谭　爽，李丽宏

（太原理工大学信息工程学院，太原030024）

基于灰色神经网络的汽车动态称重数据处理

谭爽，李丽宏*

（太原理工大学信息工程学院，太原030024）

针对目前汽车动态称重方法称量精度低和所需数据样本数量大的缺陷，提出了一种新的动态称重数据处理方法，通过GM（1，1）模型对车辆动态称重数据进行预处理，获得每个称重数据的误差补偿量，建立了以车辆速度、加速度、动态称重残差序列为输入变量的灰色神经网络模型，使系统称量误差小于1%，称量准确度等级达到1级指标。研究表明，该方法在动态汽车衡数据处理中的可行性强，实现了在贫信息、少数据情况下对动态称重数据的高精度处理，为汽车动态称重系统精度的进一步提高提供了理论与技术支撑。

动态称重；数据处理；灰色神经网络；GM（1，1）模型；BP算法

近年来，为了有效遏制超载运输、延长公路的使用寿命，我国大部分省份实行了公路运输计重收费。目前，车辆计重收费系统主要有静态称重和动态称重（WIM）两种称重方式［1］。静态称重虽然称量精度高，但由于称重台体积庞大并且称重过程中汽车处于停止状态等原因，对交通的正常运行产生了巨大阻碍。相比静态称重动态称重是汽车在不停车的状态下进行称重，能够实现连续过车，称重效率高，有利于高速公路超限检测的高速运营，目前已被广泛应用于高速公路计重收费系统。动态称重系统由于汽车过秤时受到随机不确定干扰因素多，导致称重精度低。……