一种角度式载重传感器及车辆载重检测方法

技术领域

本发明涉及车辆载重检测技术领域，尤其涉及一种角度式载重传感器及车辆载重检测方法。

背景技术

目前，交通运输业中存在严重的超载问题，这些超载问题不仅会导致环境问题和货物的丢失问题，还会对道路安全造成严重影响。为保证道路交通运输的安全，车辆的载重一般都有严格的规定，超重不但会对车辆安全存在严重隐患，而且对人生安全也存在着极大的威胁。随着传感器技术的进步，车载式载重传感器得到越来越广泛的应用。在现有技术中，车载式载重传感器多为用于测量车架与车桥之间距离的位移传感器，通常采用磁感应式位移传感器，将传感器本体通过安装结构安装在汽车的车桥上，由于重量变化导致钢板弹簧变形产生位移量，通过测量其位移量并用相关电路转化成电压输出，然后，根据电压的变化量来计算载重。而汽车在行进过程中，不可避免地会遇到颠簸情况，此时车架与车桥之间便会发生过冲现象，车桥与车架之间的距离会在短时间内急剧压缩或伸长，这必然会导致位移传感器受到瞬间的冲击挤压，从而导致车载式载重传感器使用寿命短、测量误差大。

发明内容

基于此，本发明有必要提供一种角度式载重传感器及车辆载重检测方法，以解决至少一个上述技术问题。

为实现上述目的，一种车辆载重检测方法，包括以下步骤：

步骤S1：对车辆车架横梁悬挂系统进行弹簧变形信号检测，得到弹簧位移量电压变化信号；将角度式载重传感器安装在车辆车架横梁悬挂系统上，并通过高精度电压采样电路和信号抗干扰电路对弹簧位移量电压变化信号进行抗干扰采样处理，得到位移量抗干扰电压信号；

步骤S2：对位移量抗干扰电压信号进行信号数据转换，得到弹簧位移量信号数据；对弹簧位移量信号数据进行车辆状态检测，得到车辆弹簧状态信息数据；利用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行实时采集处理，得到当前弹簧状态的三轴陀螺仪数据以及三轴加速度数据；通过三轴MEMS姿态传感器对三轴陀螺仪数据以及三轴加速度数据进行误差补偿计算，得到三轴重力方向夹角数据；

步骤S3：根据三轴重力方向夹角数据以及三轴陀螺仪数据对车辆弹簧状态信息数据进行车辆姿态判断，得到车辆整体姿态信息数据；根据车辆整体姿态信息数据对三轴陀螺仪数据以及三轴加速度数据进行权重分配丢弃分析，得到三轴加权信息数据以及三轴丢弃信息数据；根据三轴加权信息数据以及三轴丢弃信息数据对弹簧位移量信号数据进行协同影响筛选，得到弹簧位移量筛选数据；

步骤S4：利用角度传感器以及倾角传感器对弹簧位移量筛选数据进行车辆位移变化检测，得到车辆位移角度变化数据以及车辆位移倾角变化数据；通过MCU主控芯片对车辆位移角度变化数据以及车辆位移倾角变化数据进行信号采集处理，得到角度变化输入信号数据以及倾角变化输入信号数据；将角度变化输入信号数据以及倾角变化输入信号数据融合输入到软件中进行分级滤波处理，得到一级FIFO队列滤波数据以及二级FIFO队列滤波数据；

步骤S5：对一级FIFO队列滤波数据以及二级FIFO队列滤波数据进行车辆装卸状态检测，得到车辆装卸状态信息数据；对车辆装卸状态信息数据进行载重变化检测，得到车辆装卸载重变化数据；对车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据进行多段线性模型标定，以得到车辆当前重量数据。

本发明首先通过对车辆车架横梁悬挂系统的钢板弹簧进行弹簧变形测量，在车辆悬挂系统中，钢板弹簧是一个关键组件，通过对其进行弹簧变形测量，能够获取车辆弹簧变形量数据，这些数据对于车辆的弹簧变形位移量分析和后续的载重检测非常关键，并将实际的物理变形转化为电压信号，能够为后续的数字化处理提供了基础，这个过程保证了数据的精确性和可靠性，为下一步的信号处理提供了高质量的输入。同时，通过将角度式载重传感器安装在车辆车架横梁悬挂系统上，并通过使用角度式载重传感器内的高精度电压采样电路对弹簧位移量电压变化信号进行了精确的采样处理，以获取高精度的位移量电压变化信号，随后，通过在角度式载重传感器内部的信号抗干扰电路的帮助下，对采样后的位移量高精度电压信号进行了抗干扰处理，这个处理过程能够确保信号的高精度和准确性，为后续的分析和计算提供了可靠的数据基础，从而准确地测量车辆悬挂系统的弹簧位移量电压信号，以便后续的状态判断和重量估算。其次，通过对位移量抗干扰电压信号进行信号数据转换，能够将原始位移量变化导致的电压信号转换为实际的弹簧位移量数据，以消除干扰并准确反映车辆弹簧的实际变化情况，从而为后续车辆状态特征分析提供准确的数据基础。通过对转换后的弹簧位移量信号数据进行车辆状态检测，从而获得准确的车辆弹簧状态信息数据，这些数据能够反映车辆当前的状态，旨在获取准确的弹簧状态信息，能够为后续的姿态判断提供必要的数据。并且，通过使用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行实时采集处理，能够获取对应弹簧状态下的有关车辆姿态和动态的实时信息数据，能够为后续的数据处理提供基础数据。通过三轴MEMS姿态传感器对三轴陀螺仪数据以及三轴加速度数据进行误差补偿计算，根据计算得到的误差值对后续数据进行误差补偿，能够确保数据的连续性和一致性，同时有效减小外界或内部因素对三轴夹角计算的干扰，从而提高数据的准确性和可靠性，通过使用经过误差补偿后的数据进行反三角函数计算，可以精确计算出三轴重力方向的夹角数据，为进一步分析车辆状态提供准确的方向参考。然后，通过根据三轴重力方向夹角数据以及三轴陀螺仪数据对车辆弹簧状态信息数据进行车辆姿态判断，能够有效地判定了车辆当前的运行状态，如上坡、下坡、颠簸或转弯状态，这为后续的车辆控制和调整提供了重要的信息基础，使得整车系统能够根据实时的姿态信息做出相应的调整。同时通过根据车辆整体姿态信息数据中的车辆姿态对三轴陀螺仪数据以及三轴加速度数据进行分析，有助于识别和区分加权不同数据的重要性，保证了重要数据的有效利用，同时丢弃了不必要的数据信息，这样减少了对不必要数据的处理和存储，从而提高了数据处理的效率和准确性。另外，还通过根据分析得到的三轴加权信息数据以及三轴丢弃信息数据对弹簧位移量信号数据进行协同影响筛选，有助于根据加权与丢弃的关联模式对弹簧位移量信号数据进行同样的加权和丢弃处理，以提取和筛选出与车辆位移变化相关的重要数据，从而为车辆位移变化检测提供了有益信息，从而为后续的处理过程提供了基础数据。接下来，通过使用角度式载重传感器内的角度传感器以及倾角传感器对弹簧位移量筛选数据进行车辆位移变化检测，以获取车辆的位移角度变化数据和位移倾角变化数据，这有助于监测车辆车架横梁悬挂系统上钢板弹簧的垂直位移和横向倾角情况，提供了对车辆车架横梁悬挂系统行为的洞察。通过使用MCU主控芯片对车辆位移角度变化数据和位移倾角变化数据进行信号采集处理，这一步骤有助于将传感器采集的原始数据进行信号转换处理，使数据可用于后续分析和控制。随后，通过将采集得到的角度变化输入信号数据和倾角变化输入信号数据融合并存储到软件的FIFO数据缓存队列中进行分级滤波处理，有助于进一步减小数据中的噪声和不稳定性，提高了数据的可靠性和稳定性，确保提供给车辆悬挂系统的信息更加精确和有用，这样能够准确地获取车辆的位移角度和位移倾角的变化情况，从而为后续的状态检测提供准确的数据。最后，通过对一级FIFO队列滤波数据以及二级FIFO队列滤波数据的变化趋势进行车辆装卸状态的判断分析，通过监测数据的变化趋势，能够自动判断车辆是处于装货状态、卸货状态、装货完成状态还是卸货完成状态，这一步骤实现了自动化的车辆状态判断，有助于实时监控装卸操作。并且，通过对车辆装卸状态信息数据进行载重变化检测，这一步骤用于监测装卸货过程中的重量变化，以便进一步的分析和估算车辆的实际重量变化。同时，通过将车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据输入多段线性方程进行模型标定处理，这一步骤是为了构建车辆重量估算模型，其中多段线性方程用于描述不同输入数据与车辆重量之间的关系，这使得能够更精确地估算车辆重量。

本发明还提供一种角度式载重传感器，所述角度式载重传感器内部集成有高精度电压采样电路、信号抗干扰电路、三轴MEMS姿态传感器、角度传感器以及倾角传感器，所述角度式载重传感器应用于如上所述的车辆载重检测方法。

附图说明

通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明角度式载重传感器及车辆载重检测方法的步骤流程示意图；

图2为图1中步骤S1的详细步骤流程示意图；

图3为图1中步骤S2的详细步骤流程示意图；

图4为角度式载重传感器的内容构造结构示意图。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为实现上述目的，请参阅图1至图4，本发明提供了一种角度式载重传感器及车辆载重检测方法，所述车辆载重检测方法包括以下步骤：

步骤S1：对车辆车架横梁悬挂系统进行弹簧变形信号检测，得到弹簧位移量电压变化信号；将角度式载重传感器安装在车辆车架横梁悬挂系统上，并通过高精度电压采样电路和信号抗干扰电路对弹簧位移量电压变化信号进行抗干扰采样处理，得到位移量抗干扰电压信号；

本发明实施例通过使用变形测量工具对车辆车架横梁悬挂系统上的钢板弹簧进行变形测量，以车辆钢板弹簧在车辆负载状况下的弹簧变形位移情况，从而得到车辆弹簧变形位移量数据。然后，通过使用变形敏感元件对车辆弹簧变形位移量数据中实际的物理变形转化为电压变化信号，从而得到弹簧位移量电压变化信号。接下来，通过将角度式载重传感器安装在车辆车架横梁悬挂系统上，以便根据车辆弹簧变形位移电压变化信号来监测车辆载重情况和车辆姿态，随后，通过使用角度式载重传感器内的高精度电压采样电路和信号抗干扰电路对弹簧位移量电压变化信号进行采样和抗干扰处理，以保留位移量电压变化输入信号中的高精度信号，同时降低外部电磁干扰或其他外部噪音对电压信号的影响，最终得到位移量抗干扰电压信号。

步骤S2：对位移量抗干扰电压信号进行信号数据转换，得到弹簧位移量信号数据；对弹簧位移量信号数据进行车辆状态检测，得到车辆弹簧状态信息数据；利用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行实时采集处理，得到当前弹簧状态的三轴陀螺仪数据以及三轴加速度数据；通过三轴MEMS姿态传感器对三轴陀螺仪数据以及三轴加速度数据进行误差补偿计算，得到三轴重力方向夹角数据；

本发明实施例通过使用模数转换信号处理技术对位移量抗干扰电压信号进行转换处理，以将原始位移量变化导致的电压信号转换为实际的弹簧位移量数据，同时以消除干扰并准确反映车辆弹簧的实际变化情况，从而得到弹簧位移量信号数据。其次，通过根据弹簧位移量信号数据分析弹簧位移与车辆状态之间的关联关系，来检测相应弹簧位移情况对应的车辆状态，从而得到车辆弹簧状态信息数据。然后，通过使用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行分析，以实时采集对应弹簧状态下弹簧变化的三轴(X、Y、Z)信息数据，从而得到当前弹簧状态的三轴陀螺仪数据以及三轴加速度数据。最后，通过启动三轴MEMS姿态传感器内的限时捕捉程序对三轴陀螺仪数据以及三轴加速度数据进行限时采集处理，以限时持续采集10秒三轴MEMS姿态传感器的三轴原始数据来计算得出误差值对限时捕捉程序采集剩下的后续三轴数据进行补偿，并对补偿后的三轴加速度数据进行反三角函数的计算，以量化三轴MEMS姿态传感器中X、Y、Z轴与重力方向之间的夹角信息，最终得到三轴重力方向夹角数据。

步骤S3：根据三轴重力方向夹角数据以及三轴陀螺仪数据对车辆弹簧状态信息数据进行车辆姿态判断，得到车辆整体姿态信息数据；根据车辆整体姿态信息数据对三轴陀螺仪数据以及三轴加速度数据进行权重分配丢弃分析，得到三轴加权信息数据以及三轴丢弃信息数据；根据三轴加权信息数据以及三轴丢弃信息数据对弹簧位移量信号数据进行协同影响筛选，得到弹簧位移量筛选数据；

本发明实施例通过分析三轴重力方向夹角数据以及三轴陀螺仪数据以确定车辆整体姿态的判断标准(包括判断上坡、下坡、颠簸以及转弯等姿态)，根据确定的判断标准对车辆弹簧状态信息数据进行比较判断，以使得整车控制和驾驶辅助系统能够获得全面的车辆状态信息，从而得到车辆整体姿态信息数据。然后，通过使用姿态识别算法识别车辆整体姿态信息数据中的车辆姿态信息，并根据识别到的车辆姿态信息对三轴陀螺仪数据以及三轴加速度数据进行分析，以分析三轴陀螺仪数据以及三轴加速度数据在不同车辆姿态下的重要性和可靠性，并根据分析得到的重要性和可靠性进行相应的权重分配和数据丢弃，从而得到三轴加权信息数据以及三轴丢弃信息数据。最后，通过使用不同处理模式(权重分配以及丢弃)对传感器数据的影响模式对弹簧位移量信号数据进行协同筛选，以通过考虑不同传感器数据的影响来筛选优化弹簧位移数据，最终得到弹簧位移量筛选数据。

步骤S4：利用角度传感器以及倾角传感器对弹簧位移量筛选数据进行车辆位移变化检测，得到车辆位移角度变化数据以及车辆位移倾角变化数据；通过MCU主控芯片对车辆位移角度变化数据以及车辆位移倾角变化数据进行信号采集处理，得到角度变化输入信号数据以及倾角变化输入信号数据；将角度变化输入信号数据以及倾角变化输入信号数据融合输入到软件中进行分级滤波处理，得到一级FIFO队列滤波数据以及二级FIFO队列滤波数据；

本发明实施例通过使用角度式载重传感器内置的角度传感器以及倾角传感器对弹簧位移量筛选数据进行车辆位移变化检测，以检测车辆车架横梁悬挂系统上钢板弹簧的垂直位移情况以及横向倾角情况，以便实时跟踪车辆的垂直位移和横向倾角变化，从而得到车辆位移角度变化数据以及车辆位移倾角变化数据。然后，通过使用MCU主控芯片对车辆位移角度变化数据以及车辆位移倾角变化数据的变化情况进行信号转换处理，以采集变化数据的变化信号信息，从而得到角度变化输入信号数据以及倾角变化输入信号数据。最后，通过将角度变化输入信号数据以及倾角变化输入信号数据融合到一起输入到软件的一级FIFO数据缓存队列和二级FIFO数据缓存队列中，并根据用户设置的传感器相关参数调整软件数据缓存队列的深度调整队列输出数据的平滑度，同时，通过使用数据滤波处理算法(中位值滤波算法)对FIFO数据缓存队列中的数据进行中位值滤波，以减小数据中的噪声和不稳定性，最终得到一级FIFO队列滤波数据以及二级FIFO队列滤波数据。

步骤S5：对一级FIFO队列滤波数据以及二级FIFO队列滤波数据进行车辆装卸状态检测，得到车辆装卸状态信息数据；对车辆装卸状态信息数据进行载重变化检测，得到车辆装卸载重变化数据；对车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据进行多段线性模型标定，以得到车辆当前重量数据。

本发明实施例通过使用时间序列可视化工具对一级FIFO队列滤波数据以及二级FIFO队列滤波数据按照时间顺序进行图形绘制可视化，以可视化一级FIFO队列滤波数据以及二级FIFO队列滤波数据的数据时间变化趋势，并根据检测的数据时间变化趋势设定一个判断车辆装卸状态的判断标准对车辆装卸状态进行检测，以判断车辆的装卸状态是处于装货状态还是处于卸货状态，或者还是处于装货完成或卸货完成状态，从而得到车辆装卸状态信息数据。然后，通过检测车辆装卸状态信息数据中对应车辆装卸状态下的车辆重量变化，以便进一步的分析和估算车辆的实际重量变化，从而得到车辆装卸载重变化数据。接下来，通过分别将车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据输入到各自的多段线性方程中进行模型标定训练，以构建一个描述不同输入数据与车辆重量之间的关系的重量估算模型，根据已构建的模型估算车辆的估计重量，以得到车辆估计重量数据。最后，通过将模型估算得到的车辆估计重量数据输入到预设的重量FIFP数据缓存队列中使用中位值滤波方法进行数据滤波处理，以消除车辆估计重量数据中的异常值和噪音，以便提供更加稳定和可靠的车辆重量数据，最终得到车辆当前重量数据。

本发明首先通过对车辆车架横梁悬挂系统的钢板弹簧进行弹簧变形测量，在车辆悬挂系统中，钢板弹簧是一个关键组件，通过对其进行弹簧变形测量，能够获取车辆弹簧变形量数据，这些数据对于车辆的弹簧变形位移量分析和后续的载重检测非常关键，并将实际的物理变形转化为电压信号，能够为后续的数字化处理提供了基础，这个过程保证了数据的精确性和可靠性，为下一步的信号处理提供了高质量的输入。同时，通过将角度式载重传感器安装在车辆车架横梁悬挂系统上，并通过使用角度式载重传感器内的高精度电压采样电路对弹簧位移量电压变化信号进行了精确的采样处理，以获取高精度的位移量电压变化信号，随后，通过在角度式载重传感器内部的信号抗干扰电路的帮助下，对采样后的位移量高精度电压信号进行了抗干扰处理，这个处理过程能够确保信号的高精度和准确性，为后续的分析和计算提供了可靠的数据基础，从而准确地测量车辆悬挂系统的弹簧位移量电压信号，以便后续的状态判断和重量估算。其次，通过对位移量抗干扰电压信号进行信号数据转换，能够将原始位移量变化导致的电压信号转换为实际的弹簧位移量数据，以消除干扰并准确反映车辆弹簧的实际变化情况，从而为后续车辆状态特征分析提供准确的数据基础。通过对转换后的弹簧位移量信号数据进行车辆状态检测，从而获得准确的车辆弹簧状态信息数据，这些数据能够反映车辆当前的状态，旨在获取准确的弹簧状态信息，能够为后续的姿态判断提供必要的数据。并且，通过使用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行实时采集处理，能够获取对应弹簧状态下的有关车辆姿态和动态的实时信息数据，能够为后续的数据处理提供基础数据。通过三轴MEMS姿态传感器对三轴陀螺仪数据以及三轴加速度数据进行误差补偿计算，根据计算得到的误差值对后续数据进行误差补偿，能够确保数据的连续性和一致性，同时有效减小外界或内部因素对三轴夹角计算的干扰，从而提高数据的准确性和可靠性，通过使用经过误差补偿后的数据进行反三角函数计算，可以精确计算出三轴重力方向的夹角数据，为进一步分析车辆状态提供准确的方向参考。然后，通过根据三轴重力方向夹角数据以及三轴陀螺仪数据对车辆弹簧状态信息数据进行车辆姿态判断，能够有效地判定了车辆当前的运行状态，如上坡、下坡、颠簸或转弯状态，这为后续的车辆控制和调整提供了重要的信息基础，使得整车系统能够根据实时的姿态信息做出相应的调整。同时通过根据车辆整体姿态信息数据中的车辆姿态对三轴陀螺仪数据以及三轴加速度数据进行分析，有助于识别和区分加权不同数据的重要性，保证了重要数据的有效利用，同时丢弃了不必要的数据信息，这样减少了对不必要数据的处理和存储，从而提高了数据处理的效率和准确性。另外，还通过根据分析得到的三轴加权信息数据以及三轴丢弃信息数据对弹簧位移量信号数据进行协同影响筛选，有助于根据加权与丢弃的关联模式对弹簧位移量信号数据进行同样的加权和丢弃处理，以提取和筛选出与车辆位移变化相关的重要数据，从而为车辆位移变化检测提供了有益信息，从而为后续的处理过程提供了基础数据。接下来，通过使用角度式载重传感器内的角度传感器以及倾角传感器对弹簧位移量筛选数据进行车辆位移变化检测，以获取车辆的位移角度变化数据和位移倾角变化数据，这有助于监测车辆车架横梁悬挂系统上钢板弹簧的垂直位移和横向倾角情况，提供了对车辆车架横梁悬挂系统行为的洞察。通过使用MCU主控芯片对车辆位移角度变化数据和位移倾角变化数据进行信号采集处理，这一步骤有助于将传感器采集的原始数据进行信号转换处理，使数据可用于后续分析和控制。随后，通过将采集得到的角度变化输入信号数据和倾角变化输入信号数据融合并存储到软件的FIFO数据缓存队列中进行分级滤波处理，有助于进一步减小数据中的噪声和不稳定性，提高了数据的可靠性和稳定性，确保提供给车辆悬挂系统的信息更加精确和有用，这样能够准确地获取车辆的位移角度和位移倾角的变化情况，从而为后续的状态检测提供准确的数据。最后，通过对一级FIFO队列滤波数据以及二级FIFO队列滤波数据的变化趋势进行车辆装卸状态的判断分析，通过监测数据的变化趋势，能够自动判断车辆是处于装货状态、卸货状态、装货完成状态还是卸货完成状态，这一步骤实现了自动化的车辆状态判断，有助于实时监控装卸操作。并且，通过对车辆装卸状态信息数据进行载重变化检测，这一步骤用于监测装卸货过程中的重量变化，以便进一步的分析和估算车辆的实际重量变化。同时，通过将车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据输入多段线性方程进行模型标定处理，这一步骤是为了构建车辆重量估算模型，其中多段线性方程用于描述不同输入数据与车辆重量之间的关系，这使得能够更精确地估算车辆重量。

优选地，作为本发明的一个实施例，参考图2所示，为图1中步骤S1的详细步骤流程示意图，在本实施例中步骤S1包括以下步骤：

步骤S11：对车辆车架横梁悬挂系统的钢板弹簧进行弹簧变形测量，得到车辆弹簧变形量数据；

本发明实施例通过使用变形测量工具对车辆车架横梁悬挂系统上的钢板弹簧进行变形测量，以车辆钢板弹簧在车辆负载状况下的弹簧变形情况，最终得到车辆弹簧变形量数据。

步骤S12：对车辆弹簧变形量数据进行变形位移检测，得到车辆弹簧变形位移量数据；

本发明实施例通过变形位移检测方法对车辆弹簧变形量数据进行位移检测，以检测弹簧变形的位移压缩或伸展量，最终得到车辆弹簧变形位移量数据。

步骤S13：通过变形敏感元件对车辆弹簧变形位移量数据进行位移电压变化检测，得到弹簧位移量电压变化信号；

本发明实施例通过使用变形敏感元件对车辆弹簧变形位移量数据中弹簧变形情况的电压信号变化情况进行检测，根据变形敏感元件将实际的物理变形转化为电压变化信号，最终得到弹簧位移量电压变化信号。

步骤S14：通过将角度式载重传感器安装在车辆车架横梁悬挂系统上，并通过LDO电路将弹簧位移量电压变化信号输入到角度式载重传感器内，得到位移量电压变化输入信号；

本发明实施例通过将角度式载重传感器安装在车辆车架横梁悬挂系统上，以便根据车辆弹簧变形位移电压变化信号来监测车辆载重情况和车辆姿态，然后，通过使用LDO电路将弹簧位移量电压变化信号输入到角度式载重传感器内，最终得到位移量电压变化输入信号。

步骤S15：通过角度式载重传感器内的高精度电压采样电路对位移量电压变化输入信号进行信号采样处理，得到位移量高精度电压信号；

本发明实施例通过使用角度式载重传感器内的高精度电压采样电路对位移量电压变化输入信号进行采样处理，以保留位移量电压变化输入信号中的高精度信号，以便更精确地描述车辆弹簧的位移情况，最终得到位移量高精度电压信号。

步骤S16：利用角度式载重传感器内的信号抗干扰电路对位移量高精度电压信号进行抗干扰处理，得到位移量抗干扰电压信号。

本发明实施例通过使用角度式载重传感器内的信号抗干扰电路对采样后的位移量高精度电压信号进行抗干扰处理，以降低外部电磁干扰或其他外部噪音对电压信号的影响，最终得到位移量抗干扰电压信号。

本发明首先通过对车辆车架横梁悬挂系统的钢板弹簧进行弹簧变形测量，在车辆悬挂系统中，钢板弹簧是一个关键组件，通过对其进行弹簧变形测量，能够获取车辆弹簧变形量数据，这些数据对于车辆的弹簧变形位移量分析和后续的载重检测非常关键。通过准确测量弹簧的变形，能够了解车辆在不同路况下的弹簧变形情况，为悬挂系统的设计和改进提供重要依据。同时，通过对车辆弹簧变形量数据进行变形位移检测，能够获得更为具体的车辆弹簧变形位移量数据，这些数据反映了车辆悬挂系统在实际行驶中的变形情况，有助于分析车辆的载重承受情况和悬挂系统的性能。通过检测精准的变形位移数据，可以评估车辆的稳定性和舒适性，为后续的处理过程提供基础数据。其次，通过借助变形敏感元件对车辆弹簧变形位移量数据进行位移电压变化检测，能够将实际的物理变形转化为电压信号，为后续的数字化处理提供了基础。这个过程保证了数据的精确性和可靠性，为下一步的信号处理提供了高质量的输入。然后，通过将角度式载重传感器安装在车辆车架横梁悬挂系统上，并通过使用LDO电路将检测得到的弹簧位移量电压变化信号输入到角度式载重传感器内，能够获取相应的输入信号，角度式载重传感器的安装位置和信号输入方式的选择保证了数据的准确性和稳定性，为后续的数据处理提供了可靠的基础。接下来，通过利用角度式载重传感器内的高精度电压采样电路对位移量电压变化输入信号进行了精确的采样处理，以获取高精度的位移量电压变化信号，这个处理过程能够确保信号的高精度和准确性，为后续的分析和计算提供了可靠的数据基础。最后，通过在角度式载重传感器内部的信号抗干扰电路的帮助下，对采样后的位移量高精度电压信号进行了抗干扰处理。这一步骤的效果在于保证了信号数据的稳定性和可靠性，即使在复杂的电磁环境下，仍能够提供准确的位移量电压信号，这样能够为车辆悬挂系统的监测和控制提供了高质量的数据支持，不仅提高了驾驶安全性，还为车辆载重检测的执行提供了基础数据保障。

优选地，作为本发明的一个实施例，参考图3所示，为图1中步骤S2的详细步骤流程示意图，在本实施例中步骤S2包括以下步骤：

步骤S21：对位移量抗干扰电压信号进行信号数据转换，得到弹簧位移量信号数据；

本发明实施例通过使用模数转换信号处理技术对位移量抗干扰电压信号进行转换处理，以将原始位移量变化导致的电压信号转换为实际的弹簧位移量数据，同时以消除干扰并准确反映车辆弹簧的实际变化情况，最终得到弹簧位移量信号数据。

步骤S22：对弹簧位移量信号数据进行车辆状态特征分析，得到位移-车辆状态特征；对位移-车辆状态特征进行特征关联分析，得到位移-车辆状态关联模式；

本发明实施例通过使用特征分析方法(时频域特征分析)对弹簧位移量信号数据进行分析，以分析弹簧位移与车辆状态之间的特征信息，从而得到位移-车辆状态特征。然后，通过使用关联规则分析方法对分析得到的位移-车辆状态特征进行关联分析，以分析弹簧位移与车辆状态之间的关联关系，最终得到位移-车辆状态关联模式。

步骤S23：根据位移-车辆状态关联模式对弹簧位移量信号数据进行车辆状态检测，得到车辆弹簧状态信息数据；

本发明实施例通过使用位移-车辆状态关联模式中弹簧位移与车辆状态之间的关联关系对弹簧位移量信号数据进行检测，以检测相应弹簧位移情况对应的车辆状态，最终得到车辆弹簧状态信息数据。

步骤S24：利用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行实时采集处理，得到当前弹簧状态的三轴陀螺仪数据以及三轴加速度数据；

本发明实施例通过使用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行分析，以实时采集对应弹簧状态下弹簧变化的三轴(X、Y、Z)信息数据，最终得到当前弹簧状态的三轴陀螺仪数据以及三轴加速度数据。

步骤S25：通过启动三轴MEMS姿态传感器的限时捕捉程序对三轴陀螺仪数据以及三轴加速度数据进行限时持续采集处理，得到三轴陀螺仪限时数据以及三轴加速度限时数据；将限时捕捉程序采集剩下的三轴陀螺仪数据以及三轴加速度数据分别标记为三轴陀螺仪后续数据以及三轴加速度后续数据；

本发明实施例通过启动三轴MEMS姿态传感器内的限时捕捉程序对三轴陀螺仪数据以及三轴加速度数据进行限时采集处理，以限时持续采集10秒三轴MEMS姿态传感器的三轴原始数据，从而得到三轴陀螺仪限时数据以及三轴加速度限时数据。然后，将限时捕捉程序采集剩下的三轴陀螺仪数据以及三轴加速度数据分别标记为三轴陀螺仪后续数据以及三轴加速度后续数据。

步骤S26：利用三轴误差计算公式对三轴陀螺仪限时数据以及三轴加速度限时数据进行误差计算，得到三轴陀螺仪误差值以及三轴加速度误差值；

本发明实施例通过结合误差计算的时间变量参数、三轴限时数据的零偏误差值、误差比例响应增益参数、角速度误差参数、静态误差微分控制参数、误差非线性反馈增益参数、加速度测量误差参数以及相关参数构成了一个合适的三轴误差计算公式对三轴陀螺仪限时数据以及三轴加速度限时数据进行误差计算，以量化传感器采集数据的误差情况，最终得到三轴陀螺仪误差值以及三轴加速度误差值。

步骤S27：利用三轴陀螺仪误差值对三轴陀螺仪后续数据进行误差补偿，得到三轴陀螺仪补偿数据；利用三轴加速度误差值对三轴加速度后续数据进行误差补偿，得到三轴加速度补偿数据；

本发明实施例通过分别使用三轴陀螺仪误差值以及三轴加速度误差值对三轴陀螺仪后续数据以及三轴加速度后续数据进行误差补偿，以消除三轴MEMS姿态传感器中的影响因素对后续夹角计算过程的干扰，最终得到三轴陀螺仪补偿数据以及三轴加速度补偿数据。

步骤S28：根据三轴陀螺仪补偿数据对三轴加速度补偿数据进行反三角函数计算，得到三轴重力方向夹角数据。

本发明实施例通过使用经过误差补偿后的三轴陀螺仪数据中的相关信息对三轴加速度补偿数据进行反三角函数的计算，以量化传感器中X、Y、Z轴与重力方向之间的夹角信息，最终得到三轴重力方向夹角数据。

本发明首先通过对位移量抗干扰电压信号进行信号数据转换，能够将原始位移量变化导致的电压信号转换为实际的弹簧位移量数据，以消除干扰并准确反映车辆弹簧的实际变化情况，从而为后续车辆状态特征分析提供准确的数据基础。通过对转换后的弹簧位移量信号数据进行车辆状态的特征分析，可以获取车辆的状态特征，进而通过关联分析能够得到弹簧位移量与车辆状态之间的相关模式，从而为后续的车辆状态检测提供准确的依据。通过使用分析得到的位移-车辆状态关联模式对弹簧位移量信号数据进行车辆状态检测，这样能够根据先前分析得到的位移-车辆状态关联模式对弹簧位移量信号数据进行实时检测，从而获得准确的车辆弹簧状态信息数据，这些数据能够反映车辆当前的状态。同时，通过使用角度式载重传感器内的三轴MEMS姿态传感器对车辆弹簧状态信息数据进行实时采集处理，能够获取对应弹簧状态下的有关车辆姿态和动态的实时信息数据，能够为后续的数据处理提供基础数据。其次，通过启动三轴MEMS姿态传感器中的限时捕捉程序对采集到的三轴数据进行限时持续采集处理，由于在理想情况下根据三轴MEMS姿态传感器的安装状态可以得出传感器三轴中的X、Y轴与重力方向之间的夹角为90°，Z轴与重力方向之间的夹角为180°，但是还由于种种外界因素甚至是三轴MEMS姿态传感器内部因素都会导致上诉三组三维夹角与理想情况下有偏差，因此在每次传感器启动时可以通过使用限时捕捉程序进行持续采集处理，从而获取限时数据，同时对未捕捉的数据进行标记以备后续的误差值计算处理过程使用。然后，通过使用合适的三轴误差计算公式对限时采集到的三轴陀螺仪限时数据以及三轴加速度限时数据进行误差计算，以获得相应的误差值，能够为后续的误差补偿提供准确的数据基础，从而确保传感器采集数据的准确性和可信度。接下来，通过使用计算得到的误差值对后续数据进行误差补偿，能够确保数据的连续性和一致性，同时有效减小外界或内部因素对三轴夹角计算的干扰，从而提高数据的准确性和可靠性。最后，通过使用三轴陀螺仪补偿数据对三轴加速度补偿数据进行反三角函数计算，可以精确计算出三轴重力方向的夹角数据，为进一步分析车辆状态提供准确的方向参考。

优选地，步骤S26中的三轴误差计算公式具体为：

式中，Δθ

本发明构建了一个三轴误差计算公式对三轴陀螺仪限时数据以及三轴加速度限时数据进行误差计算，该三轴误差计算公式通过充分考虑了零偏误差、比例响应增益、静态误差微分控制、误差非线性反馈增益以及修正值来进行计算，能够用于描述相关数据的误差情况，其中，零偏误差值能够用来表示陀螺仪输出的偏离真实值的部分，误差计算的初始时间和终止时间能够确定计算误差的时间段，误差计算的时间变量参数用于表示当前的时间，误差计算的积分时间变量用于积分计算，误差比例响应增益参数用于控制误差响应的比例，三轴陀螺仪限时数据的角速度误差参数用于描述陀螺仪的角速度误差情况，三轴加速度限时数据的加速度测量误差参数用于加速度传感器的加速度误差情况，静态误差微分控制参数用于控制误差积分的静态部分，误差非线性反馈增益参数用于描述误差的非线性反馈特性，此外，还通过引入修正值用于校正或修正计算结果。该公式通过考虑了三轴陀螺仪限时数据的零偏误差值a

另外，还通过三轴加速度限时数据的零偏误差值b

该公式能够实现对三轴陀螺仪限时数据以及三轴加速度限时数据的误差计算过程，同时，通过三轴陀螺仪误差值的修正值μ

优选地，步骤S28包括以下步骤：

步骤S281：对三轴陀螺仪补偿数据进行绕轴旋转速度检测，得到三轴旋转角速度数据；

本发明实施例通过使用旋转速度分析方法对三轴陀螺仪补偿数据进行分析检测，以获取弹簧变化在空间中绕各轴的旋转速度，并确保准确检测和记录弹簧变化绕三轴的陀螺旋转运动情况，最终得到三轴旋转角速度数据。

步骤S282：基于三轴旋转角速度数据利用姿势估计算法对三轴加速度补偿数据进行重力方向姿势估计，得到三轴重力方向姿势估计数据；

本发明实施例通过基于三轴旋转角速度数据的角速度信息使用姿势估计算法对对应的三轴加速度补偿数据进行处理，以根据角速度信息将三轴加速度数据转换为相应重力方向的姿势估计数据，以消除外部加速度的影响，从而估计三轴的重力方向姿势，最终得到三轴重力方向姿势估计数据。

步骤S283：对三轴重力方向姿势估计数据进行坐标系生成处理，得到三轴重力方向姿势坐标系；

本发明实施例通过为三轴重力方向姿势估计数据创建一个合适的坐标系，以确定车辆弹簧变化在三轴重力方向的姿势坐标系，最终得到三轴重力方向姿势坐标系。

步骤S284：对三轴重力方向姿势估计数据进行方向向量计算，得到三轴重力方向向量；

本发明实施例通过方向向量计算方法对三轴重力方向姿势估计数据进行计算，以计算三轴重力方向姿势估计数据在相应坐标系中的方向向量表示，最终得到三轴重力方向向量。

步骤S285：基于三轴重力方向姿势坐标系对三轴重力方向向量进行反三角函数计算，得到三轴重力方向夹角数据。

本发明实施例通过在三轴重力方向姿势坐标系上对三轴重力方向向量进行反三角函数(arctan函数)计算，以计算三轴重力方向向量与三轴重力方向姿势坐标系之间的夹角，最终得到三轴重力方向夹角数据。

本发明首先通过对三轴陀螺仪补偿数据进行绕轴旋转速度检测，以获取弹簧变化在空间中绕各轴的旋转速度数据，这样能够确保准确检测和记录三轴的陀螺旋转运动，以便后续的姿势估计和方向向量计算，获取得到的三轴旋转角速度数据将用于计算物体的姿势和方向。其次，通过利用三轴旋转角速度数据，采用姿势估计算法对三轴加速度补偿数据进行处理，以估计三轴的重力方向姿势，这样能够确保姿势估计的准确性，以获取弹簧变化的姿势信息，包括俯仰、横滚和偏航角，这些信息对于后续的处理过程等应用至关重要。然后，通过使用三轴重力方向姿势估计数据进行坐标系生成处理，以生成弹簧变化的三轴重力方向坐标系，这样能够确保生成的坐标系与弹簧变化的运动和方向一致，以便后续的方向向量计算。生成的坐标系通常用于定义弹簧变化的局部坐标系，以便进行坐标变换和分析。接下来，通过对三轴重力方向姿势估计数据进行方向向量计算，能够将姿势估计数据转化为重力方向的向量表示，这个向量将帮助确定车辆相对于地球的朝向。最后，通过基于三轴重力方向姿势坐标系对三轴重力方向向量进行反三角函数计算，能够通过将重力方向向量与坐标系相结合，以获得车辆相对于地球的重力方向夹角数据，这个数据对于车辆的倾斜和朝向提供了准确的度量，有助于进一步的分析和监测车辆状态。

优选地，步骤S3包括以下步骤：

步骤S31：对三轴重力方向夹角数据进行输入队列存储处理，以得到姿态FIFO数据队列；

本发明实施例通过按照时间顺序将三轴重力方向夹角数据存储到一个合适的缓存队列中，以创建一个FIFO的数据队列，以便维护数据的时序性，最终得到姿态FIFO数据队列。

步骤S32：对姿态FIFO数据队列中的三轴重力方向夹角数据进行中位值滤波处理，得到三轴夹角中位滤波数据值；

本发明实施例通过使用中位值滤波算法对姿态FIFO数据队列中的三轴重力方向夹角数据进行滤波处理，以去除三轴重力方向夹角数据的噪音和不稳定性，最终得到三轴夹角中位滤波数据值。

步骤S33：利用车辆姿态阈值范围计算公式对车辆弹簧状态信息数据进行姿态阈值计算，得到车辆姿态阈值范围；

本发明实施例通过结合最小化函数、最大化函数、姿态阈值计算的时间变量参数、车辆弹簧状态的车辆姿态长度、车辆姿态宽度、车辆姿态高度、车辆绕轴旋转角度、车辆绕轴横滚力参数、车辆绕轴角速度调整参数、车辆绕轴旋转曲率半径、车辆绕轴俯仰力参数以及相关参数构成了一个合适的车辆姿态阈值范围计算公式对车辆弹簧状态信息数据进行姿态阈值计算，以计算量化车辆弹簧状态信息数据的姿态阈值范围，最终得到车辆姿态阈值范围。另外，该车辆姿态阈值范围计算公式还能够使用本领域内任意一种范围阈值检测算法来代替姿态阈值计算的过程，并不局限于该车辆姿态阈值范围计算公式。

其中，车辆姿态阈值范围计算公式如下所示：

式中，W

本发明构建了一个车辆姿态阈值范围计算公式，用于对车辆弹簧状态信息数据进行姿态阈值计算，该车辆姿态阈值范围计算公式通过计算车辆姿态阈值范围的最小和最大阈值，这些阈值范围值将用于判断车辆姿态处于上坡、下坡或颠簸状态，姿态阈值计算的积分时间范围下限和上限能够决定了姿态计算的时间范围，通过使用车辆弹簧状态信息数据中车辆姿态的长度、宽度和高度来描述车辆姿态的尺寸，通过车辆弹簧状态信息数据中车辆绕轴旋转角度来描述车辆围绕特定轴的旋转情况，通过车辆横滚力和俯仰力参数来描述车辆在横滚和俯仰方面受到的力，还通过使用车辆绕轴角速度调整参数和车辆绕轴旋转曲率半径来描述了车辆绕轴旋转的速度和曲率半径，以上这些参数和变量将在计算过程中相互作用，通过积分和组合，计算出车辆姿态阈值范围的最小和最大阈值，这个范围将有助于确定车辆所处的姿态状态(上坡、下坡或颠簸)，从而为车辆的运行和状态判断提供重要依据。该公式通过考虑了最小化函数min，姿态阈值计算的积分时间范围下限T

另外，还通过最大化函数max，姿态阈值计算的积分时间范围下限T

该公式能够实现对车辆弹簧状态信息数据的姿态阈值计算过程，同时，通过最小阈值的修正值ε

步骤S34：根据车辆姿态阈值范围对三轴夹角中位滤波数据值进行车辆姿态比较判断，当三轴夹角中位滤波数据值小于车辆姿态阈值范围时，则判断车辆姿态处于上坡状态；当三轴夹角中位滤波数据值大于车辆姿态阈值范围时，则判断车辆姿态处于下坡状态；当三轴夹角中位滤波数据值位于车辆姿态阈值范围内时，则判断车辆姿态处于颠簸状态；将车辆姿态进行整合处理，从而得到车辆运行姿态信息数据；

本发明实施例通过使用计算得到的车辆姿态阈值范围对三轴夹角中位滤波数据值进行比较判断，以判断车辆的姿态情况，如果三轴夹角中位滤波数据值小于车辆姿态阈值范围，则判断当前车辆的姿态处于上坡状态；如果三轴夹角中位滤波数据值大于车辆姿态阈值范围，则判断当前车辆的姿态处于下坡状态；如果三轴夹角中位滤波数据值位于车辆姿态阈值范围内，则判断当前车辆的姿态处于颠簸状态。然后，通过整合以上车辆姿态的判断结果，最终得到车辆运行姿态信息数据。

步骤S35：对三轴陀螺仪数据进行实时积分运算，得到在单位时间内的三轴旋转角度值；根据车辆弹簧状态信息数据确定车辆旋转角度阈值，并根据车辆旋转角度阈值对在单位时间内的三轴旋转角度值进行车辆转弯状态检测，得到车辆转弯姿态信息数据；

本发明实施例通过使用旋转角度计算方法对三轴陀螺仪数据中的三轴旋转进行实时的积分运行，从而获得在单位时间内的三轴旋转角度值。然后，通过分析车辆弹簧状态信息数据以确定车辆旋转角度阈值，用于转弯状态的检测，根据确定的车辆旋转角度阈值对计算得到的在单位时间内的三轴旋转角度值进行比较判断，当在单位时间内的三轴旋转角度值超过或接近车辆旋转角度阈值时，则将车辆姿态判断为处于转弯状态，并通过考虑旋转角度的正负号来确定车辆姿态是左转还是右转(负号为左转，正号为右转)，一旦检测到车辆处于转弯状态时，持续监测单位时间内的三轴旋转角度值，直到三轴旋转角度值接近零或低于车辆旋转角度阈值时，则判断该车辆已完成了转弯，根据以上判断结果最终得到车辆转弯姿态信息数据。

步骤S36：对车辆运行姿态信息数据以及车辆转弯姿态信息数据进行时序合并，得到车辆整体姿态信息数据；

本发明实施例通过使用时序分析方法将车辆运行姿态信息数据以及车辆转弯姿态信息数据进行合并，以使得整车控制和驾驶辅助系统能够获得全面的车辆状态信息，最终得到车辆整体姿态信息数据。

步骤S37：根据车辆整体姿态信息数据利用姿态识别算法对三轴陀螺仪数据以及三轴加速度数据进行权重分配丢弃分析，得到三轴加权信息数据以及三轴丢弃信息数据；

本发明实施例通过使用姿态识别算法识别车辆整体姿态信息数据中的车辆姿态信息，然后，根据识别到的车辆姿态信息对三轴陀螺仪数据以及三轴加速度数据进行分析，以分析三轴陀螺仪数据以及三轴加速度数据在不同车辆姿态下的重要性和可靠性，并根据分析得到的重要性和可靠性进行相应的权重分配和数据丢弃，最终得到三轴加权信息数据以及三轴丢弃信息数据。

步骤S38：对三轴加权信息数据以及三轴丢弃信息数据进行处理模式影响分析，得到加权处理影响模式以及丢弃处理影响模式；对加权处理影响模式以及丢弃处理影响模式进行影响关联分析，得到加权丢弃影响关联模式；

本发明实施例通过使用模式影响分析方法对三轴加权信息数据以及三轴丢弃信息数据进行分析，以分析评估不同处理模式(权重分配以及丢弃)对传感器数据的影响模式，从而得到加权处理影响模式以及丢弃处理影响模式。然后，通过使用关联规则挖掘算法对加权处理影响模式以及丢弃处理影响模式进行关联分析，以分析加权处理影响模式和丢弃处理影响模式之间的关联关系，最终得到加权丢弃影响关联模式。

步骤S39：根据加权丢弃影响关联模式对弹簧位移量信号数据进行协同影响筛选，得到弹簧位移量筛选数据。

本发明实施例通过使用加权丢弃影响关联模式中的加权丢弃关联关系对弹簧位移量信号数据进行协同筛选，以通过考虑不同传感器数据的影响来筛选优化弹簧位移数据，最终得到弹簧位移量筛选数据。

本发明首先通过对三轴重力方向夹角数据进行输入队列存储处理，能够确保三轴重力方向夹角数据按顺序有序存储，为后续姿态分析提供了可靠的基础数据。通过这一步骤，能够有效避免数据混乱或丢失，保证了后续数据处理的准确性和可靠性。通过对姿态FIFO数据队列中的三轴重力方向夹角数据进行中位值滤波处理，有助于降低数据中的噪声和异常值，提高了姿态阈值计算的精度和稳定性，从而使得后续的姿态判断更加准确可靠。并通过使用合适的车辆姿态阈值范围计算公式对车辆弹簧状态信息数据进行姿态阈值计算，能够确定车辆在不同姿态下的安全范围，为后续的姿态判断提供了准确依据，有助于提升整车系统的安全性和稳定性。同时，通过使用计算得到的车辆姿态阈值范围对三轴夹角中位滤波数据值进行比较判断，能够有效地判定了车辆当前的运行状态，如上坡、下坡或颠簸状态，这为后续的车辆控制和调整提供了重要的信息基础，使得整车系统能够根据实时的姿态信息做出相应的调整。并且，通过对三轴陀螺仪数据进行实时积分运算，以获取车辆在单位时间内的旋转角度值，根据车辆弹簧状态信息数据确定车辆旋转角度阈值，用于转弯状态的检测，这个步骤的效果是获取车辆的旋转信息，为转弯行为的判断提供了数据支持。其次，通过将车辆的各种姿态信息整合在一起，能够得到完整的车辆整体姿态信息数据，这使得整车控制和驾驶辅助系统能够获得全面的车辆状态信息，从而为整车系统的优化和改进提供了全面的数据支持。然后，通过根据车辆整体姿态信息数据中的车辆姿态利用姿态识别算法对三轴陀螺仪数据以及三轴加速度数据进行分析，有助于识别和区分不同数据的重要性，保证了重要数据的有效利用，同时丢弃了不必要的数据信息，这样减少了对不必要数据的处理和存储，从而提高了数据处理的效率和准确性。接下来，通过对三轴加权信息数据以及三轴丢弃信息数据进行处理模式影响分析，能够通过评估不同处理模式对数据的影响，可以优化数据处理流程，提高处理效率和准确性，从而为后续的处理过程提供了重要依据。随后，通过分析加权处理影响模式和丢弃处理影响模式之间的关联，以得到加权丢弃影响关联模式，从而帮助理解不同数据处理模式的影响。最后，通过根据加权丢弃影响关联模式对弹簧位移量信号数据进行协同影响筛选，有助于根据关联模式对弹簧位移量信号数据进行同样的加权和丢弃处理，以提取和筛选出与车辆位移变化相关的重要数据，从而为车辆位移变化检测提供了有益信息，从而为后续的处理过程提供了基础数据。

优选地，步骤S37包括以下步骤：

步骤S371：利用姿态识别算法对车辆整体姿态信息数据进行姿态识别处理，得到车辆姿态识别结果；

本发明实施例通过使用预设的姿态识别算法对车辆整体姿态信息数据进行分析处理，以识别车辆当前状态的姿态，例如上坡、下坡、颠簸、转弯等姿态，最终得到车辆姿态识别结果。

步骤S372：对车辆姿态识别结果进行分析判断，当车辆姿态识别结果为上坡和下坡姿态时，则为三轴加速度数据分配第一权重，以得到三轴加速度加权数据；当车辆姿态识别结果为颠簸姿态时，则为三轴陀螺仪数据分配第二权重，以得到三轴陀螺仪加权数据；当车辆姿态识别结果为转弯姿态时，则为三轴陀螺仪数据以及三轴加速度数据进行平均分配权重，以得到三轴平均加权数据；将三轴加速度加权数据、三轴陀螺仪加权数据以及三轴平均加权数据进行时序加权合并，得到三轴加权信息数据；

本发明实施例通过对识别得到的车辆姿态识别结果进行分析判断，通过事先设置合适的第一权重和第二权重，根据不同的姿态分配不同的权重给相应的传感器数据，如果车辆姿态识别结果为上坡和下坡姿态，说明加速度数据较为重要，则分配第一权重给三轴加速度数据，从而得到三轴加速度加权数据；如果车辆姿态识别结果为颠簸姿态，说明陀螺仪数据较为重要，则分配第二权重给三轴陀螺仪数据，从而得到三轴陀螺仪加权数据；如果车辆姿态识别结果为转弯姿态，说明当前状态处于平稳状态，对于所有的传感器数据都相对重要，则平均分配权重给三轴陀螺仪数据以及三轴加速度数据，从而得到三轴平均加权数据。然后，通过对权重分配后的三轴加速度加权数据、三轴陀螺仪加权数据以及三轴平均加权数据按照时序进行加权数据的合并，最终得到三轴加权信息数据。

步骤S373：当车辆姿态识别结果为姿态切换状态时，则利用突变影响程度计算公式对姿态切换状态的姿态切换时间进行切换突变影响计算，以得到车辆姿态切换突变影响程度值；

本发明实施例通过判断车辆姿态识别结果为姿态切换状态时，通过结合切换突变影响计算的时间变量参数、姿态切换状态的切换时间振幅影响控制参数、切换时间频率影响控制参数、切换时间指数影响衰减参数以及相关参数构成了一个合适的突变影响程度计算公式对姿态切换状态的姿态切换时间进行计算，以分析量化车辆姿态变化的突变程度，最终得到车辆姿态切换突变影响程度值。另外，该突变影响程度计算公式还能够使用本领域内任意一种影响评估算法来代替切换突变影响计算的过程，并不局限于该突变影响程度计算公式。

其中，突变影响程度计算公式如下所示：

式中，I(u)为车辆姿态切换突变影响程度值，u为姿态切换状态的姿态切换时间，u

本发明构建了一个突变影响程度计算公式，用于对姿态切换状态的姿态切换时间进行切换突变影响计算，该突变影响程度计算公式通过使用切换时间振幅影响控制参数来控制切换时间振幅的影响程度，通过使用切换时间频率影响控制参数来控制切换时间频率的影响程度，还通过使用切换时间指数影响衰减参数来控制切换时间指数的影响衰减程度，另外，还通过引入修正值来用于调整计算结果，使其更符合实际情况，通过以上这些参数和变量对姿态切换时间的影响进行积分运算，同时涉及了正弦函数和指数衰减函数的乘积，这种积分形式在信号处理和振动分析中常用于模拟瞬时变化的影响，能够描述姿态切换状态下的影响程度。该公式充分考虑了车辆姿态切换突变影响程度值I(u)，姿态切换状态的姿态切换时间u，切换突变影响计算的初始时间u

该公式能够实现对姿态切换状态的姿态切换时间的切换突变影响计算过程，同时，通过车辆姿态切换突变影响程度值的修正值∈的引入可以根据计算过程中出现的误差情况进行调整，从而提高了突变影响程度计算公式的准确性和稳定性。

步骤S374：根据预设的姿态切换突变影响阈值对车辆姿态切换突变影响程度值进行比较判断，当车辆姿态切换突变影响程度值大于或等于预设的姿态切换突变影响阈值时，则对三轴陀螺仪数据以及三轴加速度数据进行丢弃处理，以得到三轴丢弃信息数据；否则不做任何处理。

本发明实施例通过根据预先设置的姿态切换突变影响阈值对计算得到的车辆姿态切换突变影响程度值进行比较判断，如果车辆姿态切换突变影响程度值大于或等于预设的姿态切换突变影响阈值，说明该车辆的姿态变化对传感器采集数据产生较大的影响，则将对应的三轴陀螺仪数据以及三轴加速度数据丢弃，以避免造成干扰，否则不做任何处理。

本发明首先通过使用姿态识别算法对车辆整体姿态信息数据进行姿态识别处理，能够得到准确的车辆姿态识别结果，这一结果能够为后续的数据处理提供了基础，确保了能够了解车辆当前的姿态状态，包括上坡、下坡、颠簸和转弯等状态，为车辆控制提供准确依据。其次，根据车辆姿态识别结果，动态分配三轴加速度和陀螺仪数据的权重，以得到三轴加权信息数据。当车辆处于上坡或下坡状态时，为三轴加速度数据分配第一权重，以加重考虑加速度数据，提高了数据的准确性。在颠簸状态下，为三轴陀螺仪数据分配第二权重，以加重考虑陀螺仪数据，确保对车辆颠簸状态的准确捕捉。而在转弯状态下，平均分配加速度和陀螺仪数据的权重，通过综合考虑了两者的影响，这种动态权重分配使得能够根据车辆的不同姿态状态来更加精确地处理数据，提高了数据处理的准确性和适应性，为车辆运行状态的监测和分析提供了可靠的数据基础。然后，当车辆姿态识别结果为姿态切换状态时，通过使用合适的突变影响程度计算公式对姿态切换状态的姿态切换时间进行计算，计算得到的程度值能够反映姿态切换的突变影响程度，还能够对车辆的稳定性和姿态响应速度进行评估，这一信息对于判断车辆运动的平稳性和安全性至关重要，为传感器提供了对姿态切换过程的深入理解。最后，通过使用预设的姿态切换突变影响阈值对计算得到的车辆姿态切换突变影响程度值进行比较判断，如果该值超过了阈值，传感器会对三轴陀螺仪和加速度数据进行丢弃处理，以获得三轴丢弃信息数据，否则不做任何处理，这一处理过程确保了传感器能够对可能受到干扰的数据进行排除，提高了传感器的稳定性和准确性，为车辆的实时控制提供了可靠的数据支持。综上所述，这一系列步骤通过姿态识别、动态权重分配、突变影响程度评估和数据丢弃处理等方法，有效提高了车辆姿态识别的准确性和传感器的稳定性，这些措施能够为整车系统的性能提升和驾驶安全性提供了有益支持，确保了车辆在各种姿态下的可靠运行。

优选地，步骤S4包括以下步骤：

步骤S41：利用角度传感器对弹簧位移量筛选数据进行车辆位移角度变化检测，得到车辆位移角度变化数据；

本发明实施例通过使用角度式载重传感器内置的角度传感器对弹簧位移量筛选数据进行角度变化检测，以检测车辆车架横梁悬挂系统上钢板弹簧的垂直位移情况，以便实时跟踪车辆的垂直位移，最终得到车辆位移角度变化数据。

步骤S42：利用倾角传感器对弹簧位移量筛选数据进行车辆位移倾角变化检测，得到车辆位移倾角变化数据；

本发明实施例通过使用角度式载重传感器内置的倾角传感器对弹簧位移量筛选数据进行倾角变化检测，以检测车辆车架横梁悬挂系统上钢板弹簧的横向倾角情况，以便监测车辆的横向倾角变化，最终得到车辆位移倾角变化数据。

步骤S43：通过MCU主控芯片对车辆位移角度变化数据以及车辆位移倾角变化数据进行变化信号采集处理，得到车辆位移角度变化信号以及车辆位移倾角变化信号；

本发明实施例通过使用MCU主控芯片对车辆位移角度变化数据以及车辆位移倾角变化数据的变化情况进行信号转换处理，以采集变化数据的变化信号信息，最终得到车辆位移角度变化信号以及车辆位移倾角变化信号。

步骤S44：将车辆位移角度变化信号以及车辆位移倾角变化信号输入MCU主控芯片的主控电路中，并通过单片机高精度ADC对车辆位移角度变化信号以及车辆位移倾角变化信号进行实时采集处理，得到角度变化输入信号数据以及倾角变化输入信号数据；

本发明实施例通过将采集到的车辆位移角度变化信号以及车辆位移倾角变化信号输入MCU主控芯片的主控电路(RS485通信电路)中，然后，通过使用单片机内部的12bit高精度ADC对车辆位移角度变化信号以及车辆位移倾角变化信号进行实时采集，最终得到角度变化输入信号数据以及倾角变化输入信号数据。

步骤S45：将角度变化输入信号数据以及倾角变化输入信号数据融合输入到软件的一级FIFO数据缓存队列，以得到一级FIFO缓存队列数据；利用数据滤波处理算法对一级FIFO缓存队列数据进行中位值滤波处理，得到一级FIFO队列滤波数据；

本发明实施例通过将角度变化输入信号数据以及倾角变化输入信号数据融合到一起输入到软件的一级FIFO数据缓存队列中，并根据用户设置的传感器相关参数调整软件数据缓存队列的深度调整队列输出数据的平滑度，从而得到一级FIFO缓存队列数据。然后，通过使用数据滤波处理算法(中位值滤波算法)对一级FIFO缓存队列数据进行中位值滤波，通过从一级FIFO数据缓存队列中选择一个合适的数据窗口大小，并设置一个合适的时间步从一级FIFO数据缓存队列中获取窗口内的一级FIFO缓存队列数据，对窗口内的一级FIFO缓存队列数据进行排序，以选择窗口内的中间值进行滤波，以便平滑数据并去除数据中的噪声，最终得到一级FIFO队列滤波数据。

步骤S46：当一级FIFO数据缓存队列填充完毕后，将溢出的一级FIFO队列滤波数据输入到软件的二级FIFO数据缓存队列，以得到二级FIFO缓存队列数据；利用数据滤波处理算法对二级FIFO缓存队列数据进行中位值滤波处理，得到二级FIFO队列滤波数据。

本发明实施例通过对一级FIFO数据缓存队列进行观察，当一级FIFO数据缓存队列填充完毕后，将溢出的一级FIFO队列滤波数据输入到软件的二级FIFO数据缓存队列中，从而得到二级FIFO缓存队列数据。然后，通过再一次使用相应的数据滤波处理算法对二级FIFO缓存队列数据进行中位值滤波处理，以进一步减小数据中的噪声和不稳定性，最终得到二级FIFO队列滤波数据。

本发明首先通过使用角度式载重传感器内的角度传感器对弹簧位移量筛选数据进行车辆位移角度变化检测，以获取车辆的位移角度变化数据，这有助于监测车辆车架横梁悬挂系统上钢板弹簧的垂直位移情况，提供了对车辆车架横梁悬挂系统行为的洞察。通过此步骤，能够实时跟踪车辆的垂直位移，为悬挂系统的性能和安全性提供了关键数据。同时，通过使用角度式载重传感器内的倾角传感器对弹簧位移量筛选数据进行检测，以获取车辆的位移倾角变化数据，这有助于了解车辆车架横梁悬挂系统上钢板弹簧的横向倾角情况，对车辆的悬挂和平稳性提供了重要信息。通过这一步骤，系统可以有效地监测车辆的横向倾角变化，以支持驾驶控制和安全性。其次，通过使用MCU主控芯片对车辆位移角度变化数据和位移倾角变化数据进行信号采集处理，这一步骤有助于将传感器采集的原始数据进行信号转换处理，使数据可用于后续分析和控制。然后，通过将采集到的车辆位移角度变化信号和位移倾角变化信号输入到MCU主控芯片的主控电路中，并通过单片机高精度ADC对主控电路进行实时采集处理，以获取角度变化输入信号数据和倾角变化输入信号数据，这一步骤确保了数据的准确性和可靠性，为后续的分析和反馈提供了高质量的输入。接下来，通过将采集得到的角度变化输入信号数据和倾角变化输入信号数据融合并存储到软件的一级FIFO数据缓存队列中，随后，通过使用数据滤波处理算法对这些数据进行中位值滤波处理，以获得一级FIFO队列滤波数据，这一步骤有助于平滑数据并去除可能的噪声，提高了数据的质量和可用性。最后，当一级FIFO数据缓存队列填充完毕后，溢出的数据会被传输到软件的二级FIFO数据缓存队列中，然后再次应用数据滤波处理算法进行中位值滤波处理，以获得二级FIFO队列滤波数据，通过这样的多级滤波过程有助于进一步减小数据中的噪声和不稳定性，提高了数据的可靠性和稳定性，确保提供给车辆悬挂系统的信息更加精确和有用。综上所述，这一系列步骤通过传感器检测、信号采集、数据融合和滤波处理等方法，能够为软件提供了准确、可靠的位移角度和倾角变化数据，有益于提高悬挂系统的性能、安全性和驾驶舒适性，这些数据对于车辆载重检测至关重要，为提供更好的驾驶体验和安全性能提供了坚实的基础。

优选地，步骤S5包括以下步骤：

步骤S51：对一级FIFO队列滤波数据以及二级FIFO队列滤波数据进行变化趋势图谱分析，得到一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图；

本发明实施例通过使用时间序列可视化工具对一级FIFO队列滤波数据以及二级FIFO队列滤波数据按照时间顺序进行图形绘制可视化，以可视化一级FIFO队列滤波数据以及二级FIFO队列滤波数据的数据时间变化趋势，以便观察队列滤波数据的演变趋势，最终得到一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图。

步骤S52：对一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图进行车辆装卸状态判断分析，如果一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势持续增加，则判断车辆装卸状态处于装货状态；如果一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势持续减小，则判断车辆装卸状态处于卸货状态；如果一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势在一段时间内先持续增加后保持稳定，则判断车辆装卸状态处于装货完成状态；如果一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势在一段时间内先持续减小后保持稳定，则判断车辆装卸状态处于卸货完成状态；将车辆装卸状态进行整合处理，从而得到车辆装卸状态信息数据；

本发明实施例通过分析一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图，以监测队列数据的变化趋势，然后，设定一个根据两个FIFO队列数据的变化趋势判断车辆装卸状态的判断标准，如果观察到一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势处于持续增加状态，则判断该车辆的装卸状态处于装货状态；如果观察到一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势处于持续减小状态，则判断该车辆的装卸状态处于卸货状态；如果观察到一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势在一段时间内先持续增加后保持稳定，则判断该车辆的装卸状态处于装货完成状态；如果观察到一级FIFO队列数据变化趋势图以及二级FIFO队列数据变化趋势图中的数据变化趋势在一段时间内先持续减小后保持稳定，则判断该车辆的装卸状态处于卸货完成状态；最后，整合以上车辆装卸状态的判断结果，最终得到车辆装卸状态信息数据。

步骤S53：对车辆装卸状态信息数据进行载重变化检测，得到车辆装卸载重变化数据；

本发明实施例通过检测车辆装卸状态信息数据中对应车辆装卸状态下的车辆重量变化，以便进一步的分析和估算车辆的实际重量变化，最终得到车辆装卸载重变化数据。

步骤S54：通过数据插值算法对车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据进行插值处理，以得到相应的车辆插值数据；

本发明实施例通过使用数据插值算法(如线性插值、样条插值、多项式插值等算法)对车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据进行数据插值，以填补各个数据间的间隔，使得数据更加平滑和连续，最终得到相应的车辆插值数据。

步骤S55：将车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据输入到各自的多段线性方程中进行模型标定处理，以构建车辆重量估算模型；

本发明实施例通过分别将车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据输入到各自的多段线性方程中进行模型标定训练，以构建一个描述不同输入数据与车辆重量之间的关系的重量估算模型，最终得到车辆重量估算模型。

其中，多段线性方程如下所示：

Y＝kX+b；

式中，Y为车辆重量估算模型的车辆重量输出结果，X为车辆位移角度变化数据、车辆位移倾角变化数据或车辆装卸载重变化数据，b为补偿值，k为标定系数；

本发明构建了一个多段线性方程，用于根据车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据以构建车辆重量估算模型，该公式充分考虑了车辆重量估算模型的车辆重量输出结果Y，车辆位移角度变化数据、车辆位移倾角变化数据或车辆装卸载重变化数据X，补偿值b，标定系数k，根据车辆重量估算模型的车辆重量输出结果Y与以上各参数之间的相互关联关系构成了一个多段线性方程的函数关系kX+b，该多段线性方程能够建立一个与车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据的输入数据相关的线性关系，以便进行车辆重量的估算，同时，能够根据车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据确定多段线性方程中的标定系数和补偿值，以使模型与实际数据拟合。

步骤S56：将相应的车辆插值数据输入车辆重量估算模型中进行模型拟合验证处理，以得到相应的多段线性方程估计参数；

本发明实施例将相应的经过插值处理后的车辆插值数据输入已构建好的车辆重量估算模型中进行模型拟合验证处理，以确保能够调整模型参数以最佳地拟合实际数据，最终得到相应的多段线性方程估计参数(k和b)。

步骤S57：将相应的多段线性方程估计参数代入各自的多段线性方程中进行车辆重量估算处理，得到车辆估计重量数据；

本发明实施例通过从车辆重量估算模型中验证得到的相应的多段线性方程估计参数代入到各自的多段线性方程中，以估算车辆的估计重量，最终得到车辆估计重量数据。

步骤S58：将车辆估计重量数据输入到预设的重量FIFP数据缓存队列中进行中位值滤波处理，以得到车辆当前重量数据。

本发明实施例通过将模型估算得到的车辆估计重量数据输入到预设的重量FIFP数据缓存队列中使用中位值滤波方法进行数据滤波处理，以消除车辆估计重量数据中的异常值和噪音，以便提供更加稳定和可靠的车辆重量数据，最终得到车辆当前重量数据。

本发明首先通过对一级FIFO队列滤波数据以及二级FIFO队列滤波数据进行变化趋势图谱分析，可以通过绘制变化趋势图谱来观察队列滤波数据的演变趋势，这一分析有助于了解队列数据的动态特征，以及是否存在明显的数据波动或趋势，为后续的车辆状态判断提供了依据。通过基于一级FIFO队列数据变化趋势图和二级FIFO队列数据变化趋势图进行车辆装卸状态的判断分析，通过监测变化趋势图中队列数据的趋势，能够自动判断车辆是处于装货状态、卸货状态、装货完成状态还是卸货完成状态，这一步骤实现了自动化的车辆状态判断，有助于实时监控装卸操作。并且，通过对车辆装卸状态信息数据进行载重变化检测，这一步骤用于监测装卸货过程中的重量变化，以便进一步的分析和估算车辆的实际重量变化。同时，通过使用数据插值算法对车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据进行插值处理，插值有助于填充数据点之间的空隙，使数据更加平滑和连续，为后续建模提供了更准确的数据。其次，通过将车辆位移角度变化数据、车辆位移倾角变化数据以及车辆装卸载重变化数据输入多段线性方程进行模型标定处理，这一步骤是为了构建车辆重量估算模型，其中多段线性方程用于描述不同输入数据与车辆重量之间的关系，这使得能够更精确地估算车辆重量。然后，通过将插值数据输入已构建好的车辆重量估算模型中进行模型拟合验证处理，以获得多段线性方程估计参数，这一步骤有助于调整模型参数以最佳地拟合实际数据，从而提高车辆重量估算的准确性。接下来，通过将估计参数代入多段线性方程中进行车辆重量估算处理，这一步骤能够用于计算车辆的估计重量，基于输入的数据和模型参数，以得到准确的车辆重量估算结果。最后，将车辆估计重量数据输入到预设的重量FIFO数据缓存队列进行中位值滤波处理，以获得车辆当前的重量数据。通过中位值滤波有助于消除异常值和噪音，从而提供更加稳定和可靠的车辆重量数据，用于实时监测和决策。通过这一系列步骤的整合使得能够实现车辆重量的准确估算和实时监测。

本发明还提供一种角度式载重传感器，所述角度式载重传感器内部集成有高精度电压采样电路、信号抗干扰电路、三轴MEMS姿态传感器、角度传感器以及倾角传感器，所述角度式载重传感器应用于如上所述的车辆载重检测方法。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。