基于载荷的路面类型识别研究+MATLAB程序(3)

菜单

这些测量路谱的工具对于路面不平度研究提供了极大的帮助。近几年来国内众多高校，如上海交通大学、河北理工大学、长安大学、吉林大学、中南大学和等高校和长春汽车研究所等单位纷纷开始了路面不平度的监测和研究。2001年5月，在长沙交通学院、郑州工业大学和华南理工大学的召集下，国内二十余家拥有落锤式弯沉仪的单位和一百多位同仁聚集长沙，研讨、交流了落锤式弯沉仪（FWD）在国内路面检测中的应用成果，并成立了全国性的道路无损检测技术协作组，旨在共同研讨落锤式弯沉仪及其应用技术，并对数据和成果进行了交流分享。随着道路交通的迅猛发展，路面不平度及其相关研究日趋火热。

1.2 国内外基于载荷的路面不平度研究背景

随着汽车行业的迅速发展，我国已经成为世界汽车工业生产大国，走过了仿制，技术引进及加工生产阶段，已经进入了自主创新，自主研发阶段，作为车辆的主要振动激励源的路面不平度，对汽车的行驶平顺性、操纵稳定性、行驶系的可靠性和最高车速都有影响。行驶平顺性是汽车性能评价的重要指标,是汽车设计定型试验的重要考核项目。传统的行驶试验根据试验标准实车在自然路面上进行，由于我国幅员辽阔,汽车的行驶条件千差万别,使得汽车的行驶试验费时耗资。如何获取汽车行驶路面的路面信息,给汽车室内道路模拟实验提供虚拟路面进行试验,是进行汽车振动系统平顺性分析和评价的关键。

1.3 基于载荷的路面不平度研究的意义

路面不平度研究的火热源于人们认识到了其研究的巨大的工程价值。路面不平度分析主要有两大用途：为汽车室内道路模拟试验提供路面激励信息和测定路面不平度状况决定道路维修时机。另外，对交通安全以及国防建设也具有重要意义。

1.4 研究方法

要研究路面识别，需提取特征参数，本文将根据动载数据特点，提取典型路面特征的参数，利用模式识别的理论进行识别，目前模式识别方法中用的最多的，效果最好的是神经网络，本文欲采用神经网络完成基于载荷的路面识别。

1.5 国内外神经网络理论研究的发展现状

1.5.1 神经网络概述

1.5.2 神经网络的国内外研究现状

1.6 本文研究的主要内容

汽车生产厂家在汽车道路模拟试验中需要判断加载后的试验系统在汽车上产生的响应力是否是汽车在指定路面上产生的响应力，在车轮力的六维力中垂直力能很好的反映路面不平度状况，故本文的任务是判断以给定的垂直载荷序列是否为某一指定路面产生的垂直载荷序列。

根据垂直载荷判断分析路面不平度状况的可选方案有两种。第一种方法是输入标准信号（如驶过砖块）求取车辆的频响函数，然后测量汽车在一般路面激励下的垂直载荷信号，利用系统辨识的理论和方法求取一般路面的不平度。第二种方法是直接根据动载数据特点，提取标证路面特征的参数，利用模式识别的理论进行识别。第一种方法由于汽车结构复杂（运动部件数以千计），模型力学参数的非线性，使得汽车在标准信号和一般路面下系统频率响应函数矩阵差异较大（不同路面的频率响应函数矩阵差异也较大）。难以建立一个合适的模型进行拟合研究，所以直接求取路面不平度较为困难。第二种方法路面状况的变化以及汽车模型力学参数的变化都反映在统计数据中，进而反映到特征参数中，因而不受汽车力学参数非线性等影响。通过提取反映路面状况的参数可以对路面不平度识别。本文选择了第二种方案。