為了提高動態稱重的精度，提出一種選取有效采樣點減小誤差的方式該方式選用有限沖擊響應 數字濾波的方法設計數字濾波器，并利用Matlab軟件進行了仿真經過濾波后的采樣信號，將重量信號大 于3 Hz以上的全部濾去，消除了汽車經過秤臺時的各種干擾信號；保留有用的汽車軸重信號，準確提取出 有效數據稱量段；再采用3a準則去除粗大誤差，對去除粗大誤差后的數據求和，然后取平均值作為經過秤 臺的汽車軸重測量值對實驗結果的分析表明：通過選取有效采樣點，可使動態地磅在50%載荷時的稱 量精度提高到1%以內.

0.引言

目前，公路超載檢測和計重收費系統中廣泛應用的動態地磅的稱量精度一般在5%左右，其算法 大多是采用數字濾波并去掉AD采樣數據前段和后段的部分采樣點，對其余采樣點求取算術平均值的方 法由于過車的情況不一樣，汽車動態稱重信號中混入了由于路面不平和車輛振動等因素引起的干擾信 號例如，加速或者減速過車、車輛顛簸等情況都會使得車軸AD的采樣波形發生較大變化，所以采用 這種算法就使得計算結果精度較低因此，在外界隨機不確定度干擾因素的作用下如何準確測量真實軸重信號，就成了汽車動態稱重系統的技術難點和關鍵.

1.采樣信號分析

理想情況下，汽車經過秤臺的波形為梯形波，上升和下降沿分別是汽車輪胎上下秤臺的過程對不 同的車速，梯形波的上升沿和下降沿的長度和角度不相同.實際測得的汽車過秤信號如圖1和圖2中 曲線所示在重量信號中，除了混有汽車自身的振動引起的干擾外，還有秤臺的振動以及路面平整程度、 外界工頻信號等干擾因素的影響.

由圖1和圖2可以看出，相同重量時，車輛以不同的速度通過，輪軸重量的波形不同，達到最高點 的時刻也不相同如果在算法中采用簡單地去掉前邊和后邊的部分采樣點的辦法，會使得有效數據被舍 去，即只取得了一部分有效數據，這就使得在AD采樣速率低的情況下不能得到車輛重量的真實值，或 者使得車輛在上下秤臺時過渡段的數據被當作有效數據參與運算，在取樣和運算中造成較大誤差所 以，根據波形確定有效數據段是一種更加合理可靠的方法，采用此法能進一步提高稱量精度.

2.信號處理

在實際測試中發現.汽車的重量信號為小于3 Hz的信號.大于3 Hz的信號一般是由于外界的干擾 因素造成的.例如汽車發動機震動、秤臺的抖動或者道路不平等，所以選用FIR的Kaiser窗方 法將重量信號大于3 Hz以上的全部濾去，保留 有用的汽車軸重信號處理過程如圖3所示。

Kaiser窗是一種適應性較強的窗函數，具有較陡的過渡帶，它是一種近似最佳的窗函數,其表達式為

第一步，對采樣信號進行數字濾波m以圖1所示波形為例對其AD值進行濾波選用的Kaiser窗階數為16階，計算得到/3值為5 653.這樣選取的Kaiser窗，對于給定阻帶衰減，提供了最大主瓣寬度,從而具有最陡的過渡帶，有利于提取有效采樣點MATLAB仿真結果⑻如圖4所示。

第二步，選取有效數據段有效數據段的起始點為AD采樣數值達到第一個最大值的時刻，有效數據結束點為AD采樣數據從最后一個采樣值往前比較，達到第一個最大值的時刻，在起始點和結束點之間的數據即為算法中要用的有效數據。

第三步，對濾波后的數據按照3P準則去除粗大誤差?.這樣可以消除由于外界干擾所造成的個別采樣值的粗大誤差對整個測量結果的影響.使計算結果最大限度地逼近車軸的真實重量

設對被測量進行等精度測量.得到獨立的測量 55GG

值X 1, X 2,…,Xn,其算術平均值為

第四步，對去除粗大誤差后的數據求和，然后取平均值作為經過稱臺的汽車軸重測量值

3.實驗結果

上述方法經實驗測試效果很好，實驗用兩軸載重貨車(加載砝碼)，在額定軸載荷為30t的動態地磅上進行測試在靜態情況下稱得汽車前軸重量是5 193 kg,后軸重量是14 175 kg測試車分別以快 速、慢速及變速等多種形式通過秤臺，實驗測得部分數據及處理運算結果如表1所示。

式中：M1為動態軸重重量；M2為靜態軸重重量；S為測量誤差

4.結論

相比單純地使用數字濾波的方法，選取有效采樣點進行動態數據處理的方法將動態地磅在50% 載荷的稱量精度得到了提高此方法不需要大量的采樣數據，即使AD采集到的周期信號不完整，也能 有效地將測得的軸重量誤差控制在1%以內在對濾波后的數據進行處理時，按照3&準則去除粗大誤 差，消除了由于外界干擾所造成的個別采樣值的粗大誤差對整個測量結果的影響，求取有效數據和的平 均值，使計算結果最大限度地逼近車軸的真實重量。