基于石英傳感器的動態稱重數據處理算法研究

王中立，李麗宏

(太原理工大學信息工程學院，太原030024)

傳感器信號處理

基于石英傳感器的動態稱重數據處理算法研究

王中立，李麗宏*

(太原理工大學信息工程學院，太原030024)

通過對以石英晶體傳感器為稱重單元的動態稱重系統稱重信號中干擾信號的分析，得出其稱重信號中存在大量干擾信號，包括高頻噪聲和低頻噪聲，此外車輛行駛時自身振動、軸型、行駛速度以及加速度都會影響動態稱重精度。針對以上問題，提出先利用小波變換算法對稱重數據進行濾波預處理，然后再經過EEMD算法以及信號重構算法進一步處理。將以上信號處理算法通過仿真以及運用于現場，能夠使稱重數據誤差控制在2%以內，達到了良好的稱重效果。

動態稱重;信號處理;小波變換算法;EEMD算法;信號重構算法

當前動態稱重系統使用的稱重傳感器主要是彎板式傳感器和電阻應變式傳感器，經過長期使用這兩種傳感器，發現它們存在以下缺陷:電阻應變式傳感器受外界沖擊干擾影響比較大，稱重精度低，壽命短［1］;彎板式傳感器在使用過程中穩定性和重復性差，壽命短，難以維護［2］;當車輛高速通過基于這兩種傳感器的動態稱重系統時，稱重精度差。針對以上兩種稱重傳感器的稱重缺陷，提出了基于石英晶體稱重傳感器的動態稱重系統。和其他兩種稱重傳感器相比，石英晶體式稱重傳感器具有安裝簡便，稱重范圍大，維護簡單，長期穩定，稱重效率和稱重精度高等優點［3］。

基于石英傳感器的動態稱重系統稱量的動態稱重信號可分為兩部分，即車輛的靜態載荷和車輛的動態載荷［4］(即干擾信號)。動態載荷產生的原因是在采集信號過程中存在各種噪聲的干擾，噪聲主要由高頻信號和低頻信號組成。高頻噪聲主要由系統電氣特性、發動機轉動、加速狀態載荷以及高速行駛時輪胎噪聲等因素引起的;低頻噪聲主要由路面的平坦狀況和車輛行駛中自身振動等因素引起的。靜態載荷信號、低頻噪聲信號和高頻噪聲信號是主要實時采集的信號。因此，對采集到的稱重信號進行正確處理，是動態稱重系統信號處理的核心［5－7］。

在動態稱重系統中為了處理這些混合信號，使用的主要信號處理算法有BP神經網絡算法、RBF神經網絡算法、小波變換算法和卡爾曼濾波算法等。但是，這些算法在動態稱重信號處理中，都存在著一定的局限性。本文根據以上算法的不足，提出先利用小波變換算法對稱重數據進行濾波預處理，再對預處理后的信號進行 EEMD(Ensemble Empirical Mode Decomposition，集合經驗模態分解)算法分解，得出IMF(Intrinsic Mode Function，本征模態函數分量)分量，最后對本征模態函數分量通過信號重構算法進一步處理。

1 石英晶體傳感器概述

石英晶體傳感器是動態稱重系統的稱重單元，它能夠在車輛通過過程中檢測車輛輪胎的動態力，進而計算出輪重、軸重以及整車重。現如今，石英晶體傳感器普遍作為動態稱重系統的稱重單元，這是由于它有如下優點:(1)長期使用，具有良好的穩定性;(2)測量范圍廣，從低速到高速，可實現0～200 km范圍內的測量;(3)溫度變化對其影響較小; (4)防護等級高，為IP68;(5)安裝維護方便;(6)可適應各種道路，并在其表面有10 mm可研磨層，確保其與路面保持平整。

1.1 石英晶體傳感器工作原理

石英晶體是石英晶體傳感器的敏感元件，石英晶體傳感器的工作原理框圖如圖1所示。并且此傳感器的工作原理是基于石英晶體的壓電效應［8］，其把汽車輪胎的壓力信號轉換成電荷信號，然后再通過電荷放大電路及電荷電壓轉換電路轉換成電壓信號。

圖1 石英晶體工作原理框圖

1.2 石英晶體傳感器稱重信號分析

在基于石英晶體傳感器的動態稱重系統中，石英晶體傳感器的單軸額定載荷為30 t，所以，石英晶體傳感器穩定工作的軸重稱量范圍0～30 t。首先石英晶體傳感器測量的是行駛車輛的軸重，然后，再把各個軸重信號匯總，得出車輛動態稱重信號［9］。車輛軸重信號主要通過石英晶體傳感器進行采集，此稱重傳感器在路面上的分布圖如圖2所示。傳感器位于在路面上鑿開的深50 mm，寬72 mm的凹槽內，并在上面鋪上可被研磨的承載墊。

圖2 石英晶體傳感器路面擺放圖

如圖3所示，圖中藍色方塊為石英晶體稱重傳感器，當輪胎接觸傳感器上的承載器時，會有信號輸出，但由于其特有的結構特點，造成有效稱重距離比較短，輪胎接觸傳感器時間短暫，采集數據較少，如圖3所示。

圖3 石英晶體傳感器信號

圖4所示為某三軸車經過基于石英傳感器的動態稱重系統時采集到的稱重信號波形圖，圖中有3個波峰，每個波峰代表一個軸重信號。當輪胎接觸稱重傳感器時，稱重信號緩慢上升，到完全接觸傳感器時，稱重信號達到最大值，然后稱重信號緩慢下降，達到稱重初始值。這是由于輪胎剛開始接觸傳感器時，輪胎同時接觸地面和傳感器，地面給輪胎提供一個支撐力，所以信號緩慢上升，當輪胎全部接觸傳感器時，此時輸出軸重信號最大，但時間短暫，再加上前文分析的各種干擾因素的影響，造成稱重信號波動范圍比較大，因此，為了更好的去除噪聲，在信號處理過程中加入降噪處理算法。

圖4 稱重波形圖

2 稱重信號濾波預處理

2.1 小波變換原理

從信號去噪學的角度來分析，可以把小波去噪過程看作一個信號濾波過程。由于濾波后，還能夠保存其圖像特征，所以它又區別并優于濾波器。實際上可以認為小波去噪是包含特征的提取以及濾波器這兩個方面，并得出以下小波濾波原理框圖如圖5所示。

圖5 小波濾波原理框圖

小波變換在信號處理方面的最重要應用是進行信號濾波，而噪聲信號經常是非理想的白噪聲，包含有很多突變或者尖峰脈沖信號，而小波變換對此類信號具有很好地濾波作用［10－11］。在動態稱重系統中，采集的稱重信號中噪聲頻帶分布明確，所以可以采用小波變換分析算法對動態稱重信號進行降噪處理，來處理采集的稱重信號中含有的突變或者尖峰信號，軸重信號小波分解過程如圖6所示。

圖6 軸重信號小波分解圖

本文中把軸重信號分為四層，如圖6所示，在第1、2、3、4層中高頻部分分別是Cd1、Cd2、Cd3、Cd4，含有電氣特性、發動機轉動、加速狀態載荷以及高速行駛時輪胎轉動等因素引起的高頻噪聲，這些高頻噪聲應去除掉。在動態稱重系統中，軸重信號處在低頻部分中，小波分解后該部分信號主要在第4層低頻部分Ca4中，在處理時進行保留。最后對小波分解處理后的信號進行信號重構，得到小波預處理后的軸重信號。

2.2 試驗驗證

利用圖4所示的稱重信號波形進行小波變換算法驗證。本文采用MATLAB R2014a進行小波降噪分析，經過多次仿真結果對比，采用db4小波分解函數，小波分解稱重數據4次，其主要程序命令:［c，l］= wavedec(Xdata，4，‘db4’);%Xdata為待分解數據，4為分解次數，db4為小波基分解函數 A4=wrcoef (‘d’，c，l，‘db4’，4);%根據小波分解結果，重建節點4系數。

對圖4的原始稱重信號波形進行小波濾波后，得到如圖7所示圖形。從圖7看可以看出，經過小波變換算法預處理后，信號波動幅度變小，但仍然存在較多干擾噪聲，需進一步處理。

圖7 小波濾波后波形圖

3 EEMD及信號重構算法原理

3.1EEMD基本原理

EEMD以EMD為基礎，EEMD的基本理論是:首先，給目標信號施加一系列的高斯白噪聲。然后把得到的混入白噪聲的總信號進行EMD分解，得IMF分量及殘余項［12］。IMF分量具有以下兩個特點:①函數曲線穿過零極點的個數相等或至多差一個;②用三次樣條曲線分別連接函數曲線的極大值點以及極小值點，形成上包絡線和下包絡線，并且它們之間距離的均值必須為零。

EEMD算法分解步驟如下:

①給目標信號 x(t)施加一系列高斯白噪聲mi(t)，得到總的信號Xi(t)，即

式中:mi(t)代表地i次添加的白噪聲，Xi(t)代表第i次得到的總的信號。

②求出Xi(t)所有的極大值和極小值點，畫出上包絡線和下包絡線，計算出上下包絡線的均值hi(t)，作Xi(t)與hi(t)的差值，即

式中:imfij是第 i次插入高斯白噪聲而得到的第 j分量。

③重復步驟②直到imfij(t)滿足本征模態函數的兩個條件為止。其中，imfij(t)含有高次諧波，因此與Xi(t)作差，去除高次諧波，得到一個差值

式中:rij表示第 i次施加白噪聲后，得到的第 j殘余量。

④把差值rij再作為輸入信號，重復步驟①到步驟③直到n階的函數rij不再能通過EMD分解成一個本征模態函數，而是一個單調函數為止［13］。此時

⑤可以把信號x(t)看作一系列imfij與殘余項Res之和，即

式中:Res是殘余項，它是一個平滑的單調函數。imfij函數按頻率由高頻到低頻順序排列，頻率成分在每一段是不同的，在同一IMF中各瞬時頻率也是不同的。

3.2 EEMD分解后信號重構算法

車輛的軸重信號主要是低頻信號，頻率范圍大概在5 Hz～18 Hz之間，所以可以通過反應稱重信號的一部分本征模態函數來重構車輛的重量，稱重信號經過EEMD分解后存在模式索引k1和k2使車輛實際稱重信號y(t)由k1+k2－1個IMF分量來實現，如式(6)所示

對每個IMF分量進行快速傅里葉變換，在頻帶上分別計算每個IMF的總能量［14］E(j)，5 Hz～18 Hz之間稱重信號頻帶的能量為Eh(j)，j=1，2，…，n，且n為分解的IMF分量的個數。所以，k1和k2分別為

式中的實際意義是:當稱重信號頻帶能量和對應的所有IMF分量分別在整個頻帶能量的比值比閾值δ大時，則保留此IMF分量，這是因為滿足此條件的IMF分量含有車輛實際重量信號，可以用來進行信號重構;當兩者比值比閾值δ小時，則舍棄此IMF分量，這是因為可以認為此IMF分量中不含車輛重量信號，只包含其他噪聲信號，不用于信號重構。此式中δ的取值尤其重要，過大過小都會影響信號重構，過大則會存在包含有較多噪聲的IMF分量，過小則會舍棄含有車輛實際重量信號的IMF分量，都不利于信號重構，通過仿真發現，當IMF分量的頻帶能量占整個頻帶能量一半以上，即δ取值為0.5時，保留此IMF分量并用于信號重構，并且保留的分量之間相互獨立，從而能達到最優信號重構［15］。

3.3 試驗分析

從預處理后的稱重信號中選取一段來進行分析，得到如圖8所示的采樣信號波形圖。

圖8 采樣信號值

圖9 EEMD分解后各IMF分量的波形圖

對此信號加入高斯白噪聲，得到混合信號。經過EEMD處理后的波形圖如圖9所示，從圖9可以得知，經過EMD的層層分解，能把三軸車的軸重電壓信號按頻率從高到低從噪聲中分離出來。因為EMD分解基底函數具有自適應的特點［16］，所以得到的IMF1到IMF5是信號的真實反映。最后，在這5個分量的基礎上進行重信號構，即可得到去掉噪聲的真實軸重信號。

為了進行信號重構，首先對EEMD分解采樣信號而得出的5個IMF分量以及采樣信號進行快速傅里葉變換，分別在頻帶上求出5個IMF分量的總能量和采樣信號的總量，根據式(7)求出能量百分比并繪制出如圖10所示的能量百分比圖，從圖10可以看出IMF分量中的IMF3和IMF4的頻帶域能量分別占采樣信號頻帶域能量的一半以上，所以選擇IMF2，IMF3來進行信號重構。

圖10 各IMF分量的能量百分比分布圖

4 實驗仿真及結果分析

本文研究的算法曾在現場進行試驗并采集過車的軸重數據，對采集到的數據隨機抽取10組，先利用小波變換算法進行濾波預處理，然后經過EEMD算法和信號重構算法再處理后，把處理過的軸重數據進行累加，得出車輛靜態載荷，驗證結果如表1所示，其中，兩軸(12型)空車整車靜態載荷為7 250 kg，四軸(115型)重車的整車靜態載荷為39 780 kg。數據處理結果如表1。

表1 現場測試數據

從表1可以得出經過小波變換算法預處理后稱重誤差保持在3%～7%之間，不能達到良好的濾波效果，最后對預處理后的稱重數據通過EEMD以及信號重構算法進一步處理后，能使稱重數據誤差控制在2%以內。本文研究的算法主要是處理軸重數據，把處理后的數據累加后得出車的靜態載荷，所以，此方法可以適用于的測量范圍即石英晶體傳感器的軸重稱量范圍0～30 t，能完全滿足不同車型的動態稱重稱量精度的要求。

5 結束語

本文針對以石英晶體傳感器為稱重單元的動態稱重系統稱重信號特點，首先利用小波變換算法進行濾波預處理，能夠去除高頻以及部分低頻干擾噪聲信號，然后利用EEMD算法對預處理后的稱重信號進行再次濾波處理，能有效解決信號分解時出現的模態混疊現象和消除低頻干擾信號，并通過信號重構算法對本征模態函數分量進行重構，得出行駛車輛的動態稱重。最后，驗證結果表明稱重數據的最大誤差低于2%，滿足動態稱重系統精度要求，具有實用價值。

［1］ 朱子健，劉旭初.電阻應變式稱重傳感器的滯后補償［J］.衡器，2000，29(6):21－25.

［2］ 傅宇浩.彎板式稱重傳感器技術研究［J］.中國交通信息產業，2006(9):121－123.

［3］ 李曉寶，簡水珍，彭恢湘.壓電石英稱重傳感器在公路動態稱重中的應用［J］.公路與汽運，2012(2):92－94.

［4］ 劉九卿.壓電石英稱重傳感器及其在動態公路車輛稱重系統中的應用［C］//中國衡器協會稱重技術研討會，2007.

［5］ 劉玉龍.基于HHT技術在動態稱重信號濾波中的應用［D］.太原:太原理工大學，2015.

［6］ 沈小倩，蔡晉輝，姚燕.遺傳神經網絡在動態稱重中的應用［J］.傳感技術學報，2010，23(9):1359－1363.

［7］ 黃必飛，馮志敏，張剛.壓電薄膜車輛動態稱重系統算法研究［J］.傳感技術學報，2016，29(6):941－946.

［8］ 呂宏強.石英晶體傳感器［J］.寶雞文理學院學報:自然科學版，2003，23(1):52－54.

［9］ 周正飛，魯雄文，譚永營.基于壓電石英傳感器的動態稱重系統的設計［J］.汽車實用技術，2015(4):66－68.

［10］毛東杰，張曉濛，蔣小文.基于小波變換的表面肌電信號低功耗壓縮濾波算法［J］.傳感技術學報，2016，29(5):647－653.

［11］王繼成.小波分析在信號去噪聲中的應用［D］.天津:南開大學，2006.

［12］鄭近德，程軍圣，楊宇.改進的EEMD算法及其應用研究［J］.振動與沖擊，2013，32(21):21－26.

［13］王婷.EMD算法研究及其在信號去噪中的應用［D］.哈爾濱:哈爾濱工程大學，2010.

［14］張永德.基于經驗模態分解的小波閾值信號去噪研究［D］.昆明:昆明理工大學，2011.

［15］馮久超，潘水洋.基于經驗模態分解的生命信號提取算法［J］.華南理工大學學報:自然科學版，2010，38(10):1－6.

［16］師培峰，邱偉，樊孝春.基于HHT的自適應濾波方法在信號處理中的應用［J］.強度與環境，2015(4):52－58.

王中立(1989－)，男，碩士，主要研究方向為檢測技術與智能儀表，wangli19890 @sina.com;

李麗宏(1963－)，男，副教授，博士，主要研究領域為檢測技術與智能儀表，ya721@163.com。

Research on Dynamic Weighing Data Processing Algorithm Based on Quartz Sensor

WANG Zhongli，LI Lihong*
(Information Engineering College，Taiyuan University of Technology，Taiyuan 030024，China)

Through the analysis of interference signal in quartz crystal sensor weighing system for weighing unit weighing signal，interference signal that a large number of the weighing signal，including high frequency noise and low frequency noise，in addition when the vehicle vibration，its axis type，speed and acceleration will affect the dynamic weighing accuracy.In view of the above problems，the paper puts forward that the wavelet transform algorithm is used to preprocess the weighing data，and then the EEMD algorithm and the signal reconstruction algorithm are used to deal with the problem.The above signal processing algorithm is simulated and applied to the field，so that the error control of the weighing data is less than 2%，and the result is good.

dynamic weighing;signalprocessing;wavelettransform algorithm;EEMD algorithm;signal reconstruction algorithm

TP183

A

1004－1699(2017)02－0236－06

C:7220

10.3969/j.issn.1004－1699.2017.02.012

2016－08－04 修改日期:2016－09－21