车辆动态轴重衡称重信号的自适应滤波方法

专利名称：：车辆动态轴重衡称重信号的自适应滤波方法
技术领域：
：本发明涉及一种车辆动态称重信号的处理方法，尤其是车辆动态轴重信号的自适应滤波方法。
背景技术：
：公路车辆动态称重，就是在汽车行驶中进行称重，即车辆以一定的速度通过称重平台，称重仪依次测量出车辆各个轴的重量，再把各轴重量累加，最后得到整车重量。动态称重与停车静态称重相比，具有速度快、效率高、不影响交通等优点，但最大缺点是称重的精度差。这是因为称重传感器所受到的力不可避免地会受到地面不平整度、车辆自身振动、秤台振动、轮胎驱动力等因素的影响，这些因素形成额外的动态载荷加在传感器上，造成称重误差。根据试验分析表明，动态载荷的振动频率集中在320Hz的低频范围内，而振幅可达真实轴重的10%左右，它造成的称重误差可占到整体称重误差的90%，动态载荷实际是加上真实轴重信号上的一种幅值、相位和频率都随机变化的低频干扰。如何消除这种低频干扰、取出真实轴重信号是车辆动态称重研究的重点和难点。在已有技术中，国内对车辆动态称重信号的处理通常采用的方法是多点均值滤波、滑动多点均值滤波和低通滤波等方法，但这些方法只能去除一些高频干扰,无法去除因车辆动态载荷引起的低频振动干扰，从而引起较大的称量误差。无法去除的主要原因是该低频干扰的幅值、相位和频率都是随机性变化的，而上述的数字滤波或低通滤波不可能根据这种变化而改变，从这个角度上讲，它不是一个自适应的信号处理方法，因此，难以对该低频干扰进行有效地滤除。另外，如果车辆通过称台的速度超过系统所规定的额定值(如大于20km/h),就相当于系统所采集的称重信号在时间轴被压縮，这时，在截取的称重信号区间内的动态载荷低频干扰信号就不足一个周期，该干扰信号被称为短历程的低频干扰，它不能满足上述均值滤波的对信号全周期的要求。因此，上述滤波方法在有效采样宽度更窄、车辆速度更高的高速检重系统中无法得到应用。为了消除因车辆动态载荷引起的称量误差，《中国机械工程》第16巻第20期2005年10月下半月期刊中，周志锋等人在《基于经验模态分解的汽车动态称重数据处理》一文中提出了一种基于经验模态分解方法对称重信号进行数据处理的方法。该方法采用极大值点截取法将原始轴重称重信号两端的上称台和下称台的阶跃段去除，然后再用经验模态分解法将称重信号分解成多个不同的本征模态函数信号(也称为固有模式函数信号)和一个残余量信号，其中多个不同的本征模态函数信号被看作是动态载荷振动干扰信号，残余量被看作是反映真实轴重信号(1814页)。这样，不管动态载荷振动干扰信号怎样随机性的变化，都能够用经验模态分解法将其去除，得到真实的轴重信号。但是作者发现在信号分解的过程中，会出现一些在原始信号中没有的信号，它们被称为虚假模态，根据大量的试验，他们认为将分解出的最后23个本征模态函数与残余量相加，可以消除虚假模态，得到真实的称重信号。该方法属于一种自适应的波滤方法，用它可以克服均值滤波和低通滤波不能解决的问题，即可消除因动态载荷引起的低频振动干扰，得到比较真实的称重信号。但是，该方法只能是一种思路，还很不完善，目前还存在的难以克服的缺陷一是它用极大值点截取法截取称重信号，很容易将上称台和下称台的重力冲击信号裁进有效称重信号中，从而造成误差；二是没有找到产生虚假模态的真正原因，故它采用的把最后几个本征模态函数和残余量相加的措施来消除虚假模态，反而会把本应该剔除的低频振动干扰模态又重新加到真实的称重信号中，又造成不必要的称量误差，难以体现出该方法的优势。
发明内容本发明的目的是为了发挥已有技术的优势和避其不足，提供一种较完善的车辆动态轴重衡称重信号的自适应滤波方法，用以取出更加真实称重信号，较大程度地提高动态称重的称量精度。为实现上述目的，本发明实施的步骤如下1、称重仪系统首先根据秤台的实际重量和实际过车的类型，设置一个车辆轴上秤台的轴重阈值hi和车辆轴下秤台的轴重阈值h2，这两个阈值作为判断车辆是否上秤台和下秤台的基准；2、启动称重仪硬件系统，使系统对称重传感器输出的信号进行采集，并在采集过程中对信号进行多点均值滤波，用来抑制采集信号中的尖脉冲噪声干扰，同时，系统随时将所采集的信号与阈值hl相比较，如果信号大于阈值hl，系统判断车辆轴已上秤台，则开始记录所采集的称重信号，同时记下开始记录的时间标尺tl，当所采集的称重信号值低于阈值h2时，系统判断车辆轴已下秤台，则停止记录，同时记下停止记录的时间标尺t2;3、对记录下的原始称重信号进行零相位偏移低通滤波，即采用巴斯沃夫滤波器进行滤波，滤波的截止频率为60Hz，用来消除称重信号中的白噪声；4、将3步所得称重信号中的极值点取出进行平均，如果其中有端点值，则需把端点值剔除后再进行平均，得极值点平均值C,然后以极值点平均值C土"/。为基准值，从开始记录的时间tl开始，按时间的延序方向依次在称重信号中寻找与基准值相等的值，找到后记录下对应该信号值的时间标尺t3，然后再以同样的方法，从停止记录的时间t2开始，按时间的倒逆方向依次在称重信号中寻找与基准值相等的值，找到后记录下对应该信号值的时间标尺t4，然后按照时间标尺t3、t4对L3步所得的称重信号进行截取，得到有效称重信号；5、采用经验模态分解方法对4步所得的有效称重信号进行分解，分解时，采用端点延拓方法消除端点效应，得出多个不同的本征模态函数信号Ac"和一个残余量信号n6、将5步所得的残余量信号r的幅值均值与4步所得有效称重信号的幅值均值相比较，如果它们的差超过有效称重信号均值的10%，则系统把残余量信号r与倒数第一个本征模态函数信号c"相加，作为实际的称重信号，如果它们的幅值均值差没超过有效称重信号的10%，则把残余量信号r作为实际的称重信号。本发明与已有技术相比的优点如下一、本发明在称重信号的采集过程中采用了均值滤波法对信号进行了滤波，抑制了白噪声的干扰，能够比较准确的检测出车辆是否已经驶上和驶下秤台，使原始信号的起始和终止记录点比较准确。二、本发明采用零相位偏移低通滤波的方法对原始称重信号进行滤波，一方面滤除了白噪声的干扰，另一方面抑制了低通滤波时的相位偏移，保证了原始称重信号的真实性，有利于抑制虚假模态的生产。三、本发明利用寻找极值点均值c的方法对原始称重信号进行优化截取，减小了车辆驶上秤台和驶下秤台的重力冲击信号对有效称重信号的影响，从而对重力冲击干扰进行了最大限度地抑制，使截取的有效称重信号比较真实。三、本发明认为在经验模态分解中生产虚假模态的主要原因有二一是信号的采集频率不够高，二是在经验模态分解过程中出现的"端点效应"。本发明对这两个因素都进行了有效的抑制，一是在分解前的信号处理中采用了零相位偏移低通滤波和优化截取等措施，消除了噪声干扰，这相当于提高了采样频率，并且在滤波过程中保证了信号的真实性，二是采用基于ARMA模型的自适应端点延拓方法来消除经验模态分解中的端点效应，使分解的结果比较真实，再者，本发明在分解后又对结果进行了判断,如果由于数据的奇异性造成分解的结果中仍有虚假模态出现，即做累加倒数第二项的处理，从而有效地消除了虚假模态，最终得到了较真实的称重信号，使动态称量精度有较大程度地提高。四、由于本发明对已有的各种动态称重信号的处理方法进行了细致解析，找出了它们的优势及不足，并综合了它们的优势和避免它们的不足，特别找到了产生虚假模态的原因，在信号处理的过程中，不仅消除的各种干扰，还抑制了信号失真，从而取得比已有技术好的称量效果。图l、称重仪所记录的车辆动态称重的原始轴重信号波形图。图2、对图1中的信号进行零相位偏移低通滤波后的信号波形图。图3、对图2中的信号进行优化截取后的信号波形图。图4、对图3中的信号进行端点延拓法处理后的经验模态分解信号波形图。具体实施例方式本发明实现的具体步骤如下1、称重仪系统根据秤台的实际重量和实际过车的类型，设置车辆轴上秤台的阈值hl=0.8V，设置车辆轴下秤台的阈值h2=0.75V;2、启动称重仪的硬件系统，使其开始对称重传感器输出的信号进行采集，为了使系统能够准确判断车辆轴是否上、下秤台，在采集过程中用三点均值滤波法对传感器输出的信号进行滤波，用来抑制信号中较大的尖脉冲噪声干扰(这种尖脉冲容易造成误判)，同时系统还随时将所采集的信号与阈值hi进行比较，如果信号大于阈值hl，系统判断车辆轴已经上秤台，则开始记录所采集的称重信号，同时记下开始记录的时间标尺tl，当称重信号值低于阈值h2时，系统判断车辆轴已下秤台，则停止记录，同时记下停止记录的时间标尺t2。图l所示系统所记录的某车辆前轴的轴重信号。上述三点均值滤波是一种已有技术中常用的数字滤波方法，它每采集三个数据点后即求它们的幅值平均值，然后再对幅值平均值进行数字滤波；多点均值滤波与其同理，只是求均值的数据点数不同而已。所述的滑动均值滤波也属于同类方法，只是求均值的数据点采用滑动方式，即第一次取A1、A2、A3数据点求均值滤波，第二次取A2、A3、A4数据点求均值滤波，第三次取A3、A4、A5数据点均值滤波，如此滑动取值进行数据滤波。3、对记录下的原始轴重信号(图1所示)进行零相位偏移低通滤波，即采用巴斯沃夫滤波器进行滤波，滤波的截止频率为60Hz，该波滤用来消除称重信号中的白噪声，滤波后的信号波动如图2所示，从图中可以看出，叠加在轴重信号的高频干扰(白噪声)被滤除。由于普通的低通滤波器在滤波时会发生相位偏移，故本发明采用零相位偏移低通滤波来抑制这种相位偏移，以保证原始称重信号的真实性，这也有利于抑制虚假模态。4、将3步所得称重信号中的极值点(包括各波峰的极大值和各波谷的极小值)取出进行平均，如果其中有端点值，则需把端点值剔除后再进行平均，得极值点平均值C，然后以极值点平均值C土l。/o为基准值，从开始记录的时间tl开始，按时间的延序方向依次在称重信号中寻找与基准值相等的值，找到后记录下对应该信号值的时间标尺t3，然后再以同样的方法，从停止记录的时间t2开始，按时间的倒逆方向依次在称重信号中寻找与基准值相等的值，找到后记录下对应该信号值的时间标尺t4，然后按照时间标尺t3、t4对3步所得的称重信号进行截取，从而完成本发明的优化截取，得到如图3所示的有效称重信号。5、采用经验模态分解方法对上步所得的有效称重信号进行分解，分解时，采用端点延拓方法消除端点效应，得出较真实的多个不同的本征模态函数信号q^和一个残余量信号r，如图4所示。由于有效称重信号的两端点值都不是极值点，如果不采用端点延拓方法进行处理，就会造成经验模态分解中的三次样条拟合的极值包络线大大偏离实际值，并且随分解的不断进行而向内"污染"，使得分解的结果严重失真，这种情况被称为"端点效应"。本发明认为，端点效应是生产虚假模态的主要原因，所述的端点延拓方法可利用信号中的趋势信号，对两端点值进行预测，使三次样条拟合的极值包络线符合实际值，从而消除端点效应。该端点延拓方法是一种基于ARMA模型的自适应方法，在《机械工程学报》2004.40(9)期贾民平等人发表的"基于时序分析的经验模式分解法及其应用"中有细详描述。6、将上步所得的残余量信号r的幅值均值与四步所得有效称重信号的幅值均值相比较，如果它们的幅值均值差超过有效称重信号均值的10%，则把残余量r与倒数第二个本征模态函数信号q相加，作为实际的称重信号，如果它们的幅值均值差没超过有效称重信号均的10%，则把残余量r作为实际的称重信号。虽然本发明采用了上述措施来抑制虚假模态，但在分解中还是有可能产生虚假模态，因此，本发明设置该判断步骤，在残余量信号的均值超过有效称重信号均值的10%时，系统认为有虚假模态产生，则将残余量信号r和倒数第二个模态信号&相加，使结果更真实。7、求出六步实际称重信号r或r+Q的均值，即将各数据点的值相加后再除数据点数，即求出信号r的均值，得到实际的称重电压值W=1.31V，对该值X系统标定系数k=2328.24Kg/V，最终得到实际的轴重量值3050Kg。8、系统对该车辆的后轴称重作同样的处理，得到后轴轴重为4780Kg;两轴重量相加，最终得到总重量值为7830Kg。该值与其静态重量相比只差0.8%。本发明对同一辆车，相同的载重，分别在不同的速度下进行实验，每种速度下实验的次数为10次，把测到的数据采用两种不同的方法处理，一种为本发明提出的方法，一种采用常用的滑动平均滤波的方法来处理，处理的结果如下<table>tableseeoriginaldocumentpage10</column></row><table>表中最大正偏差-<formula>formulaseeoriginaldocumentpage10</formula>最大偏差取"最大正偏差"和"最大负偏差"中的最大值,从上述实验结果可以看出，本发明的称重精度有明显提高。权利要求1、一种车辆动态轴重衡称重信号的自适应滤波方法，其步骤如下1.1、称重仪系统首先根据秤台的实际重量和实际过车的类型，设置一个车辆轴上秤台的轴重阈值h1和车辆轴下秤台的轴重阈值h2，这两个阈值作为判断车辆是否上秤台和下秤台的基准；1.2、启动称重仪硬件系统，使系统对称重传感器输出的信号进行采集，并在采集过程中对信号进行多点均值滤波，用来抑制采集信号中的尖脉冲噪声干扰，同时，系统随时将所采集的信号与阈值h1相比较，如果信号大于阈值h1，系统判断车辆轴已上秤台，则开始记录所采集的称重信号，同时记下开始记录的时间标尺t1，当所采集的称重信号值低于阈值h2时，系统判断车辆轴已下秤台，则停止记录，同时记下停止记录的时间标尺t2；1.3、对记录下的原始称重信号进行零相位偏移低通滤波，即采用巴斯沃夫滤波器进行滤波，滤波的截止频率为60Hz，用来消除称重信号中的白噪声；1.4、将1.3步所得称重信号中的极值点取出进行平均，如果其中有端点值，则需把端点值剔除后再进行平均，得极值点平均值C，然后以极值点平均值C±1％为基准值，从开始记录的时间t1开始，按时间的延序方向依次在称重信号中寻找与基准值相等的值，找到后记录下对应该信号值的时间标尺t3，然后再以同样的方法，从停止记录的时间t2开始，按时间的倒逆方向依次在称重信号中寻找与基准值相等的值，找到后记录下对应该信号值的时间标尺t4，然后按照时间标尺t3、t4对1.3步所得的称重信号进行截取，得到有效称重信号；1.5、采用经验模态分解方法对1.4步所得的有效称重信号进行分解，分解时，采用端点延拓方法消除端点效应，得出多个不同的本征模态函数信号c1～cn和一个残余量信号r；1.6、将1.5步所得的残余量信号r的幅值均值与1.4步所得有效称重信号的幅值均值相比较，如果它们的差超过有效称重信号均值的10％，则系统把残余量信号r与倒数第一个本征模态函数信号cn相加，作为实际的称重信号，如果它们的幅值均值差没超过有效称重信号的10％，则把残余量信号r作为实际的称重信号。全文摘要本发明是一种车辆动态轴重信号的自适应滤波方法。它的目的是有效地消除因车辆动态载荷引起的称量误差，较大程度地提高车辆动态称量精度。它采用零相位偏移低通滤波对原始轴重信号进行处理，消除了白噪声干扰、抑制了轴重信号在低通滤波过程中的相位失真；它又用寻找轴重信号极值点均值方法对原始称重信号进行优化截取，较好地抑制了称重信号中的重力冲击干扰；最后本发明又用经验模态分解法对称重信号进行分解，同时在经验模态分解中采用端点延拓法消除了端点效应，有效地抑制了虚假模态的产生，使分解出的结果比较真实，通过经验模态分解，消除了车辆动态载荷引起的低频干扰，得到了真实的轴重信号。文档编号H03H17/02GK101105411SQ20071001845公开日2008年1月16日申请日期2007年8月10日优先权日2007年8月10日发明者吕小俊,伟张,盖广洪申请人:中国航天科技集团公司第四研究院第四十四研究所