基于BP神经网络的汽车车载称重系统研究

发布时间：2019-11-02 13:23

【摘要】：为解决汽车超载运行和相应的运输业管理问题,本文中提出了一套基于BP神经网络的车载称重系统。通过检测车桥随载荷量变化而产生的微小变形,设计了2阶低通滤波和数字滤波算法,以提取有效载荷信息,利用BP神经网络建立载荷模型,并根据在某轻型厢式货车上进行的试装和加载试验得到的样本数据,在Matlab神经网络工具箱中,采用Levenberg-Marquardt学习算法完成了神经网络的学习、检验和预测。结果表明:预测载荷误差在5%以内,满足工程要求,方案可行。
【图文】：

按照此方法，在设备安装时只须进行少量焊接，对车桥的承力结构造成的影响甚微，不会影响车辆行驶的安全性，属于间接测量的第2种方法。1车载称重系统的设计静止工况下的数据采集是称重的重点，而判断静止工况最直接且准确的物理量就是速度，故而应当设置速度作为参考量。另外，在长期使用过程中，疲劳和机械蠕变等外部因素，会对传感器产生不可逆的干扰，这些非随机性的干扰难以通过常规的滤波算法进行去除，所以，在数据处理，尤其是数据截断的过程中，应当对作为参考的初值进行不断修正。该称重系统的工作流程如图1所示，当汽车从行驶工况转为静止工况时，系统对传感器的即时值进行读取并锁定，然后基于此值执行后续的称重算法，而当汽车从静止工况转为行驶工况时，传感器初值将再次记录并锁定载荷数值。图1车载称重系统工作流程1.1硬件系统设计车载称重系统是一套集成数据的采集、传输、融合和呈现等功能为一体的数据处理系统，其构成如图2所示。对于称重问题，目前，广泛应用的传感器有位移式、电容式和应变式3种类型，选型时主要考虑的因素有精度、可靠度、成本和安装难易度等，，综合考虑上述因素，采用了应变式传感器。这种传感器在称图2称重系统构成与流程图重领域使用时间较长，技术成熟，若采用多片应变片组成惠斯通电桥，可实现温度的自行补偿。此外，它还具有150%的过载能力，由于是安装在车桥上，车辆的主要载荷由车桥承受，传感器自身不承载，故过载能力满足要求。传感器采集到的数据经过低通滤波和数字滤波，完成初步处理。考虑到车辆轴数会随车型的不同而发生变化，而CAN总线上节点接入方便，可有效提高系统对不同车型的适应能力，故选取CAN总线网络完成传感器与单片机间的数据传输。搭载STM32型单?

鄒衅鞑

本文编号：2554514