[發(fā)明專利]一種實時車載稱重方法

有效

• 申請?zhí)枺?/td>: 202010003153.7
• 申請日: 2020-01-02
• 公開（公告）號: CN111209951B
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計）人: 苗少光;劉陽;彭君君
• 申請（專利權(quán)）人: 深圳市漢德網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/14;G01G19/12
• 代理公司: 深圳新創(chuàng)友知識產(chǎn)權(quán)代理有限公司 44223
• 代理人: 江耀純;孟學(xué)英

1.一種實時車載稱重方法，其特征在于，包括如下步驟：

S1：建立應(yīng)變計的數(shù)值與標(biāo)準(zhǔn)砝碼的重量的映射關(guān)系；

S2：利用快速傅里葉變換提取時序重量數(shù)據(jù)的特征向量；利用快速傅里葉變換提取時序重量數(shù)據(jù)的特征向量包括如下步驟：

S21：緩沖30-60s內(nèi)所述應(yīng)變計的數(shù)值，根據(jù)所述應(yīng)變計的數(shù)值與所述標(biāo)準(zhǔn)砝碼的重量的映射關(guān)系得到所述應(yīng)變計的數(shù)值對應(yīng)的原始重量；

S22：通過快速傅里葉變換將時序重量數(shù)據(jù)轉(zhuǎn)換為頻率分布數(shù)據(jù)；

S23：根據(jù)所述頻率分布數(shù)據(jù)按照頻率大小將分布區(qū)間劃分為四段；

S24：統(tǒng)計每一段所占的比率,依次組成特征向量；

將所述特征向量輸入到多分類支持向量分類器模型中，車輛運行狀態(tài)包括：車輛跑動、車輛靜止和車輛上下貨；

按識別的車輛狀態(tài)輸出車輛實時重量；當(dāng)車輛跑動時，車輛重量為車輛跑動前一時刻的重量；當(dāng)車輛靜止時，車輛重量為車輛靜止前一時刻的重量；當(dāng)車輛上下貨時，車輛重量實時輸出；

S3：將所述特征向量輸入到多分類支持向量分類器模型，識別出車輛運行狀態(tài)；

S4：依據(jù)所述車輛運行狀態(tài)，實時輸出車輛重量。

2.如權(quán)利要求1所述的實時車載稱重方法，其特征在于，在步驟S1之前還包括如下步驟：

采集數(shù)據(jù)，所述數(shù)據(jù)包括在車廂位置依次擺放標(biāo)準(zhǔn)砝碼的重量并依次獲取車橋部位安裝的應(yīng)變計的數(shù)值；

在步驟S4之后還包括：

S5：根據(jù)實時輸出的所述車輛重量形成重量曲線并輸出。

3.如權(quán)利要求2所述的實時車載稱重方法，其特征在于，所述應(yīng)變計在前、后車橋?qū)ΨQ地安裝偶數(shù)個；所述數(shù)據(jù)包括：標(biāo)準(zhǔn)砝碼重量構(gòu)成的向量，其中i∈1,...,N和對應(yīng)的應(yīng)變計數(shù)值構(gòu)成的矩陣X_i,j，其中，i∈1,2,3,...,N；j∈1,2,3,...,M，N代表加載所述標(biāo)準(zhǔn)砝碼的總數(shù)，M代表所述應(yīng)變計的總數(shù)。

4.如權(quán)利要求2所述的實時車載稱重方法，其特征在于，依次擺放所述標(biāo)準(zhǔn)砝碼包括：

在車廂中從車頭往車尾方向、從車廂一側(cè)到另一側(cè)擺放至少三列標(biāo)準(zhǔn)砝碼；

再在所述車廂中從車頭往車尾方向、從所述車廂另一側(cè)到所述車廂一側(cè)擺放同等列數(shù)的所述標(biāo)準(zhǔn)砝碼。

5.如權(quán)利要求2所述的實時車載稱重方法，其特征在于，利用多元線性回歸求解超定方程Y_i＝k*X_i,j中系數(shù)k的值建立所述應(yīng)變計的數(shù)值與所述標(biāo)準(zhǔn)砝碼的重量的映射關(guān)系。

6.如權(quán)利要求1所述的實時車載稱重方法，其特征在于，快速傅里葉變換是離散傅里葉變換，定義為：

其中，j、n分別為向量X、x索引，為原始重量數(shù)組，i為虛數(shù)，e為指數(shù)。

7.如權(quán)利要求1所述的實時車載稱重方法，其特征在于，所述多分類支持向量分類器模型為：

其中，z為特征向量，L為訓(xùn)練使用特征向量的數(shù)量，w為訓(xùn)練使用特征向量對應(yīng)的車輛狀態(tài)，sign屬于符號函數(shù)，括號內(nèi)大于0輸出1，小于等于0輸出-1，K(z,z_i)是核函數(shù)，b^*為分類函數(shù)的截距，是下述二次規(guī)劃的解：

s.t.0≤x≤Ce

w^Tx＝0

其中，G的每一項G_ij＝w_iw_jK(z_i,z_j),i,j＝1,2,...,L，e代表各個元素為1的向量，T代表向量轉(zhuǎn)置，C是SVM算法的懲罰參數(shù)；

選取的核函數(shù)為Gaussian核函數(shù)：

其中，exp為指數(shù)函數(shù)，σ是核函數(shù)的超參數(shù)。

8.一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7任一所述方法的步驟。