HHT 在動態稱重傳感器處理非線性信號中的應用

劉玉龍，李曉林

(太原理工大學 信息工程學院，山西 太原030000)

0 引 言

動態稱重(weight in motion，WIM)是指車輛在運動狀態下經過稱重設備從而得到車輛的重量。稱重傳感器是動態稱重系統的核心構件，極大地影響著稱重系統的精度。相比靜態稱重而言，動態稱重效率更高，更適合現在節奏更快的物流運輸檢測需求，但是靜態稱重時是車輛平穩的靜止在稱重設備上，除了車輛自身沒有其他干擾，所以，更容易得到精確的重量值。但是動態稱重過程中就會面臨多種影響，比如:路面狀況;車輛荷載狀態;稱重設備使用年限過多;車輛行駛狀態等［1］。在各種影響因素的作用下，致使傳統的信號分析方法對于稱重過程中的非線性、非平穩信號解析的不夠精確，這就直接影響到了動態稱重系統的精度。由于汽車振動干擾是低頻信號，而軸重信號也是低頻信號，因此，用簡單的濾波方法不能有效去除各種低頻干擾［2］。

本文引入希爾伯特—黃變換(HHT)信號處理方法來力求更加精確地解析出稱重傳感器接收到的非線性信號，得到更加真實的稱重數據，從而得到更加準確的重量值。

1 懸臂梁稱重傳感器

目前，車輛動態稱重系統均采用軸載計量方式，即通過稱量汽車每個軸的重量，最終得到該車輛的總重。稱重傳感器一般由2 組安裝在秤臺兩邊固定架的懸臂梁稱重傳感器構成(如圖1 所示)，安裝時一端固定在秤臺上，另一端通過壓頭加載秤臺承受的重量，內部采用鋼球傳力結構，具有良好的密封性能。受力后能自動調心，具有安裝簡單、使用方便、互換性好等優點，車輛經過時即可根據傳感器電壓信號的變化來得到車輛的真實軸重。

圖1 懸臂梁稱重傳感器Fig 1 Cantilever beam weighing sensor

動態稱重系統如圖2 所示。

圖2 動態稱重系統示意圖Fig 2 Diagram of WIM system

就目前的動態稱重設備而言，一般稱重平均誤差均在±5%～±30%不等，相應的置信度為90%～95%［3］。目前，動態稱重系統對于稱重信號的處理一般采用以下幾種:積分法、濾波法、參數估計以及神經網絡［4，5］。傳統的信號處理方法最終都是建立在傅里葉分析的基礎上［6］，但是由于傅里葉分析是一種理想化的模型，其具有三個基本假設:線性、高斯性及平穩性，所以，其不適合用于非平穩信號的時頻局部性能分析。而在動態稱重系統中影響系統計量精度的主要因素是汽車行駛過程中產生的動態荷載對稱重系統的干擾。車輛動態荷載的振動頻率在3 ～20Hz 的低頻范圍，振幅變化可達靜載的10%［7］，同時，由于軸載激勵的動態稱重系統承載部分的幾何尺寸受到車輛雙聯軸軸間距和輪胎與地面接觸長度的限制［8］，所以，采取常規的濾除周期性抖動信號的處理方法效果不佳。積分法需要較長的數據才能保證其精度，而且，當車輛通過過快時則不能得到預期測量精度。參數估計法可以解決車速的問題，而且通常一個周期就可以得出滿意的結果，但是其前期對于動態稱重系統的稱臺建模必須十分精確，這也是十分困難的。利用神經網絡技術可以避開復雜的物理建模，但是僅根據系統的輸入輸出數據進行黑箱建模，這種方法需要各種運動狀態下的汽車稱重信號作為輸入樣本，于是，本文提供一個綜合來看更好的解決算法——HHT。

2 HHT

1998 年，美國華裔科學家Huang 提出了一種新型的非線性非穩態信號的處理方法:HHT。HHT 方法從信號自身特征出發，用經驗模態分解(EMD)方法把信號分解成一系列的本征模態函數(intrinsic mode function，IMF)，然后對這些IMF 分量進行Hilbert 變換，從而得到時頻平面上能量分布的Hilbert 譜圖，可以準確地表達信號在時頻平面上的各類信息。

HHT 技術包含EMD 和Hilbert 變換兩個部分。首先，將獲得的信號所有局部極大值點采取三次樣條插值函數法取得上包絡，用信號的所有局部極小值點取得下包絡，經過多次分解去除疊加波后使得波形更加的對稱，以確定其瞬時平衡位置，這使得獲得的IMF 分量經Hilbert 變換后得到的瞬時頻率(instantaneous frequency，IF)更加有意義［10］。這樣原始信號經過EMD 后就可以表示為

式中 X(t)為原始信號，fi(t)為經過EMD 后得到的各個IMF 分量，rn(t)為殘余分量。

經過Hilbert 變換后可以得到

通過這個定義，X(t)和Y(t)行成了一個共軛復數對，于是可以得到一個解析信號Z(t)如下

其中

從理論上講，虛部的定義方法有很多種。但是Hilbert變換為其提供了一個唯一的虛部值，這就使得其結果成為一個解析函數。得到了相位，就可以得到瞬時頻率，因為瞬時頻率就是相位導數

其中，ω 為時間t 的單值函數，任何時間只有一個值，只能描述一個分量。

進行Hilbert 譜分析時，忽略了剩余分量rn(t)，因為其為一個單值函數或者是常數。每個IMF 分量的幅值和頻率都是時間t 的函數，幅值的變化和瞬時頻率的變化提高了信號分解的效率，而且使得這種分解更適用于分析非平穩信號。隨著IMF 分解的進行，時間、幅值和頻率被分成三個不同的信號，這樣一個信號就形成了這三者的三維信號圖，其中，幅值用時頻平面中的等高線表示，這種幅值的時頻分布，便稱為Hilbert 譜。

3 HHT 動態稱重傳感器非線性信號的處理

本文選用某公司小貨車(2 軸)為實驗對象，車重2 500 kgf，負載3 000 kg 砝碼，通過秤臺的平均速度為10.188 km/h，由稱重傳感器采集數據，采樣頻率512 Hz，未采用HHT 信號處理前的原始數據波形如圖3 顯示。

圖3 原始數據Fig 3 Initial datas

取其中一段進行EMD，結果如圖4 所示。其中，圖4(a)的為原始信號，圖4(b) ～(f)依次為各階IMF 分量，最下面的為剩余分量，它的均值即為真實軸重。

圖4 EMD 圖Fig 4 Drawing of EMD

經過HHT 后的數據和原始數據的對比圖如圖5 所示。由圖5 可以看出:經過HHT 后信號曲線平滑，有效去除了各種低頻干擾。

圖5 信號處理前后效果對比圖Fig 5 Contrast diagram of effect before and after signal processing

4 結 論

實驗結果表明:經過HHT 后的信號，具有更高的分辨率與準確性，數據曲線更加平滑，對汽車動態軸重信號作EMD，去除各階動態分量，用剩余分量的平均值代替真實軸重，這種方法可以有效地控制信號噪聲干擾，得到更加準確的數據。

［1］ 許 嘉，蔡 萍，周志峰，等.二分梯形法在汽車動態稱重中的應用［J］.微計算機信息，2005，21(4):22－23.

［2］ 吳 杰，費玉華，于勁松，等.汽車動態稱重中的一種信號處理方法［J］.北京航空航天大學學報，2007，33(9):1041－1045.

［3］ 凌 杰，龍水根.優化算法在汽車動態稱重系統中的應用［J］.西安公路交通大學學報，2001，21(3):77－79.

［4］ 張 雨，賀曙新，文紹波.汽車動態稱重信號的兩個處理方法［J］.南京工程學院學報:自然科學版，2004(4):105－108.

［5］ 袁明新，張 勇，張 雨.基于RBF 網絡的動態稱重系統設計［J］.交通與計算機，2003(2):60－63.

［6］ 章步云，周書民.非平穩信號的快速傅里葉變換與小波分析的比較［J］.通信技術，2002(7):1－2.

［7］ 王孝林.動態汽車衡及其檢測［J］.衡器，1998(5):9－18.

［8］ 代 偉.高速公路動態稱重系統關鍵問題的研究［D］.西安:長安大學，2008.

［9］ Bhatnagar G，Raman B.Robust watermarking using distributed MR-DCT and SVD［C］∥Advances in Pattern Recognition，2009:21－24.

［10］鐘佑明，金 濤，秦樹人.希爾伯特—黃變換中的一種新包絡線算法［J］.數據采集處理，2005，20(1):13－17.