学位论文 > 优秀研究生学位论文题录展示

应变式汽车轴重动态测量系统性能增长研究

作　者: 周志峰
导　师: 蔡萍
学　校: 上海交通大学
专　业: 测试计量技术与仪器
关键词: 动态称重动态载荷动态校正模态分解非线性拟合神经网络
分类号: TH715.1
类　型: 博士论文
年　份: 2007年
下　载: 263次
引　用: 4次
阅　读: 论文下载

内容摘要

车辆超载是造成道路损坏的重要原因。随着国民经济的快速发展,我国总的公路里程数已位居世界前列,超载现象已成为交通运输中日益突出的问题,国家每年因超载产生的额外道路维修保养费用高达几百亿元,超载造成的车毁人亡和桥梁倒塌等恶性事故时有发生,造成了生命和财产的重大损失。快速、准确地测量车辆轴重和总重等交通数据对于公路的执法、运营、管理等方面具有重要意义。目前国内超载检测中广泛使用的应变式汽车轴重秤普遍存在车辆过秤速度慢、检测效率过低的问题,主要原因是所采用的信号处理方法无法有效去除汽车动态称重信号中的动态载荷。因此针对应变式汽车轴重秤的信号特点开展动态称重信号处理研究,提高称重效率和精度具有重要的理论意义和工程应用价值。本文以上海市科技攻关项目(NO.035115003)为依托,对应变式汽车轴重秤的动态称重信号处理方法进行了深入研究,旨在保证称重精度满足计量要求的同时明显提高称重效率,改善现有应变式轴重秤限速过低的现状。论文深入分析了动态称重信号的构成,构建了动态称重实验平台,提出了基于动态载荷分离的轴重信号处理方法,着重解决动态载荷对称重精度影响的问题,采用经验模态分解和非线性拟合等方法明显提高了车辆通过速度,为动态称重信号的处理提供了新思路和新方法。本文具体研究工作分为以下几个方面:1.在充分了解汽车动态称重国内外研究现状的基础上,对目前国内外主要动态称重方式的特点进行了分析和比较;讨论和分析了应变式轴重秤中应用的主要数据处理方法以及这些方法存在的问题;指出了动态载荷是影响动态称重效率和精度的关键因素。2.动态载荷分析研究。以1/4车辆模型和道路不平整度模型为基础进行车-路动力学分析,研究路面平整度、车速、载重、悬架系统等因素对动态载荷的影响,揭示动态载荷的性质、特点以及对动态称重精度的影响。3.动态称重系统的设计。在比较各种称重传感器和秤台结构形式的基础上,设计了压缩圆板式称重传感器和框式箱式组合秤台,对传感器弹性体进行了有限元分析,为应变片粘贴位置的选择提供了依据;编制了相应的软件程序进行称重系统控制和信号采集。4.汽车秤动态校正研究。依据两自由度动态称重模型,设计了长秤台汽车秤的自适应动态校正算法,缩短了称重信号到达平稳状态的时间,进行了实际动态校正实验,结果表明可以有效缩短信号到达平稳状态的时间。5.基于经验模态分解的称重信号处理。在介绍经验模态分解概念和步骤的基础上,指出了模态分解中存在的端点效应和虚假模态问题,并分析了它们对称重精度的影响,给出了AR模型端点延拓法和相关系数法来分别处理端点效应和虚假模态,对实际轴重信号进行模态分解,在车速不高于20km/h时,最大轴重误差为7.38%。6.基于非线性拟合的称重信号处理。根据轴重信号的参数方程和实际采样信号,建立目标方程;在分析、比较各种优化方法特点的基础上,选择Levenberg-Marquardt方法进行参数估计;根据轴重信号特点,选择MUSIC频谱分析方法进行信号频率估计,减少待估计参数的个数;根据估计的参数重建轴重信号,分离实际信号中的动态载荷,在车速不高于15km/h时,最大轴重误差为5.24%。7.将BP和RBF网络用于较高速称重时轴重信号的辨识。分析了网络结构、网络参数以及网络输入参数对轴重估计的影响,通过提取采样信号特征量,建立特征量和轴重的映射关系;通过实验对比了两种网络结构和网络输入参数对轴重估计的影响,结果表明:在网络输入中增加轴距参数可以提高轴重估计精度;RBF网络估计的实时性能优于BP网络。论文最后对所做工作和实验结果进行了总结,指出下一步的研究方向。

全文目录

摘要  5-7
ABSTRACT  7-13
第一章绪论  13-32
  1.1 课题意义和目的  13-14
  1.2 国内外研究现状  14-22
    1.2.1 国外研究现状  14-20
    1.2.2 国内研究现状  20-21
    1.2.3 存在的主要问题  21-22
  1.3 现有数据处理方法及其存在问题  22-25
  1.4 论文研究内容  25-27
  参考文献  27-32
第二章动态载荷分析研究  32-52
  2.1 引言  32
  2.2 动态载荷的分类  32-33
  2.3 车辆模型  33-36
  2.4 道路不平整度的模拟  36-40
  2.5 动态载荷的时域仿真  40-41
  2.6 动态载荷的频域模拟  41-46
  2.7 实际信号分析  46-48
  2.8 本章小结  48-50
  参考文献  50-52
第三章称重系统设计  52-69
  3.1 引言  52
  3.2 称重传感器设计  52-59
  3.3 秤台结构设计  59-62
  3.4 称重系统软件设计  62-64
  3.5 本章小结  64-65
  3.6 部分采样信号  65-68
  参考文献  68-69
第四章称重信号动态校正  69-77
  4.1 引言  69
  4.2 汽车动态称重模型  69-70
  4.3 称重模型动态校正  70-71
  4.4 自适应动态校正  71-74
  4.5 动态校正的实验研究  74-75
  4.6 本章小结  75-76
  参考文献  76-77
第五章基于经验模态分解的称重信号处理  77-97
  5.1 引言  77
  5.2 经验模态分解  77-79
  5.3 端点效应及其对动态称重的影响  79-85
    5.3.1 端点效应起因  79
    5.3.2 端点效应对动态称重的影响  79-80
    5.3.3 端点效应的抑制  80-85
  5.4 虚假模态及其对动态称重的影响  85-89
    5.4.1 虚假模态原因分析  85-86
    5.4.2 虚假模态对动态称重的影响  86-87
    5.4.3 虚假模态的判别  87-89
  5.5 经验模态分解在汽车动态称重中的应用  89-94
    5.5.1 仿真信号实验  89
    5.5.2 实际信号实验  89-94
  5.6 本章小结  94-95
  参考文献  95-97
第六章基于非线性拟合的称重信号处理  97-116
  6.1 引言  97
  6.2 参数方程  97-98
  6.3 参数优化方法分析  98-105
  6.4 轴重信号的频率估计  105-108
  6.5 仿真试验  108-109
  6.6 实际信号试验  109-113
  6.7 本章小结  113-115
  参考文献  115-116
第七章基于神经网络的称重信号处理  116-135
  7.1 引言  116
  7.2 BP 网络在轴重信号处理中的应用  116-124
    7.2.1 BP 网络原理  116-118
    7.2.2 网络参数的选择  118-121
    7.2.3 BP 网络轴重估计实验  121-124
  7.3 径向基神经网络在轴重信号处理中的应用  124-129
    7.3.1 径向基神经网络  124-126
    7.3.2 径向基网络学习算法  126-128
    7.3.3 径向基网络对称重数据的处理  128-129
  7.4 BP 和RBF 网络的比较  129-130
  7.5 神经网络在轴重信号处理中存在的一些问题  130-132
  7.6 神经网络应用方案的改进  132-133
  7.7 本章小结  133-134
  参考文献  134-135
第八章总结和展望  135-138
  8.1 论文的主要工作和创新点  135-136
  8.2 下一步工作展望  136-138
致谢  138-139
攻读博士学位期间发表和录用的学术论文  139

应变式汽车轴重动态测量系统性能增长研究

内容摘要

全文目录

相似论文