CN113240821B - 基于多信息融合的动态称重货车不停车计费系统及方法 - Google Patents
基于多信息融合的动态称重货车不停车计费系统及方法 Download PDFInfo
- Publication number
- CN113240821B CN113240821B CN202110389474.XA CN202110389474A CN113240821B CN 113240821 B CN113240821 B CN 113240821B CN 202110389474 A CN202110389474 A CN 202110389474A CN 113240821 B CN113240821 B CN 113240821B
- Authority
- CN
- China
- Prior art keywords
- truck
- signal
- weighing
- output
- wavelet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005303 weighing Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000004927 fusion Effects 0.000 title claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 238000011478 gradient descent method Methods 0.000 claims abstract description 4
- 239000010453 quartz Substances 0.000 claims description 22
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 19
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000006698 induction Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000007935 neutral effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229910052646 quartz group Inorganic materials 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
- G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
- G01G19/035—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion using electrical weight-sensitive devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于多信息融合的动态称重货车不停车计费系统及方法。采用小波神经网络分析方法来对采集到的电信号波形进行分析，通过梯度下降法和小波神经网络对信号进行处理。此方法可以解决温度、湿度等导致的测量不准确问题，同时消除信号中的高频噪声干扰和低频信号干扰。减少对称重精度的影响，可以有效地识别货车的违规操作。还能弥补交通管理空挡，提高交通管理工作效率，保护了路桥在使用中的安全。
Description
技术领域
本发明涉及一种货车不停车计费系统。
背景技术
近年来，公路基础设施逐步完善，运输行业发展势头迅猛，但是部分企业和个人为了获取更大的经济利益，常常违反交通法规超限超载，甚至对车辆进行改装。以上行为降低了公路通行率、损坏路面、增加维修费用，严重影响公路的正常使用，对交通安全造成威胁。传统的静态公路称重系统准确性和精度都比较低，并且存在“跳磅”、“S型”等隐患。
我国主要通过设立治超检测站处理货车超限超载问题，虽然投入了大量的人力、物力和财力，但是违规车主不配合、监测系统不精确等问题导致工作难以展开，收效甚微。因此设计发明一种动态公路称重系统迫在眉睫。
发明内容
本发明提出了一种基于多信息融合的动态称重货车不停车计费系统及方法。它能实现全天24小时不间断执法，以解决人力不足的问题。同时提高了车辆信息检测的准确度以及车辆的通过率，从而节省时间。能够尽可能的解决货车行驶过程中的“跳磅”、“S型”等问题。还能弥补交通管理空挡，提高交通管理工作效率，保护了路桥在使用中的安全。而且非现场执法重证据，重事实，减少了人为因素的干扰，进一步促进了执法公正。
本发明的技术方案如下：一种基于多信息融合的动态称重货车不停车计费方法，其特征是，货车通过时，摄像头拍摄称重货车视频信息，由无线WIFI上传视频信息至服务器并在服务器随时播放；
货车通过时，首先地感线圈感应到货车，开启称重模式；然后石英称重传感器受力通过压电效应表面产生压力信号，并将此压电信号转变为电信号，作为输入信号输入到电荷放大器中进行放大，数据采集器采集放大后的电信号，输出电信号波形；通过梯度下降法和小波神经网络对电信号波形进行分析矫正，得到货车的轴重信号波形；最后单片机将矫正后的轴重波形信号采用无线传输模块，通过WIFI无线传输至服务器存储以便随时查看；服务器通过算法，得出称重货车需缴费数据，并根据最新《公路货运车辆超限超载认定标准》，判断是否超重，超出范围时直接下发命令，单片机接收下发的指令直接驱动显示设备、语音播报设备、记录设备将此信息通过显示屏显示，并通过语音播报出来。
进一步地，用小波神经网络来建立模型，将石英传感器所处环境温度、湿度等因素作为输入量一并输入，该环境温度下和该湿度环境下的输出轴重信号波形作为标准，利用小波神经网络的非线性逼近能力进行补偿，根据获取的电信号波形，对波形数据进行训练，使石英称重传感器的输出轴重信号波形与输入温度之间建立一个合理映射。
进一步地，小波神经网络矫正过程是对影响称重的高频噪声信号进行提取，然后经过低通滤波对电信号中含有的突变或尖峰信号采用小波分解进行降噪分解处理，最后对小波分解处理后的信号重组，得到处理过的轴重信号，即能消除误差。
进一步地，所述小波神经网络由输入层、隐含层、输出层构成，小波函数
为激励函数，
的具体取法视情况而定，其函数形式为
输出层的激励函数选用Sigmoid函数，函数形式为
此过程是基于误差逆传播思想，按梯度下降方向调整权值W及小波参数a、b，具体实现过程如下：
设Xk为输入量；Yi为输出向量；Wk为输入层到中间层的权值；Wij为中间层到输出层的权值；aj、bj为中间隐含层的伸缩和平移参数；di输出向量相应的期望输出，输入层、隐含层、输出层的神经元个数分别为m、n、N个，在t时刻
其中，
实际输出与期望输出的误差能量函数为
根据梯度下降思想，相应的权值参数调整过程如下
在网络的权值和阈值随机确定后，首先进行网络前向传播，然后进行误差计算以及误差逆向传播，利用以上公式反复进行权值训练，直到满足误差条件。
进一步地，输出层采用purelin函数，此函数为线性函数，对输入和输出都没有限制。
与传统动态称重系统相比较，本发明具有以下优势：
1、通过在路面布设石英传感器装置来进行数据收集，HW-WIM石英传感器通过GPIO接口连接单片机，摄像头通过IIC总线连接单片机，共同监测来往车辆。将车辆的称重信息以及各种行为上传至服务器进行记录保存，可以为相关执法部门提供依据，以便日后调用。
2、针对货车称重信息中所存在的影响因素所导致的误差，提出了一种小波神经网络分析方法来对采集到的电信号波形进行分析，通过梯度下降法和小波神经网络对信号进行处理。此方法可以解决温度、湿度等导致的测量不准确问题，同时消除信号中的高频噪声干扰和低频信号干扰。减少对称重精度的影响，可以有效地识别货车的“跳秤”“S行为”等违规操作。
3、采用STM32单片机(核心芯片为STM32F103ZET6)，将收集到的数据采用ESP8266WIFI模块上传至云服务器，此服务器可实现现场监控、数据存储、数据分析、命令下发等功能。服务器通过算法，得出需缴费数据并通过语音播报设备播报出来，且该系统还具有双重报警装置，当货车超载时，服务器界面出现文字提醒，同时自动下发报警命令给单片机驱动灯光闪烁、蜂鸣器发生报警。此方法不仅可以实现24小时不间断执法，解决了人力不足的问题，同时提高货车信息监测的准确度以及车辆的通过率，从而节省时间。
4、当货车进入收费站，本系统图像采集模块通过安装在道路两旁的摄像头将货车车牌、整车图像拍下，然后摄像头通过IIC总线连接单片机，将货车信息通过无线传输模块输送到服务器，然后对货车行驶初末位置进行监控，并存储货车行驶数据，以备日后调用。
附图说明
图1是本发明的系统结构示意图；
图2是车辆动态称重系统的硬件安装分布图；
图3是多层小波重构示意图；
图4是称重波形图；
图5是小波过滤后滤波图；
图6是温度传感器模块电路图
图7是ESP8266无线通信模块电路连接图；
图8是蜂鸣器部分电路图；
图9是晶振模块部分电路图；
图10是复位模块部分电路图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细描述。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。基于本发明的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所得到的所有其他实施方式，都属于本发明所保护的范围。
本发明提出的一种基于多信息融合的动态称重货车不停车计费系统，是将采集到的货车电信号波形进行分析矫正，对于货车计费部分，用单片机子系统，判断货车是否超重，并且计算应缴费用。
下面结合附图对本发明做进一步详细描述。
一、搭建动态称重系统，如图2所示。主要的硬件设备包括：石英称重传感器，轮轴识别器，地感线圈，电荷放大器，数据采集器，称重仪表。石英称重传感器将压力信号转换为电信号；轮轴识别器用于识别车辆的轮胎及轮轴类型；地感线圈来感应车辆信号，开启、关闭称重信号传输通道，保证单次信号传输是一辆车；电荷放大器将传感器输出的微弱电荷信号转化为放大的电压信号；数据采集器将采集的电信号进行处理，经过小波神经网络分析进而得到通过车辆的单侧轮重、轴数、各轴通过时的速度、车型等信息；由称重仪表根据既定的数学模型和智能动态称重软件计算出轮、轴载荷，并通过累加各轴载荷得到车辆总重量等信息。
本发明采用HW-WIM石英称重传感器，对于传统的传感器存在的受压灵敏度不均匀、对环境变化敏感、传感器加工粗糙、装配精度不高等问题，HW-WIM石英传感器做出了优化，通过合理布置压电石英片的安装位置；并且选择对环境变化影响较低的铝型材料，最后精加工受压平面、石英组装配平面和高精密装配来解决传统石英传感器所存在的问题。
整个称重系统的硬件布置如图2所示，其中，电荷放大器、数据采集器、称重仪表等其他硬件设备均安装在户外机柜中。
每个车道前后双排共布置4个HW-WIM石英称重传感器，中间并排布置2个轮轴识别器，用来判别车辆各个轮轴碾压的具体方向和点位以及整车行驶的轨迹；当货车驶来，先经过地感线圈检测车辆、触发系统进行称重，车辆驶上传感器时，HW-WIM称重传感器受力通过压电效应表面产生压力信号，然后将压电信号转变为电信号，以此电信号作为输入信号，输入到电荷放大器中进行放大，接着将电信号输入数据采集卡中进行数据采集，地感线圈检测车辆、触发系统并自动判别车辆收尾；对于动态称重系统，在车辆经过传感器时，过程较短，可能会存在误差，其中温度也是影响因素，且基准温度为26度；数据采集器完成称重数据的采集、处理工作。然后存储数据并同步上传给称重仪表。
二、搭建多信息融合系统。本发明为了提高精度和准确度，提出采用小波神经网络对数据采集器采集的波形信息进行小波分析，使得测量精度得以矫正。
在货车动态称重过程中，存在一些影响因素，对传感器的测量精度产生影响，如温度，湿度，称重过程中存在的各种噪声的干扰，传感器本身的非线性问题等。因此本发明采用小波神经网络对采集到的电信号波形进行分析，减小误差，使测量精度得以矫正。
在受到不同温度的影响时，称重传感器的传出信号会发生温度漂移，即存在测量精度误差。温度漂移又有零点温度漂移和灵敏度温度漂移。在检测一辆货车的重量信息时，会将模拟信号、数字信号传回系统，但由于外部环境的干扰，导致称重传感器传回来的信息中掺杂着一些干扰，而因为电荷放大器将信号放大，即把正确信号放大的同时，将掺杂的干扰信号也放大了，假如刚开始的干扰信号比较大，经过电荷放大器之后，将会使原本的正确信号变成以干扰信号为主体的信号，即返回的信号发生了变化。
在常温环境下，其零点漂移很小，可忽略不计。但当温度高于正常温度时，或者温度低于正常温度都会对传感器的压力有影响，即环境温度对传感器的灵敏度影响较大，使其零点产生温度漂移，从而影响测量精度。
三、搭建小波神经网络模型
如图3所示，小波神经网络由输入层、隐含层、输出层构成，小波函数
为激励函数，
的具体取法视情况而定，其函数形式为
输出层的激励函数选用Sigmoid函数，函数形式为
此过程是基于误差逆传播思想，按梯度下降方向调整权值W及小波参数a、b，具体实现过程如下：
设Xk为输入量；Yi为输出向量；Wk为输入层到中间层的权值；Wij为中间层到输出层的权值；aj、bj为中间隐含层的伸缩和平移参数；di输出向量相应的期望输出，输入层、隐含层、输出层的神经元个数分别为m、n、N个，在t时刻
其中，
实际输出与期望输出的误差能量函数为
根据梯度下降思想，相应的权值参数调整过程如下
在网络的权值和阈值随机确定后，首先进行网络前向传播，然后进行误差计算以及误差逆向传播，利用以上公式反复进行权值训练，直到满足误差条件。
采用小波神经网络来建立模型，将石英传感器所处环境温度、湿度等因素作为输入量一并输入，该环境温度下和该湿度环境下的输出轴重信号波形作为标准，利用小波神经网络的非线性逼近能力进行补偿，根据获取的电信号波形，对波形数据进行训练，使石英称重传感器的输出轴重信号波形与输入温度之间建立一个合理映射。输出层采用purelin函数，此函数为线性函数，对输入和输出都没有限制。
HW-WIM石英称重传感器的单轴额定载荷是30t，本发明拟采用3轴来进行实验说明，货车经过石英传感器测量的是货车的轴重，我们可以把小波神经网络矫正过程看作是一个信号滤波过程，对于货车称重，实际上是将温度、湿度等影响因素进行提取，然后经过低通滤波进行降噪处理，来处理采集到的电信号波形中含有的突变或尖峰信号。电信号波形分解如图4所示，本发明将信号分为四层，如图在第1、2、3、4层的低频部分信号为道路状况和车辆自身振动等因素引起的低频噪声，小波分解后该部分信号主要在第4层低频部分A4中，在处理时进行保留。最后对小波分解处理后的信号重组，得到处理过的轴重信号，即能消除误差。现采集一辆货车的电信号波形，然后进行小波变换算法。采用MATLAB进行小波降噪分析，经过多次仿真结果对比，进行小波滤波降噪处理得到如图5，可以看到信号波动的幅度变小。
由HW-WIM石英称重传感器和摄像头分别采集货车的电信号波形和视频信息；然后电信号波形经过小波神经网络分析，最后通过单片机发送至服务器，视频信息则直接由无线WIFI上传至服务器；随后服务器接收采集到的各种信息，将以上信息存储以便随时查看；通过自动下发原理，根据最新《公路货运车辆超限超载认定标准》，判断是否超重，超出范围时直接下发命令，单片机接收下发的指令直接驱动显示设备、语音播报设备、记录设备将此信息通过显示屏显示，并通过语音播报出来。除此之外，为了加强超限管理，本发明设有单片机声光报警和服务器警示界面。
四、搭建计费系统。货车经过动态称重系统时，HW-WIM石英传感器进行数据采集，通过GPIO接口连接单片机，摄像头拍摄视频信息，并通过IIC总线连接单片机，共同监测来往车辆。通过摄像头全方位拍摄来往车辆的车型、牌照等信息，上传至服务器平台记录存储，并对当前的图像信息做出相应的分析，实现了公路动态称重系统的在线监测和远程控制。
单片机采用STM32单片机(核心芯片为STM32F103ZET6)，传输称重参数信息和控制执行设备。单片机收集小波神经网络处理后的信息并将其传输给服务器；并接收服务器下发的命令并控制执行模块正确工作。执行模块包括显示设备、语音播报设备、记录设备，如图1所示。
单片机数据上传采用ESP8266WIFI无线传输模块，将该无线传输模块连接在单片机上，通过WIFI无线传输信息至服务器。服务器实现现场监控、数据存储、数据分析、命令下发等功能。货车通过时，摄像头拍摄的视频信息在服务器随时播放，经数据采集器采集的电信号波形通过小波神经网络进行矫正，然后服务器通过算法，得出需缴费数据并通过语音播报设备播报出来。同时，该系统还有双重报警功能，即当货车超载时，服务器界面出现文字提醒，同时自动下发报警命令给单片机驱动灯光闪烁、蜂鸣器发生报警。
如图1所示，本发明采用STM32F103ZET6作为核心芯片，电源主控模块主要包括电源电路、晶振电路、复位电路和报警模块，当货车超重，报警系统将会报警，连接电路如图8所示。温度传感器(DS18B20)模块与单片机通过GPIO口连接，连接电路如图6。DS18B20的P3引脚与单片机芯片的PG11连接用于传输数据，VCC引脚接3.3V电压，GND引脚接地实现对传感器模块的供电。
无线传输模块ESP8266采用STM32单片机的USART3驱动，其与单片机的连接电路如图7。VCC引脚和EN引脚接3.3V电压，GND引脚与IO0引脚接地，保证ESP8266正确供电；RST引脚与IO2引脚悬空，不影响整个模块的功能实现；RXD引脚接USART3的RX(PB11)引脚，TXD引脚接USART3的TX(PB10)引脚，实现无线通信功能。
执行模块与单片机的连接相对比较简单，如图1所示。货车通过时发出相应的命令，单片机接收并驱动相应设备工作。
复位模块如图10所示，复位电路是一种用来使电路恢复到起始状态的电路设备，是比较简单的大都是只有电阻和电容组合就可以办到的。单片机在运行过程中由于干扰等外界原因造成寄存器中数据混乱不能使其正常继续执行程序(称死机)或产生的结果不正确时均需要复位，以使程序重新开始运行。
Claims (3)
1.一种基于多信息融合的动态称重货车不停车计费方法，其特征是，
货车通过时，摄像头拍摄称重货车视频信息，由无线WIFI上传视频信息至服务器并在服务器随时播放；
货车通过时，首先地感线圈感应到货车，开启称重模式；然后石英称重传感器受力通过压电效应表面产生压力信号，并将此压电信号转变为电信号，作为输入信号输入到电荷放大器中进行放大，数据采集器采集放大后的电信号，输出电信号波形；通过梯度下降法和小波神经网络对电信号波形进行分析矫正，得到货车的轴重信号波形；最后单片机将矫正后的轴重波形信号采用无线传输模块，通过WIFI无线传输至服务器存储以便随时查看；服务器通过算法，得出称重货车需缴费数据，并根据最新《公路货运车辆超限超载认定标准》，判断是否超重，超出范围时直接下发命令，单片机接收下发的指令直接驱动显示设备、语音播报设备、记录设备将此信息通过显示屏显示，并通过语音播报出来；
所述小波神经网络由输入层、隐含层、输出层构成，小波函数
为激励函数，其函数形式为
输出层的激活函数选用Sigmoid函数，函数形式为
此过程是基于误差逆传播思想，按梯度下降方向调整权值W及小波参数a、b，具体实现过程如下：
设Xk为输入量；Yi为输出向量；Wk为输入层到中间层的权值；Wij为中间层到输出层的权值；aj、bj为中间隐含层的伸缩和平移参数；di输出向量相应的期望输出，输入层、隐含层、输出层的神经元个数分别为m、n、N个，在t时刻
其中，
实际输出与期望输出的误差能量函数为
根据梯度下降思想，相应的权值参数调整过程如下
在网络的权值和阈值随机确定后，首先进行网络前向传播，然后进行误差计算以及误差逆向传播，利用以上公式反复进行权值训练，直到满足误差条件；
所述输出层采用purelin函数，此函数为线性函数，对输入和输出都没有限制。
2.如权利要求1所述的基于多信息融合的动态称重货车不停车计费方法，其特征是，用小波神经网络来建立模型，将石英传感器所处环境温度、湿度等因素作为输入量一并输入，该环境温度下和该湿度环境下的输出轴重信号波形作为标准，利用小波神经网络的非线性逼近能力进行补偿，根据获取的电信号波形，对波形数据进行训练，使石英称重传感器的输出轴重信号波形与输入温度之间建立一个合理映射；所述电信号分为四层，在第一、第二、第三、第四层的低频部分信号为道路状况和车辆自身振动因素引起的低频噪声，小波分解后该部分信号在第4层低频部分中，在处理时进行保留，最后对小波分解处理后的信号重组，得到处理过的轴重信号，即能消除误差。
3.如权利要求1所述的基于多信息融合的动态称重货车不停车计费方法，其特征是，小波神经网络矫正过程是对影响称重的高频噪声信号进行提取，然后经过低通滤波对电信号中含有的突变或尖峰信号采用小波分解进行降噪分解处理，最后对小波分解处理后的信号重组，得到处理过的轴重信号，即能消除误差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110389474.XA CN113240821B (zh) | 2021-04-12 | 2021-04-12 | 基于多信息融合的动态称重货车不停车计费系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110389474.XA CN113240821B (zh) | 2021-04-12 | 2021-04-12 | 基于多信息融合的动态称重货车不停车计费系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113240821A CN113240821A (zh) | 2021-08-10 |
| CN113240821B true CN113240821B (zh) | 2022-08-26 |
Family
ID=77127910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110389474.XA Active CN113240821B (zh) | 2021-04-12 | 2021-04-12 | 基于多信息融合的动态称重货车不停车计费系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240821B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117760533A (zh) * | 2023-12-28 | 2024-03-26 | 东方世纪科技股份有限公司 | 一种基于时间序列的货车动态称重系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367319A (zh) * | 2017-02-28 | 2017-11-21 | 淮阴师范学院 | 电容称重传感器非线性补偿的小波神经网络方法 |
| CN108510737A (zh) * | 2018-04-12 | 2018-09-07 | 中南大学 | 一种融合风环境的无人驾驶车辆电源实时监控方法及装置 |
| CN109668610A (zh) * | 2019-01-11 | 2019-04-23 | 东南大学 | 基于神经网络回归的车辆动态测重方法及其采用的系统 |
| CN211181062U (zh) * | 2020-03-17 | 2020-08-04 | 北京智宸天驰科技有限公司 | 一种货车超限超载非现场执法违规行驶检测系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102168809A (zh) * | 2011-01-25 | 2011-08-31 | 黄腾飞 | 一种基于压力温度分析的机场坪航空燃油管网泄漏检测方法及系统 |
| CN109918972A (zh) * | 2017-12-13 | 2019-06-21 | 北京万集科技股份有限公司 | 一种行车重量智能监控方法及系统 |
| CN111177936B (zh) * | 2020-01-02 | 2021-03-23 | 深圳市汉德网络科技有限公司 | 一种降低车辆载重误差的方法及计算机可读存储介质 |
| CN111310389A (zh) * | 2020-03-19 | 2020-06-19 | 石家庄铁道大学 | 基于fa优化rbf的光声池温度补偿方法及系统 |
| CN112539816B (zh) * | 2020-12-03 | 2022-03-01 | 西安科技大学 | 在数字孪生环境下基于深度神经网络的动态称重矫正方法 |
-
2021
- 2021-04-12 CN CN202110389474.XA patent/CN113240821B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367319A (zh) * | 2017-02-28 | 2017-11-21 | 淮阴师范学院 | 电容称重传感器非线性补偿的小波神经网络方法 |
| CN108510737A (zh) * | 2018-04-12 | 2018-09-07 | 中南大学 | 一种融合风环境的无人驾驶车辆电源实时监控方法及装置 |
| CN109668610A (zh) * | 2019-01-11 | 2019-04-23 | 东南大学 | 基于神经网络回归的车辆动态测重方法及其采用的系统 |
| CN211181062U (zh) * | 2020-03-17 | 2020-08-04 | 北京智宸天驰科技有限公司 | 一种货车超限超载非现场执法违规行驶检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于小波神经网络的装载机动态称重系统预测建模仿真研究;肖珊等;《科技经济导刊》;20161215(第35期);7-8 * |
| 基于神经网络的汽车动态称重CCD抓拍双核系统设计;张永昊等;《自动化与仪器仪表》;20100725(第04期);60-65 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113240821A (zh) | 2021-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112539816B (zh) | 在数字孪生环境下基于深度神经网络的动态称重矫正方法 | |
| CN106017621B (zh) | 一种基于rfid汽车超载不停车检测系统及检测方法 | |
| CN205049180U (zh) | 一种公路超限检测系统 | |
| US20140190753A1 (en) | Object Evaluation Accounting for Motion-Related Dynamic Forces | |
| US20110127090A1 (en) | Weigh-In-Motion (WIM) Sensor | |
| CN112528208B (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
| CN113240821B (zh) | 基于多信息融合的动态称重货车不停车计费系统及方法 | |
| CN109839175B (zh) | 一种桥梁活载优化识别系统 | |
| CN103871249A (zh) | 一种自动监测路面车辆尾气的环保装置 | |
| CN113176304A (zh) | 一种基于神经网络气体识别的酒驾预警装置及其方法 | |
| Khalili et al. | Development of a low-power weigh-in-motion system using cylindrical piezoelectric elements | |
| Yadav et al. | Low‐cost triboelectric sensor for speed measurement and weight estimation of vehicles | |
| CN115127652A (zh) | 一种基于智能算法的高精度窄条式车辆动态称重系统及其称重方法 | |
| CN111724604A (zh) | 一种带车牌识别的高速公路不停车测速称重系统及方法 | |
| CN109696232B (zh) | 道路轴载谱检测系统的自动标定方法 | |
| JP7424945B2 (ja) | 故障検知装置、料金収受システム、故障検知方法、及びプログラム | |
| CN211181062U (zh) | 一种货车超限超载非现场执法违规行驶检测系统 | |
| CN205138614U (zh) | 一种公路车辆智能动态称重系统 | |
| US20240011904A1 (en) | System for determining a wheel-rail adhesion value for a railway vehicle | |
| CN109671181A (zh) | 一种行车记录仪、车险理赔方法及车险理赔服务系统 | |
| Yang et al. | Automatic measurement of payload for heavy vehicles using strain gages | |
| KR20040032516A (ko) | 이동식 차량정보 수집장치 및 방법 | |
| CN117854016A (zh) | 基于高速公路的异常车辆检测方法及装置 | |
| CN116884210A (zh) | 动态车辆检测方法及系统 | |
| CN203910024U (zh) | 一种自动监测路面车辆尾气的环保装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230331 Address after: 710000, 20th floor, Block 4-A, Xixian Financial Lane, Fengdong New City Energy Jinmao District, Xixian New District, Xi'an City, Shaanxi Province Patentee after: Shaanxi Wisdom Luheng Electronic Technology Co.,Ltd. Address before: 710054 No. 58, middle section, Yanta Road, Shaanxi, Xi'an Patentee before: XI'AN University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right |