CN115540987A - 基于载荷传感器的动态车辆超载检测方法及控制装置 - Google Patents

Abstract

本发明公开了基于载荷传感器的动态车辆超载检测方法及控制装置，涉及车辆称重技术领域，包括传感器模块、数据分析模块、数据补偿模块、模型优化模块以及优化分析模块；传感器模块用于实时测量车辆每个车轴所受的载荷，即重量数据；数据分析模块用于对重量数据进行处理，利用加权融合算法对多个载荷传感器的数据进行融合，获得车辆的测量总重信息；数据补偿模块用于获取车辆的行驶参数值代入至重量补偿模型M对测量总重信息进行补偿，提高测量精度；模型优化模块用于将补偿总重信息与目标总重信息进行比对，对比对结果进行评价；优化分析模块用于根据评价结果对载荷传感器进行修正系数分析，判断对应载荷传感器是否需要检修，以提高测量精度。

Description

基于载荷传感器的动态车辆超载检测方法及控制装置

技术领域

本发明涉及车辆称重技术领域，具体是基于载荷传感器的动态车辆超载检测方法及控制装置。

背景技术

针对车辆载重检测技术，现有技术中均是通过在高速路口收费站和部分高速入口设置称重设备，监管高速道路上货车的载重情况，以维护高速路面并减小大型货车的事故风险。随着公路运输业的快速发展，车辆动态称重技术已成为车辆载荷测量的关键技术和发展方向。

车辆动态称重就是在车辆不停止或不减速的前提下，对其进行称重。与传统的静态称重测量方法相比，车辆动态称重不仅具有速度快、效率高、对公路吞吐能力影响较小的特点，还可以在获取车辆总重的同时，得到车轴数、轴重、车速等相关信息；然而，车辆在不同行驶条件下，会导致测量结果受行驶状态影响产生较大的误差，为此，本发明提出基于载荷传感器的动态车辆超载检测方法及控制装置。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于载荷传感器的动态车辆超载检测方法及控制装置。

为实现上述目的，根据本发明的第一方面的实施例提出基于载荷传感器的动态车辆超载检测控制装置，包括行驶监测模块、传感器模块、数据分析模块、数据补偿模块、控制器、模型优化模块以及优化分析模块；

所述行驶监测模块包括安装于车身的GPS定位单元以及加速度传感器，用于实时采集车辆的行驶参数值；所述行驶参数值包括行驶速度以及各个方向的加速度变化率；所述传感器模块包括多个载荷传感器，用于实时测量车辆每个车轴所受的载荷，即重量数据；

所述数据分析模块用于对重量数据进行处理，利用加权融合算法对多个载荷传感器的数据进行融合，获得车辆的测量总重信息；

所述数据补偿模块与数据分析模块相连接，用于获取车辆的行驶参数值代入至重量补偿模型M对测量总重信息进行补偿，得到补偿总重信息；所述控制器用于将补偿总重信息与预设总重阈值相比较，当车辆超载时，生成预警信号至报警模块，并将补偿总重信息传输至显示模块实时显示；

模型优化模块用于获取补偿总重信息，将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；所述优化分析模块与模型优化模块相连接，用于根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修。

进一步地，所述优化分析模块的具体分析步骤为：

将补偿总重信息与目标总重信息进行比对，得到测量误差；若测量误差处于允许范围内，则生成合格信号；否则，生成不合格信号；

当监测到不合格信号时，自动倒计数，倒计数为D1，D1为预设值；在倒计数阶段继续对不合格信号进行监测，若监测到新的不合格信号，则倒计数自动归为原值，重新按照D1进行倒计数，否则，倒计数归零，停止计数；

统计倒计数阶段不合格信号的出现次数为P2，统计倒计数阶段的长度为L1；利用公式XZ＝(P2×a3)/(L1×a4)计算得到对应载荷传感器的修正系数XZ，其中a3、a4、a5为系数因子，u为补偿因子；

将修正系数XZ与修正阈值相比较，若XZ≥修正阈值，则判定对应载荷传感器的测量误差较大，需要修正，生成修正信号；所述优化分析模块用于将修正信号传输至控制器，以提醒管理人员对载荷传感器进行修正。

进一步地，所述数据分析模块的具体分析步骤为：

利用加权融合算法对多个载荷传感器的数据进行融合，得到权重系数；

通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息。

进一步地，所述行驶监测模块的具体工作步骤为：

通过GPS定位单元获取车辆的GPS定位数据以及其对应的时间戳；根据所述GPS定位数据以及其对应的时间戳计算车辆的行驶速度；

根据所述行驶速度以及预设的加速度传感器分别确定车辆前进方向、车辆横向以及重力方向上的加速度变化率。

进一步地，该系统还包括信息记录模块，所述信息记录模块用于记录载荷传感器的测量记录并将测量记录传输到模型创建模块；所述测量记录包括测量时的各项行驶参数值、测量总重信息以及目标总重信息；所述目标总重信息为车辆处于静止状态时获取的称量结果。

进一步地，所述模型创建模块用于接收载荷传感器的测量记录，并构建测量训练样本，训练得到重量补偿模型M；具体步骤为：

建立误差逆向传播神经网络模型；误差逆向传播神经网络模型至少包括一层隐含层；将测量训练样本按照设定比例划分为训练集、测试集和校验集；

通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验，将完成训练的误差逆向传播神经网络标记为重量补偿模型M。

进一步地，基于载荷传感器的动态车辆超载检测方法，包括如下步骤：

步骤一：通过传感器模块实时测量车辆每个车轴所受的载荷，即重量数据；通过数据分析模块对重量数据进行处理，通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息；

步骤二：通过行驶监测模块采集测量时车辆的行驶参数，代入至重量补偿模型M，对测量总重信息进行补偿，得到补偿总重信息；

步骤三：将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；

步骤四：根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修。

与现有技术相比，本发明的有益效果是：

1、本发明中数据分析模块用于对重量数据进行处理，利用加权融合算法对多个载荷传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息；数据补偿模块将车辆的行驶参数值代入重量补偿模型M对测量总重信息进行补偿；提高测量精度；

2、本发明中模型优化模块用于获取补偿总重信息，将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；优化分析模块用于根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修；以提高测量精度。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明基于载荷传感器的动态车辆超载检测控制装置的系统框图。

图2为本发明基于载荷传感器的动态车辆超载检测方法的原理框图。

具体实施方式

下面将结合实施例对本发明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。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

如图1至图2所示，基于载荷传感器的动态车辆超载检测控制装置，包括行驶监测模块、传感器模块、数据采集模块、数据分析模块、数据补偿模块、控制器、显示模块、报警模块、信息记录模块、模型创建模块、模型优化模块以及优化分析模块；

行驶监测模块包括安装于车身的GPS定位单元以及加速度传感器，用于实时采集车辆的行驶参数值；行驶参数值包括行驶速度以及各个方向的加速度变化率；具体采集步骤为：

通过GPS定位单元获取车辆的GPS定位数据以及其对应的时间戳；根据GPS定位数据以及其对应的时间戳计算车辆的行驶速度；

根据行驶速度以及预设的加速度传感器分别确定车辆前进方向、车辆横向以及重力方向上的加速度变化率；

传感器模块包括多个设置在车轴的载荷传感器，用于实时测量车辆每个车轴所受的载荷，即重量数据；

数据采集模块用于采集全部载荷传感器的重量数据，并将重量数据发送给数据分析模块；数据分析模块用于对重量数据进行处理，利用加权融合算法对多个载荷传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息；

数据补偿模块与数据分析模块相连接，用于根据重量补偿模型M对测量总重信息进行补偿；具体为：

获取数据分析模块分析得到的车辆的测量总重信息；利用行驶监测模块采集测量时车辆的行驶参数；将测量时的各项行驶参数值输入至重量补偿模型M，得到重量补偿系数；

根据重量补偿系数对测量总重信息进行补偿，得到补偿总重信息；数据补偿模块用于将补偿总重信息传输至控制器；控制器用于将补偿总重信息与预设总重阈值相比较，当车辆超载时，生成预警信号至报警模块，并将补偿总重信息传输至显示模块实时显示；报警模块接收到预警信号后发出警报；

其中，信息记录模块与数据分析模块相连接，用于记录载荷传感器的测量记录并将测量记录传输到模型创建模块；测量记录包括测量时的各项行驶参数值、测量总重信息以及目标总重信息；目标总重信息为车辆处于静止状态时获取的相对准确的称量结果；

模型创建模块用于接收载荷传感器的测量记录，并构建测量训练样本，训练基于机器学习方法，得到重量补偿模型M；具体步骤为：

建立误差逆向传播神经网络模型；误差逆向传播神经网络模型至少包括一层隐含层；

将测量训练样本按照设定比例划分为训练集、测试集和校验集；

通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验，将完成训练的误差逆向传播神经网络标记为重量补偿模型M；

在本实施例中，该系统还包括模型优化模块，模型优化模块用于获取补偿总重信息，将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；

该系统还包括优化分析模块，优化分析模块与模型优化模块相连接，用于根据评价结果判断对应载荷传感器是否需要检修；具体步骤为：

将补偿总重信息与目标总重信息进行比对，得到测量误差；若测量误差处于允许范围内，则生成合格信号；否则，生成不合格信号；

当监测到不合格信号时，自动倒计数，倒计数为D1，D1为预设值；例如D1取值10；在倒计数阶段继续对不合格信号进行监测，若监测到新的不合格信号，则倒计数自动归为原值，重新按照D1进行倒计数，否则，倒计数归零，停止计数；

统计倒计数阶段不合格信号的出现次数为P2，统计倒计数阶段的长度为L1；利用公式XZ＝(P2×a3)/(L1×a4)计算得到对应载荷传感器的修正系数XZ，其中a3、a4、a5为系数因子，u为补偿因子；

将修正系数XZ与修正阈值相比较，若XZ≥修正阈值，则判定对应载荷传感器的测量误差较大，需要修正，生成修正信号；

优化分析模块用于将修正信号传输至控制器，以提醒管理人员对载荷传感器进行修正，以提高测量精度；

基于载荷传感器的动态车辆超载检测方法，包括如下步骤：

步骤一：通过传感器模块实时测量车辆每个车轴所受的载荷，即重量数据；通过数据分析模块对重量数据进行处理，通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息；

步骤二：通过行驶监测模块采集测量时车辆的行驶参数，代入至重量补偿模型M，对测量总重信息进行补偿，得到补偿总重信息；

步骤三：将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；

步骤四：根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

基于载荷传感器的动态车辆超载检测方法及控制装置，在工作时，行驶监测模块用于实时采集车辆的行驶参数值；传感器模块用于实时测量车辆每个车轴所受的载荷，即重量数据；数据分析模块用于对重量数据进行处理，利用加权融合算法对多个载荷传感器的数据进行融合，得到权重系数；通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息；数据补偿模块将车辆的行驶参数值代入重量补偿模型M对测量总重信息进行补偿；提高测量精度；

信息记录模块用于记录载荷传感器的测量记录传输到模型创建模块；模型创建模块用于接收载荷传感器的测量记录，并构建测量训练样本，训练基于机器学习方法，得到重量补偿模型M；模型优化模块用于获取补偿总重信息，将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；优化分析模块用于根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修；以提高测量精度。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于载荷传感器的动态车辆超载检测控制装置，其特征在于，包括行驶监测模块、传感器模块、数据分析模块、数据补偿模块、控制器、模型优化模块以及优化分析模块；

所述行驶监测模块包括安装于车身的GPS定位单元以及加速度传感器，用于实时采集车辆的行驶参数值；所述行驶参数值包括行驶速度以及各个方向的加速度变化率；所述传感器模块包括多个载荷传感器，用于实时测量车辆每个车轴所受的载荷，即重量数据；

所述数据分析模块用于对重量数据进行处理，利用加权融合算法对多个载荷传感器的数据进行融合，获得车辆的测量总重信息；

所述数据补偿模块与数据分析模块相连接，用于获取车辆的行驶参数值代入至重量补偿模型M对测量总重信息进行补偿，得到补偿总重信息；所述控制器用于将补偿总重信息与预设总重阈值相比较，当车辆超载时，生成预警信号至报警模块，并将补偿总重信息传输至显示模块实时显示；

所述模型优化模块用于获取补偿总重信息，将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；所述优化分析模块与模型优化模块相连接，用于根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修。

2.根据权利要求1所述的基于载荷传感器的动态车辆超载检测控制装置，其特征在于，所述优化分析模块的具体分析步骤为：

将补偿总重信息与目标总重信息进行比对，得到测量误差；若测量误差处于允许范围内，则生成合格信号；否则，生成不合格信号；

当监测到不合格信号时，自动倒计数，倒计数为D1，D1为预设值；在倒计数阶段继续对不合格信号进行监测，若监测到新的不合格信号，则倒计数自动归为原值，重新按照D1进行倒计数，否则，倒计数归零，停止计数；

统计倒计数阶段不合格信号的出现次数为P2，统计倒计数阶段的长度为L1；利用公式XZ＝(P2×a3)/(L1×a4)计算得到对应载荷传感器的修正系数XZ，其中a3、a4、a5为系数因子，u为补偿因子；

将修正系数XZ与修正阈值相比较，若XZ≥修正阈值，则判定对应载荷传感器的测量误差较大，需要修正，生成修正信号；所述优化分析模块用于将修正信号传输至控制器，以提醒管理人员对载荷传感器进行修正。

3.根据权利要求1所述的基于载荷传感器的动态车辆超载检测控制装置，其特征在于，所述数据分析模块的具体分析步骤为：

利用加权融合算法对多个载荷传感器的数据进行融合，得到权重系数；

通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息。

4.根据权利要求1所述的基于载荷传感器的动态车辆超载检测控制装置，其特征在于，所述行驶监测模块的具体工作步骤为：

通过GPS定位单元获取车辆的GPS定位数据以及其对应的时间戳；根据所述GPS定位数据以及其对应的时间戳计算车辆的行驶速度；

根据所述行驶速度以及预设的加速度传感器分别确定车辆前进方向、车辆横向以及重力方向上的加速度变化率。

5.根据权利要求3所述的基于载荷传感器的动态车辆超载检测控制装置，其特征在于，还包括信息记录模块，所述信息记录模块用于记录载荷传感器的测量记录并将测量记录传输到模型创建模块；所述测量记录包括测量时的各项行驶参数值、测量总重信息以及目标总重信息；所述目标总重信息为车辆处于静止状态时获取的称量结果。

6.根据权利要求5所述的基于载荷传感器的动态车辆超载检测控制装置，其特征在于，所述模型创建模块用于接收载荷传感器的测量记录，并构建测量训练样本，训练得到重量补偿模型M；具体步骤为：

建立误差逆向传播神经网络模型；误差逆向传播神经网络模型至少包括一层隐含层；将测量训练样本按照设定比例划分为训练集、测试集和校验集；

通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验，将完成训练的误差逆向传播神经网络标记为重量补偿模型M。

7.基于载荷传感器的动态车辆超载检测方法，应用于如权利要求1-6任一所述的基于载荷传感器的动态车辆超载检测控制装置，其特征在于，包括如下步骤：

步骤一：通过传感器模块实时测量车辆每个车轴所受的载荷，即重量数据；通过数据分析模块对重量数据进行处理，通过判断车辆各个车轴的位置，再将相应的传感器数值乘以权重系数进行相加，获得车辆的测量总重信息；

步骤二：通过行驶监测模块采集测量时车辆的行驶参数，代入至重量补偿模型M，对测量总重信息进行补偿，得到补偿总重信息；

步骤三：将补偿总重信息与目标总重信息进行比对，对比对结果进行评价，然后根据评价结果对重量补偿模型M进行实时反馈优化；

步骤四：根据评价结果对载荷传感器进行修正系数XZ分析，判断对应载荷传感器是否需要检修。

Images