一种在线路面不平度辨识方法及系统技术方案

本发明专利技术实施例提供一种在线路面不平度辨识方法及系统。该方法包括：获取路面的待辨识时序信号；将所述待辨识时序信号输入至预先训练好的路面不平度等级分类模型中，得到所述路面不平度等级分类模型输出的路面不平度分类结果；其中，所述路面不平度等级分类模型是基于路面的训练集数据，以及按照路面不平度标准等级进行分类所得的等级标签对LSTM网络进行训练得到的。本发明专利技术实施例通过获取简单的少量时序信号，避免复杂的数据处理，快速实时获得路面不平度等级结果。

【技术实现步骤摘要】
一种在线路面不平度辨识方法及系统
本专利技术涉及车辆工程
，尤其涉及一种在线路面不平度辨识方法及系统。
技术介绍
路面不平度对于车辆的行驶安全和驾乘舒适性均有很大影响，掌握路面不平度信息对于车辆动力学控制尤其是悬架控制具有重要意义。在悬架控制中，需要满足乘坐舒适性和行驶安全性的双重要求，而不同不平度等级的路面下无法利用同一套控制参数实现最优的控制效果。因此路面不平度等级信息可以为控制算法的参数调节提供直接有效的依据。现有的车载道路辨识策略整体可分为直接和间接两种方式。直接辨识的方式通过对道路表面进行感知测量来实现，它通常需要借助专用的传感器，表面光度仪是最简单、便捷的测量方法，但是它需要特殊定制且成本高，无法实现大规模商用。可见光成像是一种被广泛采用的方法，手工提取道路图像的颜色、纹理和边缘特征，通过训练神经网络分类器实现道路辨识；还有利用包含干路、湿路、雪路和泥路图像的数据集，用深度学习中的卷积神经网络模型进行端到端的辨识。但是这种方法需要巨大的计算量，且它的性能严重依赖于训练数据量。路面点云模型法利用车载激光雷达获取路面的三维本文档来自技高网...

【技术保护点】
1.一种在线路面不平度辨识方法，其特征在于，包括：/n获取路面的待辨识时序信号；/n将所述待辨识时序信号输入至预先训练好的路面不平度等级分类模型中，得到所述路面不平度等级分类模型输出的路面不平度分类结果；其中，所述路面不平度等级分类模型是基于路面的训练集数据，以及按照路面不平度标准等级进行分类所得的等级标签对LSTM网络进行训练得到的。/n

【技术特征摘要】
1.一种在线路面不平度辨识方法，其特征在于，包括：
获取路面的待辨识时序信号；
将所述待辨识时序信号输入至预先训练好的路面不平度等级分类模型中，得到所述路面不平度等级分类模型输出的路面不平度分类结果；其中，所述路面不平度等级分类模型是基于路面的训练集数据，以及按照路面不平度标准等级进行分类所得的等级标签对LSTM网络进行训练得到的。


2.根据权利要求1所述的在线路面不平度辨识方法，其特征在于，所述获取路面的待辨识时序信号，具体包括：
采集车轮垂向加速度；
按照预设时长截取所述加速度，得到加速度片段；
将所述加速度片段进行归一化处理，得到所述待辨识时序信号。


3.根据权利要求1所述的在线路面不平度辨识方法，其特征在于，所述路面不平度等级分类模型，通过以下步骤获得：
获取路面的训练集数据，并对所述训练集数据进行预处理，得到预处理训练集数据；
按照路面不平度标准等级对所述预处理训练集数据进行等级评定，得到所述等级标签；
训练集搭建LSTM网络作为初始模型；
将标注对应等级标签的所述预处理训练集数据输入所述初始模型进行训练，并调节所述初始模型的网络及训练参数，得到所述路面不平度等级分类模型。


4.根据权利要求3所述的在线路面不平度辨识方法，其特征在于，所述获取路面的训练集数据，并对所述训练集数据进行预处理，得到预处理训练集数据，具体包括：
获取仿真训练集数据和试验训练集数据；
对所述仿真训练集数据和所述试验训练集数据按照预设时长进行截取，得到训练集片段；
将所述训练集片段进行归一化处理，得到所述预处理训练集数据。


5.根据权利要求4所述的在线路面不平度辨识方法，其特征在于，所述获取仿真训练集数据和试验训练集数据，具体包括：
所述仿真训练集通过白噪声滤波产生若干不平度等级路面的激励信号集合，通过车辆悬架传递特性计算对应所述若干不平度等...

【专利技术属性】
技术研发人员：梁冠群，危银涛，杜永昌，邬明宇，牛东杰，童汝亭，尹航，吕靖成，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11