基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度,先后构造了44 种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

基于RBF神经网络识别路面不平度的研究

针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题,提出了一种解决方法。对RBF神经网络和训练过程进行了分析,选择车辆可以测试的车辆响应作为RBF神经网络输入,引入正交试验设计确定RBF 神经网络输入方案,采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度,应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明,所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题,可以用于其它神经网络识别路面不平度。     

基于4种典型神经网络识别路面不平度的研究

为识别路面不平度,对4种典型神经网络及其应用选择、输入方案优化和评价指标进行研究,提出4种典型神经网络输入选择和输入组合优化的解决方案。建立了汽车系统振动的4自由度平面模型,通过仿真获得神经网络的输入和输出。采用正交试验设计确定了每种神经网络的32个输入方案,在常用的B级路面和车速60 km/h下得到每种神经网络输入方案的评价指标,通过方差分析选出每种神经网络的最优输入方案和4种典型神经网络中的最优神经网络。研究结果表明,4种典型神经网络中,NARX神经网络是识别路面不平度的最优神经网络,其最优输入方案的相关系数和均方根误差分别为96.75%和0.003 3。     

基于ReliefF-RBF的路面不平度识别算法研究

路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。     

考虑路面不平度神经网络的悬架参数优化

以1/4车辆模型为例,构建了考虑路面不平度的3×3神经网络系统,并进行了多种路面条件下汽车悬架参数优化。计算结果表明,将路面不平度作为神经网络输入之一的神经网络优化系统与已有神经网络系统相比,可使设计人员综合考虑路面的影响,从而得到适应条件更广泛的悬架参数。     

基于增广卡尔曼滤波并考虑车辆加速度的路面不平度识别

为实现车辆在实际加减速行驶工况下路面不平度的准确识别,提出了一种考虑车辆加速度、基于增广卡尔曼滤波算法的路面识别方法.以车辆纵向加速度作为已知输入,车身垂向振动和俯仰振动响应作为观测向量,设计增广卡尔曼滤波观测器估计路面不平度信息;求取固定位移窗长度内的国际平整度指数,实现了对路面的等级分类.仿真结果表明在典型非匀速工...     

基于德尔菲法的路面不平度预测

为建立我国汽车路面谱数据库,需要路面不平度的相关信息.为此,在江苏省道路基本情况调查的基础之上,分析了影响路面平整度的因素,并选择公路技术等级、公路使用年份和路面铺装情况作为预测路面平整度的自变量.采用德尔菲法对车辆在道路上行驶质量的影响程度进行分析并用试验验证其可靠性,从而确定了铺装类型、技术等级、道路使用年份与路面平整度之间的定性关系,建立了路面行驶质量指数分布图.试验结果表明.该方法对于路面平整度的评估效果明显,符合实际.     

路面不平度再现方法研究

根据不平路面的统计频域特性,再现出时域信号对汽车平顺性的研究起着重要作用。介绍了描述路面不平度的模型,在此基础上,详细阐述了近年来广泛使用的几种路面不平度的重构方法的原理和实现方法,利用计算实例对它们的优缺点进行了比较。     

浅谈沥青混凝土路面不平度

本文简要介绍了沥青路面不平度的定义、内容、重要性、影响因素、测量方法和评价方法，以及对行车舒适性及对车辆本身的影响。     

基于路面不平度自功率谱密度函数计算国际不平度指数的研究

提出了一种基于路面不平度自功率谱密度函数PSD计算国际不平度指数IRI(International Roughness Index)的方法。通过建立1/4车辆模型来分析路面不平度的输入和汽车振动的响应,由动态响应模型的理论分析得到路面不平度的自功率谱密度函数PSD(Power Spectral Density),再应用随机理论等方法,推得基于路面不平度自功率谱密度函数PSD的IRI值。用PSD计算IRI,能够使车辆和道路部门比较他们对路面不平度的各自评价标准,从而作为其设计、改进产品的依据,IRI的求得,为公路运输部门对道路的养护决策提供了依据。     

基于小波神经网络的路面破损识别

结合图象处理、模式识别等先进技术开发路面破损自动检测系统已经成为本领域的研究热点[1-5]。本主要研究了小波神经网络在路面破损识别中的应用，并与传统的BP神经网络作了对比。试验结果表明．在相同的训练样本情况下，小波神经网络的精度高于BP神经网络一为开发更为高效的路面破损自动检测系统提供新的思路。     

路面不平度数学模型的研究进展

分别阐述了路面不平度的功率谱分析模型、时间序列分析模型、分形分析模型及小波分析模型,对每一种路面模型进行了系统评价,并指出了路面不平度研究发展方向。     

基于谐波叠加法的路面不平度重构

对GB/T 7031-2005中提出的路面功率谱密度表达式及等分方法,应用谐波叠加法对路面不平度随机序列进行仿真,使用AR模型谱估计法验证仿真结果.结果表明通过谐波叠加法能很好地拟合路面不平度,且AR模型谱估计具有拟合结果平滑且精度高的特点.     

基于实测不平度的路面等级分析与评价

通过经改良的平整度仪的实际测量得到了路面不平度数据,将所测得的频域信号转化为位移信号后,采用经验模态分解去均势项和小波硬阈值去噪等方法对数据进行了预处理。再对预处理后的数据进行傅里叶变换得到功率谱密度曲线,并用倍频程的平滑滤波法得到了平均功率谱密度曲线。然后运用谐波叠加法重构了A级路面谱并将其与实测路谱进行对比,最后用特征参数提取法评价所测路段的路面等级,并在分析和处理所有测量路段后,基于统计结果对整个林场的路面状况进行了评价。结果表明试验方法可行,所测区域路面整体水平较好,大部分集中在A级和B级,整体路面不平度在B级以上。     

路面不平度的分形分级参数研究

根据路面不平度的现有分级标准,采用傅里叶逆变换的方法模拟8个等级路面不平度高程数据,计算路面不平度的分形参数,提出路面不平度的分形分级参数.计算分析结果表明,傅里叶逆变换方法模拟的各级路面分形维数均在1.60左右,差别很小,表现出明显的自相似性;路面不平度指数结合了路面不平度的传统的统计特征参数与分形维数,因而更适合路面不平度的分级;路面不平度指数随功率谱密度的增大而增大,且由高级到低级呈明显增大趋势,路面不平度等级越差,路面不平度指数越大.     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

基于MATLAB的汽车路面不平度重构方法研究

汽车可靠性试验是通过某种试验手段来确定汽车整车或其零部件是否具有足够的使用寿命。试验室试验逐渐取代实际使用道路试验和验证场试验。模拟随机路面高程作为试验台的输入。本文主要应用谐波叠加法、积分白噪声法、滤波器形成白噪声法重构,并对其进行比较和研究。     

基于幂函数的路面不平度白噪声激励模拟方法

对基于有理函数的路面不平度白噪声激励模拟方法进行了分析,指出了该方法存在的不足.提出了一种基于幂函数的路面不平度白噪声激励模拟方法,并对其两轮路面不平度输入的白噪声激励模拟方法进行了推导.通过对不同等级路面的仿真,验证了所提出方法的可行性.     

比利时石块路路面不平度设计

比利时石块路是汽车试验中最典型的路面。文章叙述了基于随机数据分析理论和信号处理技术,通过计算进行比利时石块路路面铺设不平度设计及检验的方法,还给出了运用该方法产生的一条加速强化比利时石块路路面不平度的具体设计结果。