CN106500811A - 动态称重方法和装置 - Google Patents

Abstract

本发明涉及一种动态称重方法和装置，该方法包括：S1、实时获取在车辆过称时各轴组的有效称重数据；S2、对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据傅里叶谱图，确定有效称重数据的主周期；并根据傅里叶谱图，对有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；S3、根据主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；S4、对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；S5、对各个轴组的重量进行加和，得到整车重量。本发明对有效称重数据进行两次滤波，相对于现有技术能够大大提高称重的精度。

Description

动态称重方法和装置

技术领域

本发明涉及称重技术领域，尤其是涉及一种动态称重方法和装置。

背景技术

目前，随着交通调查、超限治理和计重收费等工作的不断深入，车辆动态称重技术得到了越来越多的应用，特别是在交通检测和管理、超载超限治理和计重收费系统中发挥了重要作用。

然而，在实际交通应用中，面对复杂多变的过车方式和各种突发异常，如何稳定提高称重精度就显得尤为重要。在现有的称重技术中，基于轴组称量的动态称重方法虽然在称重精度上有了一定的提高，但因其对轴组重量波形的简单处理，即直接加和平均计算轴组重量，其称重精度仍不能满足现有应用的需求。

发明内容

针对以上缺陷，本发明提供一种动态称重方法和装置，可以进一步提高称重精度。

第一方面，本发明提供的动态称重方法，包括：

S1、实时获取在车辆过称时各轴组的有效称重数据；

S2、对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据所述傅里叶谱图，确定所述有效称重数据的主周期；并根据所述傅里叶谱图，对所述有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；

S3、根据所述主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；

S4、对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；

S5、对各个轴组的重量进行加和，得到整车重量。

可选的，采用下式对采样得到的时域序列进行离散傅里叶变换：

式中，f(n)为采样得到的时域序列，F(p)为变换后得到的频域序列，N为所述时域序列的采样点的数量，n为所述时域序列中各个采样点的编号，n的取值范围为[0，N-1]内的整数，p为所述频域序列中各个采样点的编号，p的取值范围为[0，N-1]内的整数。

可选的，S3采用下式进行再次滤波处理：

式中，f₁(i)为高频滤波处理后的时域序列中第i个采样点的重量值，f₁(m+1)为高频滤波处理后的时域序列中第m+1个采样点的重量值，f₁(m+1+T)为高频滤波处理后的时域序列中第m+1+T个采样点的重量值，T为所述主周期，k_m+1和k_m+1+T为在相应采样点的权重系数，f₂(m+1)为高频滤波处理后的时域序列中第m+1个采样点进行加权滑动平均后的重量值，m为高频滤波处理后的时域序列中采样点的编号，m的取值范围为[0，N-T-1]中的整数。

可选的，所述S4采用下式计算各轴组的重量W：

式中，Δx_j为再次滤波后相邻采样点之间的间距，M为再次滤波后有效称重数据的长度，j为再次滤波后的采样点的编号，f₂(j)为再次滤波后第j个采样点的重量值，W为轴组重量。

第二方面，本发明提供的动态称重装置，包括：

数据获取模块，用于实时获取在车辆过称时各轴组的有效称重数据；

第一滤波模块，用于对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据所述傅里叶谱图，确定所述有效称重数据的主周期；并根据所述傅里叶谱图，对所述有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；

第二滤波模块，用于根据所述主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；

积分平均模块，用于对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；

加和处理模块，用于对各个轴组的重量进行加和，得到整车重量。

可选的，采用下式对采样得到的时域序列进行离散傅里叶变换：

式中，f(n)为采样得到的时域序列，F(p)为变换后得到的频域序列，N为所述时域序列的采样点的数量，n为所述时域序列中各个采样点的编号，n的取值范围为[0，N-1]内的整数，p为所述频域序列中各个采样点的编号，p的取值范围为[0，N-1]内的整数。

可选的，S3采用下式进行再次滤波处理：

式中，f₁(i)为高频滤波处理后的时域序列中第i个采样点的重量值，f₁(m+1)为高频滤波处理后的时域序列中第m+1个采样点的重量值，f₁(m+1+T)为高频滤波处理后的时域序列中第m+1+T个采样点的重量值，T为所述主周期，k_m+1和k_m+1+T为在相应采样点的权重系数，f₂(m+1)为高频滤波处理后的时域序列中第m+1个采样点进行加权滑动平均后的重量值，m为高频滤波处理后的时域序列中采样点的编号，取值范围为[0，N-T-1]中的整数。

可选的，所述S4采用下式计算各轴组的重量W：

式中，Δx_j为再次滤波后相邻采样点之间的间距，M为再次滤波后有效称重数据的长度，j为再次滤波后的采样点的编号，f₂(j)为再次滤波后第j个采样点的重量值，W为轴组重量。

可选的，动态称重装置还包括：

显示模块，用于所述整车重量进行显示。

本发明提供的动态称重方法和装置，对各轴组的有效称重数据进行高频滤波处理，以筛除高频杂波的影响，然后对高频滤波后的有效称重数据进行加权滑动平均滤波处理，有效避免高速振荡的影响，然后再采用积分平均方法计算轴组的重量，进而得到整车重量。相对于现有技术中仅对轴组重量波形进行简单处理的方法，本发明能够大大提高称重的精度，降低称重计算的离散度。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1示出了本发明一实施例中动态称重方法的流程示意图；

图2示出了本发明一实施例中三联轴过秤时轴组更新示意图；

图3示出了本发明一实施例中三联轴过秤时原始的有效称重数据与高频滤波后的有效称重数据的对比示意图；

图4示出了本发明一实施例中高频滤波后的有效称重数据与再次滤波后的有效称重数据的对比示意图；

图5示出了本发明一实施例中使用动态称重方法前后的重量误差对比示意图；

图6示出了本发明一实施例中动态称重装置的结构框图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

本发明提供一种动态称重方法，如图1所示，该方法包括：

S1、实时获取在车辆过称时各轴组的有效称重数据；

可理解的是，S1中车辆过称时采用的是轴组称重方法，以获得各轴组的有效称重数据。

可理解的是，有效称重数据不仅可以包括重量信息，还可以包括轴组的个数、类型等，其中轴组可以为单轴、双联轴、三联轴等。如图2所示，为三联轴的有效称重数据的示意图。

S2、对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据所述傅里叶谱图，确定所述有效称重数据的主周期；并根据所述傅里叶谱图，对所述有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；

S3、根据所述主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；

S4、对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；

S5、对各个轴组的重量进行加和，得到整车重量。

本发明提供的动态称重方法，对各轴组的有效称重数据进行高频滤波处理，以筛除高频杂波的影响，然后对高频滤波后的有效称重数据进行加权滑动平均滤波处理，有效避免高速振荡的影响，然后再采用积分平均方法计算轴组的重量，进而得到整车重量。相对于现有技术中仅对轴组重量波形进行简单处理的方法，本发明能够大大提高称重的精度。

而且，上述高频过滤方式是以采样数据为依托，通过离散数据的傅里叶变换，获得频域序列，然后确定该频域序列的傅里叶谱图，即频谱图。从频谱图中可以看出，不同频率对重量信号波形振荡的影响程度，从而可以筛除高频杂波的影响，得到低频数据。这里的高频和低频可以根据精度要求进行选择，在要求比较高的情况下，高频的范围比较广，若精度要求较低，则可选择范围比较窄的高频进行筛选，对于本领域技术人员来说，高频和低频的范围在动态称重技术领域内是根据需要可调可选的范围。如图3所示，细实线为原始的有效称重数据的时域序列图，粗虚线为高频滤波后的有效称重数据的时域序列图。

在具体实施时，S21可以采用下式对采样得到的时域序列进行离散傅里叶变换：

采用下式对采样得到的时域序列进行离散傅里叶变换：

式中，f(n)为采样得到的时域序列，F(p)为变换后得到的频域序列，N为所述时域序列的采样点的数量，n为所述时域序列中各个采样点的编号，n的取值范围为[0，N-1]内的整数，p为所述频域序列中各个采样点的编号，p的取值范围为[0，N-1]内的整数。

为了便于得到傅里叶谱图，对上述公式(1)进行进一步的处理：

将欧拉公式带入上式(1)，可得：

可知，

基于上式，傅里叶谱就可表达为：

在具体实施时，步骤S3可以采用下式进行再次滤波处理：

式中，f₁(i)为高频滤波处理后的时域序列中第i个采样点的重量值，f₁(m+1)为高频滤波处理后的时域序列中第m+1个采样点的重量值，f₁(m+1+T)为高频滤波处理后的时域序列中第m+1+T个采样点的重量值，T为所述主周期，k_m+1和k_m+1+T为在相应采样点的权重系数，f₂(m+1)为高频滤波处理后的时域序列中第m+1个采样点进行加权滑动平均后的重量值，m为高频滤波处理后的时域序列中采样点的编号，取值范围为[0，N-T-1]中的整数。

其中，上式(4)可以分解为以下两个公式执行：

f₂(n+1)＝Sum_T(n)-k_n+1f₁(n+1)+k_n+1+Tf₁(n+1+T) (6)

上述(5)中的Sum_T(n)为一个周期内的轴组称量数据之和。

可理解的是，权重系数k_m+1和k_m+1+T的取值范围为(0,1)，且随着轴组共秤时间的增加而增大，这里主要是为了避免商城过程中波形不稳所带来的影响。

在具体实施时，所述步骤S4可以采用下式计算各轴组的重量：

式中，Δx_j为再次滤波后相邻采样点之间的间距，M为再次滤波后有效称重数据的长度，j为再次滤波后的采样点的编号，f₂(j)为再次滤波后第j个采样点的重量值，W为轴组重量。

如图4所示，为在高频滤波后和再次滤波后有效称重数据的对比示意图，从图4中可以看出再次滤波后，有效称重数据相对比较平稳。图5示出了使用动态称重方法前后的重量误差对比示意图，从图5中可以看出相对于使用该方法之前，使用该方法之后的误差百分比相对比较集中。

基于相同的发明构思，本发明还提供一种动态称重装置，如图6所示，该装置包括：

数据获取模块，用于实时获取在车辆过称时各轴组的有效称重数据；

第一滤波模块，用于对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据所述傅里叶谱图，确定所述有效称重数据的主周期；并根据所述傅里叶谱图，对所述有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；

第二滤波模块，用于根据所述主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；

积分平均模块，用于对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；

加和处理模块，用于对各个轴组的重量进行加和，得到整车重量。

可选的，采用下式对采样得到的时域序列进行离散傅里叶变换：

式中，f(n)为采样得到的时域序列，F(p)为变换后得到的频域序列，N为所述时域序列的采样点的数量，n为所述时域序列中各个采样点的编号，n的取值范围为[0，N-1]内的整数，p为所述频域序列中各个采样点的编号，p的取值范围为[0，N-1]内的整数。

可选的，S3采用下式进行再次滤波处理：

式中，f₁(i)为高频滤波处理后的时域序列中第i个采样点的重量值，f₁(m+1)为高频滤波处理后的时域序列中第m+1个采样点的重量值，f₁(m+1+T)为高频滤波处理后的时域序列中第m+1+T个采样点的重量值，T为所述主周期，k_m+1和k_m+1+T为在相应采样点的权重系数，f₂(m+1)为高频滤波处理后的时域序列中第m+1个采样点进行加权滑动平均后的重量值，m为高频滤波处理后的时域序列中采样点的编号，取值范围为[0，N-T-1]中的整数。

可选的，所述S4采用下式计算各轴组的重量W：

式中，Δx_j为再次滤波后相邻采样点之间的间距，M为再次滤波后有效称重数据的长度，j为再次滤波后的采样点的编号，f₂(j)为再次滤波后第j个采样点的重量值，W为轴组重量。

可选的，所述装置还包括：

显示模块，用于所述整车重量进行显示。

可理解的是，本发明提供的动态称重装置为本发明提供的动态称重方法的功能架构模块，其有关内容的解释说明、可选实施方式、有益效果等内容可以参考本发明提供的动态称重方法中的相应部分，这里不再赘述。

本发明的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种动态称重方法，其特征在于，包括：

S1、实时获取在车辆过称时各轴组的有效称重数据；

S2、对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据所述傅里叶谱图，确定所述有效称重数据的主周期；并根据所述傅里叶谱图，对所述有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；

S3、根据所述主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；

S4、对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；

S5、对各个轴组的重量进行加和，得到整车重量。

2.根据权利要求1所述的方法，其特征在于，采用下式对采样得到的时域序列进行离散傅里叶变换：

$F\left(p\right)=\underset{n=0}{\overset{N-1}{\Σ}}f\left(n\right){\left(e^{-j2\mathrm{\π}/N}\right)}^{np},p=0,1,2,\mathrm{...},N-1$

式中，f(n)为采样得到的时域序列，F(p)为变换后得到的频域序列，N为所述时域序列的采样点的数量，n为所述时域序列中各个采样点的编号，n的取值范围为[0，N-1]内的整数，p为所述频域序列中各个采样点的编号，p的取值范围为[0，N-1]内的整数。

3.根据权利要求1所述的动态称重方法，其特征在于，S3采用下式进行再次滤波处理：

$f_2(m+1)=\frac{1}{T}\[\underset{i=m+1}{\overset{m+T}{\Σ}}{f}_1\left(i\right)-k_{m+1}{f}_1(m+1)+k_{m+1+T}{f}_1(m+1+T)\]$

式中，f₁(i)为高频滤波处理后的时域序列中第i个采样点的重量值，f₁(m+1)为高频滤波处理后的时域序列中第m+1个采样点的重量值，f₁(m+1+T)为高频滤波处理后的时域序列中第m+1+T个采样点的重量值，T为所述主周期，k_m+1和k_m+1+T为在相应采样点的权重系数，f₂(m+1)为高频滤波处理后的时域序列中第m+1个采样点进行加权滑动平均后的重量值，m为高频滤波处理后的时域序列中采样点的编号，m的取值范围为[0，N-T-1]中的整数。

4.根据权利要求3所述的动态称重方法，其特征在于，所述S4采用下式计算各轴组的重量W：

$W=\frac{\underset{j=1}{\overset{j=M}{\Σ}}{f}_2\left(j\right)\·{\mathrm{\Δx}}_j}{M}$

式中，Δx_j为再次滤波后相邻采样点之间的间距，M为再次滤波后有效称重数据的长度，j为再次滤波后的采样点的编号，f₂(j)为再次滤波后第j个采样点的重量值，W为轴组重量。

5.一种动态称重装置，其特征在于，包括：

数据获取模块，用于实时获取在车辆过称时各轴组的有效称重数据；

第一滤波模块，用于对获得的每一轴组的有效称重数据进行离散傅里叶变换，得到频域序列；根据得到的频域序列，确定对应的傅里叶谱图；根据所述傅里叶谱图，确定所述有效称重数据的主周期；并根据所述傅里叶谱图，对所述有效称重数据进行高频滤波处理，滤除该轴组的高频振荡数据；

第二滤波模块，用于根据所述主周期，采用加权滑动平均算法对高频滤波处理后的有效称重数据进行再次滤波处理；

积分平均模块，用于对再次滤波处理后的有效称重数据进行积分平均处理，得到该轴组的重量；

加和处理模块，用于对各个轴组的重量进行加和，得到整车重量。

6.根据权利要求5所述的动态称重装置，其特征在于，采用下式对采样得到的时域序列进行离散傅里叶变换：

$F\left(p\right)=\underset{n=0}{\overset{N-1}{\Σ}}f\left(n\right){\left(e^{-j2\mathrm{\π}/N}\right)}^{np},p=0,1,2,\mathrm{...},N-1$

式中，f(n)为采样得到的时域序列，F(p)为变换后得到的频域序列，N为所述时域序列的采样点的数量，n为所述时域序列中各个采样点的编号，n的取值范围为[0，N-1]内的整数，p为所述频域序列中各个采样点的编号，p的取值范围为[0，N-1]内的整数。

7.根据权利要求5所述的动态称重装置，其特征在于，S3采用下式进行再次滤波处理：

$f_2(m+1)=\frac{1}{T}\[\underset{i=m+1}{\overset{m+T}{\Σ}}{f}_1\left(i\right)-k_{m+1}{f}_1(m+1)+k_{m+1+T}{f}_1(m+1+T)\]$

式中，f₁(i)为高频滤波处理后的时域序列中第i个采样点的重量值，f₁(m+1)为高频滤波处理后的时域序列中第m+1个采样点的重量值，f₁(m+1+T)为高频滤波处理后的时域序列中第m+1+T个采样点的重量值，T为所述主周期，k_m+1和k_m+1+T为在相应采样点的权重系数，f₂(m+1)为高频滤波处理后的时域序列中第m+1个采样点进行加权滑动平均后的重量值，m为高频滤波处理后的时域序列中采样点的编号，取值范围为[0，N-T-1]中的整数。

8.根据权利要求7所述的动态称重装置，其特征在于，所述S4采用下式计算各轴组的重量W：

$W=\frac{\underset{j=1}{\overset{j=M}{\Σ}}{f}_2\left(j\right)\·{\mathrm{\Δx}}_j}{M}$

式中，Δx_j为再次滤波后相邻采样点之间的间距，M为再次滤波后有效称重数据的长度，j为再次滤波后的采样点的编号，f₂(j)为再次滤波后第j个采样点的重量值，W为轴组重量。

9.根据权利要求5所述的装置，其特征在于，还包括：

显示模块，用于所述整车重量进行显示。