The invention discloses a vehicle dynamic weighing method based on neural network regression, which includes the following steps: (1) data preprocessing: collecting the original data of vehicle dynamic wheel weight by using weighing sensor, and preprocessing the original data; (2) data feature extraction: acquiring features related to static weighing scene in data; (3) model training: taking the above data features as input; Neural network regression algorithm is used to train dynamic weight measurement model; (4) vehicle weight measurement: dynamic weight measurement model calculates vehicle weight based on real-time vehicle dynamic wheel weight data. The invention also discloses a system adopted by the vehicle dynamic weighing method based on the said method. The vehicle dynamic weight measurement method proposed by the invention can dig in depth the non-linear relationship between dynamic wheel weight data and accurate vehicle weight, and improve the accuracy of dynamic vehicle weight measurement.
【技术实现步骤摘要】
基于神经网络回归的车辆动态测重方法及其采用的系统
本专利技术涉及智能交通应用
,具体涉及一种基于神经网络回归的车辆动态测重方法及其采用的系统。
技术介绍
随着我国经济水平的不断提高,公路运输行业快速发展,逐渐成为国民经济的命脉。与此同时,车辆超限超载运输的现象也日益增多,不仅破坏了公路的结构设施,还存在极大的交通安全隐患。为了应对此问题,我国陆续在各地实施货车计重收费,加强了对超限超载运输的管理。目前车辆的测重方式主要分为静态测重和动态测重两种。静态测重,即对静止于称重台上的车辆进行质量的测量。这种方式可达到很高的精度,但其要求车辆经过称重台时必须停车,称量时间长、工作效率低。当车流量较大需要连续称量时,这种称量方式会造成交通拥堵,不利于交通运输业的发展。而动态测重则是在车辆行驶时实现测重,因此受到了广泛关注。动态测重是在车辆行驶过程中,通过测量动态轮胎受力,计算得到相应的静态车辆重量、车速、轴重等信息,是智能交通的主要组成部分。在动态测重技术方面,传感器的硬件技术起着重要的作用,随着最新硬件技术的使用,动态测重的准确度、测重速度等都在一定程度上得到了改善。但是在相同的硬件水平下,数据处理方法的好坏直接影响测重系统的称量精度。因此,在软件技术方面,如何对数据进行合理的处理并设计合适的动态测重算法也是关键问题。对于动态测重,车辆经过称重台时,作用在称重台上的力不仅仅是车辆的压力,还有一些由于路面不平整、车辆振动等产生的干扰力。这些干扰力使得传感器无法获得车辆的真实重量,给信号分析带来了一定的难度。虽然现有的动态测重算法(如平均法、位移积分法等)能在一定 ...
【技术保护点】
1.一种基于神经网络回归的车辆动态测重方法,其特征在于,包括以下步骤:(1)数据预处理:利用称重传感器采集原始数据,并对原始数据进行预处理;(2)特征提取:获取数据中与静态测重场景相关的特征;(3)模型训练:将上述数据特征作为输入,采用神经网络回归算法训练动态测重模型;(4)车重测量:动态测重模型根据实时获取的车辆动态轮重数据,计算车辆的重量。
【技术特征摘要】
1.一种基于神经网络回归的车辆动态测重方法,其特征在于,包括以下步骤:(1)数据预处理:利用称重传感器采集原始数据,并对原始数据进行预处理;(2)特征提取:获取数据中与静态测重场景相关的特征;(3)模型训练:将上述数据特征作为输入,采用神经网络回归算法训练动态测重模型;(4)车重测量:动态测重模型根据实时获取的车辆动态轮重数据,计算车辆的重量。2.根据权利要求1所述的基于神经网络回归的车辆动态测重方法,其特征在于,所述步骤(1)中,数据预处理主要是数据筛选,所述数据筛选是根据车辆上秤、完全上秤、下秤三个阶段的斜率变化,将车轮刚上秤台和车轮开始下秤两个过程中获得的数据剔除,仅保留车轮完全在秤台上时获得的数据。3.根据权利要求1所述的基于神经网络回归的车辆动态测重方法,其特征在于,所述步骤(2)中,获取数据中与静态测重场景相关的特征,对于每辆车,以车辆的轴距作为一个特征;对于该车的各个车轮,提取的特征主要包括:数据采样量;车辆完全上秤阶段的最大值、最小值、斜率;平稳段的均值、相对位置。4.根据权利要求1所述的基于神经网络回归的车辆动态测重方法,其特征在于,所述步骤(3)中,数据特征输入后,模型训练包括构建训练集、特征归一化、训练动态测...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。