HHT 在動(dòng)態(tài)稱重傳感器處理非線性信號中的應(yīng)用

劉玉龍，李曉林

(太原理工大學(xué) 信息工程學(xué)院，山西 太原030000)

0 引 言

動(dòng)態(tài)稱重(weight in motion，WIM)是指車輛在運(yùn)動(dòng)狀態(tài)下經(jīng)過稱重設(shè)備從而得到車輛的重量。稱重傳感器是動(dòng)態(tài)稱重系統(tǒng)的核心構(gòu)件，極大地影響著稱重系統(tǒng)的精度。相比靜態(tài)稱重而言，動(dòng)態(tài)稱重效率更高，更適合現(xiàn)在節(jié)奏更快的物流運(yùn)輸檢測需求，但是靜態(tài)稱重時(shí)是車輛平穩(wěn)的靜止在稱重設(shè)備上，除了車輛自身沒有其他干擾，所以，更容易得到精確的重量值。但是動(dòng)態(tài)稱重過程中就會(huì)面臨多種影響，比如:路面狀況;車輛荷載狀態(tài);稱重設(shè)備使用年限過多;車輛行駛狀態(tài)等［1］。在各種影響因素的作用下，致使傳統(tǒng)的信號分析方法對于稱重過程中的非線性、非平穩(wěn)信號解析的不夠精確，這就直接影響到了動(dòng)態(tài)稱重系統(tǒng)的精度。由于汽車振動(dòng)干擾是低頻信號，而軸重信號也是低頻信號，因此，用簡單的濾波方法不能有效去除各種低頻干擾［2］。

本文引入希爾伯特—黃變換(HHT)信號處理方法來力求更加精確地解析出稱重傳感器接收到的非線性信號，得到更加真實(shí)的稱重?cái)?shù)據(jù)，從而得到更加準(zhǔn)確的重量值。

1 懸臂梁稱重傳感器

目前，車輛動(dòng)態(tài)稱重系統(tǒng)均采用軸載計(jì)量方式，即通過稱量汽車每個(gè)軸的重量，最終得到該車輛的總重。稱重傳感器一般由2 組安裝在秤臺(tái)兩邊固定架的懸臂梁稱重傳感器構(gòu)成(如圖1 所示)，安裝時(shí)一端固定在秤臺(tái)上，另一端通過壓頭加載秤臺(tái)承受的重量，內(nèi)部采用鋼球傳力結(jié)構(gòu)，具有良好的密封性能。受力后能自動(dòng)調(diào)心，具有安裝簡單、使用方便、互換性好等優(yōu)點(diǎn)，車輛經(jīng)過時(shí)即可根據(jù)傳感器電壓信號的變化來得到車輛的真實(shí)軸重。

圖1 懸臂梁稱重傳感器Fig 1 Cantilever beam weighing sensor

動(dòng)態(tài)稱重系統(tǒng)如圖2 所示。

圖2 動(dòng)態(tài)稱重系統(tǒng)示意圖Fig 2 Diagram of WIM system

就目前的動(dòng)態(tài)稱重設(shè)備而言，一般稱重平均誤差均在±5%～±30%不等，相應(yīng)的置信度為90%～95%［3］。目前，動(dòng)態(tài)稱重系統(tǒng)對于稱重信號的處理一般采用以下幾種:積分法、濾波法、參數(shù)估計(jì)以及神經(jīng)網(wǎng)絡(luò)［4，5］。傳統(tǒng)的信號處理方法最終都是建立在傅里葉分析的基礎(chǔ)上［6］，但是由于傅里葉分析是一種理想化的模型，其具有三個(gè)基本假設(shè):線性、高斯性及平穩(wěn)性，所以，其不適合用于非平穩(wěn)信號的時(shí)頻局部性能分析。而在動(dòng)態(tài)稱重系統(tǒng)中影響系統(tǒng)計(jì)量精度的主要因素是汽車行駛過程中產(chǎn)生的動(dòng)態(tài)荷載對稱重系統(tǒng)的干擾。車輛動(dòng)態(tài)荷載的振動(dòng)頻率在3 ～20Hz 的低頻范圍，振幅變化可達(dá)靜載的10%［7］，同時(shí)，由于軸載激勵(lì)的動(dòng)態(tài)稱重系統(tǒng)承載部分的幾何尺寸受到車輛雙聯(lián)軸軸間距和輪胎與地面接觸長度的限制［8］，所以，采取常規(guī)的濾除周期性抖動(dòng)信號的處理方法效果不佳。積分法需要較長的數(shù)據(jù)才能保證其精度，而且，當(dāng)車輛通過過快時(shí)則不能得到預(yù)期測量精度。參數(shù)估計(jì)法可以解決車速的問題，而且通常一個(gè)周期就可以得出滿意的結(jié)果，但是其前期對于動(dòng)態(tài)稱重系統(tǒng)的稱臺(tái)建模必須十分精確，這也是十分困難的。利用神經(jīng)網(wǎng)絡(luò)技術(shù)可以避開復(fù)雜的物理建模，但是僅根據(jù)系統(tǒng)的輸入輸出數(shù)據(jù)進(jìn)行黑箱建模，這種方法需要各種運(yùn)動(dòng)狀態(tài)下的汽車稱重信號作為輸入樣本，于是，本文提供一個(gè)綜合來看更好的解決算法——HHT。

2 HHT

1998 年，美國華裔科學(xué)家Huang 提出了一種新型的非線性非穩(wěn)態(tài)信號的處理方法:HHT。HHT 方法從信號自身特征出發(fā)，用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法把信號分解成一系列的本征模態(tài)函數(shù)(intrinsic mode function，IMF)，然后對這些IMF 分量進(jìn)行Hilbert 變換，從而得到時(shí)頻平面上能量分布的Hilbert 譜圖，可以準(zhǔn)確地表達(dá)信號在時(shí)頻平面上的各類信息。

HHT 技術(shù)包含EMD 和Hilbert 變換兩個(gè)部分。首先，將獲得的信號所有局部極大值點(diǎn)采取三次樣條插值函數(shù)法取得上包絡(luò)，用信號的所有局部極小值點(diǎn)取得下包絡(luò)，經(jīng)過多次分解去除疊加波后使得波形更加的對稱，以確定其瞬時(shí)平衡位置，這使得獲得的IMF 分量經(jīng)Hilbert 變換后得到的瞬時(shí)頻率(instantaneous frequency，IF)更加有意義［10］。這樣原始信號經(jīng)過EMD 后就可以表示為

式中 X(t)為原始信號，fi(t)為經(jīng)過EMD 后得到的各個(gè)IMF 分量，rn(t)為殘余分量。

經(jīng)過Hilbert 變換后可以得到

通過這個(gè)定義，X(t)和Y(t)行成了一個(gè)共軛復(fù)數(shù)對，于是可以得到一個(gè)解析信號Z(t)如下

其中

從理論上講，虛部的定義方法有很多種。但是Hilbert變換為其提供了一個(gè)唯一的虛部值，這就使得其結(jié)果成為一個(gè)解析函數(shù)。得到了相位，就可以得到瞬時(shí)頻率，因?yàn)樗矔r(shí)頻率就是相位導(dǎo)數(shù)

其中，ω 為時(shí)間t 的單值函數(shù)，任何時(shí)間只有一個(gè)值，只能描述一個(gè)分量。

進(jìn)行Hilbert 譜分析時(shí)，忽略了剩余分量rn(t)，因?yàn)槠錇橐粋€(gè)單值函數(shù)或者是常數(shù)。每個(gè)IMF 分量的幅值和頻率都是時(shí)間t 的函數(shù)，幅值的變化和瞬時(shí)頻率的變化提高了信號分解的效率，而且使得這種分解更適用于分析非平穩(wěn)信號。隨著IMF 分解的進(jìn)行，時(shí)間、幅值和頻率被分成三個(gè)不同的信號，這樣一個(gè)信號就形成了這三者的三維信號圖，其中，幅值用時(shí)頻平面中的等高線表示，這種幅值的時(shí)頻分布，便稱為Hilbert 譜。

3 HHT 動(dòng)態(tài)稱重傳感器非線性信號的處理

本文選用某公司小貨車(2 軸)為實(shí)驗(yàn)對象，車重2 500 kgf，負(fù)載3 000 kg 砝碼，通過秤臺(tái)的平均速度為10.188 km/h，由稱重傳感器采集數(shù)據(jù)，采樣頻率512 Hz，未采用HHT 信號處理前的原始數(shù)據(jù)波形如圖3 顯示。

圖3 原始數(shù)據(jù)Fig 3 Initial datas

取其中一段進(jìn)行EMD，結(jié)果如圖4 所示。其中，圖4(a)的為原始信號，圖4(b) ～(f)依次為各階IMF 分量，最下面的為剩余分量，它的均值即為真實(shí)軸重。

圖4 EMD 圖Fig 4 Drawing of EMD

經(jīng)過HHT 后的數(shù)據(jù)和原始數(shù)據(jù)的對比圖如圖5 所示。由圖5 可以看出:經(jīng)過HHT 后信號曲線平滑，有效去除了各種低頻干擾。

圖5 信號處理前后效果對比圖Fig 5 Contrast diagram of effect before and after signal processing

4 結(jié) 論

實(shí)驗(yàn)結(jié)果表明:經(jīng)過HHT 后的信號，具有更高的分辨率與準(zhǔn)確性，數(shù)據(jù)曲線更加平滑，對汽車動(dòng)態(tài)軸重信號作EMD，去除各階動(dòng)態(tài)分量，用剩余分量的平均值代替真實(shí)軸重，這種方法可以有效地控制信號噪聲干擾，得到更加準(zhǔn)確的數(shù)據(jù)。

［1］ 許 嘉，蔡 萍，周志峰，等.二分梯形法在汽車動(dòng)態(tài)稱重中的應(yīng)用［J］.微計(jì)算機(jī)信息，2005，21(4):22－23.

［2］ 吳 杰，費(fèi)玉華，于勁松，等.汽車動(dòng)態(tài)稱重中的一種信號處理方法［J］.北京航空航天大學(xué)學(xué)報(bào)，2007，33(9):1041－1045.

［3］ 凌 杰，龍水根.優(yōu)化算法在汽車動(dòng)態(tài)稱重系統(tǒng)中的應(yīng)用［J］.西安公路交通大學(xué)學(xué)報(bào)，2001，21(3):77－79.

［4］ 張 雨，賀曙新，文紹波.汽車動(dòng)態(tài)稱重信號的兩個(gè)處理方法［J］.南京工程學(xué)院學(xué)報(bào):自然科學(xué)版，2004(4):105－108.

［5］ 袁明新，張 勇，張 雨.基于RBF 網(wǎng)絡(luò)的動(dòng)態(tài)稱重系統(tǒng)設(shè)計(jì)［J］.交通與計(jì)算機(jī)，2003(2):60－63.

［6］ 章步云，周書民.非平穩(wěn)信號的快速傅里葉變換與小波分析的比較［J］.通信技術(shù)，2002(7):1－2.

［7］ 王孝林.動(dòng)態(tài)汽車衡及其檢測［J］.衡器，1998(5):9－18.

［8］ 代 偉.高速公路動(dòng)態(tài)稱重系統(tǒng)關(guān)鍵問題的研究［D］.西安:長安大學(xué)，2008.

［9］ Bhatnagar G，Raman B.Robust watermarking using distributed MR-DCT and SVD［C］∥Advances in Pattern Recognition，2009:21－24.

［10］鐘佑明，金 濤，秦樹人.希爾伯特—黃變換中的一種新包絡(luò)線算法［J］.數(shù)據(jù)采集處理，2005，20(1):13－17.