卡尔曼滤波在动态汽车衡称量中的应用_卡尔曼滤波及其实时应用.docx

卡尔曼滤波在动态汽车衡称量中的应用_卡尔曼滤波及其实时应用 摘 要：为了适应动态汽车衡称重精度的要求，本文通过分析干扰因素，提取出真实的轴重信号，将汽车质量信号分成两部分进行分析建模，应用卡尔曼滤波作为信息处理器，得到较精确的真实信号。在实际测试中通过加载砝码，得到了较精确的试验数据，与其AD值的平均值进行对比。结果表明：该方法提高了动态称重的精度，实现了动态精度在国标范围中。 关键词：关键词1动态称重; 卡尔曼滤波；数据处理 中图分类号：T P 32 文献标识码：A DoI: 10.3969/j.issn.1003-6970.2012.03.008 Research on road dynamic weighing system with Kalman filter LI Li-hong, ZHAO Na (Information Engineering College, Taiyuan University of Technology, Taiyuan 030032, China) In order to adapt the requirements of dynamic truck weighings accuracy, this paper analyzes the interference factors, extract the real axle load signal, the truck quality signal is divided into two parts to modele analysis, the application of Kalman filtering as an information processor, to be more accurate the true signal. In the actual test by loading weight, get a more accurate experimental data, compare with the average of its AD value . The results showed that: the method improves the accuracy of dynamic weighing, and achieves dynamic accuracy in the GB range. dynamic weighing; Kalman filter; data processing; 0 引 言 为适应现代自动化管理，动态汽车衡已经广泛应用于高速马路超限检测系统和计重收费系统，高精度、高速度是汽车动态称重系统的迫切需求，由于路面不平和车辆振动等因素使得采集到的重量信号中掺杂了困难的干扰信号,在外界随机干扰因素作用下如何精确测量真 实轴重信号，就成了汽车动态称重系统的技术难点和关键。 汽车驶入秤台时，由于汽车自身因素以及路面的不平整度的影响，使得汽车信号受到各种干扰因素。依据汽车动力学，可以得到其数学模型为一个单自由度二阶线性系统。本文通过分析干扰因素，提取出真实的轴重信号，结合卡尔曼滤波将信号加以处理，得到较精确的真实信号。 1 测试系统及原理 结合汽车衡模型和汽车驶入秤台的测量数据后，我们得出志向状态下汽车在秤台上产生的波形是一个梯形波。如图1所示，汽车均速驶入秤台时为始终线，到达梯形波底则是汽车在上秤台的过程，中间的平稳直线是汽车完全作用与汽车所产生的波形，同理另一个腰是汽车在下秤台的过程。 结合汽车衡模型和汽车驶入秤台的测量数据后，我们得出志向状态下汽车在秤台上产生的波形是一个梯形波。均速驶入秤台时为始终线，到达梯形波底则是汽车在上秤台的过程，中间的平稳直线是汽车完全作用与汽车所产生的波形，同理另一个腰是汽车在下秤台的过程。下一章将详细分析此过程的实际波形。 2.1 卡尔曼滤波简介 卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采纳信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值1。 卡尔曼滤波即为最优线性滤波.应用这种滤波方法的优点是，每加进一个新的量测值，只须要利用已经算出的前一状态的滤波值和滤波误差的方差阵，便可算出新的状态的滤波值和新的滤波误差方差阵.这样，不论量测次数如何增加，既不须要解高阶的逆矩阵，又不须要存储大批过时的量测数损，从而满意了应用滤波时的实时须要，也大大削减计算机的存储量。