1 引言
    近年來，隨著我國社會經濟和公路建設的飛速發展，公路貨運車輛超限超載運輸問題也日漸突出。公路貨運超限超載不僅損壞公路路產、擾亂運輸市場，還對交通安全造成了極大的威脅，已成為危害公路交通可持續發展的“痼疾”。為了突出源頭治理、強化執法力度、完善監控網絡、建立長效機製，交通部決定開展全國治超站點規範化建設，分級分類組織建設全國公路超限超載檢測站點和治超信息係統，逐步建立健全全國治超監控網絡。
    作為超限治理的核心設備———動態汽車衡精度的高低直接決定了超限治理低速精檢和複檢係統的可靠性。
    動態汽車衡稱重即在非停車運動狀態下的稱重，與停車狀態下的靜態稱重相比，其主要特點是節省時間、效率高，使得稱重時不至於造成對正常交通的幹擾。這對公路建設與管理有著極為重要的意義，同時對車輛運輸現代化管理也有較大的促進作用。
    目前在我國公路超限治理行業主要使用3 種形式的汽車衡用於稱量車輛的載荷———便攜式軸重衡、稱台式動態軸重衡和靜態汽車衡。其中靜態汽車衡使用時要求在汽車完全靜止狀態下進行計重，優點是精度較高，但由於需要汽車靜止狀態下計重效率低，往往會造成塞車而不得不將部分超限車輛放過。而且采用此方法進行超限治理初期建設成本遠大於動態軸重衡。同時，由於靜態汽車衡無法提供軸重信息，不適於在此應用環境下使用。
    便攜式軸重衡一般用於交警的移動治超，在此不作詳細討論。稱台式動態軸重衡是目前較為流行的動態汽車衡稱重係統，該係統可分別測出車輛各軸軸重，再由測試係統計算出整車重量。當汽車以一定的速度通過稱重台麵時，不僅輪胎對台麵的作用時間很短(在幾百毫秒以內)，而且作用在台麵上的力除真實軸重外，還有許多因素產生的幹擾力，如車速、車輛自身諧振、路麵激勵、輪胎驅動等，這給動態汽車衡稱重係統實現高精度測量造成很大困難。因此，在外界隨機不確定的幹擾力作用下，如何準確測出真實軸重，就成為動態汽車衡稱重係統的技術難點和關鍵。本文針對這些問題，從軟算法方麵來提高動態軸重衡的計量精度，滿足日益增長的公路超限治理對計量精度的要求。
    2 體係結構
    動態軸重衡稱重係統由上位工控機、嵌入式稱重儀表、接線盒、稱重傳感器及機械稱重台麵組成。當汽車按照一定的速度通過稱重台麵時，安裝在台麵上的稱重傳感器將壓力信號轉換為微弱電信號經接線盒傳遞給嵌入式稱重儀表，由稱重儀表完成電信號的放大、濾波、模數轉換，以及實時數據處理，同時將處理過的數據傳給上位工控機，由上位工控機最終完成數據查詢、報表打印及實時監控等工作。
    其中嵌入式稱重儀表采用24 位精度CS5532作為外接的A/D 轉換器，該器件是Cirrus Logic 公司推出的一種具有極低噪音的多通道型模擬/ 數字轉換器，支持SPI 總線接口，由於其采用電荷平衡技術和極低噪聲的可編程增益斬波穩定測量放大和濾波功能，可得到高達24位分辨率的輸出結果，轉換速率最高可達3200Hz，完全滿足動態稱重的需要。嵌入式處理器采用NXP 公司工業級ARM7 CPU LPC2365 進行數據采集、濾波和通信。結構如圖1 所示。
    動態軸重衡稱重係統稱重過程是一個強實時過程，需要CPU 及時采集汽車每個軸經過秤台過程的數據並快速分析有效數據，從而計算其重量。如果CPU 速度過慢或者程序邏輯結構設計不合理，必然會導致儀表在穩定性和可靠性上存在隱患。當前很多智能儀表的軟件采用前後台係統設計，整個應用程序是一個無限循環，後台程序循環調用相應的函數完成相應的操作，中斷服務程序作為前台處理異步事件。這種編程結構難以對時間進行合理、有效的利用，相當一部分時間浪費在了空轉的程序中，而且對時間要求苛刻的事件難以實現快捷有效的處理，因此即便采用了較高主頻的CPU 也難以完全將其高主頻的優勢完全發揮出來。植入嵌入式操作係統能夠很好的解決以上的問題。綜合考慮係統開發周期、成本等因素，我們在程序的編寫中采用了嵌入式μC/OS- II 操作係統。μC/OS- II 是專門為計算機的嵌入式應用設計的嵌入式操作係統，具有執行效率高、占用空間小、實時性能優良和可擴展性強等特點。
    3 軟件體係設計
    計重作為係統的核心功能，采集和分析AD 模塊負責各個設備的數據采集和最後的分析，進一步得出車輛的具體信息。通信接口負責上位主機和控製儀表之間的通信。零點跟蹤把實時零點數據匯報給其他任務。係統在後期會有很多的改進和升級，所以在係統中要為升級做好準備。根據以上分析，可把係統劃分為以下幾個任務：采集和分析
● 采集和分析
● 車輛分離與計重
● 胎型識別
● 零點跟蹤
● 與上位機的通訊
● 係統開關量
● 顯示控製
● 係統升級
● 異常處理
    任務采用事件驅動，事件的發生引起LPC2365 的中斷，程序在中斷中發送信號量，信號量的發送使任務脫離等待任務的狀態進入就緒態運行。
    采集和分析子任務處理結果的準確與否直接決定了計重係統計量精度，下麵就此展開詳細分析。為了提高技術指標，除了硬件設備的保障外，關鍵是采用良好的軟件數據處理方法來實現準確的稱重。圖2 是一輛兩軸汽車通過秤台時的波形圖。設m(t)是反映汽車某軸軸重的一個真實信號，n(t)是伴隨此真實信號的噪聲，故測得稱重信號x(t)可表示為：
    式(3)中，噪聲分量αi 是由兩部分因素組成：（1） 行進中的汽車自身處於一種低頻振動，其頻率與載重有關，約為5～10Hz；（2） 稱重台麵的機械部分由於汽車通過台麵及鄰近地麵也會產生振動，其頻率與台麵的機械結構參數有關，約為20- 35Hz。噪聲分量βj 是由稱重傳感器的應變片在汽車通過時，因承壓產生彈性形變造成的。當汽車通過稱重台麵時，前後輪軸出現高度差，造成汽車的軸重在4 個傳感器上分配不均，從而出現重量轉移。此外，車輪不圓、地麵不平等原因，也會出現高度差，從而造成重量轉移而引起測量誤差。由此可見，噪聲分量αi 具有正弦波形狀，相位為隨機變量；噪聲分量βj 具有脈衝形狀，脈衝幅度與出現時刻都是隨機的。
    由此可見，采集和分析子任務就是從采集到的波形信號中分析出行進中汽車某軸軸重的真實值M。
    對於噪聲分量βj 可采用複合濾波法濾除噪聲，即先用中值濾波原理濾除由於脈衝幹擾引起誤差的采樣值，再將剩餘的采樣值進行遞推算術平均，從而濾掉噪聲分量βj。
    對於噪聲分量αi，由於通行車輛的不確定性、車輛運行速度的不確定性（尤其是衝磅等非法通過方式） 及秤台機械結構與安裝情況的不確定性，采用簡單的一階RC 濾波器很難濾除噪聲。
    筆者經過對大量現場數據進行整理並經過數學統計分析並對采集到的原始數據采用傅立葉變換後可得到數據能量的頻譜，以此頻譜作為FIR濾波器的輸入參數可有效地將噪聲濾除。此算法用MAtlab 編譯實現，部分源代碼如下：
    alpha=0.87；
    tal=freq*2*pi*T;
    a=[1,- 2*alpha*cos(tal),alpha*alpha];
b=[1,- 2*cos(tal),1];
    last=filter(b,a,data);
    其中data 為原始數據矩陣，alpha 決定增益和質量由經驗數據得出，freq 和T 是原始數據經過FFT 後得到的頻譜數據，last 矩陣即濾波後的數據。
    4 實驗數據
    濾波圖3 和濾波圖4 是不同速度的兩輛二軸車的原始數據和濾波後數據對比。
    實測數據表明，采用本算法後，在車輛速度低於30 公裏每小時的行進速度下，計量誤差小於靜態稱重值的±1%。在車輛速度小於60 公裏每小時的行進速度下，計量誤差小於靜態稱重值的±3%。
    5 結語
    在本係統中通過引入FFT 和FIR 濾波器進行數據采集和分析，並根據實際采樣波形，設計特殊的數據處理方法，從而完成高速、高精度的數據處理，獲得了令人滿意的結果。

本文源於網絡轉載，如有侵權，請聯係刪除