BP神经网络在汽车的动态称重中的应用

　　1 前言

　　目前，公路运输是各国物资运输的主要形式。近年来，通过加大货车车厢和提高发动机功率的方法确实提高了公路运输的能力和效率，给各国经济带来了很大的发展。但是，这也给公路部门带来很大的压力，因为货车超载现象十分严重，货车的超载会减少公路的使用寿命，同时也会增加交通事故发生的概率。据调查，英国的超载车辆达45%，法国的超载车辆达47%，我国近年来的超载更是严重，超载率达56%。因此，为了保障我国公路运输系统的良好运转，必须监测货车的载重，汽车动态称重仪在公路监测载重的使用中就具有重要的意义和价值。

　　目前，汽车称重系统有静态称重系统和动态称重系统两种。静态称重系统虽然称重精度高，但由于称重台庞大而且是在汽车停止时称重的，所以不利于公路的高速运营。动态称重系统由于系统小，而且是在汽车不停车的状态下称重的，所以有利于公路的高速运行。鉴于汽车在行驶时会受到各种干扰因素的影响，且这些干扰因素是随机的，不能用确定的函数关系来表达，所以本论文采用神经网络的方法来处理信号。神经网络的方法是一种采用黑箱建模的方法，利用大量样本数据(包括输入数据和输出数据———目标数据) 来拟合输出和输入的函数关系，这一过程叫黑箱的学习或训练过程。训练好后，利于实际输入数据，得到输出数据[1]。

　　2 汽车动态称重系统

　　2.1 汽车动态称重系统组成

　　汽车动态称重系统一般由称重平台、信号转换电路、主机，以及显示屏组成。其中，信号转换电路包括：放大电路、滤波电路和A/D 转换电路[2- 3]。汽车通过称重平台时，传感器将汽车轴重信号转换成电压信号，电压信号经过放大电路后进行滤波，去除一部分噪声，然后经过A/D 转换电路把模拟量转换成数字量，数字量送入PC 机进行数字信号的处理工作，处理结果由屏幕显示出来。

　　2.2 汽车动态称重的影响因子分析及处理措施

　　当汽车通过称重台时，其轮胎对称重台的压力除了包括汽车静态重量外，还包括各种噪声，这些噪声主要包括：汽车速度、加速度、路面不平整和发动机周期的运转造成的汽车的震动，这些干扰会影响动态称重衡的测量精度，因此我们应从硬件和软件上来减少这些不利影响[4- 5]。

　　汽车在行驶时，真实的静态重量淹没在动态载荷中，因此应该设法减少这些不利因素。汽车在通过称重台时，加速度会导致汽车重心的前后移动，因此在距离称重台一定远处设立提示牌;路面的不平会造成汽车的上下震动，当汽车通过称重台时，使动态载荷偏离静态载荷很远，因此在离称重台一定距离内的路面应该平整。