【技术实现步骤摘要】
考虑车速的路面不平度等级识别方法及系统
[0001]本专利技术涉及神经网络领域,尤其涉及一种考虑车速的路面不平度等级识别方法及系统。
技术介绍
[0002]道路表面粗糙度是车辆行驶运动的激励主要来源,对乘坐舒适性、乘坐安全性、车辆操纵性和车辆动态载荷都用重要影响,道路粗糙度模型已被广泛研究并应用于车辆动力学等研究。其中车辆悬架系统具有缓冲行驶过程中道路不平引起并床底给车身的冲击力,而通过主动悬挂的精确控制提高车辆乘坐舒适性和行驶安全性的前提是进行快速而精确的路面不平度等级识别,准确识别路面不平度等级对提高主动悬架控制系统性,以及对车辆动态仿真的实际性和真实性都具有重要的意义。
[0003]在路面不平度等级识别方面,目前国内外专家进行了大量的理论研究和实验验证,路面功率谱密度通常用于描述路面不平度的统计特性,通常将路面不平度分为A~H共8个等级。现有路面等级识别方法使用的信号大多是车身加速度,车轮动载荷,悬架动行程信号,很少有人考虑到车速对路面不平度等级识别结果的影响,不同速度经过同一路面动力学响应明显不同,从而显著影响路面不平度等级的识别结果;少数考虑速度因素的研究并没有说明如何合理的处理速度信号,或者直接同其他信号一起输入神经网络,且识别速度慢,准确度低。
[0004]针对路面不平度等级识别,现有技术主要主要采用以下两种方式进行识别:1)直接测量法,如伊朗科技大学O Kavianipour发表的《Road profile measurement using the two degrees of fr ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种考虑车速的路面不平度等级识别方法,其特征在于:其包括以下步骤:步骤1:根据路面空间功率谱,将路面不平度分为N个等级,分别仿真模拟出N个随机路面,N个随机路面分别对应N个等级的路面不平度,N个随机路面的仿真时间都设定为t秒,采样周期为t1秒;步骤2:初始化车速分段数据和循环计数j值;将车速行程0
‑
V
max
的试验车分为n级车速,分别为V1~V2,V2~V3,V3~V4,
…
,V
i
~V
i+1
,
…
,V
n
~V
n+1
,i=1,2,3,
…
,n;其中V
max
为车速最大值,V1=0,
…
3,
…
,V
n+1
=V
max
;循环计数j值初始化为1,即j=1;步骤3:取V
j
~V
j+1
范围内任意速度W在所述N个随机路面上进行仿真得出悬架动行程和车身加速度信号数据;仿真时,首先根据现有车辆动力学建立系统动力学模型,然后根据系统动力学模型使用速度W在N个随机路面上进行仿真,每个随机路面分别仿真得出悬架动行程的时域信号和车身垂向加速度的时域信号,速度W在仿真过程中能在V
j
~V
j+1
范围内随意变化;步骤4:将同一个随机路面得到的悬架动行程的时域信号记作第一时域信号A1,车身垂向加速度的时域信号记作第二时域信号A2,将所述悬架动行程数据经验模态分解(EMD),得到内涵模态分量IMF
11
、IMF
12
、
…
、IMF
1h
、
…
、IMF
1m
,m为正整数,h=1,2,3,
…
,m,;将所述车身垂向加速度数据经验模态分解(EMD),内涵模态分量IMF
21
、IMF
22
、
…
、IMF
2h
、
…
、IMF
2m
;步骤5:对时域信号和内涵模态分量进行特征提取;对第一时域信号A1、第二时域信号A2、内涵模态分量IMF
11
、IMF
12
、
…
、IMF
1h
、
…
、IMF
1m
、IMF
21
、IMF
22
、
…
、IMF
2q
、
…
、IMF
2m
,共所述2(m+1)个信号每隔t2秒进行一次特征提取,每次同时提取p个特征,p为正整数;步骤6:时域得到特征样本数I,每个样本包含L个样本数据;步骤7:j=j+1,j为正整数,判断j≤n返回步骤4,否则执行步骤9;通过循环在N个随机路面上进行了不同速度范围内的仿真,因为有n级车速,因此得到n组含有I个特征样本的特征样本组,为神经网络线下训练做准备;步骤8:将n个特征样本组输入n个神经网络中进行训练,每个神经网络对应一级车速区间,得到路面不平度等级,同时得到n个训练完成的神经网络;记作第一神经网络分类、第二神经网络分类、
…
、第i神经网络分类
…
、第n神经网络分类,分别对应车速V1~V2,V2~V3,V3~V4,
…
,V
i
~V
i+1
,
…
,V
n
~V
n+1
;步骤9:通过车辆传感器获取车速信号v、悬架动行程信号d、以及车身垂向加速度信号a,根据车速信号v所在车速区间,将信号d、a经所述步骤4、5进行特征值提取后直接执行步骤8进入相应车速区间的神经网络分类,即:若V
i
≤v<V
i+1
,信号d、a经所述步骤4、5进行特征提取后进入第i神经网络分类;其中,悬架动行程信号d、以及车身垂向加速度信号a分别对应第一时域信号A1和第二时域信号A2;步骤10:第i神经网络给出路面不平度等级。
2.根据权利要求1所述的考虑车速的路面不平度等级识别方法,其特征在于:所述步骤5中,对时域信号和内涵模态分量提取的特征样本具体为:提取所述第一时域信号A1经特征提取得到特征样本a
11
、a
12
、
…
a
1p
;依次对内涵模态分量IMF
11
、IMF
12
、
…
、IMF
1h
、
…
、IMF
1m
使用选取的特征进行特征提取,得到特征样本,IMF
1h
经特征提取得到特征样本a
(h+1)1
、a
(h+1)2
、
…
a
(h+1)p
;如:IMF
11
经特征提取得到特征样本a
21
、a
22
、
…
a
2p
;IMF
1m
经特征提取得到特征样本a
(m+1)1
、a
(m+1)2
、
…
a
(m+1)p
;所述时域信号A2、IMF
21
技术研发人员:巩明德,陈文彬,陈浩,唐家豪,冀承杨,于志伟,
申请(专利权)人:燕山大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。