用神经网络算法降低车辆动态称重误差

　　随着公路运输工业生产和商业贸易的不断发展，公路部门对车辆动态称重要求也越来越严格。另外车辆的负荷对公路和桥梁的设计有着十分重要的意义， 根据专家分析，车辆超限重量增加和其对路面的损害是呈几何数增长的，超限 10%的货车对道路的损坏会增加 40%，一辆 36t 的超限车辆对道路的毁坏程度相当于 9600 辆 1.8t 重的小汽车对道路的破坏。车辆如果轴重超过限值的 30%，公路使用寿命就会缩短 56%，使得公路维修费用巨增，路面使用寿命缩短[1]。

　　另外，超载运输由于载重量超过了车辆的额定吨位，使得车辆的性能受到影响：首先是车辆的稳定性受到影响;其次在弯道和纵坡较大路段，由于超载使得车辆的动力性能受到影响，严重影响了车辆的安全行驶，最后超载运输对车辆的通行能力也有一定的影响[1]。

　　对于车辆的称重，传统的方法都是在静态下进行的，这种整车测量方法准确度虽然很高，但是存在着很大的缺点，如价格较高、不能分别测出轴重等。另 外，实际应用中停止汽车运行进行重量测量也是不方便的。因此，近年来许多国家都对车辆动态称重技术进行了研究，并有一些实际的应用。

　　动态称重时，车辆以一定速度通过轴重称重平台，不仅轮胎对平台的作用时间很短，而且作用在平台上的力除真实轴重外，还有许多因素产生的干扰因 素，如：车速、加速度、轮胎驱动力等。这些因素给动态称重实现高精度测量造成很大困难。因此，在随机不确定的干扰因素作用下如何准确测量真实重量，这是动 态称重系统的技术难点和关键[2]。

　　由于汽车振动干扰是低频信号，而轴重信号也是低频信号，因此，用简单的滤波方法不能有效去除各种低频干扰。积分法精度相对较高，但需要大量的数据才能保证精度，这也是目前动态称重系统提高车辆通过速度时，测量精度无法保证的原因所在。

　　1 在不同车速及实际载重量下称重精度的误差率

　　实验选在平坦水泥地上搭建了轴重测量系统，称重平台与路面平齐，采用两轴 5t 货车进行六组实验。实验方法是货车在六种不同载重情况下以六种不同的速度通过轴重测量系统，并对系统记录下来的动态数据与实际数据比较。得到测试数据如表 1 所示。

　　由表 1 可知，随着车速的增加，误差不断增大，在实际车重为1190kg，车速为 72km/h 条件下测得动态称重最大误差为 13%;另外实际载重量对称重误差也有影响，当静态载重量增加时，测试精度反而有所提高。尽管通过硬件处理及软件算法优化处理来尽量消除振动影响，但不能 完全消除测量时产生较大误差。