导读:本文包含了汽车动态称重论文开题报告文献综述及选题提纲参考文献，主要关键词:汽车动态称重,单轮重测量,数据处理,平滑滤波
汽车动态称重论文文献综述
李冰莹[1]（2017）在《数据平滑滤波在汽车动态称重中的应用》一文中研究指出本文介绍数据平滑滤波在汽车动态称重输出信号中的应用,阐述了动态称重系统中常用的五种滤波方法,通过对试验数据的分析研究,针对汽车动态称重中对采样数据影响较大的主要是周期性干扰这一特点,采用算术平均滤波。滤波后称重传感器输出的电压曲线上"毛刺"明显减少,达到了比较理想的效果。(本文来源于《衡器》期刊2017年12期）
张鲁鲁,袁琰红[2]（2017）在《汽车衡动态称重检测技术的专利现状分析》一文中研究指出文章以汽车衡动态称重检测技术的相关国内外专利文献为基础,从申请量的年度发展趋势和申请量的区域分布进行了统计分析和梳理,并进一步研究了汽车衡动态称重检测技术的细分技术,从而来明确当前汽车衡动态称重检测技术的专利发展现状,旨在为该领域的进一步发展提供参考。(本文来源于《中国高新技术企业》期刊2017年06期）
梁宇[3]（2017）在《Hilbert-Huang变换在汽车高速动态称重中的应用研究》一文中研究指出计重处理时其中一个步骤称为分轴,即将车轴与重量信号在时间轴上进行对应,其对计重精度有很大影响。当汽车高速通过计重设备时,若信号包含的干扰项过多,则分轴就会变得异常困难。研究使用Hilbert-Huang变换对信号进行处理和分析,以便顺利完成汽车高速通过时的分轴。(本文来源于《公路交通技术》期刊2017年02期）
谭爽,李丽宏[4]（2016）在《基于灰色神经网络的汽车动态称重数据处理》一文中研究指出针对目前汽车动态称重方法称量精度低和所需数据样本数量大的缺陷,提出了一种新的动态称重数据处理方法,通过GM(1,1)模型对车辆动态称重数据进行预处理,获得每个称重数据的误差补偿量,建立了以车辆速度、加速度、动态称重残差序列为输入变量的灰色神经网络模型,使系统称量误差小于1%,称量准确度等级达到1级指标。研究表明,该方法在动态汽车衡数据处理中的可行性强,实现了在贫信息、少数据情况下对动态称重数据的高精度处理,为汽车动态称重系统精度的进一步提高提供了理论与技术支撑。(本文来源于《传感技术学报》期刊2016年08期）
张晓东,李丽宏,宋艳琴[5]（2015）在《基于双秤台汽车衡的车辆动态称重算法》一文中研究指出针对双秤台汽车衡的车辆动态称重进行了算法研究,提出了先使用小波变换对称重信号滤波预处理,使用专家系统识别车辆轴型,用车轴的速度计算加速度,最后依据双秤台传感器称重信号、速度信号、加速度信号、以及车辆轴型组建BP网络模型,利用BP网络算法良好的自我学习能力,对大量实测数据进行训练,达到了一定的动态称重测量精度,取得了较好的效果。(本文来源于《传感器与微系统》期刊2015年06期）
王强,刘仰韶,张文忠,许肇峰,任伟新[6]（2014）在《光纤高速汽车动态称重系统》一文中研究指出以电学测量为基础的动态称重系统多存在抗干扰能力弱和稳定性差等不足,采用稳定性好的光学测量技术可以弥补电学测量的不足。利用弯板式称重板进行移动车辆轮轴荷载称量和高速光纤光栅解调仪进行称重板应变测量的方法,结合汽车车辆的轮轴特性,从材料选用、结构设计、数据采集分析系统的软件设计等方面进行深入分析,研制了一套利用光纤Bragg光栅和高速动态解调仪实现弯板式高速动态汽车称重系统(WIM)。经与已知轴重和总重的车辆进行现场实测对比检验了系统的精度,满足ASTM E1318标准的要求,与商用称重系统进行实测结果的统计对比验证了系统的实用性。实际验证结果表明:该高速动态称重系统可用于对桥上自由运行车辆轮轴重、总重、车辆速度和轮轴间距等参数的采集,为公路桥梁车辆荷载研究提供必要手段。(本文来源于《长安大学学报(自然科学版)》期刊2014年03期）
荆根强,刘璐,冷正威,窦光武[7]（2013）在《关于我国交通运输业汽车动态称重技术的探讨》一文中研究指出本文从交通运输业汽车动态衡的应用现状入手,分析了汽车动态称重技术在使用和计量检定环节存在问题,提出了如何提升动态称重技术应用水平、提高公路运输治超工作效率的技术措施,并阐述了压电石英、光栅光纤传感在汽车动态称重领域的应用前景。(本文来源于《公路交通科技(应用技术版)》期刊2013年08期）
冯秀丽[8]（2013）在《汽车速度及加速度对动态称重系统的影响研究》一文中研究指出近年来,随着我国市场经济的快速发展,交通运输业也日渐繁荣。各种运输车辆盲目追求利益最大化,致使车辆超限超载现象十分严重,造成公路基础设施被严重损坏,诱发大量交通安全事故,扰乱了交通运输市场秩序,严重威胁着国家和人民的生命财产安全。为严格治理超限超载车辆,汽车动态称重系统于近几年来得到了广泛的应用。目前汽车动态称重系统的称量方式主要有静态称量和动态称量两种。静态称量是指在称量期间,载荷相当于衡器承载器没有相对运动的称量。这种方法具有良好的复现性,是最为精确的称量方法,但测量效率较低,容易造成交通阻塞。动态称量是指在称量期间,载荷相当于衡器承载器存在相对运动的称量。该方法缩短了测量时间,提高了测量效率,但增加了许多无法预测的影响因素,增加了重复性误差。在实际测试中发现,车辆的速度及加速度对动态称重系统的影响很大,被测车辆以不同的速度及加速度通过秤台,称量结果的误差大小也不尽相同。为了尽可能的减小各种干扰带来的称重误差,保证测量精度满足国家标准,便需要对被测车辆的速度、加速度及称重数据进行误差分析,并研究出减小称重误差的有效的数据处理方法。本文中分析了汽车动态称重系统的结构及工作原理,详细阐述了汽车动态称重系统的工作过程,又详细列出影响汽车称重结果精度的各种干扰信号,主要包括高频噪声信号和低频干扰信号,而汽车的行驶速度及加速度等低频干扰信号是影响称重结果的重要因素。第二章中通过对汽车振动进行建模及对汽车行驶过程进行受力分析,详细分析了汽车的速度及加速度对动态称重结果的影响。为采集汽车的速度及加速度信号,进一步验证汽车速度及加速度对动态称重结果的影响,在第叁章中介绍了一种汽车行驶状态无线监测装置,利用该装置对行驶车辆的速度及加速度数据进行现场采集。本章详细介绍了汽车行驶状态无线监测装置的构架及工作原理,并对所用旋转编码器的结构和精度进行了详细分析。随后从硬件设计和软件设计两部分对该装置进行了详细介绍。在第四章对汽车称重信号和汽车速度及加速度信号进行了现场采集,并进行综合分析。首先详细介绍了几种数据预处理方法,选取了滑动平均滤波方法对采集信号进行滤波处理,随后对采集信号进行了有效采样,并分别对汽车在5km/h、10km/h、15km/h、20km/h、25km/h行驶速度下的称重误差进行详细分析,得出分析结论。为减小由于汽车的速度及加速度等不确定干扰因素对称重结果的影响,最后本文详细介绍了基于卡尔曼滤波法的汽车动态称重数据处理过程。其中详细介绍了卡尔曼滤波的系统建模过程及算法流程,并对采样信号进行卡尔曼滤波处理,通过实验证明,应用卡尔曼滤波方法能够提高称重结果的测量精度。(本文来源于《太原理工大学》期刊2013-05-01）
周志国,马林才,刘美灵[9]（2012）在《汽车超载智能控制器随车动态称重系统研究》一文中研究指出对汽车超载的现状进行了分析,通过分析,现有的超载检测设备很难从源头上解决超载问题。介绍了一种汽车超载智能控制器,可随车实现车辆的动态称重,当车辆超载时,控制车辆拒起动;当车辆超限时,执行跛腿功能,使得车辆被迫驶离该路段或卸载。文章对控制系统的组成及控制原理进行了详细的介绍。(本文来源于《农业装备与车辆工程》期刊2012年11期）
赵娜[10]（2012）在《基于BP神经网络的汽车动态称重系统数据处理研究》一文中研究指出随着我国社会主义市场经济的发展,现代交通运输量急剧增加。运输车辆恶性竞争,使得超限运输现象非常严重,车辆超限超载会加速公路、桥梁损坏,大大地缩短了其使用年限,严重影响着运输业的健康发展。因此,公路相关部门采取了治理超限超载措施,车辆计重收费和相关治理办法应时而生。目前汽车的称重方式主要有两种：即静态称重和动态称重。由于静态称重耗时大、工作效率低等缺点,使得动态称重系统的应用日益广泛。动态称重系统是在运动状态下对车辆进行称重,其最重要的性能指标是动态称重的精度。传统的动态称重系统只是对采集的信号做简单的处理,使得测量精度较低,缺乏对采集信号的深层次处理,所以称重精度很难提高。由于影响称重精度的干扰因素存在着一定的函数关系,简单的数据处理方法很难得出数据之间的变化规律,而人工神经网络在非线性映射处理以及数据的规律记忆中有其独特的优势。本文由叁个部分组成,第一部分主要分析汽车动态称重系统的结构和工作原理,阐述了汽车动态称重系统的全部工作过程和汽车的整体运动过程。汽车运动的自由度可按叁维空间内的刚体运动规律分成六类。这六类中只有垂直载荷即汽车俯仰运动和横摆运动是影响称重结果的主要原因,而这两种运动是由于汽车振动引起的。汽车的振动使得载荷干扰变大,真实信号被淹没。由于采集信号干扰因素较多,需要进行深层次的分析,降低对汽车称重结果的影响。第二部分讲述了汽车驶入秤台时的理想波形以及实际波形,并对实际波形进行了讨论,得出稳定型波形和多波峰型波形处理相对简单的结论。汽车行驶速度较低时,汽车信号采样波型稳定,计算精度相对较高。汽车驶入速度较大时,出现的双波峰和单波峰波形较难处理。随后引出了常用的数据处理方法,得出用BP神经网络进行数据分析来实现非线性函数的映射,可以实现高的计算精度。第叁部分详细介绍了基于神经网络的汽车动态称重系统建模准备工作。建立了叁层神经网络模型结构,对输入层、输出层和隐含层神经元个数进行了详细分析。本文分析了汽车前后排传感器的数据特性,将采样数据进行了差值分析,得出将差值应用于输入层会使得称重结果更加精确的结论。本部分讲述了学习样本的选取原则,同时对网络的训练进行了准备,确定了所采用的传递函数、训练函数、学习函数、误差函数以及初始权值。讨论了BP网络的缺陷并提出改进措施,最后建立了神经网络模型。本课题最后将实际中测得的数据进行了训练,训练样本分为学习样本和测试样本。通过实验实现了网络的泛化能力,验证了BP神经网络算法应用在数据处理中可以使称重结果精度更高。(本文来源于《太原理工大学》期刊2012-05-01）
汽车动态称重论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章以汽车衡动态称重检测技术的相关国内外专利文献为基础,从申请量的年度发展趋势和申请量的区域分布进行了统计分析和梳理,并进一步研究了汽车衡动态称重检测技术的细分技术,从而来明确当前汽车衡动态称重检测技术的专利发展现状,旨在为该领域的进一步发展提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
汽车动态称重论文参考文献
[1].李冰莹.数据平滑滤波在汽车动态称重中的应用[J].衡器.2017
[2].张鲁鲁,袁琰红.汽车衡动态称重检测技术的专利现状分析[J].中国高新技术企业.2017
[3].梁宇.Hilbert-Huang变换在汽车高速动态称重中的应用研究[J].公路交通技术.2017
[4].谭爽,李丽宏.基于灰色神经网络的汽车动态称重数据处理[J].传感技术学报.2016
[5].张晓东,李丽宏,宋艳琴.基于双秤台汽车衡的车辆动态称重算法[J].传感器与微系统.2015
[6].王强,刘仰韶,张文忠,许肇峰,任伟新.光纤高速汽车动态称重系统[J].长安大学学报(自然科学版).2014
[7].荆根强,刘璐,冷正威,窦光武.关于我国交通运输业汽车动态称重技术的探讨[J].公路交通科技(应用技术版).2013
[8].冯秀丽.汽车速度及加速度对动态称重系统的影响研究[D].太原理工大学.2013
[9].周志国,马林才,刘美灵.汽车超载智能控制器随车动态称重系统研究[J].农业装备与车辆工程.2012
[10].赵娜.基于BP神经网络的汽车动态称重系统数据处理研究[D].太原理工大学.2012