原文传递
基于GA-PSO-BP的车辆动态称重算法研究
| 论文题名： | 基于GA-PSO-BP的车辆动态称重算法研究 |
| 关键词： | 车辆动态称重算法;小波变换;BP神经网络;粒子群算法;遗传算法 |
| 摘要： | 称重是治理车辆超限超载的有效手段。目前治超的主要方式以静态称重为主，动态称重为辅。由于静态称重具有效率低、动态称重存在精度低的问题，难以满足治超需求。本文为解决上述问题，针对如何提高车辆动态称重精度进行研究，主要研究内容包括： 1、分析了车辆动态称重系统的结构组成，进行了系统的数据采集硬件方案设计，完成了称重传感器、车检器、工控机及采集卡的选型，介绍了动态称重系统的工作原理及过程。 2、研究了车辆运动受力状态及称重精度的主要影响因素，建模分析了车辆动态称重理想波形，针对噪声信号的特性，使用小波变换算法对称重信号进行滤波预处理，使得称重信号曲线更加平滑。 3、建立了基于BP神经网络的动态称重模型，分析了BP模型输入层、输出层和隐含层神经元个数选择，通过实验对比确定了模型的激活函数、训练函数等参数，完成对模型的训练学习及分析。针对BP称重模型存在的缺陷，利用粒子群算法进行改进，建立了PSO-BP称重模型。在PSO-BP称重模型的基础上进一步利用遗传算法优化，提出了GA-PSO-BP称重模型。结果表明GA-PSO-BP模型相比于PSO-BP模型称重平均相对误差从1.33%降低至0.36%，最大误差从4.54%降低到0.82%，所有测试样本称重误差均小于1%。 |
| 作者： | 辛宇 |
| 专业： | 控制工程 |
| 导师： | 许素安;吴娟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国计量大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
