摘 要:为了提高动态汽车衡的称重精度,采用有限冲击响应(FIR)数字滤波算法滤除车辆动态称重过程中产生的随机干扰噪声。鉴于称重信号的信噪比较低和干扰噪声的复杂性,对基本算法进行了改进和优化,基于ARM 微控制器平台实现了这一算法。通过对应用该算法的动态汽车衡的称重结果的分析,证明此算法对于提高动态称重精度具有良好的效果。
1 引言
车辆超载超限行驶是造成公路加速损坏的重要原因,也是引发交通事故的一个重要因素,给国家和人民生命财产造成严重的危害。需要采用先进的技术手段, 从根本上解决车辆超载超限运输问题, 为此, 深圳科尔达公司结合自己多年动态称重设备的研发、制造、应用经验进行技术创新, 依据交通部车辆轴类型及轴载质量标准, 成功开发出符合我国车辆管理规范 要求的 CW 公路车辆超限动态检测与计重收费系统(简称:动态汽车衡),为治理车辆超载超限运输提供了强有力的技术手段。
动态汽车衡采用动态称重(WIM)技术,即在车辆行驶的状态下进行称重。与静态称重相比,其主要特点是节省时间,效率高,不会对正常交通造成影响。但设备工作环境恶劣、称重时间短,冲击力大、干扰因素多,严重影响动态称重精度。因此,如何克服外界随机干扰的影响,准确称量车辆重量,成了动态汽车衡的技术难点和关键[1]。
2 设备组成及工作原理
CW 动态汽车衡主要由动态轴重衡、轮轴识别器、车辆分离器、称重控制仪表及上位机组成,如图1 所示。动态轴重衡以称量轴载的方式对车辆的各轴或轴组依次进行称量,确定车辆总重量;轮轴识别器由一组压力传感器组成,当车辆轮胎压过时,将压力信号转换为轮胎数量信号;车辆分离器通过红外光的同步扫描来提供车辆的开始和结束信号,保证称重数据和车辆之间的对应关系;称重控制仪表检测设备的工作状态,采集各种传感器信号,处理数据;上位机管理视频音频、智能路闸、声光报警器和大屏幕显示器等设备,接收和处理仪表上传的车辆信息,自动判断是否超载超限,生成和打印各种报表,并与控制中心通讯
当车辆进入称重检测车道时,车辆分离器首先识别车辆并启动称重程序,车轴通过动态轴重衡,得到该轴的轴载信息,然后,相应的轴通过轮轴识别器,得到该轴是单轮还是双轮的信息,车辆各轴的轴载和轮轴类型信息被称重控制仪表依次处理,当车辆分离器检测到车辆尾部通过后给出收尾信号, 仪表将称重时间、超限标志、速度、速度变化、轴数、轴组数、每轴轴载、每轴轴型、相邻轴轴距等信息组合成车辆称重信息数据包并进行传输。上位机对数据包进行处理, 计算整车重量,控制视频设备对车辆进行拍照,并按控制中心下发的计重收费标准进行相应的收费计算,同时通过大屏幕显示器显示车型、车重、超载率、收费金额等数据供司机查看。如果车辆超载超限, 将驱动声光报警器报警。车辆完成交费后,收费员控制挡车栏杆开启,车辆得以通行。
3 动态称重信号分析
汽车动态称重过程中的运动状态是相当复杂的,当车辆通过动态汽车衡时,传感器受到的作用力包括两部分,一是车辆的稳态载荷,即由于车辆在当前轮轴上分担的重量引起的载荷;二是车辆的动态载荷,或者称为瞬态载荷。动态载荷产生的因素很多,主要有三类,一是由车辆自身的各种因素引起的振动;二是由路面不平造成的振动;三是由车辆与地表耦合而产生的振动 [2]。动态载荷在称重过程中是作为噪声出现的, 是影响称量精度的主要因素, 要想把所测量的真实静态轴载信号比较准确地反映出来, 就必须最大限度地消除随机噪声干扰。
相关实验显示:动态称重信号的信噪比很低,干扰噪声的幅值可达真实轴重的 20% 甚至更多。成分也非常复杂,既有共模干扰,也有串模干扰,频率分布从几十赫兹到几千赫兹[ 3 ]。采用差动放大器能有效地消除共模干扰, 采用模拟 RC 低通滤波器可有效降低串模干扰, 但必须折中考虑滤波参数的大小, 参数越大, 消除干扰噪声的效果越好,但输出信号的延迟也越大,这对车辆动态称重来说是不允许的;参数越小,实时性越好,但消除干扰噪声的效果也越差。这样滤波后的信号仍然含有相当一部分的干扰信号,必须采用数字滤波的方法加以消除。因此,动态汽车衡的称重精度很大程度上取决于数字信号处理方法,优良的数字滤波算法显得尤为重要。
数字滤波基于一定长度的数据,为了获得尽可能多的称重数据,一般采用以下两种方法:一是选用高速 AD转换器,提高采集频率;二是增加称重平台的宽度(沿车辆通过的方向),增加称重时间,但受到车辆轴组的轴间距及轮胎着地长度的限制,最大不应超过 900mm,否则, 可能无法保证正确分离每轴称重信息。由于称重平台的宽度较窄,车辆正常通过时车速可以近似匀速处理,其信号波形如图 2 所示。车辆刚进入称重平台时,由于传感器应变片突然受力还无法回至平衡,此时的输出峰值将高于真实的轴重值,根据应用经验,这段传感器的反应时间(t0)一般为 25ms,这段时间的数据在实际测量中可以不予考虑,只要对后续时间(t0～t1)的采集数据进行滤波处理。
4 数字滤波的原理及实现
数字滤波器是一种用来过滤时间离散信号的数字系统,通过对采样数据进行数学处理来达到频域滤波的目的。常用的数字滤波方法有限幅滤波、中值滤波、算术平均滤波、加权平均滤波、滑动平均滤波、低通滤波和复合滤波等。这些简单的滤波方法对于缓慢变化的信号具有很好的滤波效果,但对于车辆动态称重这种变化比较快的信号的滤波就无能为力了。通过反复对比试验,CW 动态汽车衡采用了高效的有限冲激响应(FIR)数字滤波方法,FIR 滤波器是非递归的,它总是稳定的,更重要的是它在满足幅频响应要求的同时,可以获得严格的线性相位特性,并具有滤波效果好滤波参数修改方[4 ]。其计算原理可表示为:
利用这一特性, 可以对串行结构进行改进, 得到乘法次数少的结构,如图 3 所示(图中 m=(N-1)/2)。首先进行加法运算,然后对加法运算的结果进行串行乘累加运算。改进后的结构完成一次滤波仅需要(N+1)/2 次乘法运算,只是串行或并联结构所需次数的一半,极大地提高了处理速度。
高阶 FIR 滤波器具有更好的性能,但 N 越大,滤波器的运算量越大,滤波后信号的时延也越大,因而必须折中考虑 N 的大小,基本原则是滤波器卷积运算的时间应小于信号的采样周期,以满足实时性的要求.
通过反复实验,CW 动态汽车衡采用 19 阶的 FIR 滤波算法,实现一次 FIR 卷积运算需要执行 10 次乘法和 18 次加法。为了实现数据的实时处理,需要在一个仪表采样周期内完成数据采集和卷积运算。在较低性能微控制器系统中,由于微控制器资源的限制,无法满足实时大量浮点运算的要求,通常只能采用专门的硬件来实现。随着微控制器技术的发展,新型 ARM 微控制器具有非常卓越的性能,极高的性价比,完全具备用软件实现 FIR 滤波的能力[5]。
CW 动态汽车衡的称重控制仪表选用了 NXP 公司的32 位 ARM 微控制器 LPC3220,它是一种高性能、低功耗的微控制器,采用了带矢量浮点协处理器的ARM926EJ-S CPU 内核,工作频率高达 266MHz,具备复杂数据的快速处理能力,用 C 语言完成一次卷积运算时间约为 1us[6]。AD 转换器选用了德州仪器(TI)为高速数据采集应用推出的超高性能模数转换器 ADS8254,它采用 TI 最新一代逐次逼近寄存器(SAR)技术,内部集成了四通道多路复用器、输入运算放大器、6ppm/°C 参考以及参考缓冲器,拥有 4 个全差分输入通道、16 位转换精度和 1MSPS 转换速率,完成一次转换只有 4us,具有业界一流的 AC 和 DC 性能和超低信道漂移,能确保信号测量的可靠性与可重复性。仪表采样速率为50kHz,每隔 20us 启动转换一次,所以有足够的时间完成 AD 转换和卷积运算,图 4 是仪表的功能框图。当车辆以 20km/h 速度通过900mm 宽的称重平台时,假定轮胎与地面的接触长度为100mm,则轮胎完全压上称重平台的称重时间约为126ms, 除去前 25ms 传感器的反应时间,可以采集大约5050 个数据,这些数据经过 FI R 数字滤波后,噪声被有效的抑制,就可以计算出车辆的真实重量[7 ]。
5 算法的改进和优化
当输入信号的干扰较小时,FIR 滤波基本算法有很好的滤波效果。但动态汽车衡安装在户外,日晒雨淋,环境异常严酷,电磁干扰、温度影响、冲击和震动都比较严重,称重信号会变得有毛刺甚至很严重,基本算法无法剔除这些外界干扰因素造成的噪声。经过大量的实验和调试,我们对 FIR 滤波基本算法进行了改进和优化,极大地改善了滤波性能,使动态汽车衡的技术指标达到了设计要求。
(1) 在 FIR 滤波之前对采样数据进行一次过滤,处理一些异常点,具体做法是:先采样两个点,比较这两个点是否异常?异常重新采样,否则继续。那么如何判断异常呢?经过反复的实验、调试和理论推导发现:如果二个数之差的绝对值超过了第一个数的绝对值 10% 就可以认为该数是异常的数,这样就剔除了汽车高速通过轴重台时由于颠簸产生的尖峰信号,经过这个环节我们可以得出两个正常的数,为后续处理所用。
(2) 在后续每次采样后都把这次数与上次数比较。如第三次采样的数与在第一步中得到的正常的第二个数进行比较,如果二个数之差的绝对值超过了第二个数的绝对值 10%,我们就把第二个数代替第三个数,这样一方面消除了异常数的影响;另一方面又不影响采样频率和数据数量。
(3) 经过前次处理毫无疑问称重信号平滑多了,测量准确度也有所提高,为了取得更好的滤波效果,采用了 FIR 二次滤波。也就是把滤波后结果又作为输入信号,再次进行 FIR 滤波。
(4) 为了进一步降低尖峰脉冲的影响,改善信号的平滑性,又将经过二次 FIR 滤波的输出数据每 12 个一组,去掉一个最大和最小数,再对 10 个数求平均值。
6 实验及结果分析
滤波器的各种重要指标都是由窗函数决定,为了改善滤波器的性能,窗函数谱的主瓣应尽可能窄,旁瓣峰值衰减应尽可能大,以使滤波器有较陡的过渡带而肩峰和余振小。但两者是相互矛盾的,实际应用中要折衷处理,兼顾各项指标。通过对矩形(Rectangular)窗、汉宁(HanNIng)窗、海明(Hamming)窗、布莱克曼(Blackman)窗以及凯塞(Kaiser)窗等几种常用窗函数的分析和比较,本算法选用加海明窗的理想低通滤波器,其归一化截止频率为 0.25,如图 5 所示。仪表采集的车辆动态称重信号为含有多种噪声成分的直流信号,其波形如图 6 所示。
原始数据经过优化算法处理后其波形如图 7 所示.从实验结果可以看出,滤波之前的噪声的峰值在 0.1 左右,部分噪点峰值达到了 0.15,而此时的轴重信号为 1,这将严重影响动态称重精度[8]。采样数据经过FIR 滤波优化算法处理后信号得到了明显的改善,可以得到非常平稳的重量信号,噪声信号的峰值被抑制在 0.01 的范围内,这就大大改善了信噪比,提高了动态称重精度。
为了检验采用优化算法的动态汽车衡的技术性能,广东省计量科学研究院按照 JJG 907-2006《动态公路车辆自动衡器》国家检定规程的要求对 CW 动态汽车衡进行了检定,其中三轴参考车辆采用了一辆三轴泥头车,前轴为单轮单轴,后轴为双轮双轴,加载 10t 标准砝码, 在静态情况下称得汽车前轴重量是 5620kg,后轴重量是 18340Kg。表 1 是部分检定数据,数据表明采用优化算法的动态汽车衡在20km/h 速度以内整车称重精度优于± 1%,达到了较高的准确度水平。
7 结束语
动态汽车衡是公路车辆超载超限检测和计重收费的重要技术装备,但其动态称重精度和稳定性一直是制约设备广泛应用的重要原因,本设计采用 FIR 滤波优化算法,对动态称重信号进行处理,有效地去除了噪声干扰,应用该技术后 CW 动态汽车衡的称重精度和稳定性大幅提高,取得了非常明显的效果,现已投入批量生产。
参考文献:
[1] 程路,张宏建,曹向辉.车辆动态称重技术[J].仪器仪表学报,2006,27(8):943-948.
[2] 王郑耀.一种较高精度的公路动态称重系统的算法研究[D].西安:西安交通大学理学院,2004.
[3] 张文会,韩冰源,马振江.车辆动态称重系统误差产生机理[J].森林工程,2007,25(3):22-24.
[4] (日)谷萩隆嗣著，王友功译.数字滤波器与信号处理[M].北京:科学出版社.2003.
[5] 王冬霞,钟文华,周航慈.基于 ARM 的 FIR 数字滤波器的软件实现[J].电子元器件应用,2008,10(5):61-63.
[6] 杜春雷.ARM 体系结构与编程[M].北京:清华大学出版社,2003.
[7] 马明建.数据采集与处理技术[M].西安:西安交通大学出版社,2005.
[8] 龚纯，王正林.精通 MATLAB 最优化计算[M].北京:电子工业出版社,2009.
作者简介:樊旺日( 1 9 6 5 - ) ,男,工程师,主要从事工业自动化仪表和动态称重设备的研究与开发
