如下；
卡尔曼滤波算法能够滤除随机性大，幅度较小，频带较宽的白噪声干扰。本发明结合卡尔曼滤波器原理和基本公式，建立系统的基本数学模型及相应核心算法如下；
假设现在的系统状态是根据系统的模型，基于系统的上一个状态预测出现在的状态，如公式②所示：
x(k|k-1)＝ax(k-1|k-1)+bu(k)②
式中x(k|k-1)为利用上一个状态预测的结果；x(k-1|k-1)为上一个状态的最优结果；a为状态转移矩阵；b为控制矩阵；u(k)为现在状态的控制量，如果没有控制量，则为0；
p(k|k-1)＝ap(k-1|k-1)a′+q③
式中p(k|k-1)为x(k|k-1)对应的协方差；p(k-1|k-1)为x(k-1|k-1)对应的协方差；q为系统噪声；a′为a的转置矩阵；
结合式②和式③得到的系统现在状态的预测值和现在状态的测量值，可以得到现在的状态x(k)和最优化估算值x(k|k)；
式中，kg为卡尔曼增益；r为测量噪声。实验中可以通过适当改变q和r的值来改善算法的性能；
p(k|k)＝(i-kg(k)h)p(k|k-1)⑤
式中p(k|k)为当前时刻最优值对应的协方差；i为单位矩阵；
x(k|k)＝x(k|k-1)+kg(k)(z(k)-hx(k|k-1))⑥
式中x(k|k)为用卡尔曼滤波算法估计出的最优值；z(k)为k时刻的测量值；
如图4为融合卡尔曼滤波算法的程序流程图；
首先，在内存中分配一个新的数组，将采集到的两个传感器间的时间tk存储在数组内。然后，对数组内的数据进行冒泡排序，剔除最大值和最小值，对其余数据求平均值，即为k时刻的测量值z(k)。x(k-1|k-1)的初值是车速为1m/s时所对应的两个中断信号之间的时间间隔tk；运行卡尔曼算法，算法的返回值即为软件滤波结果，即滤除白噪声干扰后的准确时间间隔t；
mcu模块根据以下公式②实时计算出当前的速度，并控制显示装置实时显示当前速度。
v为当前车速，单位m/s；
l为相邻两个传感器之间的弧长，单位为m；
t为卡尔曼滤波后产生的时间间隔，单位为s；
具体的，当车轮半径为0.65m,若所用车辆正常行驶时卡尔曼滤波后生成的时间间隔为0.25s，由①⑦式可以推导出车速为：
显示模块(6)使用的是5位数码管，所述显示装置具有能耗低的优点，用于显示当前速度。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。