收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多传感器信息融合的超限超载检测系统设计研究

李丽宏  
【摘要】:不停车超限检测系统作为治理车辆超限超载的有力设备,在我国的高速公路上运用了近十年,已取得了良好的效果。但目前超限超载检测设备在测量准确性和可靠性等方面还存在问题。本文设计了一种基于多传感器信息融合的超限超载车辆自动检测系统,该系统能够对以正常状态行驶、将进入高速公路入口的车辆进行检测。系统主要包括动态称重子系统、车牌识别子系统、车辆分离子系统、车型识别子系统、速度及宽高检测子系统、超限报警指示子系统、计算机管理子系统等。其中动态称重子系统、车型识别子系统、速度及宽高检测子系统、计算机管理子系统均由本研究课题自行开发设计。本论文主要研究多传感器信息融合技术及在超限超载检测系统中的应用,对Bayes参数估计用于称重数据判别、卡尔曼滤波用于称重数据优化、产生式规则用于车型识别、互相关算法用于速度检测等问题进行了较深入的讨论。本论文在以下几个方面开展研究并取得创新性的进展:1、将多传感器信息融合方法包括Bayes参数估计、卡尔曼滤波、产生式规则、相关算法等应用于公路超限超载检测系统中。其中Bayes参数估计用于称重数据判别、卡尔曼滤波用于称重数据优化、产生式规则用于车型识别、互相关算法用于速度检测。2、将动态称重数据按时间分段后采用Bayes参数估计进行融合,该融合原理分为三个部分:置信距离理论、最佳融合数的选择方法、基于Bayes估计的融合计算方法。3、将经Bayes参数估计的两路传感器数据叠加得到汽车重量,再用卡尔曼滤波器进行优化,获得可靠的称重数据。4、将产生式系统数据融合用于轴型识别系统中,在研究了高速公路车辆常见车型的规律及特点后,采用产生式规则形式设计三级规则库,用来实现轴型识别的融合。5、在基于双激光传感器的相关算法的速度检测系统中,左传感器和右传感器安装在垂直于行车方向的两个平面内,两个平面相隔很短的固定距离,当汽车从龙门架下经过时,先穿过右传感器的扫描平面,再穿过左传感器的扫描平面。用互相关算法计算出上、下游两个传感器信号的渡越时间,再由渡越时间和两个传感器的距离求出运动速度。6、将速度及宽高检测与不停车快检系统的功能结合,实现车速度测量、车辆轮廓测量和动态称重等的综合治超,使得整个系统功能更加完善。本设计在山西太长高速、太原高速、大同高速等十余个高速公路入口安装使用后,取得了较好的效果。实践证明,本设计有效提高了车辆称重准确度和系统可靠性,提高了工作效率,有效缓解了入口交通拥堵问题,为治理超限超载工作带来极大方便,达到了本课题的研究目的。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张宁;施毅;何铁军;;基于虚拟线圈的车型识别研究[J];交通与计算机;2008年01期
2 华莉琴;许维;王拓;马瑞芳;胥博;;采用改进的尺度不变特征转换及多视角模型对车型识别[J];西安交通大学学报;2013年04期
3 刘玉铭,白明;一种基于模糊模式识别方法的车型识别仪[J];公路交通科技;2000年01期
4 王阳萍,何欣;智能图像处理技术在车型识别中的应用研究[J];兰州交通大学学报;2004年04期
5 季晨光;张晓宇;白相宇;;基于视频图像中的车型识别[J];辽宁工业大学学报(自然科学版);2010年01期
6 张友兵,陈家祺,史旅华,田瑞庭;基于神经网络的汽车车型识别[J];湖北汽车工业学院学报;1998年03期
7 陈家祺,张友兵,史旅华,田瑞庭,傅正朝,舒章钧;运动图像处理在车型识别中的应用[J];汽车工程;1998年06期
8 欧卫华;唐东黎;闻斌;;基于遗传算法优化的模糊神经网络车型识别[J];湖南工业大学学报;2010年02期
9 王明哲;吴皓;周丰;;基于地磁的车型识别模糊数据融合方法研究[J];公路交通科技;2008年01期
10 刘玉铭,白明,吴慧;模糊模式识别理论在车型识别中的应用[J];道路交通与安全;2001年01期
11 江卫强;;Freeman编码及其在车型识别中的应用[J];机械工业自动化;1988年03期
12 罗瑞;张自红;;基于红外对管及BP神经网络的车型识别[J];制造业自动化;2013年03期
13 陈晓红;;基于RBF网络的不停车收费系统的车型识别[J];科学技术与工程;2009年18期
14 冯超;贺俊吉;史立;;基于支持向量机的轿车车型识别[J];上海海事大学学报;2011年03期
15 梅丽凤;王艳秋;蓝和惠;;一种新型车型自动识别系统[J];制造业自动化;2006年12期
16 王智文;刘美珍;黄秋凤;蔡启先;;基于改进BP神经网络车型识别的研究[J];广西工学院学报;2008年03期
17 孙青;刘智勇;;基于朴素贝叶斯分类模型的车型识别方法[J];五邑大学学报(自然科学版);2008年03期
18 李牧;孔淑华;;RFID在汽车焊装生产线的应用及影响因素分析[J];电焊机;2013年06期
19 康维新;曹宇亭;盛卓;李鹏;姜澎;;车辆的Harris与SIFT特征及车型识别[J];哈尔滨理工大学学报;2012年03期
20 周权;;AVI系统在焊装车间机运输送的应用[J];装备制造技术;2013年12期
中国重要会议论文全文数据库 前7条
1 韩冬梅;吕芳;;智能交通系统中车型识别的软件设计与实现[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年
2 王超;刘翠响;;视频图像中车辆的车型识别算法研究与实现[A];第二十七届中国(天津)2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年
3 邓天民;邵毅明;崔建江;;一种车型识别算法及其应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
4 张全元;戴光明;陈良;;一种新的基于实时视频流的车型识别算法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
5 张大奇;曲仕茹;刘真峥;;基于环投影小波分形特征的车型自动识别方案[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
6 赵天青;梁旭斌;许学忠;蔡宗义;张敏;;车型识别中听觉特征提取算法的研究[A];第三届上海——西安声学学会学术会议论文集[C];2013年
7 刘直芳;游健;王运琼;游志胜;;运动汽车投影阴影分割算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
中国博士学位论文全文数据库 前2条
1 李丽宏;基于多传感器信息融合的超限超载检测系统设计研究[D];太原理工大学;2013年
2 胡耀民;基于视频的车型识别关键技术研究[D];华南理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 邓柳;基于深度卷积神经网络的车型识别[D];西南交通大学;2015年
2 张明贵;道路车辆的车型识别方法研究[D];贵州民族大学;2015年
3 涂文华;基于数据融合的交通物联网感知节点研究与应用[D];南昌大学;2015年
4 刘超;多姿态车型识别算法设计及应用研究[D];电子科技大学;2014年
5 王欣;基于小波分析的车型自动识别系统的设计与实现[D];电子科技大学;2014年
6 凌永国;基于卡口图像车型识别的研究[D];广西师范大学;2015年
7 张海彬;基于卡口图像的车型识别方法研究[D];合肥工业大学;2015年
8 郭志明;基于视频图像的车型识别方法的研究[D];东北大学;2014年
9 张飞云;基于深度学习的车辆定位及车型识别研究[D];江苏大学;2016年
10 程丽霞;监控视频中的车型识别技术研究[D];广东工业大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978