一种车辆实时动态称重方法技术

本发明专利技术涉及一种车辆实时动态称重方法，步骤包括部署系统、建立实际重量线性关系、利用卡尔曼滤波器进行处理、对载重传感器数据进行卡尔曼滤波算法迭代、对惯性测量单元输出姿态角及加速度进行计算、计算车辆最终载重结果、数据推送。本发明专利技术技术方案综合考虑车辆动态称重高精度和实时性的要求，利用安装在车辆的载重传感器且通过多传感器数据融合并利用卡尔曼滤波实现车辆高精度实时动态称重，再利用通信模块终端确保汽车动态称重结果向用户实时推送，结合定位模块，实现货物流向的实时追踪，有利于降低人工成本，也满足了车辆可靠、实时、动态、高精度的称重需求。高精度的称重需求。高精度的称重需求。

【技术实现步骤摘要】
一种车辆实时动态称重方法


[0001]本专利技术涉及车辆称重计量领域，尤其涉及一种车辆实时动态称重方法。

技术介绍

[0002]目前，车辆称重在矿土、港口等大众货物运输以及交通道路、桥梁安全管理、车辆超限治理等领域均发挥着重要的作用。现有的称重方式多为地磅称重，主要采用两种形式：即静态称重和动态称重；其中，静态称重要求称重对象相对于计量装置静止，即对象稳定后进行计量，因而，静态称重是在静止的状态下进行，其称重的准确度较高，然而称重速度相对较慢；其中，动态称重是指对象运动状态无须改变，在行动的过程中快速通过地磅进行称重，因而，动态称重是在运动的状态下进行，其称重速度快，但其精度相对于静态称重略低。
[0003]随着车辆称重技术的不断发展，目前已经出现车载称重系统，但受限于汽车自身车况差异、行驶路况、车速等条件，导致其在实际使用中动态称重测量精度普遍远低于标称精度，难以满足使用要求，因此，需要在传统的车辆称重方法的基础上继续创新，将传统的车辆称重技术、相关设备与网络技术相结合，开发具有明显优越性的实时动态称重方法，构建有效的车辆实时动态称重系统，是解决以上问题的有效途径。
[0004]研发人员针对以往车辆称重技术手段进行分析，经过总结得出，现有的用于车辆实时动态称重的方法在技术层面存在诸多缺陷，主要暴露在以下几个方面：
[0005]其一，由于传统地磅称重一般要求车辆必须行驶到地磅安装点进行称重，每次称重需人工确认车辆登记信息，耗费人力的同时也导致了步骤的繁琐，特别是当称重车辆较多时，称重效率低且易出错，这很明显会影响车辆货物运输效率和运输成本；
[0006]其二，若采用传统的地磅称重方法无法追踪货物流向，存在一定的称重作弊空间，会导致货物运输车队监管困难；
[0007]其三，目前现有的车载称重系统，受限于汽车自身车况差异、行驶路况等条件，导致其在实际使用动态称重测量精度普遍远低于系统标准称重精度，难以满足使用要求，尤其是在面向道路条件复杂的应用场景，例如，存在大量坡面行驶或汽车运动过程中路面颠簸导致失重、超重时，此时的称重数据使得动态测量精度偏差超出使用要求，进而导致货运车辆装载率无法精准估算，容易造成运力浪费，而一旦超载又面临罚款损失。
[0008]综上分析，本专利技术正是在现有公知技术的基础上，结合实际应用经验的总结，提供一种车辆实时动态称重方法来解决上述问题，其综合考虑车辆动态称重高精度和实时性的要求来克服现有技术所暴露出的各种问题。经过本专利技术技术方案的提出，技术人员不断地进行实践与分析，能够证明本专利技术所提出的技术方案可解决、或至少可缓解、或可部分解决现有技术存在的问题，同时也有利于满足车辆可靠、实时、动态地高精度称重的需求。

技术实现思路

[0009]针对以上缺陷，本专利技术提供一种车辆实时动态称重方法，其通过在汽车承重区域安装多个载重传感器，采用多传感器数据融合并利用卡尔曼滤波实现车辆高精度实时动态
称重，再利用通信模块终端确保汽车动态称重结果向用户实时推送，有利于强化车辆称重的高精度和实时性，有利于实现货物流向的实时追踪。
[0010]为实现上述目的，本专利技术采用以下技术方案：
[0011]一种车辆实时动态称重方法，其用于强化车辆实时动态称重的高精度与实时性，包括以下步骤：
[0012]步骤一：预先分别部署前端车辆称重数据采集分系统与后端数据服务分系统；其中，前端车辆称重数据采集分系统由载重传感器、惯性测量单元以及车载终端构成，载重传感器设置为多个且通过测量由车辆载重量变化引起的形变量对应成相应的重量来监控车辆的重量变化，车载终端的处理模块用于打包定位数据、惯性单元的测量数据、载重数据以及车辆ID形成车辆载重数据包再上传至服务器；其中，后端数据服务分系统由车辆信息数据服务器和用户终端构成，车辆信息数据服务器用于针对所有车辆载重数据包解析并存储，融合多传感器并利用卡尔曼滤波算法实时处理车辆数据信息，以便实现在线高精度实时动态称重；
[0013]步骤二：车辆动态称重系统在部署完成后，利用高精度地磅或标准重量货物对所部属车辆进行多次称重标定，通过标定建立组合载重传感器输出位移值与车辆载货实际重量线性关系；
[0014]步骤三：云服务器实时接收的动态车辆称重系统输出信号由两部分构成，一部分满足动力学方程可进行预测，另一部分符合高斯分布的随机变量即高斯白噪声，利用卡尔曼滤波器，离散化一个线性随机微分方程和一个观测方程：
[0015][0016]在方程式中：X
k
为当前状态，X
k
‑1为前一时刻状态，Φ为3n
×
3n转移矩阵，B为控制矩阵，u
k
为控制量，w
k
为过程噪声且协方差矩阵为Q，Y
k
为实际传感器测量值，H为系统观测矩阵，v
k
为观测噪声且其协方差矩阵为R；
[0017]步骤四：车载终端将传感器数据实时上传，收到车辆称重数据包后，对载重传感器数据进行卡尔曼滤波算法迭代，方式如下：
[0018]步骤Ⅰ：通过上一次状态的最优估计X
k
‑1得到本次状态的预测X
k—
：
[0019][0020]步骤Ⅱ：计算本次估计协方差矩阵预测P
k—
：
[0021]步骤Ⅲ：进一步计算卡尔曼滤波增益：
[0022]步骤IV：修正步骤Ⅰ，得到预测状态，计算本次最优估计：
[0023][0024]步骤
Ⅴ
：增益矩阵K与协方差估计矩阵P
k—
，得到本次协方差矩阵，再更新协方差矩阵：
[0025]以上各式中：P为协方差矩阵，P
k
‑1为上次协方差矩阵，其中的状态量初值X0、协方差初值P0、以及过程噪声协方差矩阵Q与观测噪声协方差矩阵R，均可通过步骤二的车辆动态称重系统标定数据中分析而得到最优解作为实际使用的固定值；
[0026]步骤五：对惯性测量单元输出姿态角及加速度进行卡尔曼滤波；
[0027]步骤六：在步骤二的由组合载重传感器输出位移值与车辆载货实际重量建立线性关系的基础上，通过步骤四的滤波后获得的载重传感器数据，来计算融合姿态角加速度前载重传感器测量载重m0，再利用步骤五滤波后的惯性测量单元测量车辆当前姿态与加速度来补偿受力对载重传感器的影响，卡尔曼滤波后三轴姿态角[φθψ]，加速度计三轴加速度为[a
x a
y a
z
]，当地重力加速度为g，则融合后车辆最终计算载重结果为：
[0028][0029]步骤七：计算完成后，车辆动态称重计算结果、称重位置、称重时间与车辆代号ID保存并同时打包形成称重结果数据包，推送至用户端，且可显示、查询。
[0030]对于以上技术方案，技术人员进一步实施：
[0031]惯性测量单元包括陀螺仪、加速度计；
[0032]在部署系统时，车载终端内部集成装配CPU处理模块、定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆实时动态称重方法，其用于强化车辆实时动态称重的高精度与实时性，其特征在于，包括以下步骤：步骤一：分别部署前端车辆称重数据采集分系统与后端数据服务分系统；所述前端车辆称重数据采集分系统由载重传感器、惯性测量单元以及车载终端构成，所述载重传感器设置为多个且通过测量由车辆载重量变化引起的形变量对应成相应的重量来监控车辆的重量变化，所述车载终端的处理模块用于打包定位数据、惯性单元的测量数据、载重数据以及车辆ID形成车辆载重数据包再上传至服务器；所述后端数据服务分系统由车辆信息数据服务器和用户终端构成，所述车辆信息数据服务器用于针对所有车辆载重数据包解析并存储，融合多传感器并利用卡尔曼滤波算法实时处理车辆数据信息，以便实现在线高精度实时动态称重；步骤二：车辆动态称重系统在部署完成后，利用高精度地磅或标准重量货物对所部属车辆进行多次称重标定，通过标定建立组合载重传感器输出位移值与车辆载货实际重量线性关系；步骤三：云服务器实时接收的动态车辆称重系统输出信号由两部分构成，一部分满足动力学方程可进行预测，另一部分符合高斯分布的随机变量即高斯白噪声，利用卡尔曼滤波器，离散化一个线性随机微分方程和一个观测方程：在方程式中：X
k
为当前状态，X
k
‑1为前一时刻状态，Φ为3n
×
3n转移矩阵，B为控制矩阵，u
k
为控制量，w
k
为过程噪声且协方差矩阵为Q，Y
k
为实际传感器测量值，H为系统观测矩阵，v
k
为观测噪声且其协方差矩阵为R；步骤四：车载终端将传感器数据实时上传，收到车辆称重数据包后，对载重传感器数据进行卡尔曼滤波算法迭代，方式如下：步骤Ⅰ：通过上一次状态的最优估计X
k
‑1得到本次状态的预测X
k—
：步骤Ⅱ：计算本次估计协方差矩阵预测P
k—
：步骤Ⅲ：进一步计算卡尔曼滤波增益：步骤Ⅳ：修正步骤Ⅰ，得到预测状态，计算本次最优估计：步骤
Ⅴ
：增益矩阵K与协方差估计矩阵P
k—
，得到本次协方差矩阵，再更新协方差矩阵：以上各式中：P为协方差矩阵，P
k
‑1为上次协方差矩阵，其中的状态量初值X0、协方差初值P0、以及过程噪声协方差矩阵Q与观测噪声协方差矩阵R，均可通过步骤二的车辆动态称重系统标定数据中分析而得到最优解作为实际使用的固定值；步骤五：对惯性测量单元输出姿态角及加速度进行卡尔曼滤波；
步骤六：在步骤二的由组合载重传感器输出位移值与车辆载货实际重量建立线性关系的基础上，通过步骤四的滤波后获...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：上海鉴创科技有限公司，
类型：发明
国别省市：