【技术实现步骤摘要】
本专利技术属于路面不平度识别，本专利技术涉及一种基于在线序列超限学习机的路面不平度辨识方法及系统。
技术介绍
1、当车辆在路面干扰下行驶时，由于路面起伏不平，车身会出现跳动现象，这会导致悬架参数的变化难以被准确测量。此外，在路面干扰下悬架的非线性特性对悬架的控制产生影响，使得悬架控制不稳定，出现超调和震荡等问题。
2、路面不平度对汽车行驶体验的平顺性、舒适性以及道路质量等方面有着显著的影响，因此，准确识别路面不平度的数据对悬架以及车身控制具有极大的意义。
3、目前，获得路面不平度数据的方法主要有两种：测量和识别。虽然测量可以获得比较准确的结果，但这种方法的使用成本较高，有些测量仪器的测量效率较低，有些测量方法的实现较为复杂。识别方法可以不考虑路面激励到悬架系统响应的物理过程，利用算法模型自主地学习数据中的潜在模式。对单个悬架簧上质量的垂向加速度信号进行二阶小波变换，分别提取时域和变换域信号的统计波形特征，然后输入到自适应神经网络模糊推理系统中进行道路等级分类。然而有些算法在数据分布的变化和噪声较大时，会对预测结果
<本文档来自技高网...【技术保护点】
1.一种基于在线序列超限学习机的路面不平度辨识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，所述路面不平度辨识模型根据实时获取的路况数据进行处理，进行在线序列样本数据收集，动态调整模型参数，更新路面不平度辨识模型的参数。
3.根据权利要求1所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，所述步骤S02中路面不平度数据集的获取方法包括：
4.根据权利要求3所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，还包括基于主成分分析法提取关键变量，方
【技术特征摘要】
1.一种基于在线序列超限学习机的路面不平度辨识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，所述路面不平度辨识模型根据实时获取的路况数据进行处理，进行在线序列样本数据收集，动态调整模型参数，更新路面不平度辨识模型的参数。
3.根据权利要求1所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，所述步骤s02中路面不平度数据集的获取方法包括：
4.根据权利要求3所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，还包括基于主成分分析法提取关键变量，方法包括：
5.根据权利要求1所述的基于在线序列超限学习机的路面不平度辨识方法，其特征在于，所述路面不平度辨识模型的初始待训...
【专利技术属性】
技术研发人员：王百鍵，赵晶，刘泰佑，高智江，郑晨晖，
申请(专利权)人：澳门大学，
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。