本发明专利技术公开了一种货车载重动态计量传感器优化安装方法，涉及货车载重计量技术领域。该方法包括以下步骤：S1、建立传感器量程选型模型，提供传感器量程与货车额定载重的优化匹配关系，为传感器安装位置的选择提供模型支撑；S2、优化传感器量程选型与位置安装。该方法首先利用机器学习算法技术获取货车额定载重计量与传感器量程的优化匹配参数，开展传感器量程选型工作；其次，建立货车载重横梁形变模型开展传感器的安装位置的优化工作，从而最终达到额定载重计量精度在容许范围内目标。达到额定载重计量精度在容许范围内目标。达到额定载重计量精度在容许范围内目标。
【技术实现步骤摘要】
一种货车载重动态计量传感器优化安装方法
[0001]本专利技术涉及货车载重计量
，特别是涉及一种货车载重动态计量传感器优化安装方法。
技术介绍
[0002]随着公路运输业迅速发展，无论是货运企业，还是货运个体，追求货运收益的最大化都是他们的最终目标。单次运输的货物越接近额定载重，其对应的货物的边际收益就越高，因此货运司机一般均采用最接近额定载重的装货策略。但由于装货现场与地磅测量现场的不一致问题，此装货策略一般很容易造成被动超载问题。一方面，若装货超载，则将面临高昂的违法成本或重新卸装货成本(包括卸货费用、往返时间、排队等待时间)；另一方面，货车载重不够充足，则将面临单次运输的极大收益损失、甚至可能亏损，即使重新装货，也会浪费大量的往返时间和运输费用。因此，亟需选型并安装一种高精度和准确度的货车载重实时计量传感器以实现减少货车司机排队过磅次数、节省运输时间成本等目标。
[0003]当前货车载重计量传感器安装方式主要采用前装和后装两种方式。前装是指将载重传感器在货车出厂前预安装在货车对应受力结构中；后装是指货车出厂后，在不改变货车结构的条件下在对应受力结构中安装载重传感器。前装方式，测量比较稳定，但安装时间长、成本高，无法有效适应不同种类货物的装货环境的载重计量；后装比较灵活、安装时间短，但一般是凭人工经验选择安装位置，容易引起传感器过载受损、精度无法保证等问题。
技术实现思路
[0004]本专利技术针对货车的装货现场与地磅测量现场不一致，容易引起被动超载的技术问题；现有传感器的安装方式无法满足货车司机最接近额定载重的装货策略的技术问题，提供一种货车载重动态计量传感器优化安装方法，该方法采用机器学习算法技术确定传感器的选型，提高货车载重计量数据精度；优化传感器安装位置，以满足货车司机最接近额定载重的装货策略。
[0005]为此，本专利技术的技术方案是，一种货车载重动态计量传感器优化安装方法，该方法包括以下步骤：
[0006]S1、建立传感器量程选型模型，提供传感器量程与货车额定载重的优化匹配关系，为传感器安装位置的选择提供模型支撑，包括以下步骤：
[0007]S1.1、建立货车载重测量容许误差模型；
[0008]S1.2、根据学习算法获取货车形变的载重转换系数和初始载重感知计量偏置；
[0009]S1.3、建立横梁纵向形变感知模型；
[0010]S1.4、建立传感器形变感知模型；
[0011]S1.5、建立传感器最小形变感知模型；
[0012]S1.6、建立传感器载重感知下限模型；
[0013]S1.7、建立传感器量程确定模型；
[0014]S2、优化传感器量程选型与位置安装，包括以下步骤：
[0015]S2.1、给定参数EI，L，l，W
max
，ε
r
，其中i＝0,1,L,m；
[0016]S2.2、实测(W,y)，根据学习算法获取货车形变的载重转换系数λ1和初始载重感知计量偏置bias；
[0017]S2.3、根据货车载重测量容许误差模型确定最大容许误差ε；
[0018]S2.4、根据传感器最小形变感知模型计算传感器形变感知下限，
[0019]s(ε；x
i
,EI,L,l),i＝0,1,L,m；
[0020]S2.5、根据传感器弹性模量和传感器载重感知下限模型确定传感器量程下限，
[0021]w
min
(λ2,ε；x
i
,EI,L,l),i＝0,1,L,m；
[0022]S2.6、给定可给选择传感器量程下限w
j
，j＝1,L,j
*
；
[0023]S2.7、计算w
*
即为所选传感器量程下限；
[0024]S2.8、计算x
*
即为优化安装位置；
[0025]S2.9、根据λ3计算出对应传感器量程[w
min
,w
max
]，从而确定w
max
，再根据冗余选定传感器使用量程。
[0026]优选地，货车载重测量容许误差模型为
[0027]ε＝W
max
ε
r
ꢀꢀꢀ
(1)
[0028]其中，W
max
是给定货物额定载重，ε
r
是货车载重测量容许相对误差。
[0029]优选地，获取货车形变的载重转换系数和初始载重感知计量偏置的方法是，货物载重记为W，给定底盘形变感知横梁长度为L，宽度为b，厚度为h，其抗弯刚度EI，x为传感器中点距横梁左固定端的距离，y为对应纵向形变量，l为传感器长度，λ1为货车形变的载重转换系数，
[0030]令
[0031][0032]，从而建立货车载重与横梁竖向形变之间的关系模型：
[0033][0034]基于公式(3)，利用学习算法获取λ1和初始载重感知计量偏置bias。
[0035]优选地，横梁纵向形变感知模型为
[0036][0037]优选地，建立传感器形变感知模型的方法是，令
[0038][0039]由(4)可建立传感器形变感知模型
[0040][0041]优选地，建立传感器最小形变感知模型的方法是，根据公式(1)和(6)得传感器最小形变感知模型
[0042][0043]优选地，传感器载重感知下限模型为
[0044][0045]其中λ2为传感器半导体材料的弹性模量。
[0046]优选地，建立传感器量程确定模型的方法是，
[0047]根据测量目标范围选定量程比λ3，计算得传感器感知上限模型：
[0048]w
max
＝λ3w
min (9)
[0049]从而得传感器量程为：
[0050][w
min
,w
max
](10)。
[0051]优选地，学习算法的计算步骤为：
[0052](1)计算k1(x
i
；L)；
[0053](2)加权y
ij
：
[0054](3)加权平均y
ij
：
[0055](4)计算系数λ1：
[0056](5)计算初始载重感知计量偏置bias：
[0057]优选地，传感器的安装过程是：横梁的安装平面上先安装预安装螺母，在预安装螺母的上表面安装传感器，传感器通过固定螺丝与预安装螺母固定连接，传感器与固定螺丝之间依次安装有垫片和弹簧垫片。
[0058]本专利技术的有益效果是，首先利用机器学习技术获取货车额定载重计量与传感器量程的优化匹配参数，开展传感器量程选型工作；其次，建立货车载重横梁形变模型开展传感
器的安装位置的优化工作，从而最终达到额定载重计量精度在容许范围内目标。该方法打破现有仅依靠地磅等在装货完成后进行测量本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种货车载重动态计量传感器优化安装方法，其特征是，所述方法包括以下步骤：S1、建立传感器量程选型模型，提供传感器量程与货车额定载重的优化匹配关系，为传感器安装位置的选择提供模型支撑，包括以下步骤：S1.1、建立货车载重测量容许误差模型；S1.2、根据学习算法获取货车形变的载重转换系数和初始载重感知计量偏置；S1.3、建立横梁纵向形变感知模型；S1.4、建立传感器形变感知模型；S1.5、建立传感器最小形变感知模型；S1.6、建立传感器载重感知下限模型；S1.7、建立传感器量程确定模型；S2、优化传感器量程选型与位置安装，包括以下步骤：S2.1、给定参数EI，L，l，W
max
，ε
r
，其中i＝0,1,L,m；S2.2、实测(W,y)，根据学习算法获取货车形变的载重转换系数λ1和初始载重感知计量偏置bias；S2.3、根据货车载重测量容许误差模型确定最大容许误差ε；S2.4、根据传感器最小形变感知模型计算传感器形变感知下限，s(ε；x
i
,EI,L,l),i＝0,1,L,m；S2.5、根据传感器弹性模量和传感器载重感知下限模型确定传感器量程下限，w
min
(λ2,ε；x
i
,EI,L,l),i＝0,1,L,m；S2.6、给定可供选择传感器量程下限w
j
，j＝1,L,j
*
；S2.7、计算w
*
即为所选传感器量程下限；S2.8、计算x
*
即为优化安装位置；S2.9、根据λ3计算出对应传感器量程[w
min
,w
max
]，从而确定w
max
，再根据冗余选定传感器使用量程。2.根据权利要求1所述的一种货车载重动态计量传感器优化安装方法，其特征是，所述货车载重测量容许误差模型为ε＝W
max
ε
r (1)其中，W
max
是给定货物额定载重，ε
r
是货车载重测量容许相对误差。3.根据权利要求1所述...
【专利技术属性】
技术研发人员：吕就敏，
申请(专利权)人：广东货司通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。