车辆超限超载运输对交通安全、运输市场秩序造成了极大危害。车辆动态称重技术是目前治理车辆超载超限的最有效的手段。智能算法在信号处理方面具有鲁棒性强,容错性好等优势,能够较好的处理信号中的强噪声干扰、非线性等问题。因此,采用智能算法研究车辆动态称重系统具有较强的应用价值。 车辆动态称重系统主要由硬件部分和软件信号处理部分组成,本文针对动态称重系统的软件信号处理部分进行研究,主要研究工作和创新包括以下几个方面: 1)动态称重信号的预处理。通过分析动态称重信号的干扰组成,采用两步预处理的方法:第一步采用小波变换方法,滤除高频率段的干扰噪声,并对去噪后的信号进行小波重构;第二步采用遗传算法拟合出信号中频率很低,且与有用信号混杂在一起的动态载荷信号,并予以消除。同时,针对实际动态称重信号的信号特征,提出了基于遗传算法的动态载荷分段拟合方法,进一步提高了拟合的精确程度。 2)车辆动态称重系统模型研究。首先介绍了动态称重系统的ARX机理模型,并对其进行了仿真研究;然后,针对机理模型应用范围小的缺点,引进广泛应用于电力系统的系统辨识工具Prony算法,推导出针对动态称重问题的非机理模型辨识方法,仿真结果表明该方法满足一定的精度要求。最后对两种建模方法进行了比较。 3)对高速称重情况下出现的小重量车辆测量结果偏大的情况,提出了按照称重速度和称重信号建立高速、中速、低速分段模型的思想。针对高速段存在的随机共振问题,采用神经网络建模方法来模拟高速段的非线性特征;中速段和低速段则采用常规的ARX模型加简单修正的策略。最后,对两个交接段处的称重结果采用模糊理论进行修正。