亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于神經(jīng)網(wǎng)絡(luò)的車輛動(dòng)態(tài)稱重系統(tǒng)設(shè)計(jì)和應(yīng)用

        2020-06-29 20:36:46辛梅
        微型電腦應(yīng)用 2020年5期
        關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò)

        辛梅

        摘 要:基于動(dòng)態(tài)化車輛承重特點(diǎn),設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)的車輛動(dòng)態(tài)稱重系統(tǒng),能夠基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波變步長(zhǎng)LMS算法,過濾不同頻段稱重信號(hào)產(chǎn)生的噪聲。處于不同環(huán)境下針對(duì)不同車型,達(dá)到了較好的技術(shù)適應(yīng)度且速度較快,精準(zhǔn)度較高??梢詫?duì)高速公路經(jīng)過車輛重量動(dòng)態(tài)計(jì)劃實(shí)現(xiàn)精準(zhǔn)測(cè)量,滿足測(cè)量精準(zhǔn)度需求,存在理論及實(shí)踐參考價(jià)值。該系統(tǒng)選擇高性能TMS32C2812芯片,設(shè)計(jì)較高軟硬件系統(tǒng),可以對(duì)高速公路上的經(jīng)過車輛重量動(dòng)態(tài)計(jì)劃精準(zhǔn)測(cè)量。

        關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);車輛動(dòng)態(tài)稱重系統(tǒng);自適應(yīng)濾波

        Abstract:Based on the characteristics of dynamic vehicle load-bearing, this research proposes a vehicle dynamic weighing system based on neural network. The system can adaptively complete the filter LMS algorithm with variable step size based on neural network, and filter the noise generated by weighing signals in different frequency bands. In different environments for different models, it has achieved better technical adaptability, faster speed and higher accuracy. It can realize accurate measurement for the dynamic plan of vehicle weight of expressway, meet the demand of measurement accuracy, and have theoretical and practical reference value. Through the application of the system, the high-performance TMS32c2812 chip is selected and the high-performance software and hardware systems are adopted to accurately measure the dynamic plan of the passing vehicle weight on the highway.

        Key words:neural network;vehicle dynamic weighing system;adaptive filtering

        0 引言

        動(dòng)態(tài)化車輛稱重也就是在非停車運(yùn)動(dòng)狀態(tài)下稱重,根本特點(diǎn)就是能夠達(dá)到效率較高且比較節(jié)省時(shí)間,能夠有效避免存在的稱重中干擾正常交通這一問題[1]。雖然動(dòng)態(tài)化稱重時(shí)由于稱重臺(tái)所受車輛輪胎的作用力所耗費(fèi)時(shí)間較少,但是考慮到存在車輪的不平整量以及本身的彈性化元件,作用于平臺(tái)力包括了真實(shí)軸重,除外還包括多因素干擾力[2],譬如車輛本身存在的諧振、輪胎及路面之間產(chǎn)生的作用力、不同的車輛運(yùn)行速度等多因素干擾。真實(shí)軸重被逐漸淹沒至各種干擾力內(nèi),能夠測(cè)量動(dòng)態(tài)化稱重高精準(zhǔn)度。所以處于外界隨機(jī)不確定干擾力的作用下,如何可以對(duì)真實(shí)軸重精準(zhǔn)測(cè)量,便成為現(xiàn)如今動(dòng)態(tài)化測(cè)試系統(tǒng)主要解決的關(guān)鍵問題[3]。因此本次研究提出設(shè)計(jì)基于神經(jīng)網(wǎng)絡(luò)的車輛動(dòng)態(tài)稱重系統(tǒng)。

        1 車輛動(dòng)態(tài)稱重系統(tǒng)設(shè)計(jì)

        本次設(shè)計(jì)運(yùn)用了DSP(TMS320C2812型)組件,完成對(duì)車輛的動(dòng)態(tài)稱重信號(hào)采集,主要硬件組件組成,如圖1所示。

        包括了傳感器、MCU模塊、信號(hào)調(diào)理電路以及傳輸系統(tǒng)[4]。通過運(yùn)用電阻應(yīng)變片式傳感器能夠轉(zhuǎn)變稱重時(shí)的車輛原本壓力信號(hào),改變?yōu)殡妷海ê练?jí));MCU模塊實(shí)現(xiàn)了TMS320C2812芯片,實(shí)現(xiàn)對(duì)稱重相關(guān)數(shù)據(jù)的實(shí)時(shí)采集,并達(dá)到人機(jī)交互和多功能模塊的控制;信號(hào)調(diào)理電路該模塊主要實(shí)現(xiàn)了放大單元及對(duì)FIR低通濾波單元的模擬[5]。

        動(dòng)態(tài)稱重的流程主要是借助傳感器通過采集稱重信號(hào)之后,即被組件內(nèi)的TMS320C2812內(nèi)部所自帶的16通道雙偽12位A/D轉(zhuǎn)換器,實(shí)現(xiàn)稱重信號(hào)轉(zhuǎn)變?yōu)閿?shù)字量后存儲(chǔ)于存儲(chǔ)器內(nèi)部。借助本次設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波器,處理稱重?cái)?shù)字量后即可得相應(yīng)的重量數(shù)值,然后通過向上位機(jī)傳輸經(jīng)過打印顯示的數(shù)值,即可產(chǎn)生對(duì)應(yīng)警報(bào)信號(hào)。

        網(wǎng)絡(luò)構(gòu)造的關(guān)鍵之一是對(duì)隱層節(jié)點(diǎn)數(shù)的確定。隱層節(jié)點(diǎn)太多或者太少所構(gòu)造出來(lái)的網(wǎng)絡(luò)都不利于問題的真正解決。節(jié)點(diǎn)數(shù)少,網(wǎng)絡(luò)處理信息的能力就弱,節(jié)點(diǎn)數(shù)太多,會(huì)增加網(wǎng)絡(luò)的訓(xùn)練時(shí)間和造成所謂的“超擬合”現(xiàn)象。導(dǎo)致網(wǎng)絡(luò)的泛化能力下降,關(guān)于隱層數(shù)及其節(jié)點(diǎn)數(shù)的選擇,一般原則是:在能正確反映輸入輸出關(guān)系的基礎(chǔ)上,應(yīng)選用較少的隱層節(jié)點(diǎn)數(shù),以使網(wǎng)絡(luò)結(jié)構(gòu)盡量簡(jiǎn)單。

        對(duì)于處在運(yùn)動(dòng)不穩(wěn)定狀態(tài)下的被稱重車輛,提高了對(duì)系統(tǒng)測(cè)量精準(zhǔn)度及實(shí)時(shí)要求。數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)能力作為至關(guān)緊要的關(guān)鍵技術(shù)指標(biāo),DSP系統(tǒng)也提高了對(duì)數(shù)據(jù)的處理能力、實(shí)時(shí)性及靈活性。因此本文通過運(yùn)用硬件模擬濾波器,有效濾波信號(hào)之后對(duì)系統(tǒng)的測(cè)量精準(zhǔn)性有效提升。該系統(tǒng)還提供了及計(jì)算機(jī)通訊RS232串行通訊接口[6],滿足了對(duì)數(shù)據(jù)實(shí)現(xiàn)計(jì)算機(jī)交換處理及遠(yuǎn)程監(jiān)控的方便快捷實(shí)時(shí)性。

        2 基于神經(jīng)網(wǎng)絡(luò)車輛動(dòng)態(tài)稱重信號(hào)自適應(yīng)濾波器

        2.1 設(shè)計(jì)自適應(yīng)濾波器

        對(duì)于車輛的動(dòng)態(tài)化稱重信號(hào)中,低頻段的干擾信號(hào)較強(qiáng)會(huì)隨時(shí)對(duì)稱重測(cè)量結(jié)果造成振動(dòng)干擾,筆者認(rèn)為對(duì)汽車產(chǎn)生振動(dòng)干擾的關(guān)鍵要因,包括車速、路面平整度以及車身自身振動(dòng)等[7]。通常普通運(yùn)用的濾波方式所受固定權(quán)值影響,僅僅對(duì)實(shí)驗(yàn)內(nèi)的某種車型運(yùn)用效果較佳,但是假若另外車型與實(shí)驗(yàn)車型差距較大,或是差異化路面情況,便會(huì)對(duì)測(cè)量精度降低。因此本文通過參照自適應(yīng)噪聲的抵消原理(由于篇幅限制,在此不多做說(shuō)明),需要相關(guān)噪聲的信號(hào),那么主要采用兩種獲取方式:通過增加現(xiàn)場(chǎng)通道確保測(cè)量信號(hào)相關(guān)于被測(cè)信號(hào)內(nèi)的噪聲z(n),而不相關(guān)于真實(shí)信號(hào)s(n)。一旦獲得所需的相關(guān)信號(hào),那么即可延長(zhǎng)原本信號(hào)延時(shí)足夠長(zhǎng)時(shí)間。自適應(yīng)濾波器對(duì)干擾的消除方法,主要是通過在參考輸入端加入d(n)作為s(n)+z(n)即有用信號(hào)相加噪聲信號(hào),即原始稱重信號(hào)。輸入端的信號(hào)X(n)及噪聲信號(hào)z(n)相關(guān)信號(hào)c(n),該信號(hào)可以借助延時(shí)稱重信號(hào)即可獲得。

        自適應(yīng)濾波器其關(guān)鍵在于依據(jù)e(n)及x(n)值,經(jīng)由自適應(yīng)算法尋找E[e(n)]=min權(quán)值,進(jìn)而實(shí)現(xiàn)權(quán)值的自動(dòng)調(diào)節(jié)。自適應(yīng)算法內(nèi)以LS算法及LMS算法比較常用,本文運(yùn)用變步長(zhǎng)LMS算法,自動(dòng)調(diào)整權(quán)值借助Hopfield神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)變步長(zhǎng)LMS算法,可得變步長(zhǎng)LMS算法[8]表示公式如式(1)—式(5)所示。

        2.2 利用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)變步長(zhǎng)LMS算法

        借助自適應(yīng)濾波器完成對(duì)車輛稱重信號(hào)的處理之后,可以有效提高測(cè)量的精準(zhǔn)度。但是在本次研究中由于考慮到自適應(yīng)濾波器的自身權(quán)值,由于數(shù)據(jù)的整體計(jì)算量較大,所以計(jì)算效率較差不滿足系統(tǒng)計(jì)算速度需求[9]。在本文對(duì)如上問題提出基于Hopfield神經(jīng)網(wǎng)絡(luò),所設(shè)計(jì)的變步長(zhǎng)LMS算法,根據(jù)自適應(yīng)神經(jīng)網(wǎng)絡(luò)濾波器完成權(quán)值計(jì)算,對(duì)于測(cè)量之前通過離線訓(xùn)練神經(jīng)網(wǎng)絡(luò),在測(cè)量之后能夠?qū)\(yùn)算量有效減小,進(jìn)而對(duì)測(cè)量速度有效提升。Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)變步長(zhǎng)LMS算法的對(duì)應(yīng)矩陣、能量函數(shù)式,如式(6)、式(7)所示。

        2.3 基于Hopfield神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波器軟件

        在實(shí)現(xiàn)本次設(shè)計(jì)的基于Hopfield神經(jīng)網(wǎng)絡(luò)車輛動(dòng)態(tài)稱重軟件系統(tǒng),其主要目標(biāo)是為了可以完成載重信號(hào)的自適應(yīng)濾波,借助Hopfield神經(jīng)網(wǎng)絡(luò)完成對(duì)濾波器的權(quán)值計(jì)算,具體流程,如圖3所示。

        3 實(shí)驗(yàn)結(jié)果分析

        通過在本次研究中為了驗(yàn)證設(shè)計(jì)系統(tǒng)的運(yùn)用性能,采用三軸剛性汽車空車狀態(tài)下10 t,外加15t的祛碼分別采集空車狀態(tài)及加過祛碼之后的車中[10],如圖4所示。

        維持該汽車達(dá)到20~30 km/h以內(nèi)的行駛速度,根據(jù)所采集的數(shù)據(jù)時(shí)間及天氣等均為隨機(jī)情況,相較平均值測(cè)量方式得出最終測(cè)量結(jié)果可以發(fā)現(xiàn),應(yīng)用該系統(tǒng)能夠隨著速度的逐漸增加,借助基于神經(jīng)網(wǎng)絡(luò)的車輛動(dòng)態(tài)稱重系統(tǒng),可以有效減少誤差產(chǎn)生,保證計(jì)算速率同時(shí)提高結(jié)果精準(zhǔn)性,因此本文提出的此種基于神經(jīng)網(wǎng)絡(luò)車輛動(dòng)態(tài)稱重系統(tǒng)可行性較高[11-12]。

        4 總結(jié)

        通過在本次研究中設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)的車輛動(dòng)態(tài)稱重系統(tǒng),能夠基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波變步長(zhǎng)LMS算法,過濾基于不同頻段稱重信號(hào)產(chǎn)生的噪聲。處于不同環(huán)境下針對(duì)不同車型,達(dá)到了較好的技術(shù)適應(yīng)度且速度較快,精準(zhǔn)度較高。經(jīng)本次研究應(yīng)用設(shè)計(jì)該系統(tǒng),選擇高性能TMS32C2812芯片,設(shè)計(jì)較高軟硬件系統(tǒng),可以對(duì)高速公路上的經(jīng)過車輛重量動(dòng)態(tài)計(jì)劃精準(zhǔn)測(cè)量。行之有效的對(duì)車輛動(dòng)態(tài)稱重系統(tǒng)的時(shí)效性及抗干擾問題加以解決,并且在本次研究中還展開應(yīng)用實(shí)驗(yàn),對(duì)比相較平均值的方法完成測(cè)量,驗(yàn)證了DSP車輛動(dòng)態(tài)稱重系統(tǒng),突破了傳統(tǒng)稱重的局限性也無(wú)需專門頻繁的改動(dòng)相關(guān)參數(shù),達(dá)到了較高的測(cè)量精準(zhǔn)度,且提高動(dòng)態(tài)稱重的測(cè)量速度,對(duì)高速公路的車輛動(dòng)態(tài)稱重中,長(zhǎng)期面臨的干擾汽車測(cè)量精準(zhǔn)度問題有效解決。

        參考文獻(xiàn)

        [1] 潘昊, 王曉勇, 陳瓊, 等. 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用, 2015, 25(12):2777-2779.

        [2] 張永昊, 郭宏, 孔國(guó)生, 等. 基于神經(jīng)網(wǎng)絡(luò)的汽車動(dòng)態(tài)稱重CCD抓拍雙核系統(tǒng)設(shè)計(jì)[J]. 自動(dòng)化與儀器儀表, 2016,28(4):60-61.

        [3] 肖珊, 魯五一. 基于小波神經(jīng)網(wǎng)絡(luò)的裝載機(jī)動(dòng)態(tài)稱重系統(tǒng)預(yù)測(cè)建模仿真研究[J]. 科技經(jīng)濟(jì)導(dǎo)刊, 2016,16(35):1-2.

        [4] 白瑞林, 嚴(yán)新忠, 李軍. 基于模糊神經(jīng)網(wǎng)絡(luò)技術(shù)的定量秤研究[J]. 計(jì)量學(xué)報(bào), 2014, 25(2):127-130.

        [5] 熊少康, 王凌川, 章家?guī)r, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的車輛動(dòng)態(tài)稱重技術(shù)[J]. 安徽工業(yè)大學(xué)學(xué)報(bào)(自科版), 2014, 31(1):76-79.

        [6] 石軍平, 滕勤, 王雪翠,等. 基于線性神經(jīng)網(wǎng)絡(luò)的煤層氣發(fā)動(dòng)機(jī)空燃比動(dòng)態(tài)建模[J]. 小型內(nèi)燃機(jī)與車輛技術(shù), 2016, 38(6):14-17.

        [7] 張勇, 楊曉光, 張雨. 遺傳神經(jīng)網(wǎng)絡(luò)在輪載動(dòng)態(tài)稱重辨識(shí)中的應(yīng)用[J]. 交通信息與安全, 2016, 24(4):30-33.

        [8] 林遠(yuǎn)艷, 劉志勇, 戴湘利. 基于GASA的RBF神經(jīng)網(wǎng)絡(luò)在優(yōu)化柴油機(jī)燃燒系統(tǒng)中的應(yīng)用[J]. 小型內(nèi)燃機(jī)與車輛技術(shù), 2017, 36(4):4-8.

        [9] 莊育鋒, 胡曉瑾, 翟宇. 基于BP神經(jīng)網(wǎng)絡(luò)的微量藥品動(dòng)態(tài)稱重系統(tǒng)非線性補(bǔ)償[J]. 儀器儀表學(xué)報(bào), 2014(8):1914-1920.

        [10] 趙培杰. 基于壓電石英傳感器的高速動(dòng)態(tài)稱重系統(tǒng)設(shè)計(jì)[D]. 太原:中北大學(xué), 2018.

        [11] 何紅麗, 張?jiān)?呂運(yùn)鵬,等. 神經(jīng)網(wǎng)絡(luò)在汽車動(dòng)態(tài)稱重?cái)?shù)據(jù)處理中的應(yīng)用[J]. 自動(dòng)化儀表, 2017, 28(5):17.

        [12] 戴欣. 多信息融合車載式動(dòng)態(tài)稱重系統(tǒng)研究[D]. 北京:北京交通大學(xué), 2014.

        (收稿日期:2019.08.29)

        猜你喜歡
        神經(jīng)網(wǎng)絡(luò)
        BP神經(jīng)網(wǎng)絡(luò)在路標(biāo)識(shí)別上的應(yīng)用研究
        基于HPSO-BP神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)估
        神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        基于神經(jīng)網(wǎng)絡(luò)的中小學(xué)生情感分析
        電子制作(2019年24期)2019-02-23 13:22:36
        基于Q-Learning算法和神經(jīng)網(wǎng)絡(luò)的飛艇控制
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
        基于支持向量機(jī)回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
        基于神經(jīng)網(wǎng)絡(luò)分?jǐn)?shù)階控制的逆變電源
        基于GA-BP神經(jīng)網(wǎng)絡(luò)的光伏陣列MPPT研究
        精品推荐国产精品店| 成年美女黄网站色大免费视频| 国产强被迫伦姧在线观看无码| 久久人人爽人人爽人人av | 国内专区一区二区三区| 婷婷激情五月综合在线观看| 久久精品国产自产对白一区| 精品国产一区二区三区2021| 国产性生交xxxxx免费| 亚洲一区二区在线视频播放| 亚洲中文字幕无线乱码va | 国产精品亚洲欧美天海翼| 日本最新在线一区二区| 精品国产亚洲av高清大片| 屁屁影院ccyy备用地址| 国产精品黄网站免费观看| 按摩师玩弄少妇到高潮hd| 国产精品高潮呻吟av久久黄| 曰本人做爰又黄又粗视频| 国产成人啪精品| 亚洲色图少妇熟女偷拍自拍 | 人妻丰满熟妇av无码区| h国产视频| 国产一品二品三品精品久久| 中文字幕国产精品一二三四五区| 4hu四虎永久在线观看| 中文字幕一区二区三区四区在线 | 久久国产精品不只是精品| 偷拍一区二区三区在线观看| 日韩精品成人区中文字幕| 18分钟处破好疼哭视频在线观看 | 亚洲中文字幕熟女五十| 国产一区二区视频在线免费观看| 亚洲成人色区| 欧美日韩一区二区三区色综合| 美国黄色av一区二区| 丁香花五月六月综合激情| 综合色就爱涩涩涩综合婷婷| 丝袜足控一区二区三区| 永久免费在线观看蜜桃视频| 人妻少妇中文字幕在线观看|