本文介紹了動態稱重的特征和系統組成，根據對動態汽車衡的檢定實施和營運狀況， 分析了車輛動態稱重準確性影響因素與減少誤差的措施，并提出了推薦的動態稱量系統軟件框架。

0.前言

近年來，在公路上行駛的超限運輸車愈來愈多， 據統計，貨車超載超限運輸肇事占交通事故總數的 30%以上，占貨車事故的55%以上。超載不僅是造成 交通事故的主要原因，加劇公路的疲勞破壞，同時 也危及中小跨徑橋梁和舊橋的安全.為此,交通部于 2000年4月1日頒布實施了《超限運輸車輛行駛公 路管理機構管理規定》，并指出公路管理機構可根據 需要在公路上設置運輸車輛軸載質量及車貨總質量 的檢測裝置。

工作中，有時要在運動的或振動的環境中，諸如 遠洋輪船、飛機或貨車上對物體進行稱量，形成了 動態稱重狀態，而動態汽車衡就在這樣的背景下產 生了，一些發達國家早在上世紀50年代就開始了動 態稱重技術的研究。

1.車輛動態稱重的特征

動態測量是指為確定量的瞬時值及（或）其隨 時間變化所進行的測量，即被測量是隨時間而變化 的；而靜態測量中，通常考慮信號的響應時間，只 關注測量結果的不確定度和隨時間的穩定性和可靠性。

車輛動態稱重有以下特征：車輛的類型（型號）， 路面的平整度，車輛的行駛速度,車輛的動平衡作 用，輪胎的狀態，車輛拖掛的類型，裝載物的特性 (固態/液態），以及駕駛員的操作方式，加、減速等。

2.計重收費系統的組成

目前多數計重收費系統包括以下幾個部分：

1、 鋼制秤臺在結構上有兩種形式：稱重傳感器安裝高 于秤臺的位置,稱之為上翻式秤臺；另一種則是將傳 感器裝在秤臺下面，與常規汽車衡一樣，秤臺限位主 要有兩種類型,一種是拉桿式限位，另一種是頂式限 位。

2、專用稱重控制器，這是整個系統的核心部分。 動態稱重時需要比靜態更高的采樣率，但只要采樣 率符合Naquest定律的要求（即釆樣率不低于信號 最高有效頻率的2倍即可保證包含信號的所有信 息），即可滿足，而實際上傳感器的精度和布置形式 也很重要，甚至決定算法。

3、輪軸識別器的作用是正確判別通過的車軸每 側是單輪還是雙輪，同時與秤臺一起判別軸型是單 軸還是雙聯軸或三聯軸。目前常見的大體上有兩大 類：一是采用多個傳感器（通常有稱重傳感器和非 接觸式開關兩大類）；另一種是采用壓電元件來識 別。

4、紅外車輛分離器的作用是檢測車輛是否已完 全通過秤臺，由一組紅外發射/接受光柵組成。

5、綜合顯示器，能顯示收費車輛的車型、應收 金額和通行信號燈。

6、收費計算機是用于收費系統與計重系統的聯 接以及稱重數據的處理。如圖1所示。

3.計重收費系統動態稱量檢測分析

動態稱量測試步驟簡單介紹如下：設備供應商 技術人員預先對被檢衡器進行系統自校，確認各項 正常后，使用動態檢衡車分別以0 km/h-5km/h、5 km/h-lOkm/h、15 km/h-20km/h 各不超過 3 次勻速行 駛駛過被檢衡器，對被檢衡器進行動態稱量測試.

根據每一速度下偏離標準值敁大的儀表示值計算該 速度下的準確性誤差，根據每一速度下儀表域大示 值和敁小示值的差值計算該速度下的重復性誤差。

從理論上講，對輪軸稱重時，都是測出輪胎對 秤臺的作用力。依次測最各輪軸的“重S”。在測量 時車軸間的相對距離保持不變。但實際上，車輛組 件之間的位置不變只是近似的。車輛、貨物的復合 繭心隨車輛的移動而變動。因此在稱不同輪軸時， 車輛的實際重心是不同的，這樣依次對輪軸稱繭相 加得到整車的繭:，就沒有整車稱重的結果準確。 另外當稱重儀周圍支持車輪的地面與秤重臺面不在 同一水平上，各軸之間將產生不可忽略的“重量轉 移?，引起的測量誤差將更大。因此為了最大限度減 少由于“繭貸轉移”帶來的影響，應盡量使車輪保 持在同一水平上。車輪的圓度、動平衡在髙速轉動 時將產生顯著的附加垂直力，形成所謂的輪胎力。 隨著車速的變快，其影響是不可忽略的，由圖2和 圖3可知，路面平整度較差的狀態下，稱重重量偏 高的概書：低速40%、中速50%、高速60% ；平整度 較好的狀態下，稱重：偏高的概率：低速40%、中 速50%、高速70%。

4.稱重精度的因素分析與減少誤差的措施

動態稱重與靜態稱里的本質區別就是稱重過程 在系統沒有達到穩態的情況下進行，很多因素顯著 地影響稱里的精度。在速度較低的時候，實際軸載 與靜態軸載的差別不大，但足在速度較高時，動態 軸載與靜態軸載有顯著的差別！這主耍足汽發生振動。

4.1動力系統

汽車在運行的過程中，發動機在高速運行，各 種轉動部件不可避免地存在偏心，這些都必然激勵 汽車發生振動。不過由于此激勵的頻率很高，可以 通過相應的濾波等方法消除。

4.2路面不平整

實際的路面不可能完全平整光滑的，汽車行駛 過程中，汽車的懸掛在不平整的路面的隨機激勵下， 將發生復雜的振動。由于稱繭的時間很短，低頻噪 聲很難消除，這是影響稱重準確的主耍因素。

4.3汽車加減速

實際中汽車尤其是滿載的汽車的重心總是高于懸掛 的支撐點。當汽車加速減速的時候’由于慣性的作 用將導致汽車產生前后俯仰與重心前后移動的水平 縱向震動以及整體豎直方向振動。

路面不平整、加速減速引起汽車整體俯仰振動 導致的變化，都將顯著的影響稱量結果的準確度。 所以OIML國際建議、ASTM規范都對稱重控制區的路 面平整度、汽車在稱重前的運行狀態做了詳細的規 定以盡可能減少由于外界的干擾而引起的誤差。

4.4稱重系統本身誤差及其誤差累積

因通過定期檢查來校正常見的惡意違規行駛的 四種形式：1.點剎車；2.壓秤邊；3.走S形路線；

翹頭，按照正常的數據處理及邏輯判別，這四種 形式都可能導致數據偏輕，嚴重時會丟掉一個軸重 并導致車型檢測失誤。解決方法就是在稱量數據的 采集與邏輯判斷中增加特殊的比較與邏輯條件。

5.動態稱重常用算法的比較分析

國外很早開始對WIM相關技術開展了研究，發 展了一些算法以提高動態稱重系統的精度，下面對 目前己經報道過的算法做個簡單的介紹與回顧。

5.1積分ADV法、DV法、V法

該類方法是20世紀80年代的日本小野敏郎為 結局動態稱重問題所提出來的。其測量思路主要是 同時或單獨測量重物移動的位移、速度和加速度， 然后用直接方法或數值積分發來求解稱重過程的微 分方程以獲得待測的重量。

5.2專家系統

專家系統法主要是引入知識模型而構成專家系 統。即把優秀稱重測量專家的思維過程固化到測量 程序中，并與計算機修正程序結合起來，進而提高 計量儀器的測試能力和故障檢測能力。

5.3參數估計法

參數估計法主要是把動態測量作為一個參數估 計和預測問題來處理，即首先根據有關稱重測力系 統的先驗知識推導出一個含有未知參數的模型，然 后用該模型去擬合稱重測力過程的輸出信號，從而 獲得最小平方誤差意義上的參數估計。在實際應用 中，結果表明具有較好的效果。

5.4神經網絡法

神經網絡該方法主要是基于并行技術的思想， 神經網絡技術為控制核心，采取多因素協調，將 檢測過程中對影響稱重精度和限制車輛通過速度起 主導作用的因素作為訓練樣本，通過訓練獲得較好 的網絡模型。稱重臺結構比較復雜，要進行高精度 建模很困難。利用神經網絡技術可以避開復雜的物 理建模，僅根據系統的輸入、輸出數據進行黑箱建 模。

目前來看，利用數學模型的稱重檢測方法比較 有前途的。國外已經見到利用神經元網絡進行實際 運用的報導，特別是對于多傳感器稱重系統，據報 導效果很好。在2005年2月在臺北市舉行的ICWIM4 會議上，A. Gonzalez與E. J. O'Brien報道了采用功 能網絡替代神經網絡的做法，該方法與神經網絡相 比不需要大量的訓練，但仍然可以達到較高的精度。

6.結語

計重收費系統在我國的使用越來越廣泛，江蘇、 安徽和山東等省已經基本實現全覆蓋，其他 很多省份處于調研或試點階段，很多衡器廠家和公 路機電設備供應商看好其巨大的市場前景而紛紛上 馬，但是計重收費系統有其特殊性：全天侯工作，使用頻率遠高于一般汽車衡；動態稱重，技術含量 高,如何規范這一市場,讓動態稱重設備健康的發展， 為公路交通服務，是我們應該思考的問題。