自动行车信号

2024-09-23

自动行车信号（精选7篇）

自动行车信号篇1

1引言

斜坡道无轨车辆运输是矿山井下运输中采用的有效方式之一。由于受到开凿成本、岩层结构等方面的影响, 斜坡道采用单行道运输方式, 每隔一段距离设有一个错车道, 上行、下行车辆在此段进行会让, 使斜坡道相对畅通。但是, 由于很多矿山斜坡道在错车道口未设信号指示灯, 往往引起车辆在某区段内发生阻塞, 错车道的作用不能充分发挥, 以至影响运输和矿山生产效率, 同时还存在安全隐患。针对这种情况, 本文设计了一种新的矿山斜坡道自动行车信号闭锁指示系统, 并得到了实际应用。

2整体思路

如图1所示为斜坡巷道的示意图。本设计的主要思路有以下几个方面:

(1) 将整条斜坡巷道以错车道为临界点分成多个区段, 并在斜坡道入口处设立斜坡道指示牌。

(2) 对每一个区段根据检测信号如上行车、下行车, 进行计算判断, 控制相应的区段两端的指示信号灯, 保证该区段任何时间内, 只有一辆车辆通过。

(3) 对于整个巷道的控制系统, 只需要对步骤 (2) 中的结论, 进行相互嵌套, 就可以实现对每一区段进行分别控制, 对整个系统进行嵌套运算, 对系统进行优化组合, 实现车辆在高峰期内每区段巷道中车辆合理分布, 避免车辆在某时集中到某一区段巷道内, 造成堵车现象。

(4) 同时, 对于几种极端的情况:1下行车 (进巷道) 远远少于上行车 (出巷道) 的情况;2上行车远远少于下行车的情况, 系统应自动切换到只允许上行或允许下行方式, 等待恢复到正常的工作状态。

3算法设计

根据本设计的整体思路, 将整个巷道以错车道为临界点分成多个区段, 首先研究每一个区段的控制算法。如图2所示为区段分析图。假定从巷道入口向巷道工作面的方向为下行, 从工作面到巷道入口的方向为上行, 则车辆A为下行车, 车辆B为上行车;区段Qn为错车道Cn与错车道Cn+1两个之间的区段;Cn、Cn+1为两个相邻的错车道;Sn、Sn′、Sn+1为三套相邻的检测传感器, 显然Sn和Sn′在错车道Cn的两侧, 其他检测传感器的排列与之类似;L1n、L1n+1为下行信号指示灯, L2n、L2n+1为上行信号指示灯, 分别指示下行信号与上行信号。下面具体分析区段Qn信号指示的算法, 当系统上电初始化后, 检测Sn′和Sn+1。

1Sn′检测到有下行车A, Sn+1没有检测到有上行车B的情况, 此时, 应该封锁区段Qn, 仅允许其下行车A通过。

指示灯:

下行指示灯L1n=Red, L1n+1=Green;

上行指示灯L2n=Red, L2n+1=Red。

在程序中不断循环检测Sn′和Sn+1的状态, 直到检测到Sn+1有下行车A, 表示下行车已经离开区段Qn, 进入下一个区段Qn+1中, 此时应该封锁区段Qn+1, 解锁区段Qn。

指示灯:

下行指示灯L1n=Green, L1n+1=Red;

上行指示灯L2n=Green, L2n+1=Red。

2 Sn′没有检测到有下行车A, Sn+1检测到有上行车B的情况, 此时, 应该封锁区段Qn, 仅允许上行车B通过。

指示灯:

下行指示灯L1n=Red, L1n+1=Red;

上行指示灯L2n=Green, L2n+1=Red。

在程序中不断循环检测Sn′和Sn+1的状态, 直到检测到Sn′有上行车B, 表示上行车已经离开区段Qn, 进入上一个区段Qn-1中, 此时应该封锁区段Qn-1, 解锁区段Qn。

指示灯:

下行指示灯L1n=Red, L1n+1=Green;

上行指示灯L2n=Red, L2n+1=Green。

3 Sn′检测到有下行车A, Sn+1检测到有上行车B的情况, 此时, 相当于下行车A和上行车B同时到达区段Qn, 产生了冲突, 规定以载荷车辆优先的原则, 即以上行车B优先通过为原则, 因此其工作逻辑与步骤2中完全相同。如图3所示为区段Qn中算法的流程图。

4每一个区段均独立运算, 然后将所有区段的运算结果相或, 如对于上行灯L2n, 它同时受控于区段Qn-1和区段Qn的运算结果, 将以上两个结果相或 (红灯为ON) , 其结果控制上行指示灯L2n。

5根据进巷道口的检测传感器计算出累计的进入巷道中的车辆数量m1, 累计从巷道中出来的车辆数m2;同时根据进工作面的检测传感器计算出累计进入工作面的车辆数量n1, 累计从工作面出来的车辆数n2。如果 (n2-m2) ≥5 (m1-n1) , 即上行车辆远大于下行车辆时, 控制所有的下行指示灯为Red, 禁止车辆下行, 所有的上行指示灯为Green, 允许车辆尽快集中上行;当 (n2-m2) ≤2 (m1-n1) 时, 控制方法恢复到正常情况, 即从步骤1到步骤4不断循环运行。

6在步骤5中, 如果 (n1-n2) >0, 且比较大 (具体数值可以根据现场情况调整) 时, 意味着工作面比较拥挤, 需要控制所有的下行指示灯为Red, 禁止车辆下行, 所有的上行指示灯为Green, 允许车辆尽快集中上行;当 (n1-n2) <某个常数 (根据现场情况决定) , 控制方法恢复到正常情况, 即从步骤1到步骤4不断循环运行。

4系统设计

本系统主要由信号检测装置、PLC总线控制系统和光电指示装置及系统管理装置等四部分组成。

4.1信号检测装置

在本系统中, 有如下参数需要检测和计算:1在检测位置是否有车辆通过;2车辆行驶的方向是上行车辆还是下行车辆;3上行车辆与下行车辆的数量。

在本系统中, 检测是否有车辆通过, 可以采用地感线圈或采用高精度非接触式光电开关来实现。但是地感线圈由于安装复杂, 考虑到矿山斜坡中均是坚硬的岩石, 不便于在道路的下方对线圈进行掩埋, 因此本方案按照光电开关进行配置。如图4所示为信号检测装置示例。当车辆通过光电开关之间时, 接受光电开关接收不到发送光电开关发送的激光信号, 这样就可以检测到是否有车辆通过。由于光电开关安装在巷道的两个侧壁上, 与通行中的车辆不接触, 因此它可靠性高、不易损坏, 经久耐用。

为了检测车辆行驶的方向, 在每一处传感器安装处均采用间隔一定距离 (如1m) 的两套光电开关组合在一起 (如图4中的实线和虚线两套光电开关组合) , 根据车辆通过时光电开关动作的先后顺序, 判断车辆行驶的方向, 即知是下行车辆还是上行车辆。

根据光电开关组合 (如进巷道口处的光电开关组合) 每判断出一个上行车辆信号, 就在PLC程序中对通过该处的上行车辆计数器增加1;同理, 每判断出一个下行车辆信号, 就在PLC程序中对通过该处的下行车辆计数器增加1。这样, 就可以很容易地计算出在一定时间内, 通过该处的上行车辆数量及下行车辆数量。

对于不同区段, 需要采集该区段进口与出口的数据, 以及控制指示该区段进口与出口的4组指示灯, 如算法描述中的示意图。采集来的数据, 不仅需要单独计算单个区间内的情况, 而且对不同的区间的数据也需要嵌套计算, 对特殊情况进行优化控制, 因此整个控制系统需有多个现场控制站点, 并且各个现场控制站点组合在一起能形成完整的数据共享与交换的通道。鉴于此, 采用目前应用广泛、技术先进、兼容性能好、系统安全可靠的Profibus-DP总线系统, 如图5所示为Profibus-DP总线控制系统。

对于每一个错车道的两侧, 都安装一套组合光电开关, 以检测上行/下行车辆通过的具体情况, 同时在进巷道口和进工作面口也分别安装一套组合光电检测装置。

4.2 PLC总线控制系统

本系统采用每隔1000m建立一套现场站点, 共设立一套主站 (MASTER) 和3套从站 (SLAVE) 。站点之间的通讯采用光纤传输的Profibus总线连接。主站配置1块电源模版、1块CPU模板、1块DI/DO模板、1块光纤链路模块;每一个从站都配置1块电源模板、1块ET200M模板、1块DI/DO模板、1块光纤链路模块。整个控制系统的示意图如图5所示。

4.3 光电指示装置

对于本系统的执行机构主要是指信号指示灯, 由方案算法描述可知, 对于每一个错车道均需要安装上行指示灯、下行指示灯, 因此每一个错车道至少需要4个指示灯, 分别是上行允许指示灯 (Green) 、上行禁止指示灯 (Red) 、下行允许指示灯 (Green) 、下行禁止指示灯 (Red) 。由于指示灯均安装在井下运行, 本方案中选择的是能防潮、防尘, 安全可靠、故障率低的LED交通信号指示灯。

3.4系统管理装置

系统管理装置主要包括上位监控机、系统管理软件及光纤通讯附件如光纤、通讯卡、光纤链路模块等。管理系统从总线控制器PLC中取得现场数据, 然后在管理监控机上进行模拟显示, 便于查看现场车辆通行的情况。对于车辆通行出现意外情况, 可以及时人为干预。同时, 还对现场设备运行状态进行监控, 出现设备故障, 及时报警, 便于人员维护现场设备。

5软件设计

软件基于S7-300及ET200M硬件平台, 采用SIMATIC STEP梯形图语言设计。整个软件框图结构如图6所示。

6系统功能

(1) 解决在某一区段同时通过多台车辆时的汇车问题;

(2) 在斜坡道分段建立控制分站, 在调度室建立监控中心, 随时掌握和了解现场车辆的运行情况;

(3) 建立运算和统计系统, 随时统计车辆通过的台数 (包括车辆的上、下行车数) 等;

(4) 在调度监控室建立斜坡道模拟显示系统, 对整体斜坡道进行监控, 并用红、绿灯进行显示;

(5) 在车辆运行过程中, 发生特殊情况时, 特殊车辆优先通过的原则;

(6) 上位监控系统建立信号系统故障自诊断功能。

7实际应用

某矿山斜坡巷道长约4.16km, 1340中段以上宽5m、1340中段以下宽为4.5m。随着该矿生产任务量迅速增长, 斜坡道运输车辆的增加, 在错车道口未设信号指示灯的情况下, 往往引起车辆在某区段内发生阻塞, 错车道的作用不能充分发挥, 以至影响运输和矿生产效率, 同时还存在安全隐患。应用本系统后, 能及时预知前后方路段车流情况, 避免频繁发生堵车、倒车, 甚至是撞车事故, 减少油料、备品备件的浪费, 节约运输成本, 保证车辆在斜坡道内畅通行驶, 优化了斜坡道的运输能力, 现场应用情况良好, 得到了用户的一致好评。

参考文献

[1]魏万华, 刘善春.矿区井下主斜坡道车辆监测及信号灯综合控制系统设计[J].甘肃科技, 2011.

[2]谢莹, 鲁群、许荣斌.基于RFID矿井斜坡道交通信号监控系统的故障处理方案[J].工业控制计算机, 2007, 20 (4) .

自动行车信号篇2

1.1 利用折返线比照调车方式办理列车折返。

比照调车方式是指车站人员办理好进路, 所有人员、工器具进入安全区域后, 现场值班站长使用对讲机联系司机 (无线故障时, 由现场人员口头通知) , 司机进行复诵。值班站长或指定人员在站台或区间划定的安全区域向司机显示“道岔开通”信号, 司机凭现场人员“道岔开通”手信号动车, 待司机鸣笛回示后方可收回。然后由车站工作人员办理进路相关事宜, 对列车的目的地进行明确后, 组织列车进行线路转换的一种行车组织办法。

1.2

利用北客站站前渡线, 人工排列至北客站上行站台。

2 实例分析

下面以西安地铁二号线折返站北客站联锁区为例, 探讨一下折返站信号故障下的行车组织及客流组织。北客站联锁区包括北客站与北苑站, 当北客站联锁区信号故障时, 北客站ATS、调度指挥中心HMI灰显。车站使用LCW扔无法排列北客站折返进路时, 确定为北客站联锁区信号故障。

2012年某日凌晨, 西安地铁二号线行车调度员与车站、司机共同参与了北客站联锁区信号故障演练, 演练了北客站联锁区信号故障下的两种行车组织方案, 通过对行车之间的距离、行车安排的复杂性等因素进行综合考虑, 将两组方案的优劣进行比较, 以供今后发生信号故障时参考。以下两种演练方案的时间均包含乘客上下客时间。

2.1 方案一:

与信号正常情况下相同, 采取北客站折返1道用调车方式RM办理列车折返。

(1) 行车组织及时间:

①下行运行列车从北苑站下行运行至X0101信号机, 越过X0101信号机红灯以RM模式运行到北客站下行站台 (共用时5min) 。②车站按调车方式办理列车从北客站下行站台利用折返1道折返至北客站上行站台 (经折返1道, 越过S0102信号机停稳后, 经W0102、W0104、W0110和W0112道岔到达上行站台) 。第一趟调车方式来回总路程共耗时14min, 第二趟调车方式来回总路程共耗时12min (信号故障下列车折返时人工办理进路道岔上的道岔只挂不锁) 。

③行车调度员组织折返完毕的列车, 在北客站上行站台越过S0107信号机红灯RM运行到北苑站上行S0107信号机后恢复正常运行 (共用时5min) 。

(2) 行车组织分析:

①列车往返故障区 (北苑站～北客站上、下行) 一共用时5+12+5=22min (第一趟列车需22min) , 即单向行车间隔约为22min。②行车调度需要组织全线列车延长到北苑站的时间, 同时组织进、出故障区两个地点列车越信号机红灯运行, 因故障区行车组织需通过监视器观察及无线电台与司机联系确认列车位置, 确认及发令等工作量大, 对调度指挥的要求较高。③故障区车站需要下线路人工办理列车进路, 转动道岔及组织列车折返, 操作程序复杂, 对站务人员业务要求较高, 导致折返效率低下。

(3) 客运组织流程 (与正常情况相同) :

①出站的乘客:在北客站下行站台下车后, 按车站指示牌出站。②进站的乘客:在北客站上行站台候车。

(4) 客运组织分析:

①优点:在车站内无需对乘客进行疏导, 乘客按日常习惯进行乘车。②缺点:行车间隔由信号正常时的7.5min延长到22min, 乘客等待时间较长, 北客站做为与高铁连接车站, 短时客流量较大, 采取此方法组织行车直接影响北客站进站、出站的所有乘客。

2.2 方案二:

放弃北客站站后1道或2道折返, 列车到北苑站下行后经北客站站前渡线运行至北客站上行站台折返。

(1) 行车组织及时间:

①下行运行列车从北苑站下行运行至X0101信号机, 越过X0101信号机红灯以RM模式经W0101和W0103道岔运行至北客站上行站台 (共用时515s) 。②列车在北客站上行站台开关门上下客完毕后换端 (共用时2.2min) 。③在北客站上行站台越过S0107信号机红灯RM运行到北苑站上行S0107信号机后恢复正常运行 (共用时5min) 。

(2) 行车组织分析:

①列车往返故障区 (北苑站～北客站上、下行) 共用时515+130+300=945s, 即单向行车间隔约为945s。全线列车都会受到影响。②行车调度需要组织全线列车延长到北苑站的时间, 同时组织进、出故障区两个地点列车越信号机红灯运行, 因操作中存在交叉进路, 故障区行车组织只能通过站台cctv观察及无线电台与司机联系确认列车位置, 车站人员要排列北客站站前进路, 操作及确认工作复杂, 对调度智慧和车站工作的要求较高③不需要按照调车方式办理列车折返, 列车折返效率得到提高。

(3) 客运组织流程:

①出站的乘客:在北客站上行站台下车后, 按车站指示牌出站。②进站的乘客:在北客站上行站台候车。

(4) 客运组织分析:

①优点:

车站客运引导有变化, 需在上行站台引导下车乘客和进行清客作业, 并引导出站, 乘客出站走形路线与平时习惯不一样, 加大客运工作量。进站乘客不受影响。

②缺点:

行车之间的距离在信号正常时为7.5min, 而目前为15.75min, 北客站上行站台等候列车的乘客人数明显增加, 并且与下车乘客极易产生交叉客流。

3 行车组织建议

以上两种行车以及客运组织方式各有利弊。方案一以常规的组织行车方式为基础, 与乘客的日常乘车习惯相符。但缺点在于行车之间的距离较大, 乘客在乘车时需要等待较长时间。方案二立足于方案一, 并进行了适当改进, 但全线列车仍然在故障联锁区内运行, 这种运行方式对列车运行能力的利用有很大的局限性, 但从耗费时间的角度考虑则优于方案一, 减轻了行车指挥与车站人工排列进路的工作量, 能更加快捷的疏散站台乘客。但综合对比分析这两种方案可以得出以下结论:在折返站联锁区信号故障的特殊情况下, 方案二是相对较优的组织方案。

4 结语

自动行车信号篇3

国内外学者对于应用MPF来评价肌肉疲劳做了大量的研究[4—6], 且认可了MPF评价肌肉疲劳的有效性。借鉴相关文献的研究成果[7—10], MPF降低说明肌纤维传播速率降低, 驾驶员肌肉出现疲劳。当驾驶员出现肌肉疲劳时对行车安全产生不利影响, 应避免此情况的发生。本文是在确立草原公路驾驶员腰部肌肉疲劳规律后, 再对驾驶员在草原道路条件下行车过程中肩部斜方肌的MPF指标做出了详细的研究, 探索草原公路行车时驾驶员肩部的表面肌电信号变化特征, 旨在研究驾驶员主要部位的肌肉疲劳状况, 以期为驾驶疲劳的预警机制提供理论依据。

1 实验方法

1.1 实验路段

内蒙古锡林浩特市境内的省道S101赛罕塔拉———满都拉图段上145 km的草原公路路段具有典型的草原道路特征:道路线形变化小、长直线多、平曲线较少且圆曲线半径较大, 平面线形以直线为主。

经实验前的实地调查, 该道路各种设备相对完善, 实验路段间距、路侧景观现状等具有代表性, 道路的长度, 宽度, 车流量也都满足实验要求。公路设计等级为二级公路, 设计车速80 km/h。直线段最长为8 741.3 m, 最短是292.64 m, 最小平曲线半径为295 m, 最大纵坡4.924%。

1.2 试验对象

选取6名驾均具有驾驶证 (C本) 的驶人员, 男士4名, 女士2名, 实验前, 对6名驾驶员身体状况进行检查, 6名驾驶员均身体健康, 无肩部疾患、无重大手术, 未经历过特殊训练。对实验路段的熟悉程度均为一般。

1.3 实验过程及要求

在实验过程中为保证实验数据真实有效, 驾车过程中不限制车速, 驾驶员以个人速度判断及驾驶习惯自由行使, 为了达到时间累积的目的, 驾车单程行驶145 km后掉头返回至起点, 往返之间不作休息。驾驶过程中随车配备特殊事件记录人员并负责实验仪器的全程监督, 保证实验数据的质量。本次实验选在七月, 此时草原道路景观单调。突显出驾驶环境的特殊性。被提前通知的6名驾驶员在天气晴朗的连续六天中同一时间段进行实验。驾驶员被告知要保证正常作息, 防止驾车前出现疲劳, 实验前不得饮酒。

1.4 被试肌肉选取与检测

在驾驶过程中右臂是换挡、调整车内设施等动作的主要执行者。已有研究证明斜方肌能够准确反映驾驶员的驾驶操作[11]。所以本文选取右侧斜方肌作为被试肌肉。

本文采用美国BIOPAC公司生产的MP150多导生理记录仪, 并用与之配套的Acq Knowledge软件进行数据提取, 采样频率设定为1 000 Hz[11]该套设备和软件能够保证实验数据的可靠性, 目前在国际上人机工程领域研究中得到通用。

2 肌电信号及指标选取

2.1 肌电信号介绍及分析方法

表面肌电图可以准确反应肌肉的活性状态, 在康复医学、运动医学等方面的神经肌肉功能检查得到广泛应用[12]。目前最常用于肌肉疲劳评价[13,14]。

表面肌电信号 (surface electromyogram, SEMG) 源于大脑活动皮层控制之下的脊髓a运动神经元的生物电活动, 是众多外周运动单位电位 (motor unit action potential, MUAP) 在时间和空间的总和。如图1所示为右斜方肌处于活动状态时的肌电信号。

对s EMG信号的分析主要集中在时域和频域两个领域[15]。并且有学者认为, 无论静态运动还是动态运动, 表面肌电信号的频域分析比时域分析更有意义[16]。频域分析通过对s EMG自相关函数做快速傅立叶变换, 据功率谱密度 (power density spectrum, P) 确定肌电信号中不同频段信号分布情况, 其特征参数:中位 (值) 频率 (Median Frequency, MF) , 平均功率频率 (Mean Power Frequency, MPF) 。肌肉疲劳时, 功率谱由高频向低频漂移, MPF值也相应下降。MPF与MF均能代表被检肌肉传导速度的频率, 但是MPF在反应肌肉活动状态和功能状态的敏感性要优于MF[17]。

2.2 指标确定及测量方法

肌肉的动作电位是由肌肉收缩来衡量的, 而收缩的程度却取决于运动神经纤维传出冲动的频率, 这就是本文采用MPF来衡量驾驶员肌肉状态的依据。

式中, P (f) 为s EMG信号功率谱密度函数。

大量实验证实了肌纤维的传播速率 (muscle fiber propagation velocity, MFPV) 和局部肌肉疲劳直接相关, 通过测量MFPV的减小, MPF相应降低[18]。可见MPF可以直观表现出肌肉传播速率的变化, 进而反应肌肉疲劳状况[19,20]。

本文采用美国BIOPAC公司生产的MP150多导生理记录仪记录肌电信号, 并用与之配套的AcqKnowledge软件进行数据分析, 利用Excel数据进行整合处理, 得到趋势图, 完成对MPF的测量 (图2) 。

3 试验分析

通过驾驶员在草原道路的实驾实验进行肩部肌电信号的提取分析, 获取草原公路驾驶过程与肌肉疲劳成因的实验数据, 分析驾驶员在草原公路驾驶时肩部肌电信号总体规律和肌肉疲劳形成的影响因素, 为继续研究驾驶员其他肌肉疲劳和驾驶行为特性奠定基础。

3.1 驾驶员右斜方肌MPF变化与分析

利用Acq Knowledge软件进行数据提取, 采用Excel软件处理数据, 将所得数据进行标准化。得到每个被试者肩部MPF的变化趋势 (图3) 。

(1) 由图3显示在20 min处1、2、4、5号驾驶员均出现了MPF的最高点, 3、6号也在20~30 min形成曲线的转折, 针对此现象的产生, 调用实驾视频发现, 6名驾驶员在自由驾驶后分别在28~33 min的时间区域内到达查干淖尔收费站, 收费站点周围存在多条减速带, 造成行车振动, 从而加速驾驶肌肉疲劳。20~30 min后6名驾驶员肩部斜方肌的MPF呈现波动下降趋势, 而且这种下降幅度逐渐增加, 表明疲劳形成累积, 达到行车过程中不可恢复的状态。

(2) 由图可见, 1、3号驾驶员的MPF在前20min内呈现递增趋势, 由于驾驶人员对试验车辆的熟悉程度、适应能力等的不同, 该时间段内的自我调节动作会相对增加, 出现肌纤维波动递增趋势。而2、4、5、6号驾驶员在前20 min过程中均出现了一致性的MPF递减趋势, 可能原因为由于对试验路段的不熟悉, 形成紧张驾驶, 加速肩部肌肉的疲劳, 导致MPF呈现下降趋势。

(3) 图上显示的MPF在下降过程中存在的波动很可能是行车过程中会车超车牛羊群过街而导致的特殊动作, 因为对照视频发现, 加减挡位操作、经历减速带、其他特殊行为均会有一致的肌电图波动出现, 不同操作会引起不同的张力水平, 导致MPF出现不同程度的变化[21], 这些特殊驾驶行为对肌电图的影响值得进一步深入研究。

为了去除个体差异对试验结果造成的影响, 将6位驾驶员的肩部斜方肌MPF作总体平均分析, 得到如图4所示的整体变化。

由图4可见, 长时间在草原道路行驶, 驾驶员右侧斜方肌的MPF呈现波动下降趋势。说明肌纤维的传播速率降低, 驾驶员的肩部肌肉出现疲劳。而且这种疲劳会形成累积, 图示斜方肌的MPF斜率骤降。说明疲劳程度在加速。但是这种疲劳程度是否达到出现酸楚、疼痛的症状, 还应进一步研究, 本文并未发现驾驶员主观疲劳评价与MPF实际变化的一致性, 这一点与以往研究的结果存在很大差异[22,11]。另外, 图示标注红色点是MPF形成大幅度下降的起点, 针对此现象的产生, 调用实驾视频发现, 6名驾驶员在自由驾驶后分别在28~33 min的时间区域内到达查干淖尔收费站, 在此收费站需要进行交费或停车等待的一系列操作。所以肌纤维为了协助肌肉收缩达到了最大化。之后, 驾驶人员要经历赛罕塔拉监测站, 期间多条大减速带致使车辆振动, 而振动不仅会加速肌肉疲劳[23,11]。还致使肌肉疲劳恢复时间延迟[24]。所以, 肌电信号在20 min左右出现转折点后形成了不可反复的下降趋势。

3.2 驾驶员的主观自我评价表

分析驾驶员可能在行车中出现的疲劳状况, 制定了行车问卷调查, 实现主客观结合的方法分析驾驶员的肌肉疲劳状态 (表1) 。

由图5显示50%的驾驶员出现全身酸困、周身疲乏的现象, 说明随着草原公路驾驶持续时间的延长会使驾驶员出现肌肉疲劳。33%出现颈部酸痛、17%的人出现腰部、肩部的酸痛, 50%的人出现腿酸, 表明驾驶操作会加重驾驶员的肌肉疲劳, 但不同的肌肉以及肌肉施力大小导致的疲劳程度不同, 还与自我调节能力有关所以不同部位肌肉疲劳状态统计会有差异。50%的人会打哈欠, 说明出现行车疲劳。通过问卷调查所发现的较少的人察觉到疲劳原因可以解释为:非专业性驾驶员长时间驾驶后相当于超过习惯的运动负荷在此工作之后骨骼肌会出现延迟性酸痛, 肌肉僵硬, 收缩和伸展功能下降[25] (表2) 。

图6发现驾驶员的疲劳等级主要集中在第一、二级的疲劳状态, 说明驾驶员在肌肉发生疲劳的过程中, 主观上并未察觉到肌肉疲劳, 证明了检测驾驶员疲劳的必要性, 可以形成预警机制。

由图5、图6显示的驾驶员主观疲劳评价与实测肌电信号的MPF呈现差异性, 即图6显示仅有约30%的人有疲劳感, 70%的驾驶员并未有主观反映肩部疲劳状况。这与一些学者的结果不同[22,11]。这种现象是由于不同的实验方案导致的。同时图5显示50%的驾驶员出现全身酸困、周身疲乏的现象, 说明随着草原公路驾驶持续时间的延长会使驾驶员出现肌肉疲劳, 这种驾驶的肌肉疲劳并未形成病理, 或者肌肉处于延迟性酸痛疲劳状态[25]。这种在肌肉内部形成疲劳但宏观没有察觉的现象再次证实了研究草原驾驶员肩部疲劳的必要性, 可以深入研究到车内预警装置, 来预防驾驶员肌肉疲劳。达到安全驾驶的目的。

4 结论

本文以6位草原公路驾驶员的腰部表面肌电实驾试验数据为基础, 结合主观问卷调查, 分析了驾驶员在连续120 min后肌电信号的变化情况, 得出了驾驶员在草原公路上行车时的MPF随驾驶时间的变化规律。本文以草原公路为研究对象, 结合实驾试验, 对驾驶员肩部表面肌电信号进行了相关研究, 得出以下结论:

(1) 在草原道路行车中, 随着驾驶时间的延长, 驾驶员的MPF呈现持续波动降低趋势, 说明肩部肌肉处于疲劳状态。

(2) 振动会造成肌肉疲劳的加剧, 疲劳有累积效应。

(3) 主观问卷调查与MPF肌肉疲劳分析对比发现, 形成疲劳是一个过程, 在驾驶员没有感知到肌肉疲劳时, 肌肉的疲劳已经在发生并且开始累积。

本文发现的主观疲劳与MPF检测结果的非一致性, 本文的试验结果再次证明了进行草原公路驾驶员肌肉疲劳的必要性, 该实验结果可以为驾驶员肌肉疲劳的预警提供理论基础, 可以在此研究程度上, 进行深层次的拓展, 形成针对草原公路行车的驾驶员疲劳预警机制, 提高安全驾驶。

摘要：内蒙古草原具有线形特殊, 景观单调等特点, 长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号, 使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势, 但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。

自动行车信号篇4

无信号交叉口一般没有待行区和右转专用车道,车辆转弯会导致安全和操作的问题[1,2,3]。右转车辆为了完成转弯,通常要减速通过,减速可能导致潜在的追尾事故以及对后面的车辆造成延误。对于简单的十字型无信号交叉口,车辆是利用对向车辆间隙相互穿插,车辆到达交叉口一般要排队等待,寻找可穿越间隙,当获得可穿越空挡时,排队车辆开始消散,排队中的右转车辆对后面直行车产生干扰;而T形无信号交叉口主路车流一般不会产生排队,右转车辆是否会影响直行车取决于2车之间的车头时距。

1 模型假设

1) 假设交通流组成全部为1种车型。

2) 主路车辆的车头时距服从二阶爱尔朗分布,达到率为λ/2。

3) 路车流为非饱和交通流。

2 右转车对直行车延误影响分析

2.1十字型交叉口

无信号交叉口车辆转弯速度取决于转弯半径,Richards的研究表明车辆的转弯速度与转弯半径及车道宽度呈线性关系,J A Bonneson[3]在Richards模型基础上进行了修正,得到了右转车辆转弯速度与转弯半径的关系

$u_{r} = 3.59 + 0.196 R_{c} (1)$

转弯时间是车辆通过转向弧的时间,图1描述了车辆完成右转的过程,计算过程如下:

$\begin{array}{l} \overset{⌢}{s} = \frac{π \cdot R_{c}}{2} - l_{0} - \frac{l_{1}}{2} (2) \\ t_{r} = \frac{\overset{⌢}{s}}{u_{r}} = \frac{\frac{π \cdot R_{c}}{2} - l_{0} - \frac{l_{1}}{2}}{3.59 + 0.196 R_{c}} (3) \end{array}$

式中:ur为右转车辆的转弯速度,m/s;Rc为右转车转弯半径,m;l0为停车线与人行横道的距离,取1 m[4];l1为交叉口处人行横道宽度,取2 m; $\overset{⌢}{s}$ 为右转车辆的转向弧长,m;tr为转弯时间,它是速度和转弯半径的函数,通常随着半径的增加,转弯时间也会增加,当半径在10～14 m之间时,tr较为恒定,在2.5～3.2 s之间。

假设平均车长为4 m,排队车头间距为8 m,转弯半径10 m,启动加速度α1取1 m/s2,则排队车辆从静止状态加速到转弯速度所需的时间为:

$t = \frac{u_{r} - 0}{a_{1}} = \frac{3.59 + 0.196 \times 10}{1} = 5.55 s$

在时间t内行进的距离为

$s = \frac{1}{2} a_{1} t^{2} = \frac{1}{2} \times (5.55)^{2} = 15.4 m$

如果右转车辆在排队中处第2辆、第3辆或第4辆的位置,它只会经历1个加速过程,速度达到u后(小于ur),转弯通过,第5辆及以后的右转车辆,要先加速到ui(大于ur),然后再减速到ur,完成转弯。

图2说明右转车辆先以速度ui行驶,然后减速到ur,并通过交叉口的运行轨迹。车辆为了安全通过交叉口会经历1个减速过程(AB),假设车辆到达转弯半径起点时(B),车速减到ur,并且以这个速度完成转弯(BC),车辆完成转弯的时间为tr,由于排队车辆跟驰行驶,车辆之间跟车时距为Δ,为了避免追尾事故,右转车辆产生的减速波会向后传递,跟随车辆将在某一点减速,直到转弯操作完成跟随车辆才开始加速离开交叉口。

假设当右转车辆完成转弯操作时,跟随的直行车辆开始加速回到运行速度。直行车辆产生的延误与车辆减速的速度有关,最小速度可由下式计算

$u_{m} = u_{i} - (t_{w} - Δ) a_{2} (4)$

式中:tw为避免发生追尾事故,直行车与前方右转车的安全时距,tw=1.5+ui/4.9+5/ui;ui为第i辆直行车运行速度(i=5,6,7,…);a2为减速度,取2 m/s2。

安全停车时间计算见表1。

当速度达30 km/h时,安全停车时间为3.8 s,跟车时距Δ取2 s,由式(4)算得最小速度为4.7 m/s。

当(ui-ur)/a2+Δ+tw-tr>tc(临界车头时距),冲突车辆开始穿越,跟随的直行车辆被迫停车。

当(ui-ur)/a2+Δ+tw-tr≤tc时,排队车辆继续通过交叉口,受到右转车辆影响的第1辆直行车产生的延误为

$d_{1} = \frac{(u_{i} - u_{m})^{2}}{2 y_{i}} (\frac{1}{a_{1}} + \frac{1}{a_{2}}) (5)$

后续车辆的延误为

$d_{k} = d_{k - 1} - (t_{w} - Δ) (6)$

则2辆右转车之间直行车产生的延误为

$d = \sum_{k = 1}^{n} d_{k} \times (1 - p_{r})^{k} (7)$

式中:第二项表示下一辆右转车之前连续通过k辆直行车概率;pr为右转车比例。

2.2T形交叉口

T形交叉口主路受支路影响较小,主路车辆一般不会产生排队,主路车流中右转车辆对直行车是否产生影响,取决于右转车与直行车间的车头时距,如果他们之间的车头时距能够满足跟随的直行车不采取制动仍可避免追尾事故时,直行车不受到右转车的影响。这个车头时距定义为临界安全时距h,是右转车辆减速到转弯速度并通过交叉口的时间。如果车头时间小于h时,跟随车辆必须在某一位置开始减速,并维持某一速度与前车保持1个安全距离l,对于右转车辆后的第1辆直行车,临界安全时距为:

$h_{1} = \frac{u - u_{r}}{a_{2}} + t_{r} + \frac{l}{u} (8)$

平均车头时距的变化范围从最小的跟车时距Δ到临界车头时距h,其平均车头时距可用微分法进行分析。

根据模型假设,车头时距概率密度函数为

$\begin{array}{l} f (t) = λ^{2} t e^{- λ t} (9) \\ \bar{h} = \frac{\int_{Δ}^{h} t f (t) d t}{\int_{Δ}^{h} f (t) d t} = \\ \frac{(λ Δ^{2} + 2 Δ + \frac{2}{λ}) e^{- λ Δ} - (λ h^{2} + 2 h + \frac{2}{λ}) e^{- λ h}}{(λ Δ + 1) e^{- λ Δ} - (λ h + 1) e^{- λ h}} (10) \\ u_{m} = u - (h_{1} - \bar{h}) a_{2} (11) \end{array}$

第1辆车延误为

$d_{1} = \frac{(u - u_{m})^{2}}{2 u} (\frac{1}{a_{1}} + \frac{1}{a_{2}}) (12)$

第i辆直行车的延误为

$\begin{array}{l} d_{i} = d_{i - 1} - (\bar{h} - Δ) (13) \\ \bar{h} = \frac{(λ Δ^{2} + 2 Δ \frac{2}{λ}) e^{- λ Δ} - (λ Η_{i}^{2} + 2 Η_{i} + \frac{2}{λ}) e^{- λ Η_{i}}}{(λ Δ + 1) e^{- λ Δ} - (λ Η_{i} + 1) e^{- λ Η_{i}}} (14) \\ h_{i} = d_{i - 1} + Δ (15) \end{array}$

式(14)为第i辆车的延误(i=2,3,4,…)。可以发现,每辆后续车的延误总是小于等于前车延误,当平均流量小于1/Δ时,后续车辆的延误趋近于0。

然而上式计算的延误只适用于在车头时距小于临界最大车头时距h时,另外在下一辆右转车到达之前,通过的直行车的概率也要考虑,2辆右转车之间的直行车平均延误可以表示为

$\begin{array}{l} d = \sum_{i = 1}^{\infty} d_{i} \times \prod_{j = 1}^{i} (1 - e^{- λ Η_{j}} - λ Η_{i} \cdot e^{- λ Η_{j}}) \times \\ (1 - p_{r})^{i} (16) \end{array}$

式中:第二项表示有i辆连续的车头时距小于临界车头时距的概率;第三项同上。

3 影响因素分析

本节定量分析了运行速度,右转车比例,单车道流率、转弯速度对右转车后的直行车产生的影响。图3、图4分析了十字形交叉口运行速度,右转车比例对通过直行车辆延误的影响;图5、图6从右转车比例,单车道流率,转弯速度3个变量分析了T形交叉口通过直行车辆的延误。

图3显示了右转车比例为20%时,不同运行速度下直行车的延误变化,这个延误由式(6)算得。随着运行速度的增加右转车对直行车的延误影响增大,速度从30 km/h增至50 km/h时,右转车对第1辆直行车的延误从7.8 s增加到了17.5 s,速度为30 km/h时,右转车对直行车的影响向后传递了6辆车,速度为50 km/h时,第13辆以后的直行车才不会受到影响。另外,从图中可以发现,在一定运行速度下,每辆车的延误都比前一辆车小,延误逐渐趋于平稳,最后达到0。

图中延误是2辆右转车之间每辆直行车的平均延误,由式(7)计算。图中曲线的位置说明,在同一速度下,随着右转车比例的增加,直行车的平均延误减小,右转车比例的增加,使得跟随右转车辆之后的直行车减少,累加产生的延误就会减少;从单条曲线的变化趋势可以看到,随着运行速度的增加,平均延误也逐渐增大,这主要是因为,运行速度的提高,车辆间的安全停车时间也会增加,直行车辆最小速度也会增大,所以延误呈上升趋势。

从图中可以看出随着流量的增加延误增加,在流量<500 veh/h时,运行速度和右转比例对延误影响不大;当流量超过500 veh/h时,速度对延误的影响要比右转车比例对延误的影响大,而且运行速度越大,延误增量越大,当运行速度较小时,右转比例对直行车延误的影响不明显。

图6是转弯速度对延误的影响,转弯速度越小,延误越大,从曲线的变化趋势看,当右转速度达到一定值时(图中是7 s),转弯速度将不在是延误的主要影响因素。

4 实例验算

选择南京某T形交叉口对模型进行验证(见图7)。交叉口几何线形基本对交通行为本身没有影响,支路上没有减速让行标志。观察时间内主路车流量均衡,交叉口的行人和非机动车交通量小,交通组成中大型车车比例小于10%。

数据采集共设置3个检测断面来检测速度,分别在距离交叉口中心100、50、5 m处设置。第1个检测断面用来记录驾驶员看到交叉口后开始减速的初始速度;第2个断面为车辆在交叉口区域内的运行速度;第3个断面为右转车辆转弯的速度。同时记录车辆通过各个断面的时间。

根据调查数据,主流的流率在500～750 veh/h,第1个检测断面车速多数在45～60 km/h行驶,第2个检测断面车速多数以40～50 km/h行驶,右转车通过第3个检测断面车速多数在20～25 km/h。

车辆通过无信号交叉口时,交叉口本身以及车辆之间的相互作用都会对车辆的延误产生影响,单从速度的变化上有时很难判别延误是由交叉口还是右转车引起的,从上述延误计算式中可以看出,每辆直行车的延误与车头时距有密切关系,因此本文在对模型验证的时候,选择可以直接观测到的车头时距。表2为选取的2组直行车跟随右转车的实验数据及计算结果的对比。

从比较结果可以看出,误差大都在可接受范围10%以内,第1辆车延误的误差比较小,这主要是由于右转车后的第1辆直行车受到的影响最直接,经历减速加速的过程,计算比较精确;越到后面的车辆误差越大,di观测值甚至出现了负值,可能是由于后面的车辆受到右转车辆的影响越来越弱,而且受到驾驶员驾驶特性、交通组成及速度波动的影响,平均车头时距要比计算的结果大出许多,使得误差较大。

5 结束语

通过对十字形和T形无无信号交叉口主路右转车辆对后续直行车辆影响的研究,建立了主路右转车辆影响下的每辆直行车的延误模型及2辆右转车之间直行车平均延误模型,该模型的建立为无信号交叉口的几何改进,减少主路直行车延误提供了依据。

摘要：分析了十字形和T形无信号交叉口右转车辆对后续直行车辆的影响过程,分别建立了2种类型交叉口右转车后直行车延误模型,定量分析了运行速度,右转车比例,单车道流率,转弯速度与延误之间关系,通过实测交叉口数据对模型进行了验证,试验结果与计算结果十分吻合。分析表明该延误模型具有一定的实用性,为无信号交叉口的几何改进,减少主路直行车延误提供了依据。

关键词：无信号交叉口,右转车辆,直行车辆,延误模型

参考文献

[1]Stover V G,Adkins W G,Goodknight J C.NCHRPreport 93:Guidelinesfor medial and narginal accesscontrol on major roadways[R].Washington,D C.:Highway Research Board,National Research Council,1970.

[2]TRAF/NETSIM.TRAF user reference guide.Version5.0[Z].Washington,D C.:Federal Highway Adminis-tration,U.S.Dept.of Transportation,1995.

[3]Bonneson J A.Delay to major-street through vehi-cles due to right-turn activity[J].Trampn Rex-A,1998,32(2):139-148.

[4]倪颖,李克平.信号交叉口行人与右转机动车冲突的处理[J].交通与计算机,2007,25(1):22-26.

自动行车信号篇5

1 PSK/FM二次调制信号

PSK/FM二次调制信号外调制为FM调制, 内调制为PSK调制, 二次调制框图如图1所示。

图1中D (t) 为二进制数字信息序列, 在多进制相移键控 (MPSK) 信号中, 载波相位有M种取值, 信号模型为[4]

式 (1) 中Tb为码元宽度, g (t) 为成型滤波器波形, 滤波器滚降系数α可根据需要进行设置, fc1为载波, θM为M个可能的相位取值, 且在同一码元内取值相同。

PSK调制完成后再经过FM调制形成PSK/FM二次调制信号, 表示为

式 (2) 中, Ac为幅度, fc2为FM的载波频率, KFM为调频系数, 一般取KFM<<1。FM调频信号的另一重要参数调制指数h定义为信号允许的最大频偏与调制信号最高频率的比值, 即由式 (2) 可得

式 (3) 中, ωM为调制信号的最高频率, Max用于取信号幅值的最大值。FSK/FM调制原理与PSK/FM类似, 这里不再单独介绍。

实际通信中, FM调频只能对实信号进行调制, 而通常正交调制器产生的PSK信号为正交两路复信号, 只能对其同相分量或正交分量进行单独调制, 这就要求每个分量都完整地包含PSK基带信号的信息, 由正交调制原理可得, 要满足该条件内调制PSK信号必须有载波分量, 即fc1≠0, 同时为了保证FM解调后能低通滤波恢复PSK基带信号, fc1应大于信号的符号速率fb。

式 (2) 可写为

令x (t) =∫Re (s PSK (τ) ) dτ, 对式 (4) 进行三角函数运算及泰勒纲数展开, 并化简得到[3]

对式 (5) 进行傅里叶变换, 其频谱表达式为

式 (6) 中, X (ω) 为x (t) 的傅里叶变换, 综上所述, PSK/FM二次调制信号的频谱近似表现为调频信号, 除了载频外, 还包含基带信号频谱经平移和幅度变化后的分量, BPSK/FM的频谱如图2所示。

2 FM信号盲解调

FM二次调制信号表现出同FM类似的特征, 在信号识别时, 因为外调制的原因, 会首先被识别为FM信号, 要想进一步的识别内调制类型, 需要进行FM解调恢复内调制信息, FM解调采用正交相干解调, 由于全盲条件下, 没有信号的先验信息, 需要对其带宽、载波频率进行估计, 参数估计的精度会直接影响解调器的性能, 带宽、载波估计的方法很多这里不再赘述, 具体可参看文献[6, 7], FM盲解调的原理框图如图3所示。

FM解调后, 得到的是带有载波的内调制信号的同相分量或正交分量, 进行Hilbert变换得到复解析信号, 对其进行载波恢复后再进行识别。

3 信号自动调制识别方案

待识别的信号集为{BPSK、QPSK、BPSK/FM、QPSK/FM、FSK/FM}。从信号的瞬时特征出发, 提取出2个特征参数将信号识别出来。

3.1 参数设计

3.1.1 改进的包络特征参数RNew

信号的包络特征参数R反映的是信号包络的变化程度[8]。PSK类信号受成型滤波器和瞬时相位跳变的影响, 其瞬时幅度波动明显增大, 而FM、FSK信号属于恒包络信号, 可以通过该参数将PSK信号同其余信号分离开来。

常用的信号包络特征是直接对接收到的信号进行包络特征分析, 但由于瞬时幅度特征在低信噪比下受噪声影响增大, 差异减弱, 导致该参数抗干扰性能欠佳, 改进后的包络特征使用接收信号的自相关函数作为其输入信号, RNew定义如下

式 (7) 中, R (τ) 为信号的自相关函数, σ2为自相关瞬时幅度的方差, E为均值, 计算中为保证量纲一致, 对均值作了平方处理。

FM信号的自相关函数可表示为

FSK信号的自相关函数可表示为

式 (9) 中, Eb为码元内正弦脉冲信号的能量, Tb为码元周期, ωi为第i个载波频率分量。

对PSK信号, 其自相关函数可表示为

由式 (8) ~式 (10) 可知, FM信号的自相关函数受时延τ和调制信号m (t) 积分的影响, 但由于余弦函数的作用其瞬时幅度恒定不变。FSK信号的自相关函数只与时延τ有关, 其瞬时幅度也恒定不变。PSK信号的自相关函数除了受时延的影响, 还受升余弦函数自相关的影响, 可以发现经过自相关后, FM、FSK依然是恒包络信号, 而PSK信号瞬时幅度差异被放大, 有效的改善了包络参数的识别性能。对信号集内的信号在不同信噪比条件下进行了仿真, 得到常用和改进后的包络参数特征图如图4、图5所示。

由图4、图5可知, 常用包络参数在12 d B处, 特征值已比较接近, 不能识别出PSK类信号, 而改进后的参数特征在-8 d B处仍表现出较大差异且较为稳定, 故改进后的参数能在更低的信噪比下将PSK类信号识别出来, 有效的改善了识别性能。

3.1.2 基于谱线特征的参数Spn

不同调制方式的信号经过非线性变化后往往具有丰富的谱线特征[9]。对于PSK类信号, 其n次方谱表现出丰富的谱线信息, 如BSPK信号的2次方谱、QPSK信号的4次方谱含有明显的离散谱线, 故可以通过检测信号的n次方谱是否存在离散谱线将这类信号识别出来, 信号n次方谱检测参数Spn定义为

Spn用于反映信号n次方谱的波动情况, 当有离散谱线存在时, n次方谱波动较大, 当离散谱线不存在时, n次方谱较为平坦, 通过设置阈值加以区分。

3.2 分类器设计

根据上文对信号特征及特征提取算法的讨论和分析, 提出了一种基于决策树的信号调制自动识别算法, 共提取出2个特征参数, 设置了4个不同的门限, 完成对{BPSK、QPSK、BPSK/FM、QPSK/FM、FSK/FM}信号的识别, 本文中的待识别信号为经过下变频后的近似零中频信号, 具体的调制识别流程图如图6所示。

4 算法仿真及性能分析

计算机仿真采用Matlab软件实现, 实验条件如下:调相信号BPSK和QPSK的码元速率fb为20Kbps, 频偏Δf为码速率fb的0.05倍, 采样率fs为带宽Bw的4倍, 成型使用升余弦滚降滤波器, 滚降系数α为0.35;2FSK信号码元速率fb为20 Kbps, 调制指数为1, FM二次调制内调制采用上述BPSK、QPSK、2FSK信号, 调制指数h为0.5, 内调制信号载波等于码速率, 参与识别的信号采样点数为4 096点, 在高斯白噪声环境下, 信噪比在-5~35 d B范围内变化, 在每个信噪比下进行100次蒙特卡罗实验, 统计不同信噪比条件下信号的识别率, 信号识别率曲线如图7所示。

由图7可知, BSPK信号在0 d B时, 识别率能达到90%以上, 当信噪比高于2 d B时, 识别率达到了100%, QPSK、FSK/FM信号在-5 d B识别率达到了100%, 识别效果较好。PSK/FM信号的内调制为PSK信号, 在盲解调过程中由于参数估计精度的原因, 导致PSK信号相位信息有一定的损失, 识别效果有所下降, 在SNR高于4 d B时, 识别率能达到90%。

改变仿真参数设置条件, 包括数字信号的码速率fb、频偏Δf、成型滤波器滚降系数α以及FM调频信号的调制指数h, 采用相同的方法进行仿真。

测试发现在表1给出的参数范围内, 仍能达到相同的识别效果。综上所述, 本文提出的算法抗干扰能力强, 适应范围广, 能在较低信噪比下达到较为理想的识别效果。

5 结束语

针对卫星链路中常用的二次调制信号和PSK类进行了识别研究, 通过提取信号时域频域的瞬时特征, 提出了一种基于决策树的调制识别算法, 完成了对信号{BPSK、QPSK、BPSK/FM、QPSK/FM、FSK/FM}调制方式的自动盲识别。该算法简单易于实现, 通过计算机仿真表明, 在不依赖先验信息的条件下, 算法对载波频偏、码速率、滚降系数、调制指数不敏感, 抗干扰能力强, 稳健性高, 能很好的满足非协作通信中信号调制识别的要求。

摘要：研究了卫星通信中常用的二次调制信号和PSK类信号的自动盲识别算法。从信号时域和频域出发, 提取了能反映调制方式差异的瞬时特征, 并对这些特征进行了理论分析。在区分非恒包络信号时, 引入了自相关处理, 改进后瞬时幅度包络特征差异更加明显, 在对二次调制信号进行识别时, 引入了FM盲解调用于恢复内调制信号, 内调制PSK信号的识别采用基于谱线特征的识别算法。最后通过计算机仿真验证了其识别性能, 在信噪比不低于4 dB时, 对信号集内的信号识别率达到90%以上。

关键词：二次调制,调制识别,FM盲解调

参考文献

[1] 刘洛琨, 和昆英, 许家栋.一种带有二次调制信号的调制识别算法与仿真.计算机仿真, 2008;25 (1) :74—76, 125Liu L K, He K Y, Xu J D.A Method for modulation recognition of multi-modulation signal.Computer Simulation, 2008;25 (1) :74—76, 125

[2] 张丽, 常力, 郭虹.PM/BSPK复合调制信号的数字解调技术研究.通信技术, 2006; (增刊) :28—30Zhang L, Chang L, Guo H.Research on digital signal processing for PM/BPSK demodulation.Communications Technology, 2006; (Supplem-ent_:28—30

[3] 熊伟, 江桦, 崔伟亮.FM-FSK复合调制信号特征分析与提取.仪器仪表学报, 2008;29 (8) :46—49Xiong W, Jiang H, Cui W L.Feature analysis and extraction of hybrid FM-FSK signal.Chinese Journal of Scientific Instrument, 2008;29 (8) :46—49

[4] Azzouz E E, Nandi A K.Procedure for automatic recognition of analogue and digital modulation.IEE Proceedings Communications, 1996;143 (5) :259—266

[5] Nandi A K, Azzouz E E.Algorithms for automatic modulation recognition ofcommunication signals.IEEE Transactions on Communications, 1998;46 (4) :431—436

[6] 王戈, 严俊.一种基于功率谱估计的盲载频估计新算法.计算机工程与应用, 2012;48 (13) :114—117, 129Wang G, Yan J.Novel algorithm for blind carrier frequency estimation based on power spectrum calculation.Computer Engineering and Applications, 2012;48 (13) :114—117, 129

[7] 汤素华, 尹华锐, 徐佩霞.短波通信调制方式自动识别.军事通信技术, 2002;23 (3) :13—15 Tang S H, Yi H R, Xu P X.Automatic modulation recognition and blindly decoding in short-wave communication.Journal of Military Communications Technology, 2002;23 (3) :13—15

[8] 胡延平, 李广森, 李纲, 等.利用参数统计方法自动识别数字调制信号.通信学报, 2002;23 (2) :58—65Hu Y P, Li G S, Li G, et al.Automatic classification of digital modu-lation signals using statistical parameters methods.Journal on Communications, 2002;23 (2) :58—65

自动武器膛口信号检测篇6

关键词：膛口信号,电路,仪表放大器,滤波,Filter Wizard

0 引言

自动武器弹丸初速测定是枪弹及火药的研制和鉴定中的基本实验项目,也是衡量自动武器弹药弹道的参数之一。本文讨论轻武器膛口出弹信号检测方法,并给出信号调理电路。

1 工作原理

如图1所示为弹丸膛口测量系统装置示意图,最外线圈是直流供电的励磁线圈,内层为感应线圈,从感应线圈出去接信号调理电路。首先介绍工作原理。

在静态情况下,直流稳压供电给励磁线圈产生一稳定磁场。当弹丸穿过线圈的过程中,弹丸充当了电磁线圈介质而改变了磁场分布,导致磁通发生变化。根据电磁学公式

$U_{(t)} = \frac{d Φ (t)}{d t}$

U为通电线圈感应电动势;Φ为线圈的磁通;t为时间。

线圈两端产生感应电动势即等于时间t内的磁通变化。

2 测试系统原理

弹丸穿过线圈时,感应电动势的强弱与线圈的半径和弹丸的口径有关[1]。试验验证的信号幅值为几个毫伏,经过放大电路放大1 000倍可达到便于示波器或A/D转换能够接受的几伏特,如图2所示为测试系统的系统框图。

3 前置放大电路设计[2]

由于前置放大电路直接放大来自感应线圈的电动势,而传感器产生的信号非常弱,很容易受到噪声污染,故需采用高精度、高稳定性、高输入阻抗低输出阻抗、高共模抑制比、低噪声和抗干扰能力强的仪表放大器。本设计采用双低功耗双极型运算放大器AD706,该放大器具有工作电压宽(±2～±18 V),输入阻抗高,输入失调电压低,输入失调电压漂移小等特点。如图3所示,设计的AD706组成的放大倍数为100倍的双运放仪器放大器电路。

电路中R1=R4=49.9 kΩ;R2=R3=49.9/(0.9G-1);R7=99.8 kΩ/(0.06G),G取100计算,取电阻标准系列值R2=R3=560 Ω,R7=20 kΩ变阻器。根据计算取到R7=16.5 kΩ时,得到图4所示的输入输出放大对比波形图。图中的波形在频率3 kHz,4 mV的交流输入得到,图4显示输出滞后输入18.939 μs,放大倍数94与预计有偏差,通过调节R7可以得到理想放大倍数A1。

4 信号滤波

膛口信号检测中,由于来自传感器的信号微弱,易受噪声污染。这些噪声包括环境噪声、电路元器件自身噪声、武器本身振动等。若电源来自市电变换,还含有50 Hz的工频噪声。为缩短滤波器的设计周期,本文采用了Multisim10中的Filter Wizard设计一低通滤波器[3]。

某轻武器弹丸出膛口速度约为300 m/s,图1线圈L为10 cm,则估计的信号频率为3 kHz。考虑速度波动要留有裕量,图5所示为参数设置界面。合理参数设置完成后,自动设计完成图6所示的由OPAMP组成的切比雪夫低通滤波器。由于设定电阻设定2 kΩ,而电容值非系列值,故需做小的改动,使电容值标准化。改动后的电路频率响应曲线如图7所示,满足设计要求。

5 后置放大电路

后置放大电路的目的是进一步为来自线圈的感应电压放大到伏特级,以便于后续处理。由于前置仪表放大了100倍,故后置放大倍数为10倍可以达到伏特电压。采用运算放大器反相输入,经过前后两级放大得到相位相同的输入输出信号。设实际的后置放大倍数为A2,则两级放大倍数为A=A1×A2。

6 电压跟随器

电压跟随器具有高输入阻抗、低输出阻抗的特点,在电路中作为缓冲隔离电路,当在输入和反馈线路上加电阻RP和RF则起到限流保护作用。然而,与无电阻的跟随器相比,因元件多而导致定态误差较大[4]。

7 结语

本文所阐述的膛口信号检测原理方法基于线圈靶原理又不同于线圈靶,该原理已在实践中使用。使用励磁感应线圈,避免了测速时将弹丸磁化过程。设计的放大滤波电路已通过模拟仿真,符合设计需求。

参考文献

[1]何运峰,王昌明,柳光辽,等.感应式线圈靶半径分布对区截信号的影响[J].南京理工大学学报,2002,26(5):473-476.

[2]吴丽华,童子权,张剑.电子测量电路[M].哈尔滨:哈尔滨工业大学出版社,2004.6.

[3]熊伟,侯传教,梁青,等.Multisim7电路设计及仿真应用[M].北京:清华大学出版社,2005.7.

光栅信号直流电平的自动校正篇7

光栅作为一种精密的测量工具, 广泛应用于精密仪器、坐标测量、精确定位、高精度加工等领域[1]。光栅测量技术是集光、机、电于一体的数字位移传感技术, 它采用光电转换可将机械位置信息转换成相应的数字信号输出[2]。圆光栅测角系统中, 光栅度盘的标尺光栅和指示光栅组成光栅副, 而测角系统就是以光栅副发生相对转动时产生的明暗相间的莫尔条纹为基础的。明暗相间的莫尔条纹随着光栅的移动会产生类似于正弦信号的光强变化, 对此信号进行一系列的处理, 即可获得光栅的相对移动量[3,4,5]。然而在实际的测量中受工艺和成本的限制, 由光栅信号产生的正弦信号往往会发生直流漂移, 这会给测量精度带来较大误差。消除信号中直流电平的方法很多, 比如机械式调整法, 包括调整硅光电池的受光面积, 改变推广电池和光源的相对位置等[6]。很多设计中采用差分放大电路来消除信号中的直流分量[7,8]。此外, 文献[2]中还提到在调理电路中设置高通滤波器来滤除直流分量。本文就此问题利用A/D和D/A转换器, 对源光栅信号的直流漂移进行实时校正, 并将校正后的电平作为比较器的基准电压, 使比较器输出更加精准的计数信号。此方法避免了繁杂的调节, 并且不会增加硬件电路的复杂程度, 结构简单易于实现, 对提高光栅的测量精度具有非常重要的实用价值。

1 系统总体设计

光栅计量系统由光栅光学系统信号采集电路和信号处理电路两部分组成, 其基本工作原理是:被测光栅盘和基准光栅盘每转过一条栅线, 它们各自都会产生一个完整的正弦 (余弦) 信号, 经过差分、放大、整形, 送到控制器进一步处理, 系统原理框图如图1 所示。

当指示光栅相对于标尺光栅发生位移时, 会产生明暗相间的莫尔条纹, 把光电传感器放在不同位置可以得到相位相差90°的正余弦信号, 正余弦信号分别用作计数信号和辨向信号。假设正弦信号作为计数信号, 余弦信号作为辨向信号, 当余弦超前正弦90°时光栅计数器做累加计算, 当余弦滞后正弦90°时光栅计数器做累减运算, 这两路信号经过比较器整形成方波, 送给处理器细分、计数和辨向, 正余弦信号如图2 所示。

比较器整形是提取正余弦的直流分量作为基准比较电压, 实际上由于制造工艺, 机械结构以及光路稳定性等各种原因, 光栅信号的直流电平经常发生偏移, 如果不及时测量直流分量, 系统的测量精度就会大大降低。针对这种情况, 本设计在电路中加入了直流电平校正模块, 通过处理器计算获得信号的直流电平, 并将此电平由D/A反馈给比较器作为比较器的基准比较电压, 使比较器输出更准确的计数信号。加入校正模块能有效避免计数脉冲产生延时和遗漏的情况, 这样就基本解决了直流电平漂移影响处理器计数的问题。

信号送到处理器后, 需要经过一系列处理, 其中重要的一环就是对类似于正弦波的电信号进行细分。细分方法可分为光学细分、机械细分和电子细分三大类, 光学细分、机械细分是通过硬件来实现的, 提高细分精度会使硬件电路变得更加复杂。而电子学细分可利用软件编程实现, 大大降低了硬件电路的复杂程度, 并且具有读数快、精度高, 易于实现测量和数据处理过程的自动化等优点, 因而得到了广泛的应用[9,10]。本文采用了电子细分的方法对比较器输出的信号进行细分。

2 硬件电路设计

本系统的硬件电路设计中的处理器选用含有内置D/A和A/D的SMTM32F103。STM32 拥有先进的性能, 基于集成嵌入式FLASH和SRAM存储器的ARM Cortex-M3 内核, 和8/16 位设备相比, ARM Cortex -M3 32 位RISC处理器提供了更高的代码效率, 在高性能的同时拥有低功耗和大集成度等优点。

硬件电路设计原理:光源发出光, 当度盘相对指示光栅发生转动时, 透过大小光栅的光产生明暗交替的变化, 各个位置的光电传感器将光信号转换为电信号, 单个电信号接近正、余弦信号。为了防止直流电平对后级电路的影响, 同时为了增大正、余弦信号的共模抑制比, 将它们接入差分放大电路, 并设置合适的参数将信号放大到合适的范围。此时将信号分为两路, 一路送往比较器, 而另一路送到处理器的A/D口, 由处理器计算信号的直流电平, 并判断直流电平是否需要校正, 如果需要校正则由D/A端口将校正后的直流电平送到比较器的另一端, 作为比较器的基准比较电压。与通用的固定基准电压的比较器相比, 这种方法可以实时地检测正、余弦信号的直流电平变化, 并且根据直流电平的变化实时调整比较器的基准电压, 这样比较器的基准电压就不会因为信号直流电平漂移而受到太大的影响, 因此比较器能输出更加精准的信号, 此时再将信号输入到处理器的A/D口, 交给处理器处理, 硬件电路设计图如图3 所示。

3 软件设计

软件设计主要是对信号的采样、直流电平校正、辨向、计数进行处理。处理过程如下:经过处理后的sin、cos信号, 分为两路, 一路经过同相回差比较器后, 将正、余弦信号整形成方波信号, 方波信号送至STM32 进行计数与辨向处理;另一路送到STM32 内置A/D引脚, 实时检测正弦、余弦信号的电压值并计算直流电平, 根据电压值与直流电平的变化调整软件细分参数以及整形电路的触发电平。当检测到直流信号与上次测得的值有变化时, STM32 就会通过自带的D/A实时地调整比较器的参考比较电压, 自动校正正、余弦信号的过零点。

程序中的两个中断处理。一个用来计算正弦信号的直流电平和峰峰值并利用正弦脉冲信号控制整数周长计数器的加减。另一个用来计算余弦信号的直流电平和峰峰值并利用余弦脉冲信号判断计数方向。主程序主要完成采样、直流校正、细分和显示任务, 系统软件设计流程图如图4 所示。

4 误差分析

在计数之前, 处理器会对信号的直流电平进行实时检测和校正, 并将校正后的直流电平送往比较器作为基准电平, 使比较器输出更精准的信号。如果不进行比较器基准电平的校正, 比较器就会因为基准电平的不正确而输出畸变的方波信号, 影响处理器计数。假设在测角过程中, 比较器基准电压一直固定不变, 而在某一时刻信号的直流电平往上漂移, 那么比较器输出方波也会发生相应的改变, 如图5 所示。此时的方波占空比变大, 上升沿发生的时间被提前, 导致计数脉冲产生的时间也被提前。相对的, 如果信号的直流电平往下漂移, 计数脉冲则会延迟产生, 若这个时间便停止测角, 由于计数脉冲被延迟, 处理器便会将这个计数脉冲遗漏, 造成了计数误差。另外, 直流电平漂移和信号的变形可能会导致信号幅值一直比比较器的基准电平大, 则方波就变成了一段高电平, 如图6 所示。这样就不能产生计数脉冲, 造成了处理器计数的遗漏, 产生了计数误差。本文采用的方法则能改善甚至消除这种误差。

5 结语

本设计采用电子学细分, 利用软件编程对信号进行辨向和计数, 硬件电路设计十分简单, 减少了干扰源, 降低了成本。在此基础上, 硬件电路中对信号的直流电平实时检测并反馈给比较器的输入端, 使比较器输出更准确的计数信号, 解决了以往光栅测量中直流电平漂移的问题, 基本消除了处理器因直流电平的漂移所带来的计数误差, 从而提高了测量精度。

摘要：在圆光栅作为分度基准的高精度测量仪器中, 测量信号的稳定性直接影响到最终的测量精度。针对实际光栅信号不稳定性产生直流电平漂移的情况, 在电子细分的基础上, 采用了A/D和D/A转换器实时校正直流电平的方法, 解决了实际光栅信号的直流电平漂移影响处理器计数的问题, 降低了测量误差。此方法主要由软件编程来实现, 硬件电路设计简单, 电路的复杂程度低, 有利于提高测量精度。

关键词：光栅,直流电平,漂移,A/D和D/A转换器,校正

参考文献

[1]曹向群, 黄维实, 金彤.光栅计量技术[M].杭州:浙江大学出版社, 1992.

[2]吕孟军.光栅莫尔条纹电子学细分技术研究[D].南京:南京航空航天大学, 2008.

[3]袁小滨, 李怀琼.光栅莫尔条纹数字细分技术及其误差分析[J].西安公路交通大学学报, 2001, 21 (1) :113-115.

[4]李怀琼, 陈钱, 王钰.新型光栅信号数字细分技术及其误差分析[J].计量学报, 2001, 15 (3) :71-75.

[5]唐晖, 叶险峰, 李向军.一种基于FPGA的光栅莫尔条纹数字细分技术[J].计量技术, 2006, 10 (10) :14-17.

[6]卢桂正.光栅数字显示装置中前置光电放大器输出直流电平的校正[J].光学技术, 1981 (1) :27-29.

[7]朱维娜.基于DSP2812的光栅细分技术研究[D].成都:西南交通大学, 2012.

[8]刘世峰.基于幅值采样的光栅莫尔条纹信号细分技术的研究[D].武汉:华中科技大学, 2007.

[9]蔺小军, 史耀耀, 汪文虎, 等.光栅信号软件细分技术及其误差分析[J].工具技术, 2006, 40 (10) :72-74.

【自动行车信号】推荐阅读：