釆样点选择对动态地磅称量精度的影响

为了提高动态称重的精度，提出一种选取有效采样点减小误差的方式该方式选用有限冲击响应 数字滤波的方法设计数字滤波器，并利用Matlab软件进行了仿真经过滤波后的采样信号，将重量信号大 于3 Hz以上的全部滤去，消除了汽车经过秤台时的各种干扰信号；保留有用的汽车轴重信号，准确提取出 有效数据称量段；再采用3a准则去除粗大误差，对去除粗大误差后的数据求和，然后取平均值作为经过秤 台的汽车轴重测量值对实验结果的分析表明：通过选取有效采样点，可使动态地磅在50%载荷时的称 量精度提高到1%以内.

0.引言

目前，公路超载检测和计重收费系统中广泛应用的动态地磅的称量精度一般在5%左右，其算法 大多是采用数字滤波并去掉AD采样数据前段和后段的部分采样点，对其余采样点求取算术平均值的方 法由于过车的情况不一样，汽车动态称重信号中混入了由于路面不平和车辆振动等因素引起的干扰信 号例如，加速或者减速过车、车辆颠簸等情况都会使得车轴AD的采样波形发生较大变化，所以采用 这种算法就使得计算结果精度较低因此，在外界随机不确定度干扰因素的作用下如何准确测量真实轴重信号，就成了汽车动态称重系统的技术难点和关键.

1.采样信号分析

理想情况下，汽车经过秤台的波形为梯形波，上升和下降沿分别是汽车轮胎上下秤台的过程对不 同的车速，梯形波的上升沿和下降沿的长度和角度不相同.实际测得的汽车过秤信号如图1和图2中 曲线所示在重量信号中，除了混有汽车自身的振动引起的干扰外，还有秤台的振动以及路面平整程度、 外界工频信号等干扰因素的影响.

由图1和图2可以看出，相同重量时，车辆以不同的速度通过，轮轴重量的波形不同，达到最高点 的时刻也不相同如果在算法中采用简单地去掉前边和后边的部分采样点的办法，会使得有效数据被舍 去，即只取得了一部分有效数据，这就使得在AD采样速率低的情况下不能得到车辆重量的真实值，或 者使得车辆在上下秤台时过渡段的数据被当作有效数据参与运算，在取样和运算中造成较大误差所 以，根据波形确定有效数据段是一种更加合理可靠的方法，采用此法能进一步提高称量精度.

2.信号处理

在实际测试中发现.汽车的重量信号为小于3 Hz的信号.大于3 Hz的信号一般是由于外界的干扰 因素造成的.例如汽车发动机震动、秤台的抖动或者道路不平等，所以选用FIR的Kaiser窗方 法将重量信号大于3 Hz以上的全部滤去，保留 有用的汽车轴重信号处理过程如图3所示。

Kaiser窗是一种适应性较强的窗函数，具有较陡的过渡带，它是一种近似最佳的窗函数,其表达式为

第一步，对采样信号进行数字滤波m以图1所示波形为例对其AD值进行滤波选用的Kaiser窗阶数为16阶，计算得到/3值为5 653.这样选取的Kaiser窗，对于给定阻带衰减，提供了最大主瓣宽度,从而具有最陡的过渡带，有利于提取有效采样点MATLAB仿真结果⑻如图4所示。

第二步，选取有效数据段有效数据段的起始点为AD采样数值达到第一个最大值的时刻，有效数据结束点为AD采样数据从最后一个采样值往前比较，达到第一个最大值的时刻，在起始点和结束点之间的数据即为算法中要用的有效数据。

第三步，对滤波后的数据按照3P准则去除粗大误差?.这样可以消除由于外界干扰所造成的个别采样值的粗大误差对整个测量结果的影响.使计算结果最大限度地逼近车轴的真实重量

设对被测量进行等精度测量.得到独立的测量 55GG

值X 1, X 2,…,Xn,其算术平均值为

第四步，对去除粗大误差后的数据求和，然后取平均值作为经过称台的汽车轴重测量值

3.实验结果

上述方法经实验测试效果很好，实验用两轴载重货车(加载砝码)，在额定轴载荷为30t的动态地磅上进行测试在静态情况下称得汽车前轴重量是5 193 kg,后轴重量是14 175 kg测试车分别以快 速、慢速及变速等多种形式通过秤台，实验测得部分数据及处理运算结果如表1所示。

式中：M1为动态轴重重量；M2为静态轴重重量；S为测量误差

4.结论

相比单纯地使用数字滤波的方法，选取有效采样点进行动态数据处理的方法将动态地磅在50% 载荷的称量精度得到了提高此方法不需要大量的采样数据，即使AD采集到的周期信号不完整，也能 有效地将测得的轴重量误差控制在1%以内在对滤波后的数据进行处理时，按照3&准则去除粗大误 差，消除了由于外界干扰所造成的个别采样值的粗大误差对整个测量结果的影响，求取有效数据和的平 均值，使计算结果最大限度地逼近车轴的真实重量。