CN111582288A - 一种基于车身振动模型的非接触式车辆超载识别系统 - Google Patents
一种基于车身振动模型的非接触式车辆超载识别系统 Download PDFInfo
- Publication number
- CN111582288A CN111582288A CN202010374396.1A CN202010374396A CN111582288A CN 111582288 A CN111582288 A CN 111582288A CN 202010374396 A CN202010374396 A CN 202010374396A CN 111582288 A CN111582288 A CN 111582288A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- distance
- suspension
- under test
- identification module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000725 suspension Substances 0.000 claims abstract description 112
- 230000005284 excitation Effects 0.000 claims abstract description 31
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 44
- 230000003068 static effect Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明公开了一种通过车身振动模型，结合视频图像处理，非接触式地识别双轴车辆的载重并判断超载的系统，属于超载识别领域，该系统包含视觉路基模块、特征信息识别模块、特征距离识别模块、质心位置识别模块、车重识别模块、超载判断模块及数据库。顶置摄像机捕捉车辆的正面照片，特征信息识别模块识别该车的特征信息，并匹配数据库提取该车的轴距等数据。侧置摄像机拍摄一段车辆通过激励后的视频，传到特征距离识别模块，得到表征悬架距离变化的特征距离；通过质心位置识别模块识别车辆的质心位置；在车重识别模块将动态特征距离拟合可得到悬架的固有频率，结合悬架的刚度等数据，计算得到车辆的簧载质量；对比额定载荷，判断该车是否超载。
Description
技术领域
本发明属于超载识别领域，更具体地，涉及一种基于车身振动模型的非接触式超载识别系统。
背景技术
据交通管理部门统计，我国商用车超载率为30％以上。车辆超载可损坏道路设施，车辆超载11％，会导致道路损坏程度增加41％，据交通部门测算，国道、省道中的车辆超载使水泥路面的使用年限缩短40％，沥青路面的使用年限缩短20％～30％。
车辆超载可增加排放污染，由于超载车辆实际载重远远超出配载标准而导致燃油系统负荷过大，燃油燃烧不完全，以至于尾气排放严重超标。
目前交管部门查处超载违法行为的手段主要有：临时设点查处、固定检测站查处。其中，临时设点查处，这种方法需要交警用目测的方式，估计车辆超载，存在警力需求大、估计超载存在误差、影响道路通行效率等缺点。固定检测站查处，这种方法通常在高速公路入口收费站使用，需要车辆在地磅上停止称重，存在测试效率较低，影响道路通行效率的缺点。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种基于车身振动模型的非接触式车辆超载识别系统，通过两个摄像机的拍摄和视频录制，结合车辆的振动力学，实现被测车辆不停车状态下的载荷提取，提高了交通管理部门对车辆超载识别的检测效率。
为实现上述目的，本发明提供了一种基于车身振动模型的非接触式车辆超载识别系统，包括：视觉路基模块、特征信息识别模块、特征距离识别模块、质心位置识别模块、车重识别模块及超载判断模块；
所述视觉路基模块包含顶置摄像机、侧置摄像机及激励源；所述顶置摄像机用于拍摄被测车辆的正面照片；所述侧置摄像机用于录制一段视频，其中，所述视频的内容包括：所述被测车辆驶入摄像机视野，所述被测车辆行驶经过所述激励源，所述被测车辆经过所述激励源后悬架产生自由振动，所述被测车辆驶离摄像机视野；所述激励源用于使所述被测车辆在所述侧置摄像机的视野范围内产生自由振动；
所述特征信息识别模块，用于从所述被测车辆的正面照片中识别所述被测车辆的特征信息，以根据所述特征信息从预设数据库中调取所述被测车辆的轴距、轮距、前悬架刚度、后悬架刚度、空载时的簧载质量及额定载荷；
所述特征距离识别模块，用于根据所述轴距得到所述视频的每帧图像中所述被测车辆的前悬架特征距离和后悬架特征距离，其中，从所述被测车辆经过所述激励源之前的未振动状态的图像中，提取出的特征距离为静态特征距离，从所述被测车辆经过所述激励源之后的振动状态的图像中，提取出的特征距离为动态特征距离；
所述质心位置识别模块，用于根据所述轴距、所述轮距、所述前悬架刚度、所述后悬架刚度、前悬架静态特征距离及后悬架静态特征距离得到质心与前、后轴之间的距离；
所述车重识别模块，用于根据所述轴距、所述前悬架刚度、所述后悬架刚度、前悬架动态特征距离、后悬架动态特征距离及所述质心与前、后轴之间的距离，得到所述被测车辆的簧载质量；
所述超载判断模块，用于将所述被测车辆的簧载质量与所述空载时的簧载质量做差，得到实际载荷，并将所述实际载荷与所述被测车辆的额定载荷对比，以确定所述被测车辆的载重情况。
优选地，所述前悬架特征距离为前悬架特征点与前轮轮心之间的垂直距离，所述后悬架特征距离为后悬架特征点与后轮轮心之间的距离，其中，所述前悬架特征点为车身底部线与过前轮轮心并与地面垂直的线的交点，所述后悬架特征点为车身底部线与过后轮轮心并与地面垂直的线的交点。
优选地，所述质心位置识别模块，用于由
得到车辆质心与车辆前轴之间的水平距离a及车辆质心与车辆后轴之间的水平距离b，其中，α为车辆的重心系数，L为车辆轴距。
优选地，所述车重识别模块，用于由
得到所述被测车辆的簧载质量，其中，K1为前悬架刚度，K2为后悬架刚度，ω1为前悬架的固有频率，ω2为后悬架的固有频率，L为车辆轴距，a是车辆前轴到车辆质心的水平距离，b是车辆后轴到车辆重心的水平距离，m为车辆的簧载质量，ρy为横轴y的回转半径。
优选地，将车辆经过所述激励源之后的自由振动过程中的前悬架动态特征距离序列，与前悬架静态特征距离做差，得到车身振动的前悬架的垂直位移序列，将所述前悬架的垂直位移序列通过方程
拟合，得到方程的参数ω1，即前悬架的固有频率；
将车辆经过所述激励源之后的自由振动过程中的后悬架动态特征距离序列，与后悬架静态特征距离做差，得到车身振动的后悬架的垂直位移序列，将所述后悬架的垂直位移序列通过方程
拟合，得到方程的参数ω2，即后悬架的固有频率，其中，A表示振幅，ζ表示阻尼比，θ表示相位差。
优选地，所述超载判断模块，用于在所述实际载荷小于等于所述额定载荷时，确定所述被测车辆未超载，在所述实际载荷大于所述额定载荷时，确定所述被测车辆超载。
优选地，所述激励源至少包括梯形减速带。
优选地，所述被测车辆的特征信息至少包括车牌号。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1、车身振动模型与机器视觉技术相结合，实现不停车的非接触式的超载识别，提高了被测车辆的超载检测效率。
2、超载识别所需的硬件设备只有两个摄像机和激励源，较地磅而言，成本大大降低，维护方便，使用时限长。
附图说明
图1是本发明实施例提供的一种系统整体结构示意图；
图2是本发明实施例提供的一种主要部件在道路路基上的布设示意图；
图3是本发明实施例提供的一种激励源的一种选取方法；
图4是本发明实施例提供的一种视觉路基模块的布置结构图；
图5是本发明实施例提供的一种表征特征距离的示意图；
图6是本发明实施例提供的一种表征悬架变形后车架形状的示意图；
图7是本发明实施例提供的一种车辆重心距离前、后轴的距离；
图8是本发明实施例提供的一种车辆的横轴y的位置示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示是本发明实施例提供的一种基于车身振动模型的非接触式车辆超载识别系统的整体结构示意图，应用对象为双轴车辆，包含：视觉路基模块、特征信息识别模块、特征距离识别模块、质心位置识别模块、车重识别模块、超载判断模块及数据库；数据库内存储车辆的前悬架刚度、后悬架刚度、轮距、轴距、空载时的簧载质量及额定载荷，这些数据通过特征信息匹配；其中：
如图2所示是本发明实施例提供的一种视觉路基模块在道路路基上的布设示意图，其中，该视觉路基模块包括：顶置摄像机、侧置摄像机和激励源；顶置摄像机用于拍摄被测车辆的正面照片，侧置摄像机用于录制一段视频，这段视频的内容包括：被测车辆驶入摄像机视野，被测车辆行驶经过激励源，被测车辆经过激励源后的行驶过程中悬架产生自由振动，被测车辆驶离摄像机视野；激励源用于使被测车辆在侧置摄像机的视野范围内产生自由振动。
在本发明实施例中，上述激励源包括但不限于梯形减速带，符合标准《路面橡胶减速带》，in JT/T 713－2008.第8页，高度范围为30mm～60mm，底面宽度范围为300mm～400mm。如图3所示。
作为一种优选的实施方式，顶置摄像机安装在一般的监控立杆上，支架横臂的高度应确保摄像机及辅助光源安装后离地净高度为6.0m～8.0m，安装规范符合《安全防范工程技术规范》(附加条文说明)，in GB 50348-2018.第146页，连接图像采集卡；图像采集卡连接特征信息识别模块，将拍摄到的被测车辆的正面照片传送给特征信息识别模块。
在本发明实施例中，上述特征信息识别模块用于对被测车辆的正面照片进行图像处理，从该正面照片中识别被测车辆的特征信息，将此特征信息传送至数据库，其中，特征信息至少包括车牌号。
其中，上述数据库用于根据特征信息，搜索并调取被测车辆的轴距，并将轴距信息传送给特征距离识别模块；
作为一种优选的实施方式，上述侧置摄像机安装在距车道9m～15m的任一侧的路基上，用于录制一段视频，这段视频包括：车辆驶入摄像机视野，车辆行驶经过激励源，车辆经过激励源后悬架产生自由振动，车辆驶离摄像机视野。顶置摄像机和侧置摄像机的布置方式如图4所示。
在本发明实施例中，上述特征距离识别模块，用于对侧置摄像机采集的视频进行处理，得到这段视频的每帧图像中被测车辆的前悬架特征距离和后悬架特征距离；其中，被测车辆经过激励源之前的未振动状态的图像，提取出的称为静态特征距离，将其传输至质心位置识别模块；被测车辆经过激励源之后的振动状态的图像，提取出的称为动态特征距离，将其传输至车重识别模块；
其中，上述用于识别特征距离的图像为帧数据，前悬架特征距离为前悬架特征点与前轮轮心之间的垂直距离，后悬架特征距离为后悬架特征点与后轮轮心之间的距离，其中，前悬架特征点为车身底部线与过前轮轮心并与地面垂直的线的交点；后悬架特征点为车身底部线与过后轮轮心并与地面垂直的线的交点；特征距离的表示方法如图5所示。
其中，从数据库中搜索并调取被测车辆的轴距、轮距、前悬架刚度、后悬架刚度，并传送给质心识别模块；
其中，质心识别模块首先通过M′g＝k1Δx1+k2Δx2初步计算被测车辆的簧上质量，其中，M′是车辆簧上质量，g是重力系数，k1是前悬架的刚度，Δx1是前悬架的静态特征距离与空载时的特征距离的差值，即前悬架的压缩量，k2是后悬架的刚度，Δx2是后悬架的静态特征距离与空载时的特征距离的差值，即后悬架的压缩量。然后利用车架的变形协调关系确定重心位置的初始值。超载车辆一般为中重型车辆，其车架基本为中置式车架，可以将其简化为一个刚性体，即车辆的悬架发生变形后，车架是共面的，如图6所示。图6中A0B0C0D0为车身空载工况下于底盘平面上的投影面，ABCD为4个悬架发生形变后车身的位置平面，L1为车辆轴距，L2为车辆轮距，Mg为车辆的质心所在的位置。假设载重质心x横坐标为αL1，y坐标为βL2。各个悬架处的静挠度值与各点的坐标分别如下：
ΔxA＝A0A ΔxB＝B0B ΔxC＝C0C ΔxD＝D0D
A0(0，0，0) B0(0，L2，0) C0(L1，L2，0) D0(L1，0，0)
A(0，0，ΔxA) B(0，L2，ΔxB) C(L1，L2，ΔxC) D(L1，0，ΔxD)
Mg(0，βL2，Δx)
由上述分析，车架为刚性体，ABCD共面，因此有共面的变形协调关系可得方程组：
其中，ΔxA对应于Δx1，ΔxD对应于Δx2，求解方程组即可得到重心系数α、β。代入轴距L1，即可算出质心与前、后轴之间的距离，如图7所示：
从数据库中搜索并调取被测车辆的前悬架刚度、后悬架刚度，并传输至车重识别模块，由车重识别模块用于对前悬架刚度、后悬架刚度、前悬架特征距离、后悬架特征距离、空载重量进行处理，得到被测车辆的簧载质量，并传输至超载判断模块。
在本发明实施例中，车重识别模块共包含两项内容，识别被测车辆的前悬架固有频率ω1和后悬架固有频率ω2，以及计算车辆总重量。
其中，ω1和ω2的计算方法如下：
将车辆经过激励源之后的自由振动过程中的前悬架动态特征距离序列，与前悬架静态特征距离做差，得到车身振动的前悬架的垂直位移序列；将该前悬架的垂直位移序列通过方程
拟合，得到方程的参数ω1，即前悬架的固有频率，其中，A表示振幅，ζ表示阻尼比，θ表示相位差。
其中，由于被测车辆未振动状态的特征距离是恒定不变的，因此可以从未振动状态的图像中任取一张进行处理，为了方便处理，选取未振动状态下，被测车辆完全进入摄像机视野后的第一帧的前悬架特征距离，作为前悬架静态特征距离。
取车辆经过激励源之后的自由振动过程中的后悬架动态特征距离序列，与后悬架静态特征距离做差，得到车身振动的后悬架的垂直位移序列；将该后悬架的垂直位移序列通过方程
拟合，得到方程的参数ω2，即后悬架的固有频率。A表示振幅，ζ表示阻尼比，θ表示相位差。
其中，由于被测车辆未振动状态的特征距离是恒定不变的，因此可以从未振动状态的图像中任取一张进行处理，为了方便处理，选取未振动状态下，被测车辆完全进入摄像机视野后的第一帧的后悬架特征距离，作为后悬架静态特征距离。
因此，被测车辆的簧载质量的计算方法如下：
其中，方程组已知量：K1为前悬架刚度，K2为后悬架刚度；ω1为前悬架的固有频率，ω2为后悬架的固有频率；L为车辆的轴距；a是车辆前轴到车辆质心的水平距离，b是车辆后轴到车辆重心的水平距离。未知量：m为车辆的簧载质量；ρy为横轴y的回转半径，横轴y如图8所示，图中CG为车辆的质心。将方程组代入已知量，求解可得到车辆的簧载质量m。
从数据库中搜索并调取被测车辆的额定载荷，并传输至超载判断模块，由超载判断模块用于将被测车辆的簧载质量与空载时的簧载质量做差，得到其实际载荷，与被测车辆的额定载荷对比，并做出以下选择：
实际载荷小于等于额定载荷，结束；
或；
实际载荷大于额定载荷，记录超载信息，结束。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于车身振动模型的非接触式车辆超载识别系统，其特征在于，包括：视觉路基模块、特征信息识别模块、特征距离识别模块、质心位置识别模块、车重识别模块及超载判断模块；
所述视觉路基模块包含顶置摄像机、侧置摄像机及激励源；所述顶置摄像机用于拍摄被测车辆的正面照片；所述侧置摄像机用于录制一段视频，其中，所述视频的内容包括：所述被测车辆驶入摄像机视野，所述被测车辆行驶经过所述激励源，所述被测车辆经过所述激励源后悬架产生自由振动，所述被测车辆驶离摄像机视野；所述激励源用于使所述被测车辆在所述侧置摄像机的视野范围内产生自由振动；
所述特征信息识别模块，用于从所述被测车辆的正面照片中识别所述被测车辆的特征信息，以根据所述特征信息从预设数据库中调取所述被测车辆的轴距、轮距、前悬架刚度、后悬架刚度、空载时的簧载质量及额定载荷；
所述特征距离识别模块，用于根据所述轴距得到所述视频的每帧图像中所述被测车辆的前悬架特征距离和后悬架特征距离，其中，从所述被测车辆经过所述激励源之前的未振动状态的图像中，提取出的特征距离为静态特征距离，从所述被测车辆经过所述激励源之后的振动状态的图像中，提取出的特征距离为动态特征距离；
所述质心位置识别模块，用于根据所述轴距、所述轮距、所述前悬架刚度、所述后悬架刚度、前悬架静态特征距离及后悬架静态特征距离得到质心与前、后轴之间的距离；
所述车重识别模块，用于根据所述轴距、所述前悬架刚度、所述后悬架刚度、前悬架动态特征距离、后悬架动态特征距离及所述质心与前、后轴之间的距离，得到所述被测车辆的簧载质量；
所述超载判断模块，用于将所述被测车辆的簧载质量与所述空载时的簧载质量做差，得到实际载荷，并将所述实际载荷与所述被测车辆的额定载荷对比，以确定所述被测车辆的载重情况。
2.根据权利要求1所述的系统，其特征在于，所述前悬架特征距离为前悬架特征点与前轮轮心之间的垂直距离，所述后悬架特征距离为后悬架特征点与后轮轮心之间的距离，其中，所述前悬架特征点为车身底部线与过前轮轮心并与地面垂直的线的交点，所述后悬架特征点为车身底部线与过后轮轮心并与地面垂直的线的交点。
3.根据权利要求2所述的系统，其特征在于，所述质心位置识别模块，用于由
得到车辆质心与车辆前轴之间的水平距离a及车辆质心与车辆后轴之间的水平距离b，其中，α为车辆的重心系数，L为车辆轴距。
4.根据权利要求3所述的系统，其特征在于，所述车重识别模块，用于由
得到所述被测车辆的簧载质量，其中，K1为前悬架刚度，K2为后悬架刚度，ω1为前悬架的固有频率，ω2为后悬架的固有频率，L为车辆轴距，a是车辆前轴到车辆质心的水平距离，b是车辆后轴到车辆重心的水平距离，m为车辆的簧载质量，ρy为横轴y的回转半径。
5.根据权利要求4所述的系统，其特征在于，将车辆经过所述激励源之后的自由振动过程中的前悬架动态特征距离序列，与前悬架静态特征距离做差，得到车身振动的前悬架的垂直位移序列，将所述前悬架的垂直位移序列通过方程
拟合，得到方程的参数ω1，即前悬架的固有频率；
将车辆经过所述激励源之后的自由振动过程中的后悬架动态特征距离序列，与后悬架静态特征距离做差，得到车身振动的后悬架的垂直位移序列，将所述后悬架的垂直位移序列通过方程
拟合，得到方程的参数ω2，即后悬架的固有频率，其中，A表示振幅，ζ表示阻尼比，θ表示相位差。
6.根据权利要求1至5任意一项所述的系统，其特征在于，所述超载判断模块，用于在所述实际载荷小于等于所述额定载荷时，确定所述被测车辆未超载，在所述实际载荷大于所述额定载荷时，确定所述被测车辆超载。
7.根据权利要求6所述的系统，其特征在于，所述激励源至少包括梯形减速带。
8.根据权利要求7所述的系统，其特征在于，所述被测车辆的特征信息至少包括车牌号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010374396.1A CN111582288B (zh) | 2020-05-06 | 2020-05-06 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010374396.1A CN111582288B (zh) | 2020-05-06 | 2020-05-06 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111582288A true CN111582288A (zh) | 2020-08-25 |
| CN111582288B CN111582288B (zh) | 2024-05-03 |
Family
ID=72120721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010374396.1A Active CN111582288B (zh) | 2020-05-06 | 2020-05-06 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111582288B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111735523A (zh) * | 2020-08-27 | 2020-10-02 | 湖南大学 | 基于视频识别的车重检测方法、装置及存储介质 |
| CN112161685A (zh) * | 2020-09-28 | 2021-01-01 | 重庆交通大学 | 一种基于表面特征的车辆荷载测量方法 |
| CN112766306A (zh) * | 2020-12-26 | 2021-05-07 | 浙江天行健智能科技有限公司 | 一种基于svm算法的减速带区域识别方法 |
| CN113218483A (zh) * | 2021-04-25 | 2021-08-06 | 武汉理工大学 | 一种基于双轴振动模型的超载视觉检测系统 |
| CN113240729A (zh) * | 2021-04-25 | 2021-08-10 | 武汉理工大学 | 一种基于图像识别的车辆质心位置估算方法 |
| CN118310612A (zh) * | 2024-06-07 | 2024-07-09 | 云途信息科技(杭州)有限公司 | 基于非接触式震动检测的车辆称重方法、装置及计算机设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0491440A1 (en) * | 1990-12-17 | 1992-06-24 | Kalfsvel Holding Zaandam B.V. | Apparatus for testing the wheel suspension of a vehicle |
| KR100445312B1 (ko) * | 2004-04-14 | 2004-08-25 | 이씨엠아시아아이티에스(주) | 과적 차량 단속 시스템 및 방법 |
| JP2010002207A (ja) * | 2008-06-18 | 2010-01-07 | Fujitsu Ltd | 車両重量測定システム、車両重量測定方法、及び車両重量測定プログラム |
| CN104634429A (zh) * | 2015-02-11 | 2015-05-20 | 山东交通学院 | 基于Zigbee网络的货运车辆超限超载快速检测系统 |
| US20160305814A1 (en) * | 2013-12-05 | 2016-10-20 | Renault S.A.S. | Method for estimating the mass of a vehicle |
| CN106840519A (zh) * | 2017-01-19 | 2017-06-13 | 河南理工大学 | 一种两轴车辆质心高度的静态测量方法 |
| CN108891221A (zh) * | 2018-07-24 | 2018-11-27 | 山东大学 | 一种基于模态能量分配法的主动悬架系统及其工作方法 |
| US20190120723A1 (en) * | 2017-10-24 | 2019-04-25 | Konica Minolta, Inc. | Tire deformation calculator, overload detecting system, and method for calculating tire deformation |
| CN109903558A (zh) * | 2019-03-07 | 2019-06-18 | 南京博瑞吉工程技术有限公司 | 一种道路桥梁车辆荷载监控系统及监控方法 |
| CN110232824A (zh) * | 2019-05-27 | 2019-09-13 | 武汉理工大学 | 一种非接触式车辆超载识别预警系统 |
| US20190339110A1 (en) * | 2018-05-02 | 2019-11-07 | Konica Minolta, Inc. | Overload Detection Processing Apparatus, Overload Detection System and Computer-Readable Recording Medium Storing Program |
-
2020
- 2020-05-06 CN CN202010374396.1A patent/CN111582288B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0491440A1 (en) * | 1990-12-17 | 1992-06-24 | Kalfsvel Holding Zaandam B.V. | Apparatus for testing the wheel suspension of a vehicle |
| KR100445312B1 (ko) * | 2004-04-14 | 2004-08-25 | 이씨엠아시아아이티에스(주) | 과적 차량 단속 시스템 및 방법 |
| JP2010002207A (ja) * | 2008-06-18 | 2010-01-07 | Fujitsu Ltd | 車両重量測定システム、車両重量測定方法、及び車両重量測定プログラム |
| US20160305814A1 (en) * | 2013-12-05 | 2016-10-20 | Renault S.A.S. | Method for estimating the mass of a vehicle |
| CN104634429A (zh) * | 2015-02-11 | 2015-05-20 | 山东交通学院 | 基于Zigbee网络的货运车辆超限超载快速检测系统 |
| CN106840519A (zh) * | 2017-01-19 | 2017-06-13 | 河南理工大学 | 一种两轴车辆质心高度的静态测量方法 |
| US20190120723A1 (en) * | 2017-10-24 | 2019-04-25 | Konica Minolta, Inc. | Tire deformation calculator, overload detecting system, and method for calculating tire deformation |
| US20190339110A1 (en) * | 2018-05-02 | 2019-11-07 | Konica Minolta, Inc. | Overload Detection Processing Apparatus, Overload Detection System and Computer-Readable Recording Medium Storing Program |
| CN108891221A (zh) * | 2018-07-24 | 2018-11-27 | 山东大学 | 一种基于模态能量分配法的主动悬架系统及其工作方法 |
| CN109903558A (zh) * | 2019-03-07 | 2019-06-18 | 南京博瑞吉工程技术有限公司 | 一种道路桥梁车辆荷载监控系统及监控方法 |
| CN110232824A (zh) * | 2019-05-27 | 2019-09-13 | 武汉理工大学 | 一种非接触式车辆超载识别预警系统 |
Non-Patent Citations (2)
| Title |
|---|
| YIRAN DING等: "《Non-contact Vehicle Overload Identification Method Based on Body Vibration Theory》", pages 2 - 4 * |
| 李世武等: "体现悬架特性的车辆载荷状态监测技术", 吉林大学学报(工学版), no. 02, 12 September 2013 (2013-09-12) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111735523A (zh) * | 2020-08-27 | 2020-10-02 | 湖南大学 | 基于视频识别的车重检测方法、装置及存储介质 |
| CN112161685A (zh) * | 2020-09-28 | 2021-01-01 | 重庆交通大学 | 一种基于表面特征的车辆荷载测量方法 |
| CN112161685B (zh) * | 2020-09-28 | 2022-03-01 | 重庆交通大学 | 一种基于表面特征的车辆荷载测量方法 |
| CN112766306A (zh) * | 2020-12-26 | 2021-05-07 | 浙江天行健智能科技有限公司 | 一种基于svm算法的减速带区域识别方法 |
| CN113218483A (zh) * | 2021-04-25 | 2021-08-06 | 武汉理工大学 | 一种基于双轴振动模型的超载视觉检测系统 |
| CN113240729A (zh) * | 2021-04-25 | 2021-08-10 | 武汉理工大学 | 一种基于图像识别的车辆质心位置估算方法 |
| CN113240729B (zh) * | 2021-04-25 | 2022-10-11 | 武汉理工大学 | 一种基于图像识别的车辆质心位置估算方法 |
| CN118310612A (zh) * | 2024-06-07 | 2024-07-09 | 云途信息科技(杭州)有限公司 | 基于非接触式震动检测的车辆称重方法、装置及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111582288B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111582288A (zh) | 一种基于车身振动模型的非接触式车辆超载识别系统 | |
| CN109870456B (zh) | 一种路面健康状况快速检测系统及方法 | |
| CN103279996B (zh) | 一种多车道情况下的车辆信息检测与识别系统 | |
| CN110232824A (zh) | 一种非接触式车辆超载识别预警系统 | |
| CN103325246B (zh) | 用于货车多种车型的动态检测方法 | |
| CN110702195B (zh) | 载重车辆运行状态监测方法及装置 | |
| CN109781228B (zh) | 车辆载荷确定系统和方法 | |
| CN114076631A (zh) | 超载车辆识别方法、系统及设备 | |
| CN103913600A (zh) | 一种机动车测速仪测速误差检测装置及检测方法 | |
| CN112435463A (zh) | 一种基于道路物联网监测的车型与车重分类方法 | |
| CN105632180B (zh) | 一种基于arm的桥隧入口车型识别系统及方法 | |
| CN116448224A (zh) | 基于视觉应变监测的桥梁动态称重与分级报警方法 | |
| KR102017059B1 (ko) | 차축 들기에 의한 과적 차량 단속 시스템 및 방법 | |
| CN108149554B (zh) | 一种路面坑槽识别方法及其装置 | |
| CN116818009A (zh) | 一种货车超限检测系统及方法 | |
| CN106530425A (zh) | 一种新型收费站动态称重系统 | |
| CN112528208A (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
| Hu et al. | Estimation of road roughness based on both the sprung and unsprung response of a moving vehicle over ordinary roads: modeling, experiments and discussions | |
| CN115798194A (zh) | 基于车辆振动数据的道路路况监测方法及装置 | |
| CN112161685B (zh) | 一种基于表面特征的车辆荷载测量方法 | |
| JP2022042580A (ja) | 故障検知装置、料金収受システム、故障検知方法、及びプログラム | |
| CN114023065A (zh) | 一种利用视频解析数据智能诊断路口服务等级的算法 | |
| CN109141595B (zh) | 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 | |
| CN111750810A (zh) | 一种基于两连接测量车振动信号的桥面粗糙度识别方法 | |
| Staniek | Repeatability of road pavement condition assessment based on three-dimensional analysis of linear accelerations of vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |