陳笑穎，馬增輝，張河斌，秦 剛

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710021）

伴隨著科技時(shí)代的到來，交通運(yùn)輸業(yè)成為商業(yè)貿(mào)易的主要紐帶，車輛動(dòng)態(tài)稱重技術(shù)現(xiàn)已成為最重要的治理手段，并普及應(yīng)用在了大部分的城市道路中[1]。車輛動(dòng)態(tài)稱重技術(shù)對治理車輛超載問題收獲了顯著的成果，在未來交通運(yùn)輸行業(yè)中更會(huì)發(fā)揮出顯著作用[2]。所謂車輛動(dòng)態(tài)稱重是指車輛在行駛的狀態(tài)下對其重量進(jìn)行測量，通過測量行駛車輛對稱臺(tái)產(chǎn)生的振動(dòng)信號(hào)，然后利用稱重系統(tǒng)來計(jì)算車輛的重量[3]。與靜態(tài)車輛稱重相比，車輛動(dòng)態(tài)稱重具有更為便捷、高效、避免交通擁堵等優(yōu)勢，由于受到速度等因素影響，主要存在精度低的問題。動(dòng)態(tài)稱重時(shí)存在實(shí)時(shí)性和隨機(jī)性等，其復(fù)雜程度和困難往往大于靜態(tài)稱重[4]。目前，車輛動(dòng)態(tài)稱重傳感器主要有壓電式傳感器、彎板式傳感器等[5]，現(xiàn)已有傳感器仍存在適用性不足、性能水平不高等問題，其中車輛行駛的速度和車輛動(dòng)態(tài)稱重的精度是影響性能的重要指標(biāo)[6]。同時(shí)，影響車輛動(dòng)態(tài)稱重信號(hào)還有很多外界因素，例如外界環(huán)境溫濕度、輪胎自身特性等都會(huì)對處理稱重信號(hào)產(chǎn)生一定困難[7]。本文提出了采用慣性傳感器設(shè)計(jì)車輛動(dòng)態(tài)稱重系統(tǒng)，由于動(dòng)態(tài)稱重信號(hào)含有非線性隨機(jī)噪聲，且采樣時(shí)接收信號(hào)時(shí)間較短，故需要對車輛動(dòng)態(tài)稱重系統(tǒng)的稱重信號(hào)進(jìn)行降噪處理，從而提高測量的精確度。

1 車輛動(dòng)態(tài)稱重系統(tǒng)總體研究方案

1.1 車輛動(dòng)態(tài)稱重系統(tǒng)總體設(shè)計(jì)

本文中車輛動(dòng)態(tài)稱重系統(tǒng)采用了一種新型稱臺(tái)式的結(jié)構(gòu)，調(diào)節(jié)支座結(jié)構(gòu)的阻尼比減小響應(yīng)時(shí)間，使稱重信號(hào)能夠快速地達(dá)到穩(wěn)定狀態(tài)，從而進(jìn)行重量計(jì)算，車輛動(dòng)態(tài)稱重系統(tǒng)結(jié)構(gòu)示意圖如圖1所示。稱重平臺(tái)的結(jié)構(gòu)主要由3 塊主鋼板鏈接成一整塊，4 個(gè)彈簧支座和4 個(gè)水泥墩臺(tái)三部分組成。車輛動(dòng)態(tài)稱重系統(tǒng)所采用的慣性傳感器置于稱臺(tái)下方，分別在總稱臺(tái)的四分之一處點(diǎn)各安裝1 個(gè)傳感器，以確保實(shí)驗(yàn)的準(zhǔn)確性。

圖1 結(jié)構(gòu)示意圖Fig.1 Structure diagram

車輛動(dòng)態(tài)稱重系統(tǒng)主要分為三部分，第一部分為攝像頭采集模塊，當(dāng)車輛經(jīng)過時(shí)，攝像頭獲取車輛車牌等信息保存并發(fā)送給工控機(jī)端；同時(shí)，第二部分為車輛稱重模塊，當(dāng)車輛經(jīng)過鋼板稱臺(tái)時(shí)，慣性傳感器開始采集數(shù)據(jù)獲取數(shù)據(jù)并實(shí)時(shí)存儲(chǔ)，將存儲(chǔ)的數(shù)據(jù)實(shí)時(shí)發(fā)送控制中心；第三部分為顯示控制模塊，通過工控機(jī)對數(shù)據(jù)進(jìn)行濾波處理、數(shù)據(jù)分析濾波后，將超載車輛信息通過遠(yuǎn)程通信傳送到高速公路違章車輛顯示屏上。

1.2 慣性傳感器工作原理

本文采用了由陀螺儀、加速度計(jì)組成的慣性傳感器，利用慣性傳感器采集車輛行駛時(shí)對鋼板產(chǎn)生的振動(dòng)信號(hào)[8]。將傳感器采集到的振動(dòng)信號(hào)發(fā)送至工控機(jī)端進(jìn)行信號(hào)處理，并將處理后所得到的數(shù)據(jù)通過遠(yuǎn)程通信系統(tǒng)發(fā)送至本地監(jiān)測端，最后在高速公路違章車輛顯示屏上實(shí)現(xiàn)數(shù)據(jù)的顯示與預(yù)警。下文針對陀螺儀及加速度計(jì)工作原理展開研究。

加速度計(jì)其工作原理是作用在單位質(zhì)量物體上不包括引力的其他力，即比力[9]。其工作原理具體如下：加速度計(jì)由位移指示器、彈簧、質(zhì)量塊和外殼組成，其中加速度計(jì)的敏感軸方向與彈簧運(yùn)動(dòng)方向需確保在同一水平方位，質(zhì)量塊與外殼通過彈簧進(jìn)行連接。當(dāng)殼體受到外力作用時(shí)，其彈簧會(huì)受到相應(yīng)的變形，從而會(huì)使質(zhì)量塊在敏感軸方向相對運(yùn)動(dòng)產(chǎn)生位移。此時(shí)，殼體的加速度與質(zhì)量塊相對于外殼產(chǎn)生的相對位移存在著比例關(guān)系，故加速度的值可通過位移指示器測量顯示出來。

陀螺儀其工作原理是測量旋轉(zhuǎn)物體的角速度，其具有定軸性和進(jìn)動(dòng)性的特點(diǎn)[10]。本系統(tǒng)所采用的MEMS 陀螺儀，主要工作原理是通過振動(dòng)力學(xué)原理測量非旋轉(zhuǎn)器件。由于旋轉(zhuǎn)物體徑向運(yùn)動(dòng)，故受到科氏力的影響，MEMS 陀螺儀通過測量其運(yùn)動(dòng)中產(chǎn)生的位移來獲取旋轉(zhuǎn)物體的角速度。

本文通過加速度計(jì)測量車輛運(yùn)動(dòng)時(shí)的信號(hào)，利用陀螺儀對車輛信號(hào)進(jìn)行補(bǔ)償，將車輛稱重信號(hào)進(jìn)行處理，通過神經(jīng)網(wǎng)絡(luò)算法得到車輛的靜態(tài)稱重值。由于受多因素的影響，測量稱重信號(hào)時(shí)會(huì)產(chǎn)生多種干擾信號(hào)，故需對稱重信號(hào)進(jìn)行降噪處理。

2 車輛動(dòng)態(tài)稱重信號(hào)處理

2.1 改進(jìn)小波閾值降噪

小波變換通常用于解決非平穩(wěn)信號(hào)問題，其在局部特征提取方面具有顯著效果，能夠把原始信號(hào)的有效信息從含噪聲的非平穩(wěn)信號(hào)中提取出來[11]。目前，最為傳統(tǒng)且應(yīng)用廣泛的小波閾值降噪主要分為2 種：硬閾值小波降噪和軟閾值小波降噪。

硬閾值：

軟閾值：

式中：ωj，k為原小波系數(shù)；為估計(jì)后的小波系數(shù)；λ 為門限閾值。其軟閾值小波去噪雖可得平滑信號(hào)但信噪比低，且估計(jì)后的小波系數(shù)與原小波系數(shù)有一定的偏差；而硬閾值小波去噪可得較高的信噪比但容易出現(xiàn)局部震蕩的現(xiàn)象[12]。由于傳統(tǒng)的小波閾值降噪方法皆存在不同的不足之處，故而進(jìn)行了改進(jìn)處理，其優(yōu)化方法具體如下：

式中：λ1為minimax 閾值；λ2為通用閾值。

式中：N 為采樣點(diǎn)數(shù)；ω1，k為第一層的高頻系數(shù)；σ 為估計(jì)噪聲標(biāo)準(zhǔn)差。由于優(yōu)化后的閾值函數(shù)其偏差會(huì)隨著ωj，k的增大而減小，其具有非線性特性適用于車輛動(dòng)態(tài)稱重的信號(hào)去噪，通過利用其更好的數(shù)學(xué)特性，從而使信號(hào)更加平滑，去噪效果更加明顯且更加趨近于真實(shí)信號(hào)。

2.2 基于EEMD 改進(jìn)小波閾值降噪信號(hào)處理

EEMD 算法基于經(jīng)驗(yàn)?zāi)B(tài)分解的改進(jìn)算法[13]，其主要是為改變原始信號(hào)的極值點(diǎn)分布，通過在原始信號(hào)中加入白噪聲，并利用噪聲輔助分析，同時(shí)，隨著集成平均次數(shù)的增加剩余噪聲會(huì)逐漸減小，從而可以有效改進(jìn)EMD 分解中容易產(chǎn)生頻率混疊的問題[14]。其中EEMD 算法分解需進(jìn)行以下三步：

步驟1參數(shù)初始化，令m 為EMD 算法的分解次數(shù)，設(shè)白噪聲標(biāo)準(zhǔn)差為α；

步驟2將標(biāo)準(zhǔn)差為α 且具有零均值的隨機(jī)白噪聲序列多次加入原始信號(hào)x（t），再將所得到的新序列再進(jìn)行EMD 分解，最后得到各自的剩余分量和IMF 分量；

步驟3對m 次EMD 分解結(jié)果進(jìn)行集成平均運(yùn)算，消除白噪聲影響，最終得到EEMD 的分解結(jié)果：

式中：cij（t）為IMF 分量；m 為EMD 分解次數(shù)；cj（t）為分解后的信號(hào)。

本文結(jié)合了小波降噪與集合經(jīng)驗(yàn)?zāi)B(tài)分解算法的優(yōu)勢，利用EEMD 具有自適應(yīng)性的特征分解，通過信號(hào)的自身特性進(jìn)行分解可得到n 個(gè)IMF 分量和1個(gè)殘差Res，再結(jié)合小波閾值去噪算法，利用小波去噪的時(shí)頻局部化特性對IMF 分量進(jìn)行降噪處理，其可彌補(bǔ)EEMD 算法中對復(fù)雜噪聲信號(hào)無法處理的缺陷，又能夠保留原始信號(hào)的細(xì)節(jié)特征[15]。其具體操作步驟如下：

步驟1對原始信號(hào)x（t）進(jìn)行EEMD 分解，可得到殘差Res 和IMF 分量；

步驟2對殘差Res 和IMF 分量進(jìn)行小波閾值降噪；

步驟3去噪后的殘差Res 和IMF 分量用于信號(hào)重構(gòu)，即去噪后的信號(hào)。

式中：x′（t）為降噪后的信號(hào)；ci′（t）（i=1，2，…，n）為降噪后的IMF 量；rn′（t）為降噪后的殘差。

3 車輛動(dòng)態(tài)稱重模擬實(shí)驗(yàn)分析

本文利用實(shí)驗(yàn)平臺(tái)對車輛動(dòng)態(tài)稱重信號(hào)進(jìn)行采集，以模擬兩軸實(shí)驗(yàn)小車通過時(shí)不同速度進(jìn)行模擬實(shí)驗(yàn)。通過實(shí)驗(yàn)車輛速度以15 km/h，30 km/h，45 km/h，60 km/h 左右的速度進(jìn)行測量，通過利用慣性傳感器采集加速度信號(hào)，令其采樣頻率為1.25 kHz，采集時(shí)間為10 ms，且為連續(xù)采樣過程。根據(jù)加速度信號(hào)的特性，為分析數(shù)據(jù)規(guī)律、提取特征值，故需要對加速度信號(hào)進(jìn)行去噪處理。將采集到的車輛動(dòng)態(tài)稱重信號(hào)進(jìn)行EEMD 分解，并對比原始信號(hào)、傳統(tǒng)小波閾值降噪算法處理后的信號(hào)，從而驗(yàn)證EEMD改進(jìn)小波閾值降噪算法的性能分析。圖2～圖7所示為以不同速度下的原始信號(hào)、通過小波閾值算法改進(jìn)的信號(hào)及基于EEMD 改進(jìn)的小波閾值算法的信號(hào)圖。

圖2 速度15 km/h 加速度原始信號(hào)圖Fig.2 Original signal diagram of 15 km/h acceleration

圖3 速度15 km/h 小波閾值改進(jìn)信號(hào)圖Fig.3 Signal diagram of 15 km/h wavelet threshold improvement

圖4 速度15 km/h EEMD 改進(jìn)小波閾值信號(hào)圖Fig.4 EEMD improved wavelet threshold signal diagram with speed of 15 km/h

圖5 速度30 km/h 加速度原始信號(hào)圖Fig.5 Original signal diagram of 30 km/h acceleration

圖6 速度30 km/h 小波閾值改進(jìn)信號(hào)圖Fig.6 Signal diagram of 30 km/h wavelet threshold improvement

圖7 速度30 km/h EEMD 改進(jìn)小波閾值信號(hào)圖Fig.7 EEMD improved wavelet threshold signal diagram with speed of 30 km/h

從上圖中可見，以不同車速行駛的車輛動(dòng)態(tài)稱重的有效信號(hào)不同，基于EEMD 改進(jìn)小波閾值降噪信號(hào)處理相較于小波閾值降噪，較好地保留了原始信號(hào)的局部特征，其方法的降噪效果顯著適用于車輛動(dòng)態(tài)稱重。

4 結(jié)語

本文在對車輛動(dòng)態(tài)稱重信號(hào)處理中，利用慣性傳感器測量車輛經(jīng)過時(shí)產(chǎn)生的信號(hào)，從而對振動(dòng)信號(hào)進(jìn)行理論分析。通過EEMD 改進(jìn)小波閾值的降噪算法，對噪聲進(jìn)行降噪處理，從而起到了顯著的降噪作用并得到車輛動(dòng)態(tài)稱重的頻譜特點(diǎn)。此算法保留小波閾值降噪算法的時(shí)頻局部特性，且結(jié)合了EEMD 算法的自適應(yīng)特性，可在不同速度下有效地還原真實(shí)信號(hào)，從而提高系統(tǒng)的測量精度和實(shí)時(shí)性。