HHT在动态称重传感器处理非线性信号中的应用

悬臂梁式称重传感器是动态称重(WIM)系统的核心组成部分,但由于动态称重过程中受到的外界影响因素较多,加上动态称重技术本身要求传感器处理的就是非线性、非平稳信号,须寻求一种更加适合的信号处理方法—希尔伯特-黄变换(HHT)技术.HHT是一种适用于非线性非平稳的信号分析方法,适用于动态称重过程中称重传感器的信号处理,根据信号端点处的振幅和频率,分别增加两组特征波的方式进行数据延拓的方法来抑制边界效应,然后通过经验模式分解(EMD)剩余分量的均值来作为动态称重信号中的静态值,计算出车辆真实轴重.     

动态称重系统误差修正算法研究

动态称重装置是安装在装载机上用于实时自动测量装载机装载货物重量的仪器。提高称重测量精度是装载机自动测重装置设计过程中的一个重要环节。在硬件设备基础上,分析了在装载机自动测重过程中的各种误差源,并提出消元法及改进性Akima插值等算法修正各种误差,解决了多年来存在于装载机动态称重系统中的瓶颈问题,使系统称重精度达1%,并建立了一套简捷可行的现场调试方法。实际应用表明:本装置具有集成度高,测量精度和可靠性高等特点。     

压电薄膜车辆动态称重系统算法研究

利用一种基于压电薄膜称重传感器的车辆动态称重系统,在不同环境温度和车速下,对三种车型进行称重系统工程应用实测试验。将奇异谱分析（SSA）算法用于轴重信号的降噪处理,提出了一种新的重构阶次选择方法,简化了重构阶次选择的判断准则。分析了环境温度及车速对称重结果的影响,采用改进的车重计算方法对轴重信号面积进行补偿,降低了称重误差。建立了基于双传感器的压电薄膜车辆动态称重系统及测试平台。试验表明,以双传感器检测的车重平均值,其误差比单传感器检测误差降低22.4%。车速在50 km/h以内,称重平均误差小于5%,可满足实际工程要求,验证了SSA算法的有效性。     

基于有限单元法的汽车称重传感器

分析集成化称重板式轮重秤的设计原理，提出采用辐板式称重传感器作为动态称重系统压力元件的设计方案，重点阐述利用有限元软件进行传感器敏感元件模型设计、网格划分、施加载荷与边界条件的过程；根据敏感元件的应力分布规律，找到应变片的布片规律和具体位置，组成全桥差动电路，使车辆轮胎载荷作用在秤台平面的不同区域均可以测出其准确重量．通过传感器的动态响应试验分析其频率响应特性．     

基于小波变换和DBN的汽车衡传感器故障诊断

称重传感器作为动态汽车衡的核心部件,一旦发生故障将会对动态称重系统造成严重影响.为了准确地对称重传感器进行故障诊断,提出了一种基于小波变换和深度信念网络(DBN)的故障诊断方法.该方法不仅可以有效地判断出传感器信号是正常波动还是故障,还可以通过将DBN模型的预测值代替实测故障值,保证动态称重系统输出的准确性.通过仿真实验证明:该方法能够对故障传感器进行判别与估计,有效提高了动态称重系统的精度.     

便携式机车车辆动态称重仪的研制

基于现有轨道线路,研制一种仅需在两轨道之间放置称量装置,通过车轮轮缘将重量传递给称量装置进行测量的、便携的、高精度动态电子称重仪;设计了便携式轨道车辆应变式称重传感器,进行了传感器结构设计及弹性体强度分析;采用USB数据采集卡进行数据采集;基于labVIEW开发程序进行动态称重信号的处理,并实现可视化界面,得到重量值;此称重仪具有便于携带、安装方便、操作简单、成本低、可靠性高等特点,适用于各种铁路轨道车辆的现场动态称重.     

并联传感器系统压力传感器故障诊断系统设计

在工业生产过程中电子皮带秤普遍采用多个称重传感器输出信号的并联方法,而该方法对多个称重传感器无法独立采集同时无法准确判断故障;应用TI公司MSC1210单片机最小系统和信号分离器,设计一种并联传感器系统压力传感器故障诊断系统,实现多个称重传感器并联应用时的独立采集;发明一种皮带秤称重传感器累计量校准方法,将不断变化的累计量转换成定量值实现并联传感器系统压力传感器故障诊断;结果表明该系统较好实现多个称重传感器的独立采集和故障传感器判断,为皮带秤等计量装置并联传感器系统的技术升级提供有效手段。     

基于弯板传感器的动态称重公路预检系统研究

要提高公路预检系统的可靠性与稳定性,关键是要提高系统动态称重的准确度等级,提出专家系统与模糊多阈值消噪算法相结合的动态称重数据处理方法。弯板传感器动态称重过程的知识多,处理过程复杂,采用专家系统对知识进行处理;动态称重信号的干扰在不同小波分解层和不同数据区间的强度不同,采用模糊多阈值消噪算法对动态称重数据进行消噪处理,重构的动态称重数据达到要求,并在Matlab中分析表明该算法是有效的。通过现场试验验证,将专家系统与模糊多阈值消噪算法相结合,使系统动态称重误差小于2%,称量准确度等级达到2级指标。     

质量与重量的动态计量方法研究——动态称重方法A

本文试图对用于质量和重量计量的机械式称重机器的称重性能进行改进。首先对常规的称重方法在称重时间和精度两者的关系上做出透彻分析、其次描述新的称重方法,即动态称重方法。这是用来自称重传感器的瞬态信号对计量量进行估值的方法。做为估计算法打算用卡尔曼(Kalman)滤波或截尾     

基于光纤微弯传感器的汽车动态称重系统设计

为解决目前汽车动态称重过程中存在的电磁干扰和精确度低的问题,在分析光纤微弯传感器测量原理的基础上,提出了一种基于光纤微弯传感器的汽车动态称重系统.压力的变化引起传感光纤发生弯曲变形,产生输出损耗,通过测量输出光强的变化实现汽车重量的动态称量;设计相应的光电转换和采样放大电路,并采用小波变换对采样信号进行去噪处理.对光纤传感系统的静态响应特性进行验证表明:在0～3 000 kg的范围内光纤传感系统具有良好的线性响应特性,灵敏度为3.8 mV/kg;动态响应实验表明:当汽车通过速度小于15 km/h时,光纤微弯动态称重系统的测量误差小于5.4%,能够满足动态称重的需要.     

基于双秤台汽车衡的车辆动态称重算法

针对双秤台汽车衡的车辆动态称重进行了算法研究,提出了先使用小波变换对称重信号滤波预处理,使用专家系统识别车辆轴型,用车轴的速度计算加速度,最后依据双秤台传感器称重信号、速度信号、加速度信号、以及车辆轴型组建BP网络模型,利用BP网络算法良好的自我学习能力,对大量实测数据进行训练,达到了一定的动态称重测量精度,取得了较好的效果。     

基于石英传感器的动态称重数据处理算法研究

通过对以石英晶体传感器为称重单元的动态称重系统称重信号中干扰信号的分析,得出其称重信号中存在大量干扰信号,包括高频噪声和低频噪声,此外车辆行驶时自身振动、轴型、行驶速度以及加速度都会影响动态称重精度.针对以上问题,提出先利用小波变换算法对称重数据进行滤波预处理,然后再经过EEMD算法以及信号重构算法进一步处理.将以上信号处理算法通过仿真以及运用于现场,能够使称重数据误差控制在2%以内,达到了良好的称重效果.     

关于汽车动态载荷智能测量的研究

汽车动态称重系统虽然能够适应快速称重,但其称量精度有所下降.为了在快速称重的同时保证称量精度,提出了基于改进Levenberg-Marquardt算法的动态载荷处理方法.首先通过小波变换对动态载荷中的高频随机干扰进行预处理,然后采用改进Levenberg-Marquardt算法对低频动态载荷进行拟合,最后从称重信号中减去拟合的动态载荷即可获得真实的静态载荷.仿真和实验表明,该方法可以有效地降低动态载荷对称量精度的影响,使系统动态称重相对误差小于2%,对高速动态称重精度问题具有一定意义.     

提高动态汽车衡称重精度的算法设计与实现

为了提高动态汽车衡的称重精度,采用有限冲击响应（FIR）数字滤波算法滤除车辆动态称重过程中产生的随机干扰噪声。鉴于称重信号的信噪比较低和干扰噪声的复杂性,对基本算法进行了改进和优化,基于ARM微控制器平台实现了这一算法。通过对应用该算法的动态汽车衡的称重结果的分析,证明此算法对于提高动态称重精度具有良好的效果。     

FIR滤波在汽车动态轴组计量信号处理中的应用

为了提高轴组式动态称重系统的精度和稳定性,需要采用FIR(finite impulse response)滤波处理方法,过滤高频干扰.通过Matlab仿真,设计了FIR低通滤波器.同时为了保证动态称重良好的实时性,选择了功能强大的STM32F407微控制器芯片,实现了FIR滤波算法.STM32F407微控制器芯片主频高达168 MHz,且内部集成了单周期的DSP指令集和浮点运算单位(FPU,float point unit),可以轻松实现FIR滤波算法.最后,将该FIR滤波算法应用于轴组式动态称重系统,并进行了相关实验验证.实验结果表明:采用FIR滤波后,对系统中由汽车振动、称体晃动等因素引入的干扰信号有明显的滤除作用,称重精度和稳定性均有所提高.     

基于小波变换的动态称重信号处理方法

针对目前动态汽车衡因货车拖磅称重而导致称重信号异常及称重不准确问题,提出采用小波变换极大值信号重构算法对拖磅称重信号进行处理:首先将拖磅称重信号逐层分解到不同频域和时域,在保持频率不变的条件下,对称重信号逐级求极大值点,得出信号逐级变化趋势;然后将多级称重信号按原离散逼近系数重构成新的称重信号,进而得到车辆称重信息。现场实测表明,采用小波变换极大值信号重构算法处理后的货车拖磅称重数据与正常过磅时称重数据的误差小于1%。     

一种基于过程神经网络的动态系统控制信号求解模型和算法

针对非线性动态系统控制问题,提出了一种基于过程神经网络的控制信号求解模型和算法。利用过程神经网络对动态系统时变输入/输出信号的非线性映射机制和对系统过程模态特征的自适应提取能力,建立基于过程神经网络的辨识模型;然后根据所建立的辨识模型、系统控制结构和状态参数之间的关系,构建可满足系统信息传递约束关系的控制信号求解模型。分析了过程神经网络控制模型的信息处理机制,给出了基于GA与LMS相结合的优化求解算法,实验结果验证了模型和算法的有效性。     

上料动态称重系统的研究

从实际工程出发,对高炉槽下动态定量称重过程进行研究.首先将动态称重系统等效为二阶系统,推导出了其动、静态数学模型,并通过参数辨识的方法,从采集到的信号中辨识出物料的重量.     

基于RS485和TCP/IP网络的分布式称重系统

为解决国内称重设备的自动化程度不高,管理难度大等问题,设计了一套称重系统。在这套称重系统中,下位机为AT89S51单片机,运用了RS485总线传输压力信号来实现主从多机串口通信。上位机为PC机,将接收到的数据通过TCP／IP网络协议传输至中央服务器。为保证数据传输的安全性,采用了DES算法对数据进行加密解密。最后以MyEclipse6．5为开发环境,使用Java语言开发了一个C／S模式的称重信息管理系统。