优化算法在汽车动态称重信号处理中的改进和简化

　　在当今生活中, 汽车运输起着相当重要的作用。但是, 在我国汽车超载现象十分严重。根据美国各州的研究成果, 车辆轴载对道路的破坏与轴载成四次方关系, 可见超载对于道路的破坏作用。因此, 我国非常重视对超载的处罚。这样有必要研究一个有效的称重方案来解决称重问题。动态称重相对于静态称重而言, 它的主要优点是节省时间、效率高, 使得称重不至于影响正常交通。所以本文主要讨论动态称重问题。

　　1 动态称重信号处理方案概述

　　目前动态称重信号的去噪处理方案主要有以下几种: 平均法、优化法、EMD 技术、二分梯形法。

　　平均法简单易行, 在较长数据下能够给出比较精确的结果。但这种方案有致命的缺点: 速度较快,整个测量时间长可能不足一个周期, 这意味着平均法失效, 因此该方案有测量速度的限制; 优化法利用经验公式进行数据拟合, 拟合后, 根据求得的参数模型得到静载量。该算法的优点在于它能在短历程下解决周期性干扰的问题[1], 缺点是参数估计较为繁琐; EMD 分解方法将信号分解, 得到各阶固有模式函数 IMF 和一个残余量, 该残余量反映了稳态值,该算法无汽车速度的严格限制, 但较为复杂[2]; 理想情况下, 汽车从上秤台到下秤台的称重信号为等腰梯形, 如图 1 所示, 只需求得高 AM 即可求得轴重。在实际中, 信号不是规则的等腰梯形, 我们只需求得AM的平均值。二分梯形法实际也是一种平均算法,也存在致命缺点, 但它避免了截取信号时选取开始和结束点的困难[3]。

　　根据上面分析的各种算法的优缺点, 本文提出将优化算法改进并结合平均算法的方案。

　　2 方案改进和描述

　　本文采用小波变换和重构法先去除高频噪声和其它干扰, 此处小波变换和重构相当于滤波器[4]。原始动态称重信号如图 2 所示:

　　经过小波变换和重构后的信号如图 3 所示:

　　信号从零到第一个极大值点反映了汽车轮胎从接触秤台开始到完全进入秤台这一过程, 从最后一个极大值点下降到零点反映了轮胎逐渐脱离秤台的过程。有效信号应该是两个极大值点之间的部分。

　　在经过以上处理后的信号中包含信号的稳态值和低频周期性干扰项。

　　根据文献[1], 动态称重经过初步滤波后的信号可以由以下模型表示:

　　式中, Y( t) 为称重信号的数学模型, k 为稳态荷载沿秤台移动时引起的称重信号的变化率, Ai为称重信号中不同频率成分的幅度, Bi为频率, Ci为相位, N 为周期性低频干扰频率的个数[1], 而 d 所反映的正是称重信号的稳态值。因此改进后的模型更能体现有效信号中稳态的部分。