专利名称：货车超载在线自动预判断方法及系统的制作方法
技术领域：
本发明涉及一种在线快速识别车辆类型并对其是否超载、超载程度进行预判定的实时检测的方法与预判断系统，更具体地说，它涉及一种货车超载在线自动预判断方法及系统。
背景技术：
一.车型自动分类 车型分类的主要目的就是要保证车辆类型间收费的公平性，对车流量进行自动统计，以及对车辆超重自动预判定的协助。
车型自动分类AVC(Automatic Vehicle Classification)是现代技术的综合体现，它通过检测车辆本身固有的物理参数，在一定的车型分类标准下运用适当的分类识别算法，主动地对车辆进行分型。目前，现有车辆自动分类技术都是通过车辆检测器检测车辆的车型特征来实现分类的，其方法主要有轮廓扫描、车轴计数、电磁感应线圈检测、动态称重、基于图像处理和模式识别的车牌或车型自动识别等。
1.轮廓扫描 轮廓扫描的目的在于获取车辆的外形信息(主要是几何尺寸)，从而对车辆进行分类。扫描一般使用无线电波或者红外线，更先进的则使用激光。但此方法对环境能见度特别敏感，并且对于外形相近的客车和货车分类效果很差。
2.车轴计数 车轴计数就是利用某种方法对车辆的轴数进行检测，将检测结果作为车辆分类的一种标准。但由于车轴数在车辆分类的标准中不是主要因素，所以应用这种方法判定车型容易存在较大的误差，因此车轴计数的识别技术一般不单独使用，而是与其它系统配合工作。
3.电磁感应线圈检测 电磁感应线圈检测就是利用不同车型的底盘结构和铁磁物质分布的不同，电流变化引起的磁场的变化也不同，系统根据感应曲线的不同而区分不同类型的车辆。但是在实施中需要将线圈埋入地下，设备还会受到车辆挤压，因此具有破坏路面、可移动性差、容易损坏、寿命短等缺点，同时受车辆行驶速度和其它干扰因素等影响，获得的车辆特征曲线对车辆的分类效果不理想，所以很少单独使用，通常作为其他系统的辅助装置。
4.动态称重 动态称重属接触式被动检测技术，当车辆通过埋入路面下的检测器时，检测器受力产生形变，根据回传信息对车辆进行检测，可测量车辆的轴重、轴距、总重、车速等，并按预先制定的车型分类表，自动识别车型。但由于其技术还不够成熟，加之设备安装复杂、寿命短，温度、车辆振动、道路质量等都会对系统精度产生很大影响，所以在车辆检测和车型分类中还没有得到广泛应用。
5.基于图像处理和模式识别 运用视频图像技术来判别车型、统计交通流量一直是交通界研究的热点，并且已经在少数公路上进行了应用。这种方法通过设置在高速公路入口或沿线的视频摄像头，将过往车辆的图像全部摄入，再将图像信息传输到高速公路监控管理部门进行处理。其技术原理是利用运动分割与模型匹配等方法对车辆外形、色彩特征做出判断，或者从车牌的各种特征中查找出车辆类型的相关信息。如果车牌的大小、形状和颜色等特征对应不同的车辆类型，那么由此就可以对车辆进行分类。而且，对车牌的进一步识别可读出车牌上的具体号码，根据这个号码就可以在相关的资料(如车辆牌照的登记记录数据库)中搜索，得到车辆类型的详细信息。它的优点是能够准确、快速地得到包括车型在内的高速公路上发生的各种事件的全面信息，且检测效果不受交通量变化的影响。这种方法的缺点则主要是由于视频检测技术自身存在的成本高、工作条件苛刻造成的一个视频检测点的建设成本至少在2万元人民币，并且运用视频技术得到的图像信息量很大，后期处理工作需要耗费大量的人力物力；另外，视频检测技术受能见度、光照等条件的影响较大，在大雾、雨雪、灰尘等不良天气情况下，检测效果大幅下降。当然，由于存在阴影、图像叠加、信息量大等不利因素，利用车辆外形特征识别车型的方法还有待在实时性、识别率等方面进一步提高。
6.车辆自动识别 电子标签是当今世界上最先进的不停车收费系统(又称电子收费系统Electronic TollCollection System，简称ETC系统)的重要组成部分。不停车收费系统是靠装在汽车上的电子标识卡(即电子标签)与安装在收费车道旁的读写收发器，利用车辆自动识别(AutomaticVehicle Identification简称AVI)技术完成车辆与收费站之间的无线数据通讯，进行车辆自动识别和有关收费数据的交换，通过计算机网络进行收费数据的处理，实现不停车自动收费的全电子收费系统。此种方法通过车辆自动识别技术，实现收费的自动化，使得车辆通过高速公路收费路口时，无需停车等待交费，从而大大提高了高速公路的通行能力和服务水平。运用不停车收费系统，可以获取包括车型在内的车辆相关信息，有其方便快捷的一面。但由于建设不停车收费系统需要对原有收费场站和系统进行大规模升级改造，且国内外目前还没有一个统一的建设标准，加之建设维护费用巨大，对维护人员要求较高，系统对防止逃费、众多的用户和系统的兼容、以及过境车辆的处理等问题还难有较好的解决办法，因此以后很长一段时间还难以在国内得到真正普及。即便将来不停车收费系统得到大规模普及，也会因为电子标签本身还存在被损坏、伪造、调换的可能性，还需要一套有效的车型自动分类系统，以便作为备用和校验，另外从监督的角度考虑，备用系统也可以减少漏收和错收情况的发生。
综上所述，各种自动车型分类技术都有其各自优点和缺点，但是从实际应用效果来看，由于存在技术和经济等方面的原因，目前尚不能很好地满足实际需求。因此，有别于现有自动检测技术的原理，采用车辆运行过程中的声信号作为信息来源，研究一种新的高效率、低成本，适用于技术系统全天候工作要求的公路车型自动判别方法，无论在理论还是实践上都是必要的。
二.车辆超重自动判定 交通系统的一项重要的巨额费用就是因重载车辆碾压导致道路的损坏而进行道路养护甚至是重建。显然车辆越重(超过公路限制标准)，对道路的损坏影响就越大。目前测量车辆超载的方法主要是磅秤称重，而且其中部分称重技术称重速度慢且影响交通。
截止到2007年，全国公路总里程为180.98万公里，等级公路里程143.87万公里占公路总里程的79.5％。其中高速公路29745公里、一级公路29903公里、二级公路211929公路、三级公路324788公里、四级公路842373公里。
截止到2007年，全国汽车保有量为1.598亿辆。2007年1-12月公路货运量总计累计162.8亿吨，比2006年累计同比增长11％；2007年1-12月公路货物周转量总计累计11257.6亿吨公里。可见，超载运输管理、计重收费都对快速称重技术有着巨大的现实需求。
动态称重技术可谓称重领域的顶尖技术，是大宗散装货物快速自动称重计量的有效手段。动态称重是测量行驶车辆的动态轮胎受力并计算相应的静态车辆重量的过程；一个公路动态称重系统是一套传感器和支持仪器，用来测量在特定地点特定时间一辆行驶车辆的出现及其动态轮胎受力，计算车辆的重量、车速、轴距、车辆类型以及有关车辆的其它参数并且处理显示和存贮这些信息。动态称重系统主要包括传感器和支持仪器，目前根据其传感器原理的不同，主要包括电阻应变式、压磁式、电容式、振弦式、电感式、光纤式、陀螺仪式等动态称重技术。
1.压阻式称重传感器 某些固体材料受到外力作用后，除了产生变形，其电阻率也要发生变化。这种由于应力作用而使材料电阻率发生变化的现象称为“压阻效应”。利用压阻效应制成的称重传感器称为压阻式称重传感器。压阻式称重传感器有两种类型，即是半导体应变式称重传感器、扩散型压阻式称重传感器。
半导体应变式称重传感器的结构形式基本上与电阻应变式称重传感器相同，所不同的是应变片的敏感栅是用半导体制成。与金属应变片相比，它的优点是体积小而灵敏度高。同样它也存在敏感栅易于损坏的问题。
扩散型压阻式称重传感器的基片是半导体单晶硅。单晶硅各向异性，因此必须根据传感器受力变形情况来加工制作扩散硅敏感电阻栅片。不易保证精度。
2.压电式称重传感器 一些离子型电介质沿一定方向受到外力作用而变形时，内部会产生极化现象，并在表面上产生电荷，当外力去掉以后，又重新回到不带电状态。这种机械能转换为电能的现象称为“顺压电效应”。反之，称为“逆压电效应”。具有压电效应的物质称为压电材料。
压电式称重传感器的基本原理是利用压电材料的压电效应做成的。它的工作原理就是基于压电晶体在外力作用下，会在压电元件的两个表面上产生电荷，在一个表面上聚集正电荷在另一个表面上聚集等量的负电荷。
压电式称重传感器的固有频率很高，所以它的高频响应要优于电阻应变式称重传感器和压阻式称重传感器。但压电式传感器要求配套的设备多，实现成本较高。
3.电阻应变式 电阻应变式称重传感器由电阻应变计和金属弹性梁两个主要器件组成。电阻应变计由康铜箔在绝缘基底材料做成丝状电阻丝，利用导线的电阻率与直径大小成反比的特性，当丝状电阻丝在外力作用下，在弹性范围内其直径发生细微变化时，它的电阻值也随之发生变化，因而电阻应变计能将称重传感器所受到的力变为电信号。
电阻应变片式传感器的特点是测量范围广，一般可测量几十克到几千吨的载荷，结构较简单，适合于工业设备的现场安装，它的使用已占所有称重传感器的90％左右。
电阻应变式称重传感器的缺点在于丝状电阻丝的直径极细，长期用于恶劣工作环境易于损坏，输出信号小，过载能力较低。
4.电容式称重传感器 电容式称重传感器它利用电容器振荡电路的振荡频率f与极板间距d的正比例关系工作。极板有两块，一块固定不动，另一块可移动。在承重台加载被测物时，板簧挠曲，两极板之间的距离发生变化，电路的振荡频率也随之变化。测出频率的变化即可求出承重台上被测物的质量。电容式传感器耗电量少，造价低，准确度为1/200～1/500. 5.振动式称重传感器 振动式传感器弹性元件受力后，其固有振动频率与作用力的平方根成正比。测出固有频率的变化，即可求出被测物作用在弹性元件上的力，进而求出其质量。振动式传感器有振弦式和音叉式两种。
振弦式传感器的弹性元件是弦丝。当承重台上加有被测物时，V形弦丝的交点被拉向下，且左弦的拉力增大，右弦的拉力减小。两根弦的固有频率发生不同的变化。求出两根弦的频率之差，即可求出被测物的质量。振弦式传感器的准确度较高，可达1/1000～1/10000，称量范围为100克至几百千克，但结构复杂，加工难度大，造价高。
音叉式传感器的弹性元件是音叉。音叉端部固定有压电元件，它以音叉的固有频率振荡，并可测出振荡频率。当承重台上加有被测物时，音叉拉伸方向受力而固有频率增加，增加的程度与施加力的平方根成正比。测出固有频率的变化，即可求出重物施加于音叉上的力，进而求出重物质量。音叉式传感器耗电量小，计量准确度高达1/10000～1/200000，称量范围为500g～10kg。
6.光纤光栅传感器 光栅式传感器利用光栅形成的莫尔条纹把角位移转换成光电信号。光栅有两块，一为固定光栅，另一为装在表盘轴上的移动光栅。加在承重台上的被测物通过传力杠杆系统使表盘轴旋转，带动移动光栅转动，使莫尔条纹也随之移动。利用光电管、转换电路和显示仪表，即可计算出移过的莫尔条纹数量，测出光栅转动角的大小，从而确定和读出被测物质量。
光纤光栅传感器技术是利用传感器内不敏感原件——光纤光栅反射的光学频谱对温度、应变的敏感特性，通过光纤光栅传感网络分析仪内部各功能模块完成对光纤光栅传感器的输入光源激励输出光学频谱分析和物理量换算，以图表和数字方式给出各监测点的温度、应力应变、压力、位移等信息。光纤光栅传感技术的出现，给传感器的发展带来了前所未有的生命力。
7.陀螺仪式称重传感器 陀螺仪式传感器，转子装在内框架中，以角速度ω绕X轴稳定旋转。内框架经轴承与外框架联接，并可绕水平轴Y倾斜转动。外框架经万向联轴节与机座联接，并可绕垂直轴Z旋转。转子轴(X轴)在未受外力作用时保持水平状态。转子轴的一端在受到外力(P/2)作用时，产生倾斜而绕垂直轴Z转动(进动)。进动角速度ω与外力P/2成正比，通过检测频率的方法测出ω，即可求出外力大小，进而求出产生此外力的被测物的质量。
陀螺仪式传感器响应时间快(5秒)，无滞后现象，温度特性好(3ppm)，振动影响小，频率测量准确精度高，故可得到高的分辨率(1/100000)和高的计量准确度(1/30000～1/60000)。
发明内容
本发明所要解决的技术问题是克服了现有技术存在的自动车型分类困难和称重速度慢的问题，提供了一种基于货车运行声音与振动信号的货车超载在线自动预判断方法及系统。
为解决上述技术问题，本发明是采用了如下技术方案实现的该方法包括车型识别与超载预判断两步骤，所述的超载预判断步骤包括如下流程 1)利用振动传感器采集车辆行驶中的振动信号； 2)利用端点检测的方法判断有无行驶的车辆，无行驶的车辆，信号不进入下一步； 3)从采集的行驶车辆的声音信号判断是否为载货车辆，不是载货车辆，信号不进入下一步； 4)当由车型识别步骤判断是载货车辆时，即对载货车辆的振动信号进行信号去噪、帧截取和归一化的信号预处理； 5)对经过信号预处理的信号进行小波包参数计算 (1)对每个样本进行三层小波包分解，提取第三层8个频率通道的信号特征X3j(j＝0，1，，…，7)， (2)对小波包分解系数重构，提取各频带范围的信号。以S3j表示X3j的重构信号； (3)求各频带信号的总能量，由于输入信号是随机信号，其输出也是随机信号，S3j(j＝0，1，，…，7)对应的能量为E3j(j＝0，1，…，7)，则有 其中，xjk(j＝0，1，…，7；k＝1，2，…，n)表示重构信号S3j离散点的幅值； (4)构造能量向量空间 构造能量向量为 T＝[E30，E31，E32，E33，E34，E35，E36，E37]； (5)采用能量归一化，即归一化后各参数平方和为一的方法对能量向量进行归一化处理，把数据映射到0～1范围之内， 令 向量T′即为归一化后的能量向量，则 T′＝[T0，T1，T2，T3，T4，T5，T6，T7]； 6)BP网络超载预判定 (1)在学习阶段输入要学习的样本，直到网络收敛为止，此阶段就是不断的调整各个神经元的连接强度，使其能在最小二乘的意义上逼近所对应的输出，学习阶段采取离线方式进行； (2)在识别阶段，对于给定的输入进行计算，得到预判定结果。
为提供了一种实施基于货车运行声音与振动信号的货车超载在线自动预判断方法的预判断系统，本发明是采用了如下技术方案实现的该系统是由信号采集模块、信号处理模块与微机接口模块三部分组成，信号采集模块与信号处理模块为电线连接，信号处理模块与微机接口模块为电线连接。
所述的信号采集模块是由声音传感器、振动传感器、第一调理电路、第二调理电路与型号为THS10064的二通道A/D转换器组成，声音传感器与第一调理电路的输入端电线连接，第一调理电路的输出端与型号为THS10064的二通道A/D转换器的引脚AINP电线连接，振动传感器与第二调理电路的输入端电线连接，第二调理电路的输出端与型号为THS10064的二通道A/D转换器的引脚BINP电线连接，型号为THS10064的二通道A/D转换器的输出端与信号处理模块电线连接。
所述的信号处理模块包括安装有计算机程序的型号为TMS320VC5402的数字信号处理器DSP、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM。型号为TMS320VC5402的数字信号处理器DSP与型号为THS10064的二通道A/D转换器、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM和微机接口模块之间分别为电线连接。
所述的微机接口模块是由型号为Cy7c68013的高速USB芯片组成，微机接口模块的输入端与型号为TMS320VC5402的数字信号处理器DSP的一端电线连接，微机接口模块的输出端与PC机的输入端电线连接。
技术方案中所述的安装有计算机程序的型号为TMS320VC5402的数字信号处理器DSP是指安装有由车型声音特征参量提取的计算机子程序、神经网络车型分类的计算机子程序、车辆重量特征参量提取的计算机子程序、神经网络车辆超载预判断的计算机子程序和结果处置的计算机子程序组成的计算机程序的型号为TMS320VC5402的数字信号处理器DSP；所述的型号为TMS320VC5402的数字信号处理器DSP与型号为IS61LV12816的随机存取器RAM电线连接是指型号为TMS320VC5402的数字信号处理器DSP的引脚D〔0:15〕、A〔0:15〕和HDO分别与型号为IS61LV12816的随机存取器RAM的引脚I/O〔0:15〕、A〔0:15〕和A16电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚R/W、MSTRB#、DS#和XF分别通过两个与门和型号为IS61LV12816的随机存取器RAM的引脚WE/和CE/电线连接；所述的型号为TMS320VC5402的数字信号处理器DSP与型号为AM29LV800B的FLASH电线连接是指型号为TMS320VC5402的数字信号处理器DSP的引脚D〔0:15〕、A〔0:15〕、BIO#和A〔16:18〕分别与型号为AM29LV800B的FLASH的引脚D〔0:15〕、A〔0:15〕、RY/BY#和A〔16:18〕电线连接，型号为TMS 320VC5402的数字信号处理器DSP的引脚R/W#、MSTRB#、DS#和XF分别通过两个非门和三个与门与型号为AM29LV800B的FLASH的引脚OE#、WE#和CE#电线连接；所述的型号为TMS320VC5402的数字信号处理器DSP与型号为THS10064的二通道A/D转换器的输出端电线连接是指型号为TMS320VC5402的数字信号处理器DSP的引脚IOSTRB#、A15、BI0/、BCLKX0和D0-D9分别与型号为THS10064的二通道A/D转换器的引脚CS0/、CS1、DATA_AV、GONV_GLK和D0-D9电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚IS#和R/W#通过一个与门和型号为THS10064的二通道A/D转换器的引脚R/W#电线连接；所述的型号为TMS320VC5402的数字信号处理器DSP与微机接口模块电线连接是指型号为TMS320VC5402的数字信号处理器DSP与型号为Cy7c68013的高速USB芯片电线连接，为此，型号为TMS320VC5402的数字信号处理器DSP的引脚PS、DS、IS、RW、XF、IOSTRB、MSTRB、BIO、READY、INT0、INT1、A〔0-15〕和D〔0-7〕先分别与型号为XC95144的复杂可编程逻辑器件CPLD的引脚CPLD_PS、CPLD_DS、CPLD_IS、CPLD_RW、CPLD_XF、IOSTRB、MSTRB、CPLD_BIO、READY、INT0、INT1、A〔0-15〕和D〔0-7〕电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚CY_IFCLK、CY_CLKOUT、CY_SLWR、CY_SLRD、CY_CTL〔0-2〕、PA〔0-2〕、USB_INT1、FIFOADR〔0-1〕、PKTEND、PA7、CY_PA〔0-7〕和CY_PD〔0-7〕再分别与型号为Cy7c68013的高速USB芯片的引脚CY_IFCLK、CY-CLKOUT、CY_SLWR、CY_SLRD、CY_CTL〔0-2〕、PA〔0-2〕、USB_INT1、FIFOADR〔0-1〕、PKTEND、PA7、CY_PA〔0-7〕和CY_PD〔0-7〕电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚A〔0-18〕、D〔0-8〕、FLASH_CE又分别与型号为AM29LV800B的FLASH的引脚A〔0-18〕、D〔0-8〕、FLASH_CE电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚A〔0-18〕、D〔0-8〕、RAM_CE、RAM_WE、RAM_RD又分别与型号为IS61LV12816的随机存取器RAM的引脚A〔0-18〕、D〔0-8〕、RAM_CE、RAM_WE、RAM_RD电线连接。与现有技术相比本发明的有益效果是 一.汽车重量模拟实验 本实验旨在证明汽车不同载重与其运行时发出的声音及振动信号之间有密切的联系。
实验中所用的玩具车最大载重量是30kg，车体自重为7.2kg。在实验室里，我们对玩具车进行了空载、装有货物5.3kg、装有货物12kg三种情况下声音信号的测试。玩具汽车通过有机玻璃板的路面，使用震动传感器进行信号采集。对采集的信号进行1/10频率抽取后进行小波包分析，结果如下 空载(a) 23.386044.33001.830228.80400.22980.37740.58020.4626 55.912034.91600.57217.9456 0.09220.14750.24590.1683 28.313045.05902.947821.60400.23510.35190.81600.6729 46.067042.82200.69069.4452 0.14940.23880.34090.2464 29.893040.85301.822625.69100.25730.37690.49680.6096 44.919042.66001.007510.26000.15520.26390.43140.3028 满载(b) 19.725057.08102.469816.88500.57350.92781.02471.3117 36.229050.21701.23299.9678 0.27280.61420.87790.5888 26.634051.05801.733117.30300.55500.65170.97391.0907 26.967054.93902.544611.47700.71780.90571.52890.9207 19.837059.39302.833512.44000.53590.94521.96542.0495 43.152042.08901.69959.9520 0.48970.78621.18490.6463 半满载(c) 40.533035.47702.252519.30200.32960.50270.81520.7875 37.523052.01800.86218.2608 0.18550.31410.53090.3054 45.568038.04101.372312.31400.31490.55980.74651.0824 47.995041.93000.97157.6548 0.21130.31340.60530.3180 18.189059.09501.924017.10300.52940.77411.07901.3064 38.588047.60201.517110.49100.24290.44410.65870.4557 平均值 (a)38.081741.77331.478517.29160.18650.29270.48520.4104 (b)28.757352.46282.085613.00410.52410.80511.25931.1013 (c)38.066045.69381.483212.52090.30230.48470.73930.7092 方差 (a)161.375813.41760.813084.00780.00410.00850.03990.0417 (b)86.3803 38.02400.383610.94530.02110.02100.17180.2891 (c)111.322780.06870.289422.59390.01560.03000.03780.1765 U检验结果 Uab 1.45103.65071.35941.07785.21217.30204.12132.9422 Ubc 1.62161.52581.79840.20442.83813.47582.78241.4073 Uac 0.00230.99320.01121.13182.02102.39742.23231.5671 数据分析结果 从以上数据可以看出，当显著性水准确定为α＝0.05的话，共有三组特征向量满足大于1.96的要求。因此，可以初步认为此项分析对于公路汽车的超载与否具有一定的判别性，特别是实际中载重汽车超载经常达到汽车自重的3至5倍以上，其信号特征将更为明显，在将来的高速公路现场实验中应该能够达到预期效果。
二.与现有技术相比本发明的有益效果 1.基于货车运行声音与振动信号的货车超载在线自动预判断方法及系统在车型识别基础上，能够估测相同车型的载重程度，对车辆是否超载进行预判断，发出超重嫌疑警报，大大减少需要精确称重车辆的数量，提高工作效率。超载嫌疑阈值可以根据交通管理决策要求采用低阈值和高阈值两种方式设置。低阈值方式保证所有超重车辆均激发超载嫌疑警报，但可能产生未超载车辆的超载虚警，从而增加称重车辆数量；高阈值方式保证所有激发超重嫌疑警报的车辆均超载，但可能产生超载车辆的漏警。模拟实验表明，当车辆载重差异30％以上时，利用车辆振动信号便可以有效识别，满足车辆超载预判断的基本要求。
2.由于基于货车运行声音与振动信号的货车超载在线自动预判断方法及系统采用声学信号和(地面)振动信号，和现有称重技术相比，属于与车体非接触的测量方式，并且设备成本低，信号处理量小，不破坏路面(振动传感器只需同地面保持良好接触即可)，易安装、维护，更有利于在线实时测量的实现。
3.基于货车运行声音与振动信号的货车超载在线自动预判断方法及系统经进一步的深入研究和转化为技术产品，将有很广阔的应用前景。依前面所述，截止到2007年，全国公路总里程为180.98万公里，其中高速公路29745公里、一级公路29903公里。2007年，全国汽车保有量为1.598亿辆，公路货物周转量总计累计11257.6亿吨公里。可见，超载运输管理、计重收费都对快速称重技术有着巨大的现实需求。
下面结合附图对本发明作进一步的说明 图1是基于货车运行声音与振动信号的货车超载在线自动预判断方法的信号处理流程示意框图； 图2是基于货车运行声音与振动信号的货车超载在线自动预判断系统的结构组成示意框图； 图3是型号为TMS320VC5402的数字信号处理器DSP与型号为IS61LV12816的随机存取器RAM线连接示意图； 图4是型号为TMS320VC5402的数字信号处理器DSP与型号为AM29LV800B的FLASH线连接示意图； 图5是型号为TMS320VC5402的数字信号处理器DSP与型号为THS10064的二通道A/D转换器线连接示意图； 图6是型号为TMS320VC5402的数字信号处理器DSP与型号为XC95144的复杂可编程逻辑器件CPLD线连接示意图； 图7-A是型号为XC95144的复杂可编程逻辑器件CPLD与型号为AM29LV800B的FLASH的线连接示意图； 图7-B是型号为XC95144的复杂可编程逻辑器件CPLD与型号为IS61LV12816的随机存取器RAM的线连接示意图； 图8是型号为XC95144的复杂可编程逻辑器件CPLD与型号为Cy7c68013的高速USB芯片线连接示意图； 图9是基于货车运行声音与振动信号的货车超载在线自动预判断方法中具有一个中间层(隐层)的三层BP网络； 图10是基于货车运行声音与振动信号的货车超载在线自动预判断方法中小波分解示意图； 图11是基于货车运行声音与振动信号的货车超载在线自动预判断方法中小波包分解示意图；
具体实施例方式 下面结合附图对本发明作详细的描述 本发明提出了一种利用车辆行驶时产生的运行声音首先对车型进行识别，快速判别出是否为货车车辆以后，利用车辆行驶时产生的运行噪声和地面振动信号对车辆超重情况进行预判定的在线自动测量的方法及系统。
I.货车超载在线自动预判断方法及系统的设计构思及主要技术特征 本发明涉及一种采用自编的计算机程序的基于货车运行声音与振动信号的货车超载在线自动预判断方法及系统。自编的计算机程序装入型号为TMS320VC5402的数字信号处理芯片DSP中，货车超载在线自动预判断系统实施该计算机程序，实现基于货车运行声音与振动信号的货车超载在线自动预判断方法。
一.货车超载在线自动预判断方法 货车超载在线自动预判断方法的设计构思 参阅图1，计算机程序是由车型声音特征参量提取计算机子程序、神经网络车型分类计算机子程序、车辆重量特征参量提取计算机子程序、神经网络车辆超载预判断计算机子程序和结果处置计算机子程序组成。车型声音特征参量提取计算机子程序对驶过车辆声音信号进行运算，提取车型声音特征参量值，提取出的车型声音特征参量值组成特征向量作为神经网络输入向量，通过已训练好的神经网络识别车辆类型。车辆重量特征参量提取计算机子程序对驶过车辆振动信号进行运算，提取车重振动特征参量值，提取出的车重振动特征参量值和已得到的车辆类型值组成特征向量作为神经网络输入向量，通过已训练好的神经网络根据事先确定的阈值标准对车辆是否超载进行预判断。结果处置计算机子程序根据事先确定的处置方案对信号处理结果进行现场处置(如显示收费金额、控制磁卡收费系统动作、超载嫌疑报警等)或通过Internet网将结果传输到指定地点进行远程处置。
车型声音特征参量提取采用AR模型进行模型参数计算，计算时调用AR模型参数计算子程序，车型特征AR模型阶数n预先设定。车辆重量振动特征参量采用小波包通道能量值，小波包分解层次预先设定。
系统运行时首先对车辆声音信号进行n阶AR模型参数值计算，得出的参数集合构成车辆的n维车型特征向量，然后用BP神经网络作为分类器，特征参数向量作为输入向量(n维)，车型种类作为输出向量(1维)，对车辆进行车型识别。之后对车辆振动信号进行小波包分解，得出各小波包通道相对能量值作为车辆载重特征向量并和车型种类值构成m+1维车辆重量特征向量，用BP神经网络作为判定器，特征参数向量作为输入向量(m+1维)，超载状况判定作为输出向量(1维布尔量)，对车辆超载进行预判定。实施计算机程序的系统对得出的车型和载重状况结果进行现场处置或传输至远程端。
货车超载在线自动预判断方法的主要技术特征 1.端点检测 有无车辆声的判断，从信号处理的角度属于端点检测问题。端点检测的方法很多，本方法采用短时能量方法检测车辆声信号，排除无车辆声段。短时能量法是对声信号进行分析的一种基本方法，信号x(t)的能量函数定义为 E(t)＝E(t)＝∫x2(t)dt， 对x2(t)在某时间段内做定积分得到的是信号x(t)在该段时间内的能量值，在几何意义上也就是该时间段内的功率函数与时间轴包围的面积的大小。有车辆声时信号的能量值(即函数与时间轴包围的面积)将明显大于无车辆声时的能量值(即函数与时间轴包围的面积)。于是我们可以根据信号的能量函数给出一个能量阈值Eth，能量值大于Eth的为有声信号段，小于Eth的为无声信号段。具体步骤如下首先对获得的声信号进行分帧，根据能量函数公式求出每帧内的能量值，做出其短时能量谱。假设前几帧是噪声帧，计算出它们的平均能量值A，将A的1.5倍作为门限值。再选定合适的积分区间的长度T。当信号在时间t1其幅值大于A的1.5倍时，就从t1开始对能量函数进行积分，积分长度为T，得到的积分值就是被测信号在t1到t1+T之间的能量值。如果该能量值小于能量阈值Eth，说明在t1到t1+T之间无车辆声，即无声段，该段信号不进入下一步处理。
2.信号处理 信号预处理包括去噪、帧截取、归一化三个内容。
(1)信号去噪 在声信号的采集过程中，不可避免地会受到自然的和人为的各种干扰，在对信号进一步处理之前，有必要对声信号进行必要的去噪处理，以加强有用信号，降低有害噪声信号的干扰，提高信噪比，从而减少后续处理的难度。
(2)帧截取 在实验中，为了保证数据的完整性，系统采集的声学信号的数据量比较大。一般当车辆通过时，从离传感器较远的距离开始测量，直到车辆离开较远的距离时为止，采集数据一般持续十几秒左右时间。在处理数据时，真正有用的只是车辆靠近传感器时的那段信号。因为当车辆距离较远时，车辆噪声信号与背景噪声之间的信噪比较低，没有可用性。因此我们希望能够通过计算机截取信噪比较高的一段有用信号，以便进行进一步的分析。
汽车信号的幅度在汽车行驶过程中对其自身来说应该是不变的，即包络是等高的，但实际测量中并不是这样的，由于能量的衰减，在远距离时幅值为零，近距离时会有一包络峰值，所以实际测得的信号会出现峰值向两测衰减的曲线包络。我们在汽车信号处理时，数值点的截取以谱峰为对称轴来选定，采取的数值点尽量多，以不失一般性。
但实验中基于在线统计的要求，声音信号的处理时间越短越好，所以不能无限制的选取很多点，实验中在信号峰值处选取帧长4096点进行截取。
(3)归一化 汽车声音在单位时间里向外辐射的能量是不变的，但声强的大小是与离开声源远近有关的，为了消除因距离、方位等因素对原始噪声信号的影响，我们对噪声信号和功率谱进行归一化处理。
归一化涉及到许多不同类型的运算，其目的在于使问题指向相对关系，使信号检测统计量在时间，频率，方位或其他量变化时尽可能保持均匀，以便能够在“均匀背景”的基础上立即分辨出信号加噪声这种情况，除此之外，噪声归一化的第二个作用是强调(突出)某种信号，使其匹配于操作人员所偏爱的“某种人的因素”。归一化的第三个作用是使处理量的动态范围适当。本发明采用功率归一，其定义式如下 能量函数f(x)的功率归一化函数f0(x) 其中 通过上式即可完成信号的功率归一化。
3.AR模型参数计算 谱估计的现代方法主要是以随机过程的参数模型为基础的，因此，也可以将其称为参数模型方法或简称模型方法。Wold分解定理认为任何广义平稳随机过程都可分解成一个完全随机的部分和一个确定的部分。确定性随机过程是一个可以其过去的无限个取样值完全加以预测的随机过程。Wold分解定理的一个推论是如果功率谱完全是连续的，那么任何ARMA过程或AR过程可以用一个无限阶的MA过程表示，Kolmogorov提出的一个定理有着类似的结论任何ARMA或MA过程可以用一个无限阶的AR过程表示。本系统采用AR模型进行车型特征分析，对两种车型的大量样本进行参数模型分析，用车型模型参数的平均值作为该种车型的种群特征参数。该模型的输出和输入之间满足差分方程为 输入激励u(n)是均值为零，方差为σ2的白噪声序列，这种模型称为p阶自回归模型或简称为AR(p)模型，其传输函数为 模型输出功率谱为 或 这是一个全极点模型。
足够高阶数的AR模型可以完全描述某种车型运行声的车型特征，但并不是所有参数都可以用来作为区分不同车型的特征量，只有那些对于不同车型平均值有显著差异的参数才对车型分类有贡献，即相对于车型鉴别而言，有些参数是冗余的。我们可以假设，由于个体差异使得车型特征的某个参数所具有的离散性属于正态分布。因此，判断不同车型的某参数是否具有显著差异的工作可以通过u检验来完成。
可以用来进行车型鉴别的参数集合构成车辆的车型特征向量，张成一个特征空间。在这个空间里，如果相同车型特征向量之间的距离明显小于不同车型特征向量之间的距离，则该空间可以作为车型鉴别的特征空间。为了考察所张成的空间对于车型分类是否有效，我们用BP神经网络作为分类器，特征参数向量作为输入向量，车型种类作为输出向量，对所采集的样本进行车型分类，以检测不同参数集合对于车型鉴别的效果。
4.BP神经网络分类 参阅图9，由于神经网络具有一些传统技术所没有的优点良好的容错能力、分类能力强、并行处理能力和自学习能力。因而，采用神经网络识别方式是一种很好的选择。目前常用的神经网络主要有BP网络、Hopfield网络、Ko-honen网络等，由于神经网络自身的复杂性，选用哪种类型网络并没有最优化的方式，主要由针对神经网络进行分类的样本类型、数量来决定。本系统应用目前较为成熟而且广泛使用的前向反馈(Back Propagation，简称BP)网络。
前向反馈网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络。目前在人工神经网络的实际应用中，绝大部分的神经网络模型是采用网络和它的变化形式，它也是前向网络的核心部分，体现了人工神经网络最精华的部分。据统计有近90％的神经网络应用是基于BP算法的。与感知器和线性神经网络不同的是，BP网络的神经元采用的传递函数通常是sigmoid型可微函数，所以可以实现输入和输出间的任意非线性映射。
BP网络由输入层、隐含层和输出层构成，相邻层之间的神经元全互连，同一层内的神经元无连接。图9所示的是以具有一个中间层(隐层)的三层BP网络来介绍BP算法的实现。输入层、中间层和输出层的单元数分别是N、L和M，输入为X0，X1，…，XN-1；中间层输出为h0，h1，…，hL-1；网络实际输出为y0，y1，…，yM-1；d0，d1，…，dM-1表示训练样本期望输出。输入单元i到中间单元j的权值为Vij中间单元j到输出单元k权值为Wjk用θk和ψj来分别表示输出单元和中间单元的阀值。
BP网络的实现分为两个阶段，即学习阶段和识别阶段。在学习阶段，输入要学习的样本，按照网络初始设定的权重，阈值以及传输函数进行计算得出每一层神经元的输出，这是从底层向上进行的；通过理想输出与最高层输出之间的误差来决定是否对权重、阈值进行修改，这个修改是从高层向下进行了的两个过程反复进行，直到网络收敛为止，此为学习阶段。权重的学习就是不断的调整各个神经元的连接强度，使其能在最小二乘的意义上逼近所对应的输出；识别阶段，此时对于给定的输入进行计算，得到识别结果。
5.小波包参数计算 (1)小波包理论 参阅图10与图11，小波包分析(Wavelet Packet Analysis)是一种能够为信号提供一种更加精细的分析方法，它将频带进行多层次划分，对小波分析没有细分的高频部分继续划分，并且能根据被分析信号特征，自适应的选择相应的频带，使之与信号频谱相匹配。理想的小波与小波包时一频空间分解如图10与图11中所示。
由此可见，小波包可以对高频子空间分解再分解，它和小波对空间的剖分有很大的不同。从图10与图11中可以看出，每个小波包树的二叉子树都对应着最初的子空间，对于能量有限的信号，小波包基可以根据各子频带信息给出一种特定的信号编码和重构信号的方法。
(2)车辆载重振动信号的小波包特性 特征提取是模式识别或分类中的核心问题。对识别或分类来说，关键不在于完整的描述模式，而是提取模式中有效的分类特征。所谓有效分类特征就是不同模式类差别较大的特征。但这些特征在原始特征域通常不易被观察或检测。特征提取就是通过变换的方法，使这些重要特征在变换域显示出来，去掉对分类无意义的信息。一般被识别或分类的模式都是非平稳或突变信号的模式，如语音、雷达和地震信号等，在这些信号中，通常包含长时低频和短时高频不同尺度的信号，用于分类的特征往往包含在局部的时频信号中，因而小波包算法在特征提取中具有很好的应用潜力。
特征提取是模式识别或分类中的核心问题，直接影响到分类器的设计和性能。对识别或分类来说关键不在于完整的描述模式，而是提取模式中有效的分类特征。所谓有效分类特征就是不同模式类别差别较大的特征。但这些特征在原始特征域通常不易被观察或检测。特征提取就是通过变换(通常是线性变换)的方法，使这些重要的特征在变换域显示出来，去掉对分类无意义的信息，这样把原始的高维空间变为低维的特征空间。
小波包参数计算 [1]对每个样本进行三层小波包分解，提取第三层8个频率通道的信号特征X3j(j＝0，1，，…，7)。
[2]对小波包分解系数重构，提取各频带范围的信号。以S3j表示X3j的重构信号。
[3]求各频带信号的总能量。由于输入信号是随机信号，其输出也是随机信号。设S3j(j＝0，1，，…，7)对应的能量为E3j(j＝0，1，…，7)，则有 其中，xjk(j＝0，1，…，7；k＝1，2，…，n)表示重构信号S3j离散点的幅值。
[4]构造能量向量空间。
构造能量向量为 T＝[E30，E31，E32，E33，E34，E35，E36，E37] 由于神经网络输入的一维代表一个特征，当神经网络的输入是多维时，要识别的模式有多个特征，当这多个特征的数据相差很大，如几个数量级时，就需要归一化，变成相同数量级，以防某些数值低的特征被淹没，同时也为了数据处理方便，对能量向量进行归一化处理，把数据映射到0～1范围之内。归一化方法有多种，本系统采用能量归一化，即归一化后各参数平方和为一。
令 向量T′即为归一化后的能量向量。令则 T′＝[T0，T1，T2，T3，T4，T5，T6，T7] 汽车不同载重与其运行时发出的声音及振动信号之间有密切的联系。
对车辆不同载重时各样本提取第三层小波包能量参数，求出相应的能量参数的均值和方差。只有那些具有显著性差异的参数才能作为用以识别的特征参数，因此，必须判断不同载重状态的哪个参数具有显著性差异。判断不同载重状态的某参数是否具有显著差异的工作可以通过u检验来完成。
二.货车超载在线自动预判断系统的设计构思及主要技术特征 参阅图2，货车超载在线自动预判断系统是由信号采集模块，信号处理模块，微机接口模块三部分组成。信号采集模块是由一个声音传感器、一个振动传感器、第一调理电路、第二调理电路与一个二通道A/D转换器组成，负责对车辆驶过时的声音、振动信号进行调理、采集和将采样结果传送到数字信号处理器DSP中。信号处理模块由数字信号处理器DSP、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM组成，这部分对信号采集模块送来的数据进行处理，包括车辆运行声音信号和振动信号端点检测、对测量数据的选取和归一化、对过采样信号的抽取等。微机接口模块由型号为Cy7c68013的高速USB芯片组成，负责系统与微机连接，实现结果处置在远程端进行。
第一调理电路的一端与声音传感器相连，另一端接到A/D转换器的引脚AINP，A/D转换器的其它控制线(输出端)与型号为TMS320VC5402的数字信号处理器连接，以便进行与型号为TMS320VC5402的数字信号处理器通信，型号为TMS320VC5402的数字信号处理器DSP与型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM相连，以便进行数据和程序的存储，然后通过微机接口模块与PC机相连。信号处理在型号为TMS320VC5402的数字信号处理器DSP内进行。信号处理工作根据系统设置方式在PC机或在型号为TMS320VC5402的数字信号处理器DSP内完成，即结果处置在现场或远程端进行。
II.货车超载在线自动预判断方法及系统的具体实施 一.货车超载在线自动预判断方法 1)安装与调试实施货车超载在线自动预判断方法的预判断系统。尤其是将声音传感器安装在道路侧方或上方，振动传感器安装在道路侧方并于路面良好接触(采用螺栓安装法或粘合安装法)。
2)利用振动传感器采集车辆行驶中的振动信号； 3)利用端点检测的方法判断有无行驶的车辆。
有无车辆声的判断，从信号处理的角度属于端点检测问题。本方法采用短时能量方法检测行驶车辆声信号，排除无车辆声段。可以根据信号的能量函数给出一个能量阈值Eth，能量值大于Eth的为有声信号段，证明有运行车辆信号进入下一步处理，小于Eth的为无声信号段，证明没有运行车辆信号，该段信号不进入下一步处理，返回到振动传感器采集车辆行驶中的振动信号。
4)从采集的行驶车辆的声音信号判断是否为载货车辆。
进入本步骤的为能量值大于Eth的为有声信号段，即有运行车辆，应进一步判断是否是载货车辆。判断是否为载货车辆是由车型识别步骤来完成。是，进入下一步(超载预判断步骤中的信号预处理)，不是，返回振动传感器采集振动信号的步骤。
5)当由车型识别步骤判断是载货车辆时，即对载货车辆的振动信号进行信号去噪、帧截取和归一化的信号预处理。
信号去噪是为了加强有用信号，降低有害噪声信号的干扰，提高信噪比，从而减少后续处理的难度。之所以采取帧截取步骤，是因为在处理数据时，真正有用的只是车辆靠近传感器时的那段信号。因为当车辆距离较远时，车辆噪声信号与背景噪声之间的信噪比较低，没有可用性。因此我们希望能够通过计算机截取信噪比较高的一段有用信号，以便进行进一步的分析。汽车声音在单位时间里向外辐射的能量是不变的，但声强的大小是与离开声源远近有关的，为了消除因距离、方位等因素对原始噪声信号的影响，我们对噪声信号和功率谱进行归一化处理。
6)对经过信号预处理的信号进行小波包参数计算 (1)对每个样本进行三层小波包分解，提取第三层8个频率通道的信号特征X3j(j＝0，1，，…，7)， (2)对小波包分解系数重构，提取各频带范围的信号。以S3j表示X3j的重构信号； (3)求各频带信号的总能量，由于输入信号是随机信号，其输出也是随机信号，S3j(j＝0，1，，…，7)对应的能量为E3j(j＝0，1，…，7)，则有 其中，xjk(j＝0，1，…，7；k＝1，2，…，n)表示重构信号S3j离散点的幅值； (4)构造能量向量空间 构造能量向量为 T＝[E30，E31，E32，E33，E34，E35，E36，E37]； (5)采用能量归一化，即归一化后各参数平方和为一的方法对能量向量进行归一化处理，把数据映射到0～1范围之内， 令 向量T′即为归一化后的能量向量，则 T′＝[T0，T1，T2，T3，T4，T5，T6，T7]； 7)BP网络超载预判定 BP网络的实现分为两个阶段，即学习阶段和识别阶段 (1)在学习阶段输入要学习的样本，按照网络初始设定的权重，阈值以及传输函数进行计算得出每一层神经元的输出，这是从底层向上进行的；通过理想输出与最高层输出之间的误差来决定是否对权重、阈值进行修改，这个修改是从高层向下进行了的两个过程反复进行，直到网络收敛为止，此阶段就是不断的调整各个神经元的连接强度，使其能在最小二乘的意义上逼近所对应的输出。学习阶段采取离线方式进行。
(2)在识别阶段，对于给定的输入进行计算，得到预判定结果载货车辆是超载或者是不超载。
8)预判定结果的现场或远程处置 在此步，结果处置计算机子程序根据事先确定的处置方案对超载预判定结果进行现场处置，如显示收费金额、控制磁卡收费系统动作、超载嫌疑报警等；或者是通过Internet网将超载预判定结果传输到指定地点进行远程处置。
二.货车超载在线自动预判断系统 货车超载在线自动预判断系统是由信号采集模块、信号处理模块与微机接口模块三部分组成。
参阅图2与图5，所述的信号采集模块是由声音传感器、振动传感器、第一调理电路、第二调理电路与二通道A/D转换器组成，声音传感器与第一调理电路的输入端电线连接，第一调理电路的输出端与型号为THS10064的二通道A/D转换器的引脚AINP电线连接，振动传感器与第二调理电路的输入端电线连接，第二调理电路的输出端与型号为THS10064的二通道A/D转换器的引脚BINP电线连接。型号为THS10064的二通道A/D转换器的输出端与信号处理模块电线连接，即型号为THS10064的二通道A/D转换器的引脚CS0/、CS1、DATA_AV、GONV_GLK和D0-D9分别与型号为TMS320VC5402的数字信号处理器DSP的引脚IOSTRB#、A15、BIO/、BCLKX0和D0-D9电线连接，型号为THS10064的二通道A/D转换器的引脚R/W#通过一个与门和型号为TMS320VC5402的数字信号处理器DSP的引脚IS#与R/W#电线连接。THS10064的二通道A/D转换器的引脚RD/接3.3V电源。
参阅图2所述的信号处理模块包括安装有计算机程序的型号为TMS320VC5402的数字信号处理器DSP、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM、型号为XC95144的复杂可编程逻辑器件CPLD。型号为TMS320VC5402的数字信号处理器DSP与型号为THS10064的二通道A/D转换器、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM分别为电线连接，型号为TMS320VC5402的数字信号处理器DSP通过型号为XC95144的复杂可编程逻辑器件CPLD和微机接口模块电线连接。型号为XC95144的复杂可编程逻辑器件CPLD分别和型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM电线连接。
参阅图2与图3，型号为TMS320VC5402的数字信号处理器DSP的引脚D〔0:15〕、A〔0:15〕和HDO分别与型号为IS61LV12816的随机存取器RAM的引脚I/O〔0:15〕、A〔0:15〕和A16电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚R/W、MSTRB#、DS#与XF分别通过两个与门和型号为IS61LV12816的随机存取器RAM的引脚WE/与CE/电线连接。型号为IS61LV12816的随机存取器RAM的引脚OE/、UB、LB/接地(GND)。
参阅图2与图4，型号为TMS320VC5402的数字信号处理器DSP的引脚D〔0:15〕、A〔0:15〕、BIO#和A〔16:18〕分别与型号为AM29LV800B的FLASH的引脚D〔0:15〕、A〔0:15〕、RY/BY#和A〔16:18〕电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚R/W#、MSTRB#、DS#与XF分别通过两个非门和三个与门与型号为AM29LV800B的FLASH的引脚OE#、WE#与CE#电线连接。型号为AM29LV800B的FLASH的引脚RST#、BYTE#接3.3V电源。
参阅图2、图6至图8，要实现型号为TMS320VC5402的数字信号处理器DSP与型号为Cy7c68013的高速USB芯片电线连接，为此，型号为TMS320VC5402的数字信号处理器DSP的引脚PS、DS、IS、RW、XF、IOSTRB、MSTRB、BIO、READY、INT0、INT1、A〔0-15〕和D〔0-7〕首先分别与型号为XC95144的复杂可编程逻辑器件CPLD的引脚CPLD_PS、CPLD_DS、CPLD_IS、CPLD_RW、CPLD_XF、IOSTRB、MSTRB、CPLD_BIO、READY、INT0、INT1、A〔0-15〕和D〔0-7〕电线连接，然后，型号为XC95144的复杂可编程逻辑器件CPLD的引脚CY_IFCLK、CY_CLKOUT、CY_SLWR、CY_SLRD、CY_CTL〔0-2〕、PA〔0-2〕、USB_INT1、FIFOADR〔0-1〕、PKTEND、PA7、CY_PA〔0-7〕和CY_PD〔0-7〕再分别与型号为Cy7c68013的高速USB芯片的引脚CY_IFCLK、CY_CLKOUT、CY_SLWR、CY_SLWR、CY_CTL〔0-2〕、PA〔0-2〕、USB_INT1、FIFOADR〔0-1〕、PKTEND、PA7、CY_PA〔0-7〕和CY_PD〔0-7〕电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚A〔0-18〕、D〔0-8〕、FLASH_CE又分别与型号为AM29LV800B的FLASH的引脚A〔0-18〕、D〔0-8〕、FLASH_CE电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚A〔0-18〕、D〔0-8〕、RAM_CE、RAM_WE、RAM_RD又分别与型号为IS61LV12816的随机存取器RAM的引脚A〔0-18〕、D〔0-8〕、RAM_CE、RAM_WE、RAM_RD电线连接。
权利要求
1.一种采用计算机程序的货车超载在线自动预判断方法，包括车型识别步骤，其特征在于，货车超载在线自动预判断方法还包括超载预判断步骤，所述的超载预判断步骤包括如下流程
1)利用振动传感器采集车辆行驶中的振动信号；
2)利用端点检测的方法判断有无行驶的车辆，无行驶的车辆，信号不进入下一步；
3)从采集的行驶车辆的声音信号判断是否为载货车辆，不是载货车辆，信号不进入下一步；
4)当由车型识别步骤判断是载货车辆时，即对载货车辆的振动信号进行信号去噪、帧截取和归一化的信号预处理；
5)对经过信号预处理的信号进行小波包参数计算
(1)对每个样本进行三层小波包分解，提取第三层8个频率通道的信号特征X3j(j＝0，1，，…，7)；
(2)对小波包分解系数重构，提取各频带范围的信号，以S3j表示X3j的重构信号；
(3)求各频带信号的总能量，由于输入信号是随机信号，其输出也是随机信号，S3j(j＝0，1，，…，7)对应的能量为E3j(j＝0，1，…，7)，则有
其中，xjk(j＝0，1，…，7；k＝1，2，…，n)表示重构信号S3j离散点的幅值；
(4)构造能量向量空间
构造能量向量为
T＝[E30，E31，E32，E33，E34，E35，E36，E37]；
(5)采用能量归一化，即归一化后各参数平方和为一的方法对能量向量进行归一化处理，把数据映射到0～1范围之内，
令
向量T′即为归一化后的能量向量，则
T′＝[T0，T1，T2，T3，T4，T5，T6，T7]；
6)BP网络超载预判定
(1)在学习阶段输入要学习的样本，直到网络收敛为止，此阶段就是不断的调整各个神经元的连接强度，使其能在最小二乘的意义上逼近所对应的输出，学习阶段采取离线方式进行；
(2)在识别阶段，对于给定的输入进行计算，得到预判定结果。
2.一种实施权利要求1所述的货车超载在线自动预判断方法的系统，其特征在于，该系统是由信号采集模块、信号处理模块与微机接口模块三部分组成，信号采集模块与信号处理模块为电线连接，信号处理模块与微机接口模块为电线连接，
所述的信号采集模块是由声音传感器、振动传感器、第一调理电路、第二调理电路与型号为THS10064的二通道A/D转换器组成，声音传感器与第一调理电路的输入端电线连接，第一调理电路的输出端与型号为THS10064的二通道A/D转换器的引脚AINP电线连接，振动传感器与第二调理电路的输入端电线连接，第二调理电路的输出端与型号为THS10064的二通道A/D转换器的引脚BINP电线连接，型号为THS10064的二通道A/D转换器的输出端与信号处理模块电线连接；
所述的信号处理模块包括安装有计算机程序的型号为TMS320VC5402的数字信号处理器DSP、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM，型号为TMS320VC5402的数字信号处理器DSP与型号为THS10064的二通道A/D转换器、型号为AM29LV800B的FLASH、型号为IS61LV12816的随机存取器RAM和微机接口模块分别为电线连接；
所述的微机接口模块是由型号为Cy7c68013的高速USB芯片组成，微机接口模块的输入端与型号为TMS320VC5402的数字信号处理器DSP的一端电线连接，微机接口模块的输出端与PC机的输入端电线连接。
3.按照权利要求2所述的实施权利要求1所述的货车超载在线自动预判断方法的系统，其特征在于，所述的安装有计算机程序的型号为TMS320VC5402的数字信号处理器DSP是指安装有由车型声音特征参量提取的计算机子程序、神经网络车型分类的计算机子程序、车辆重量特征参量提取的计算机子程序、神经网络车辆超载预判断的计算机子程序和结果处置的计算机子程序组成的计算机程序的型号为TMS320VC5402的数字信号处理器DSP。
4.按照权利要求2所述的实施权利要求1所述的货车超载在线自动预判断方法的系统，其特征在于，所述的型号为TMS320VC5402的数字信号处理器DSP与型号为IS61LV12816的随机存取器RAM电线连接是指型号为TMS320VC5402的数字信号处理器DSP的引脚D〔0:15〕、A〔0:15〕和HD0分别与型号为IS61LV12816的随机存取器RAM的引脚I/O〔0:15〕、A〔0:15〕和A16电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚R/W、MSTRB#、DS#和XF分别通过两个与门和型号为IS61LV12816的随机存取器RAM的引脚WE/和CE/电线连接。
5.按照权利要求2所述的实施权利要求1所述的货车超载在线自动预判断方法的系统，其特征在于，所述的型号为TMS320VC5402的数字信号处理器DSP与型号为AM29LV800B的FLASH电线连接是指型号为TMS320VC5402的数字信号处理器DSP的引脚D〔0:15〕、A〔0:15〕、BIO#和A〔16:18〕分别与型号为AM29LV800B的FLASH的引脚D〔0:15〕、A〔0:15〕、RY/BY#和A〔16:18〕电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚R/W#、MSTRB#、DS#和XF分别通过两个非门和三个与门与型号为AM29LV800B的FLASH的引脚OE#、WE#与CE#电线连接。
6.按照权利要求2所述的实施权利要求1所述的货车超载在线自动预判断方法的系统，其特征在于，所述的型号为TMS320VC5402的数字信号处理器DSP与型号为THS10064的二通道A/D转换器电线连接是指型号为TMS320VC5402的数字信号处理器DSP的引脚IOSTRB#、A15、BIO/、BCLKX0和D0-D9分别与型号为THS10064的二通道A/D转换器的引脚CS0/、CS1、DATA_AV、GONV_GLK和D0-D9电线连接，型号为TMS320VC5402的数字信号处理器DSP的引脚IS#和R/W#通过一个与门和型号为THS10064的二通道A/D转换器的引脚R/W#电线连接。
7.按照权利要求2所述的实施权利要求1所述的货车超载在线自动预判断方法的系统，其特征在于，所述的型号为TMS320VC5402的数字信号处理器DSP与微机接口模块电线连接是指型号为TMS320VC5402的数字信号处理器DSP与型号为Cy7c68013的高速USB芯片电线连接，为此，型号为TMS320VC5402的数字信号处理器DSP的引脚PS、DS、IS、RW、XF、IOSTRB、MSTRB、BIO、READY、INT0、INT1、A〔0-15〕和D〔0-7〕先分别与型号为XC95144的复杂可编程逻辑器件CPLD的引脚CPLD_PS、CPLD_DS、CPLD_IS、CPLD_RW、CPLD_XF、IOSTRB、MSTRB、CPLD_BIO、READY、INT0、INT1、A〔0-15〕和D〔0-7〕电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚CY_IFCLK、CY_CLKOUT、CY_SLWR、CY_SLRD、CY_CTL〔0-2〕、PA〔0-2〕、USB_INT1、FIFOADR〔0-1〕、PKTEND、PA7、CY_PA〔0-7〕和CY_PD〔0-7〕再分别与型号为Cy7c68013的高速USB芯片的引脚CY_IFCLK、CY_CLKOUT、CY_SLWR、CY_SLRD、CY_CTL〔0-2〕、PA〔0-2〕、USB_INT1、FIFOADR〔0-1〕、PKTEND、PA7、CY_PA〔0-7〕和CY_PD〔0-7〕电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚A〔0-18〕、D〔0-8〕、FLASH_CE又分别与型号为AM29LV800B的FLASH的引脚A〔0-18〕、D〔0-8〕、FLASH_CE电线连接，型号为XC95144的复杂可编程逻辑器件CPLD的引脚A〔0-18〕、D〔0-8〕、RAM_CE、RAM_WE、RAM_RD又分别与型号为IS61LV12816的随机存取器RAM的引脚A〔0-18〕、D〔0-8〕、RAM_CE、RAM_WE、RAM_RD电线连接。
全文摘要
本发明公开了一种货车超载在线自动预判断方法及系统。克服自动车型分类困难和称重速度慢等问题。该方法包括车型识别与超载预判断两步骤，所述的超载预判断步骤包括如下流程1)利用振动传感器采集车辆行驶中的振动信号；2)利用端点检测方法判断有无行驶的车辆，无，信号不进入下一步；3)从采集的行驶车辆的声音信号判断是否为载货车辆，否，信号不进入下一步；4)当由车型识别步骤判断是载货车辆时，即对载货车辆的振动信号进行信号去噪、帧截取和归一化的信号预处理；5)对经过信号预处理的振动信号进行小波包参数计算；6)BP网络超载预判定。实施该方法的系统由信号采集模块、信号处理模块与微机接口模块组成，它们依次是电线连接。
文档编号G07B15/06GK101303802SQ20081005088
公开日2008年11月12日 申请日期2008年6月26日 优先权日2008年6月26日
发明者席建锋, 王双维, 丁同强, 曹晓琳, 任园园, 何晓华, 张盛浩 申请人:吉林大学