[发明专利]一种实时测量汽车载重质量的方法与装置

权利要求书

1.一种实时测量汽车载重质量的方法，包括：

获取安装于车辆的传感器采集的数据，输入循环神经网络模型，得到关于车辆状态的识别结果；

对所述数据进行标定，得到不同车辆状态下所述数据的传感器标定系数；

针对所述车辆状态，利用所述传感器标定系数，以及所述数据与对应的车辆状态之间的映射关系，建立车辆状态预测模型；

根据所述传感器采集的数据，结合所述车辆状态的识别结果，以及所述车辆状态预测模型，得到车辆载重质量的数值；

对所述数据进行标定包括：根据所述车辆状态的识别结果，当车辆状态为上货状态时，计算传感器采集的上货完成与上货开始之间的差值D_ij，以及与上货过程相对应的地磅值W_j，建立所述传感器的差值与所述地磅值的映射关系，所述建立所述传感器的差值与所述地磅值的映射关系的步骤具体包括：

求解线性回归方程W_j＝k_i*D_ij，将得到的k_i作为传感器标定系数；其中i代表传感器，j表示上货过程次数；

所述建立车辆状态预测模型包括：针对识别到的卸货状态，得到传感器卸货开始与卸货完成之间的差值d_ij，其中，i表示传感器个数，j表示卸货过程次数，建立不同传感器上货与卸货过程对应的映射关系，求解线性回归方程得到卸货预测模型为：d_ij＝m_i*D_ij+b_i，其中m_i、b_i为不同传感器的预测模型系数；

其中，所述循环神经网络模型是由传感器采集的数据为样本数据，以及预先确定的车辆状态的识别结果为样本标签，经过训练后得到的；

训练所述循环神经网络模型包括：采用时间步长为10的滑动窗口，对模型进行迭代循环训练，训练时采用tanh函数作为隐藏层的激活函数，采用softmax作为输出层的激活函数；所述循环神经网络模型的输入是时间序列长度为十秒的传感器数据，输出是所述时间序列的第一秒时刻对应的车辆状态；

所述车辆状态的识别结果包括：静止状态、跑车状态、上货状态、卸货状态、其他状态，其中，静止状态与跑车状态、上货状态、卸货状态、其他状态可以直接转换，跑车状态、上货状态、卸货状态、其他状态之间的转换只能通过先到达静止状态后，再进行转换。

2.如权利要求1所述的方法，其中，所述循环神经网络模型的结构包括：一个含有十个结点的输入层，两个含有十个结点的隐藏层、一个含有一个结点的输出层。