本文關鍵詞：多信息融合車載式動態(tài)稱重系統研究，由筆耕文化傳播整理發(fā)布。

【摘要】：摘要：隨著汽車超載治理及計重收費工作的深入,車輛稱重系統得到了廣泛的應用。目前公路車輛稱重分為靜態(tài)稱重和動態(tài)稱重,靜態(tài)稱重是在稱重平臺完成整車重量測量,是最準確的車輛稱重法,但這種方法效率較低,容易造成車輛堵塞,同時由于稱重臺規(guī)模龐大,成本較高。因此,研制高性能的動態(tài)稱重系統是未來的趨勢,動態(tài)稱重是在不停車狀態(tài)下實時獲取汽車載重,與靜態(tài)稱重對比,它不但具有耗時短、時效高,稱重時不會造成交通堵塞,而且還能夠對貨物運輸過程的重量進行全程監(jiān)控,為貨物的安全運輸提供保障。 目前,對動態(tài)稱重系統的研究還處于初步階段,特別是在國內,研發(fā)時間還很短,技術還很不成熟,存在著各種問題,如稱量精度不夠,容易受非目標參量的影響等缺點,針對以上不足,論文設計了基于輪胎胎壓等多信息融合車載式動態(tài)稱重系統,考慮到了在動態(tài)稱重系統中影響稱量精度的一些因素,如溫度信號、水平傾角信號、垂直振動信號,從硬件和軟件兩方面提高稱重系統精度和優(yōu)化系統性能的構想,利用多路信號與汽車載重量的動態(tài)映射關系,運用多信息數據融合技術,從而實現車載式動態(tài)稱重與監(jiān)控。 為了滿足精度要求,需要對動態(tài)稱重數據進行處理,通過分別對比了各種數據處理方法的優(yōu)缺點,論文設計的數據融合主要包括對多源數據進行預處理,LMBP算法建立的動態(tài)稱重系統數學模型,對多源數據進行融合,得出車輛的真實重量。該算法在嵌入式控制器上實現,結果表明,該方法能夠滿足動態(tài)稱重精度誤差的設計要求。
【關鍵詞】：動態(tài)稱重 多信息融合 車載式 輪胎胎壓 神經網絡 嵌入式
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：U495;TH715.1
【目錄】：

• 致謝5-6
• 中文摘要6-7
• ABSTRACT7-10
• 1 緒論10-16
• 1.1 汽車動態(tài)稱重的背景及意義10-12
• 1.2 汽車動態(tài)稱重系統的規(guī)范12-13
• 1.3 國內外研究現狀及發(fā)展趨勢13-14
• 1.4 本課題研究的主要內容14-16
• 2 汽車動態(tài)稱重系統分析與總體方案設計16-26
• 2.1 汽車載重與受力模型分析16-19
• 2.2 汽車動態(tài)稱重過程中的測量精度影響分析19-22
• 2.3 汽車動態(tài)稱重系統設計22-25
• 2.4 本章小結25-26
• 3 硬件系統設計26-40
• 3.1 傳感器選擇及性能26-31
• 3.1.1 胎壓傳感器選擇27-29
• 3.1.2 溫度傳感器29
• 3.1.3 加速度傳感器29-31
• 3.2 傳感器與單片機接口電路設計31-32
• 3.3 無線通信硬件電路設計32-34
• 3.3.1 采集端無線通信模塊硬件電路設計33
• 3.3.2 車載端無線通信模塊硬件電路設計33-34
• 3.4 嵌入式部分硬件設計34-37
• 3.4.1 顯示電路設計35
• 3.4.2 存儲電路設計35-37
• 3.5 串行通信電路設計37-39
• 3.5.1 RS-232串行通信接口設計37-38
• 3.5.2 USB接口設計38-39
• 3.6 電源電路與穩(wěn)壓電路設計39
• 3.7 本章小結39-40
• 4 軟件系統設計40-50
• 4.1 采集端數據采集模塊程序設計40-43
• 4.1.1 數據采集40-43
• 4.1.2 數據采集程序流程圖43
• 4.2 采集端無線收發(fā)模塊程序設計43-45
• 4.2.1 采集端程序流程圖43-44
• 4.2.2 低功耗軟件設計44-45
• 4.3 車載端無線收發(fā)模塊程序設計45-46
• 4.4 車載端人機交互模塊設計46-48
• 4.5 通信程序模塊設計48
• 4.6 顯示程序模塊設計48-49
• 4.7 本章小結49-50
• 5 多信息融合稱重建模與樣本獲取50-62
• 5.1 動態(tài)稱重數據處理主要方法50
• 5.2 多信息融合算法過程50-51
• 5.2.1 多信息融合算法介紹50-51
• 5.2.2 多源數據處理過程51
• 5.3 神經網絡模型算法原理51-55
• 5.3.1 神經網絡簡介51-52
• 5.3.2 BP神經網絡建模分析52-53
• 5.3.3 LMBP算法原理53-55
• 5.4 樣本數據獲取55-59
• 5.5 信息融合設計59-61
• 5.5.1 數據預處理59
• 5.5.2 數據融合結構59-60
• 5.5.3 MATLAB及神經網絡訓練60-61
• 5.6 本章小結61-62
• 6 實驗初步研究與結果分析62-70
• 6.1 汽車的選型及標定臺選取62-63
• 6.2 算法在處理器上的實現63-67
• 6.3 融合結果分析67-69
• 6.4 本章小結69-70
• 7 論文總結與展望70-72
• 參考文獻72-74
• 作者簡歷74-78
• 學位論文數據集78

【參考文獻】

中國期刊全文數據庫 前10條

1 李忠國;張為公;周耀群;馮長鈺;;譜減在基于動載的路面不平度識別中的應用[J];東南大學學報(自然科學版);2007年01期

2 張凡;劉益成;;一種制作YAFFS2嵌入式文件系統的方法[J];電腦開發(fā)與應用;2010年09期

3 李國玉,孫以材,戴振清;基于BP網絡的敏感電子器件二信息融合[J];電子器件;2004年01期

4 陶桂寶;龐麗;;直接式汽車輪胎壓力監(jiān)測系統設計[J];重慶大學學報;2008年01期

5 李偉春;孫銳;;基于MMA7361技術海警艦艇擺動測量系統設計[J];電腦開發(fā)與應用;2013年08期

6 戴欣;鄧湘;劉浩;;RFID低功耗電子標簽和手持閱讀器設計開發(fā)[J];電子技術應用;2013年06期

7 榮經國;鄭玲;;多源信息融合技術在變壓器故障診斷中的應用[J];電力科學與工程;2013年11期

8 談宏華,黎愛瓊,涂坦;輪胎壓力監(jiān)測系統(TPMS)設計[J];機床與液壓;2005年09期

9 張海寧;王偉濤;陳超波;馮曉崗;;無線便攜式車輛動態(tài)稱重系統的設計[J];計算技術與自動化;2012年02期

10 吳陽波;;改進的退避算法在戰(zhàn)術業(yè)務流中應用研究[J];計算機仿真;2012年04期

  本文關鍵詞：多信息融合車載式動態(tài)稱重系統研究，，由筆耕文化傳播整理發(fā)布。

本文編號：286431