CN102103009A - 串联式集装箱车辆动态分箱计重系统及计重方法 - Google Patents

Abstract

本发明公开了一种串联双集装箱的车辆重车状态下的计重系统及计重方法，计重系统，包括动态轴称重台、动态称检测仪表、数据采集装置、计算机、静态称检测仪表和静态称重台；静态称重台和动态轴称重台按照车辆的前进方向前后依次连接，二者宽度相等且处于高出地面的同一水平面上；动态称检测仪表和静态称检测仪表分别连接动态轴称重台和静态称重台，并将数据发送到数据采集装置；数据采集装置将前述数据发送到计算机进行分析计算。根据车辆通过动静态联合称重平台时采集的数据建立基函数三层前向反馈神经网络动态计算各集装箱重量并建立集装箱沿水平方向的货物重心动态平衡方程，计算精度高。

Description

串联式集装箱车辆动态分箱计重系统及计重方法

技术领域

本发明涉及一种串联式集装箱车辆动态分箱计重系统及计重方法，主要应用于港口及公路物流行业的集装箱超载检测领域。

技术背景

随着我国经济的快速增长及进出口贸易的不断增加，采用集装箱运送大宗货物越来越受青睐，运输的安全问题也由此提上日程。为保证运输安全，要求每个集装箱的货物重量不得超过规定重量。2008年9月，交通运输部下达内贸箱超重治理文件，要求港口加强对超重集装箱的治理，杜绝超重箱进港。目前，各港口一直采用传统方法对串联式集装箱车辆进行计重，一是采用专用吊装秤分次对其称重，成本高且效率很低；二是采用自动称出总重后平均分配重量的静态计重方法，由于集装箱装载时货物不均导致重心发生偏移，因此不仅单箱重量不准确，而且不能限制超重箱。

发明内容

本发明的第一个目的是提供一种串联双集装箱的车辆重车状态下的计重系统，这种系统能分别判别出每只集装箱的重量。

实现第一个目的的技术方案是：一种串联式集装箱车辆动态分箱计重系统，包括动动态轴称重台、动态称检测仪表、数据采集装置、计算机、静态称检测仪表和静态称重台；所述静态称重台和动态轴称重台按照车辆的前进方向前后依次连接，二者宽度相等且处于高出地面的同一水平面上；所述动态称检测仪表和静态称检测仪表分别连接动态轴称重台和静态称重台，并将数据发送到数据采集装置；所述数据采集装置将前述数据发送到计算机进行分析计算。

串联式集装箱车辆动态分箱计重系统还包括信号指示灯；所述信号指示灯与计算机连接，用于显示测量状态。

串联式集装箱车辆动态分箱计重系统还包括打印机；所述打印机与计算机连接，用于显示输出测量结果。

本发明的第二个目的是提供一种串联双集装箱的车辆重车状态下的计重方法，这种方法能分别判别出每只集装箱的重量，并能自适应修正因货物配置不均导致重心位置随机偏移带来的影响。

实现本发明第二个目的的技术方案是一种串联式集装箱车辆动态分箱计重方法，包含以下步骤：

①采集车型数据和集装箱数据，将数据存入计算机；

②将集装箱沿其长度方向的货物重心位置的数学模型L₁′、前集装箱1的重量数学模型G1、后集装箱的重量数学模型G2和经过神经网络训练满足误差要求时的各车型的最佳修正值K存入计算机；

③将待测载货车辆以低中速匀速通过动态轴称重台和静态称重台组成的动静态联合称重平台；通过动态轴称重台时依次记录运动状态下载货车辆的各轴重F_i及动态车量总重Gdyn′；通过静态称重台时记录静态总重Gsta；然后以最佳修正值K对测得的静态总重Gsta与动态总重Gdyn′进行权重W分配并减去空载车辆总重，从而得到货物总重G；

④计算机根据数学模型计算出集装箱沿其长度方向的货物重心位置L₁′、前集装箱的重量G1和后集装箱的重量G2。

所述第①步中，采集的车型数据包括牵引车轴间的距离m₁、挂车各轴与挂车尾之间的距离d_i、中心销与挂车尾之间的距离1₃、空载牵引车重量T₁、空载挂车重量T₂、空载牵引车对地压力F₁₀；采集的集装箱数据包括前集装箱长度L1和后集装箱长度L2。

所述第②步中的数学模型结合动力学平衡条件建立，集装箱沿其长度方向的货物重心L₁′的数学模型为： $L_1^{\′}=\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{M}_i^{\′\′}\right)/G,$ G为货物总重，M″_i为将两箱货物看作整体并以挂车力系简化中心为力矩中心的力矩；前集装箱重量数学模型为 $G_1=\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{M}_i\right)/L_1,$ 后集装箱的重量数学模型为 $G_2=\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{M}_i^{\′}\right)/L_2,$ M_i、M′_i分别为以挂车力系简化中心为力矩中心的力矩，L1和L2分别为前集装箱和后集装箱的长度。

所述第②步中神经网络训练利用自适应算法对因货物配置不均导致的集装箱重心偏移量进行修正，并得到各车型对应最佳修正值K。

所述第②步中的自适应算法是以动态轴称重台(4)测量的各轴重F_i、货车的行驶速度V、前集装箱长度L1、后集装箱长度L2作为输入向量，以Gauss径向基函数为隐层节点，以集装箱分箱重量G₁、G₂作为输出向量的多输入双输出径向基函数三层前向反馈网络算法；所述满足神经网络训练误差要求范围为：2.5％-3.0％。所述第③步中的低中速的速度范围为：5-15km/h。

所述第③步的权重W取决于动态轴称重台和静态称重台的测量精度，以最小二乘误差法计算得到该值。

本发明采用上述技术方案得到了以下的有益效果：

(1)本发明的计重系统包含由动态轴称重台和静态称重台组成的动静态联合称重平台，根据车辆通过动静态联合称重平台时采集的数据建立基函数三层前向反馈神经网络动态计算各集装箱重量并建立集装箱沿水平方向的货物重心动态平衡方程，其计算精度高，能达到OIML(国际法定度量衡组织的法文简称)III级。

(2)本发明的计重系统还包括信号指示灯和打印机，方便在测量过程中判断测量状态以及测量结果的输出。

(3)本发明的计重方法将待测车辆以5-15km/h低中速匀速通过动静态联合称重平台，一次动态测量可分别得到各轴重、总重并输出各集装箱的重量，操作方便，不仅保证了称重精度，而且提高了装运效率。

(4)本发明的计重方法能模拟集装箱重心偏移的随机概率分布，自动调整算法中各隐节点函数中心、方差以及输出权值，从而得到各集装箱的最优概率修正因子，自适应各种外界环境变化导致的误差漂移问题。

(5)本发明的计重方法由于能快速对串联式集装箱车辆的各单个集装箱进行超载检测，因此能对港口装船配载管理、装船吊装时的吊具安全提供保障。

附图说明

为了使本发明的内容更容易被清楚的理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中

图1为本发明的串联式集装箱车辆的重车状态示意图。

图2为本发明计重系统结构示意图。

图中标号为：前集装箱1，后集装箱2，车辆后轴3，动态轴重称台4，动态称检测仪表5，数据采集装置6，计算机7，操作员8，信号指示灯9，打印机10，静态称检测仪表11，静态称重台12，车辆前轴13，车辆中轴14。

具体实施方式

(实施例1计重系统)

见图2，本实施例的串联式集装箱车辆动态分箱计重系统，包括动动态轴称重台4、动态称检测仪表5、数据采集装置6、计算机7、信号指示灯9、打印机10、静态称检测仪表11和静态称重台12。静态称重台12和动态轴称重台4按照车辆的前进方向前后依次连接，二者宽度相等且处于高出地面的同一水平面上；动态称检测仪表5和静态称检测仪表11分别连接动态轴称重台4和静态称重台12，并将数据发送到数据采集装置6；数据采集装置6将前述数据发送到计算机7进行分析计算。信号指示灯9与计算机7连接，用于显示测量状态。打印机10与计算机7连接，用于显示输出测量结果。

(实施例2计重方法)

本实施例的计重方法按照以下步骤进行：

①采集车型数据和集装箱数据，将数据存入计算机7；见图1，采集的车型数据包括牵引车轴间的距离m₁、挂车各轴与挂车尾之间的距离d_i、中心销与挂车尾之间的距离l₃、空载牵引车重量T₁、空载挂车重量T₂、空载牵引车对地压力F₁₀；采集的集装箱数据包括前集装箱长度L1和后集装箱长度L2。

②将集装箱沿其长度方向的货物重心位置的数学模型L₁′、前集装箱1的重量数学模型G1、后集装箱的重量数学模型G2和经过神经网络训练满足误差要求时的各车型的最佳修正值K存入计算机7。

具体来说：利用运动状态下车辆的动力学平衡条件与压力、摩擦力的关系，建立集装箱沿其长度方向的货物重心位置L₁′的数学模型 $L_1^{\′}=\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{M}_1^{\′\′}\right)/G$ (G为货物总重，M″_i为将两箱货物看作整体，以挂车简化力系为中心的力矩)及前集装箱的重量数学模型 $G_1=\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{M}_i\right)/L_1$ 和后集装箱的重量数学模型 $G_2=\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{M}_i^{\′}\right)/L_2,$ (M_i、M′_i分别为以挂车力系简化中心为力矩中心的力矩，L为集装箱长度)。

建立以动态称重汽车衡测得的各轴重F_i、货车的行驶速度V、集装箱长度L作为输入向量，以Gauss径向基函数为隐层节点，以前后集装箱重量G₁和G₂作为输出向量的多输入双输出径向基函数三层前向反馈网络，并进行神经网络训练：

(1)以非线性函数为Gauss径向基函数；

(2)宽度σ和权值W调整算法。由经验公式

其中m为输入节点个数，n为输出节点个数，常数a取值为0-10之间，选取隐层节点，通过样本训练自适应调整，对隐层径向基函数中心的确定采用K均值聚类算法，从而计算得到当前宽度

(d_max为由K-均值聚类算法得到的各基函数中心间最大距离，h为隐层节点个数)，权值W更新采用递推误差最小二乘算法。

经过代入大量实验样本进行网络训练，直到网络的实际输出值与期望输出值之间误差满足小于等于3％后停止训练，并将此时各车型对应的最佳修正值写入计算机7内。

③将待测载货车辆以5-15km/h的低中速匀速通过动态轴称重台4和静态称重台12组成的动静态联合称重平台；通过动态轴称重台4时依次记录运动状态下载货车辆的各轴重F_i(见图1，F1为前轴重，F2为中轴重，F3为后轴重)及动态车量总重Gdyn′；通过静态称重台12时记录静态总重Gsta；然后以最佳修正值K对测得的静态总重Gsta与动态总重Gdyn′进行权重W分配并减去空载车辆总重，从而得到货物总重G；

④计算机(7)根据数学模型计算出集装箱沿其长度方向的货物重心位置L₁′、前集装箱(1)的重量G1和后集装箱(2)的重量G2，并输出前集装箱重量G₁、后集装箱重量G₂。

如图2所示，操作员8在计算机7上输入待测车辆及运载集装箱的型号，然后使运载车辆以5-15km/h的低中速匀速依次通过动态轴重称台4和静态称重台12，分别将通过时车辆前轴13、中轴14和后轴3的动态称检测仪表5测量值和车辆总重的静态称检测仪表11测量值，经数据采集装置6采集后发送到计算机7，计算机7内的管理软件执行并以最优概率修正重量模型计算前集装箱1和后集装箱2的重量，将计算结果与该车型集装箱的额定载重进行比较，判定各分箱是否超载，并以信号指示灯9指示测量状态，最后用打印机10将本次测量结果以报表形式输出。

选用车型为解放CA4222P21K2T3A1E型、解放CA4252P21K2T1A2E型和奥威CA4252P21K2T1E型的集装箱运输车辆。

将解放CA4222P21K2T3A1E型、解放CA4252P21K2T1A2E型和奥威CA4252P21K2T1E型的集装箱挂车的各轴与挂车尾之间的距离d_i、中心销与挂车尾之间的距离l₃、空载挂车重量T₂、空载牵引车对地压力F₁₀和20英尺型标准集装箱长度L等数据存入计算机(7)内，并将集装箱沿其长度方向的货物重心位置L₁′的数学模型

前集装箱1的重量数学模型

后集装箱的重量数学模型

和经过申请网络训练满足误差要求的各车型的最佳修正值K写入计算机7内。将载有实物的双集装箱车辆，以5-15km/h速度匀速行驶过动静态联合称重平台上，通过动态轴称重台4时依次记录运动状态下载货车辆的前轴重F₁、中轴重F₂和后轴重F₃，通过静态称重台12时记录静态总重Gsta，并通过管理识别软件，调用该待测车辆的最佳输出修正值，测得各轴重p、静态总重Gsta与动态总重Gdyn′，计算得到货物总重G、集装箱沿长度方向的货物重心位置L₁′、前集装箱重量G₁和后集装箱重量G₂，如表1所示。

表1

车型	符号及单位	解放CA4222P21K2T3A1E	解放CA4252P21K2T1A2E	奥威CA4252P21K2T1E
					测量参数		数据	数据	数据
空车总重T	T(kg)	16080	14780	17080
					前轴轴重(空车)	P’(kg)	4360	4240	3680
中轴轴重(空车)	p’(kg)	5900	6480	6500
					后轴轴重(空车)	p’(kg)	5500	6020	6100
集装箱A(空箱)	LA(mm)	6058	6058	6058
						GA(kg)	1600	1600	1600
集装箱B(空箱)	LB(mm)	6058	6058	6058
						GB(kg)	1700	1700	1700
中心销与挂车距d	d(mm)	7645	6425	5876
					货物重心偏移量Δd	ΔdA(mm)	300	200	300
	ΔdB(mm)	200	200	100
					修正因子K	K＝Gsta/Gdyn	1.2488	0.9991	1.0282
通过测量得出：
					静态总重Gsta	Gsta(kg)	54400	55400	71680
a量车速v	υ1(km/t)	4.890	4.890	4.890
						υ2(km/t)	5.120	5.120	5.120
	υ3(km/t)	9.870	9.870	9.870
						υ4(km/t)	10.14	10.14	10.14
	υ5(km/t)	14.56	14.56	14.56
					动态前轴p1(重车)	P1(kg)	4775.56	5765.23	3664.21

动态中轴p2(重车)	P2(kg)	12625.14	20425.23	27312.35
					动态后轴p3(重车)	P3(kg)	37520.98	29254.35	38736.21
动态总重Gdyn′	Gdyn′(kg)	43561.45	55444.81	69712.17
					通过计算得出：
前集装箱GA(货重)	G1(kg)	8237.68	15673.18	38354.06
					后集装箱GB(货重)	G2(kg)	31225.26	22957.76	28466.44
标准前集装箱重量	S1(kg)	8240	16080	27760
					标准后集装箱重量	S2(kg)	30360	22400	27640
前集装箱相对误差	(G1-S1)/S1	-2.82％	-2.53％	2.14％
					后集装箱相对误差	(G2-S2)/SB	2.85％	2.49％	2.99％

显然，本领域的技术人员可以对本发明的称重方法，进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种串联式集装箱车辆动态分箱计重系统，其特征在于：包括动动态轴称重台(4)、动态称检测仪表(5)、数据采集装置(6)、计算机(7)、静态称检测仪表(11)和静态称重台(12)；所述静态称重台(12)和动态轴称重台(4)按照车辆的前进方向前后依次连接，二者宽度相等且处于高出地面的同一水平面上；所述动态称检测仪表(5)和静态称检测仪表(11)分别连接动态轴称重台(4)和静态称重台(12)，并将数据发送到数据采集装置(6)；所述数据采集装置(6)将前述数据发送到计算机(7)进行分析计算。

2.根据权利要求1所述的串联式集装箱车辆动态分箱计重系统，其特征在于：还包括信号指示灯(9)；所述信号指示灯(9)与计算机(7)连接，用于显示测量状态。

3.根据权利要求2所述的串联式集装箱车辆动态分箱计重系统，其特征在于：还包括打印机(10)；所述打印机(10)与计算机(7)连接，用于显示输出测量结果。

4.一种串联式集装箱车辆动态分箱计重方法，其特征在于包含以下步骤：

①采集车型数据和集装箱数据，将数据存入计算机(7)；

②将集装箱沿其长度方向的货物重心位置的数学模型L1′、前集装箱1的重量数学模型G1、后集装箱的重量数学模型G2和经过神经网络训练满足误差要求时的各车型的最佳修正值K存入计算机(7)；

③将待测载货车辆以低中速匀速通过动态轴称重台(4)和静态称重台(12)组成的动静态联合称重平台；通过动态轴称重台(4)时依次记录运动状态下载货车辆的各轴重Fi及动态车量总重Gdyn′；通过静态称重台(12)时记录静态总重Gsta；然后以最佳修正值K对测得的静态总重Gsta与动态总重Gdyn′进行权重W分配并减去空载车辆总重，从而得到货物总重G；

④计算机(7)根据数学模型计算出集装箱沿其长度方向的货物重心位置L1′、前集装箱(1)的重量G1和后集装箱(2)的重量G2。

5.根据权利要求4所述的串联式集装箱车辆动态分箱计重方法，其特征在于：

所述第①步中，采集的车型数据包括牵引车轴间的距离m1、挂车各轴与挂车尾之间的距离di、中心销与挂车尾之间的距离l3、空载牵引车重量T1、空载挂车重量T2、空载牵引车对地压力F10；采集的集装箱数据包括前集装箱长度L1和后集装箱长度L2。

6.根据权利要求4所述的串联式集装箱车辆动态分箱计重方法，其特征在于：

所述第②步中的数学模型结合动力学平衡条件建立，集装箱沿其长度方向的货物重心L1′的数学模型为：

G为货物总重，M_i″为将两箱货物看作整体并以挂车力系简化中心为力矩中心的力矩；前集装箱(1)的重量数学模型为

后集装箱(2)的重量数学模型为Mi、M′_i分别为以挂车力系简化中心为力矩中心的力矩，L1和L2分别为前集装箱(1)和后集装箱(2)的长度。

7.根据权利要求6所述的串联式集装箱车辆动态分箱计重方法，其特征在于：

所述第②步中神经网络训练利用自适应算法对因货物配置不均导致的集装箱重心偏移量进行修正，并得到各车型对应最佳修正值K。

8.根据权利要求7所述的串联式集装箱车辆动态分箱计重方法，其特征在于：所述第②步中的自适应算法是以动态轴称重台(4)测量的各轴重Fi、货车的行驶速度V、前集装箱长度L1、后集装箱长度L2作为输入向量，以Gauss径向基函数为隐层节点，以集装箱分箱重量G1、G2作为输出向量的多输入双输出径向基函数三层前向反馈网络算法；所述满足神经网络训练误差要求范围为：2.5％-3.0％。

9.根据权利要求4所述的串联式集装箱车辆动态分箱计重方法，其特征在于：所述第③步中的低中速的速度范围为：5-15km/h。

10.根据权利要求4所述的串联式集装箱车辆动态分箱计重方法，其特征在于：所述第③步的权重W取决于动态轴称重台(4)和静态称重台(12)的测量精度，以最小二乘误差法计算得到该值。

Images