基于载荷的路面识别研究毕业设计

1、江苏科技大学本 科 毕 业 设 计（论文）学 院 机械工程学院 专 业 机械电子工程 学生姓名 费 翔 班级学号 0645502115 指导教师 李忠国 二零一零年六月江苏科技大学本科毕业论文基于载荷的路面识别研究Study On Road Recognition Based On Load江苏科技大学毕业设计（论文）任务书学院名称：机械与动力工程 专 业： 机械电子工程 学生姓名： 费翔 学 号： 0645502115 指导教师： 李忠国 职 称： 讲师 毕业设计（论文）题目： 基于载荷的路面识别研究 一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等）1 提供

2、条件： 神经网络学习的相关资料以及载荷特征参数和路面类型的样本数据； 2 设计内容与要求:（1）了解神经网络的结构、原理以及概率神经网络的使用在模式识别中的应用。（2）建立力学振动模型对路面激励下汽车的垂直载荷进行理论分析。（3）学习并掌握Matlab软件以及针对概率神经神经网络、径向基神经网络的编程实现。（4）建立能根据路面激励下的载荷识别路面类型的概率神经神经网络模型，设置合理的结构和参数，得到分类效果，并与径向基网络比较分析。（）对识别正确率进行分析。二、完成后应交的作业(包括各种说明书、图纸、软件、译文等)1. 毕业设计论文一份（不少于1.5万字）；2. 外文译文一篇（不少于5000英

3、文单词）；3.Matlab源程序一份；4配图 一张。三、完成日期及进度2009年12月25日至2010年6月11日。进度安排：1. 12.25-2.28，查阅资料、调研，学习模式识别理论，完成开题报告；2. 3.14.26建立力学模型完成路面激励下的理论分析。学习神经网络结构和原理以及Matlab软件，完成概率神经网络的Matlab实现，参数优化，完成中期检查报告；3. 4.275.31对识别结果进行分析，并与径向基网络比较，并完成论文撰写；4. 5.31网上提交论文，然后根据意见修改，并完成答辩准备工作；5. 6.12-6.13，毕业答辩。四、主要参考资料(按参考文献的规范格式填写)1飞思科

4、技产品研发中心神经网络理论与MATLAB7实现M北京：电子工业出版社，20052张德丰.MATLAB神经网络仿真与应用M.北京：电子工业出版社.2009：184-186；3魏海坤.神经网络结构设计的理论与方法M.北京：国防工业出版社,2005;4 葛强,徐俩俩,仇宝云,谈磊,唐建军. 基于RBF人工神经网络的电动机振动故障诊断J. 河海大学学报(自然科学版).2008.36(6):842-845;5朱大奇, 史慧.人工神经网络原理及应用M.北京：科学出版社,2006；指导小组组长： （签字） 2010年 月 日主管院长： （签章） 2010年 月 日注：1、如页面不够可加附页 2、以上一五项由

5、指导教师填写江苏科技大学本科毕业设计（论文）摘 要车轮的垂直动载识别路面可以直接应用于汽车室内道路模拟试验的响应模拟,对于汽车的研发和生产具有重要的工程意义。此外还可以判断路面状况,准确决定维修时机,节约大量的维修费用。本课题对路面激励下汽车的垂直载荷进行了理论分析，并建立了1/4二自由度汽车振动模型, 通过车轮力传感器采集多种路面的垂直载荷，根据路面动载数据特点，对动载进行小波特征提取，得到了典型路面特征的参数，然后推导出以汽车车身垂直动载作为输入信号、路面类别作为输出信号的数学模型，利用MATLAB工具箱函数建立了能根据路面激励下的载荷识别路面类型的径向基神经网络模型，对参数进行优化，最终

6、求得分类结果。另外本课题还将PNN网络与RBF网络进行了比较分析， PNN网络的识别正确率为80%，RBF网络为44%，这说明PNN网络对函数的逼近是较优的，可以获得较优解。关键词：路面不平度；模式识别；垂直载荷；RBF神经网络；AbstractThe vertical dynamic load to identify the road can be applied directly to the road simulated tests indoors, it has important project significance to the research and production

7、of the automobile .In addition it can judge the road conditions， decided accurate repair time and save a lot of maintenance costs.This subject had a theoretical analysis for the automobile dynamic load from road, and established a car vibrate model which has 1/4 two-degrees-offreedomgyro , by the wh

8、eel gauge force transducers gather vertical load from some road , withdrawn the wavelet parameter on the characteristics of the vertical load, and educe the characteristics of parameters, and then elicit a mathematical model are derived with vehicle vertical load as the input signal and road categor

9、y as the output signal ， using MATLAB to establish a radial basis network model，optimizing the parameters ，and finally gained classification. can achieve the response of the simulated tests to simulate .And this subject had compared and analyzed PNN network with RBF network ,found that the correct r

10、ate of PNN network is 80%，while RBF network is 44%, it shows PNN network is the better approach to function , it can get the better solution.Keywords ：The roughness ；Model identification ；Vertical load ； RBF neural network ；II江苏科技大学本科毕业设计（论文）目录第一章 绪论11.1 引言11.2 国内外基于载荷的路面不平度研究背景11.3 基于载荷的路面不平度研究的意义2

11、1.4 研究方法21.5 国内外神经网络理论研究的发展现状21.5.1 神经网络概述31.5.2 神经网络的国内外研究现状41.6 本文研究的主要内容5 第二章 车辆振动力学模型的建立62.1 汽车振动分析62.2 汽车振动系统的简化72.3 车辆振动力学模型的建立8 第三章 实验数据采集及小波特征提取123.1 实验数据采集123.1.1 实验目的123.1.2 数据采集系统硬件构成123.1.3 车轮力传感器介绍133.1.3.1 自行研制的车轮力传感器介绍143.1.3.2 车轮传感器原理介绍153.1.4 数据采集和分析系统软件介绍193.1.5 实验主要内容213.2 小波特征提取2

12、1 第四章 神经网络分类器设计254.1 神经网络254.1.1 神经网络结构254.1.2 神经网络的学习与训练274.1.3 MATLAB应用于神经网络建模简介284.2 神经网络模式识别原理284.2.1 模式识别的一些基本概念284.2.2 人工神经网络的识别原理294.3 典型神经网络简介304.4 使用神经网络实现路面识别324.4.1神经网络的选择324.4.2 程序实现过程334.4.3 MATLALB流程图,程序段以及识别结果354.5 对两种网络进行识别正确率比较、分析38 第五章 结论与展望39 致 谢40 参 考 文 献4141第一章 绪论本章首先介绍了国内外基于载荷的

13、路面不平度研究的背景，分析了基于载荷的路面识别研究的意义，然后概述了神经网络理论研究的研究现状，最后引出本文的研究内容和目标。1.1 引言路面是车辆行驶的重要环境要素。常见的车辆行驶的路面有：水泥路，搓板路，碎石路，鱼鳞路，石块路，土壤，沙地等，由于这些路面的不平，车辆在行驶中受到阻力并产生振动。行驶阻力消耗车辆的功率，并影响车辆动力系统和传动系统的寿命；振动则影响车辆平顺性、操纵稳定性、行驶系的可靠性和最高车速。行驶平顺性是现代汽车的主要性能之一。汽车在不平道路上行驶时，行驶平顺性不良的汽车，车身强烈振动，驾驶者不得不降低车速，因而降低了汽车的平均行驶速度，导致运输生产率下降，所以研究路面不

14、平度具有重要的意义。路面不平度用来描述路面的不平整程度，是路面相对于基准平面的高度沿道路的走向的变化，见右图。路面不平度参数是衡量道路等级的重要指标之一。路面不平度的研究在交通运输领域占据了重要地位，越来越受到重视。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

15、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。目前，基于载荷的路面不平度的研究还不多，但是路面不平度的工程应用研究越来越多，已经有不少学者研究了车辆行驶性能跟路面不平度之间关系，汽车车轮动载荷，人，车，路关系等。1.3 基于载荷的路面不平度研究的意义路面不平度研究有巨大的工程价值，车轮的垂直动载识别路面可以直接应用于汽车室内道路模拟试验的响应模拟,对于汽车的研发和生产具有重要的工程意义。此外还可以判断路面状况,准确决定维修时机,节约大量的维修费用

16、。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路面是车辆行驶的主要环境，路面不平度会影响车辆的寿命和行驶的安全性、操纵稳定性等等，所以对各种路面进行识别的研究在交通运输领域占据了重要地位，越来越受到重视。目前神经网络技术已经被广泛用于模式识别领域。神经网络技术是近年来非线性科学领域最重要的研究成果之一，神经网络技术在众多研究者的努力下，理论上日趋完善，算法种类不断增加。自八十年代复苏

17、以来，这一交叉学科已成为人工智能、神经科学、认知科学、心理学、行为学等学科共同关心的焦点，吸引了大批研究人员的注意力。经过多年的研究，在许多领域取得的令人瞩目的成就，比如，它可用于工业中元件自动检查，借助摄像、声纳、雷达识别人和设备，用于识别说话人和手体字；可执行复杂的诊断和控制，如核电站的控制、机器元件寿命的自动实时监督等；声音操作的字处理器、给盲人用的朗读机、机器人服务员已经成为我们的伙伴。这些都充分证明了模拟生物神经计算功能的神经网络具有通常的数字计算机所难以比拟的许多优势，如自学习能力、自组织、自适应性和联想能力等。1.5.1 神经网络概述现代计算机有很强的计算和信息处理能力，但是它对

18、模式识别、感知和在复杂环境中作决策等问题的处理能力远不如人，特别是它只能按人事先编好的程序机械的执行，缺乏向环境学习、适应环境的能力。早在20世纪初，人们已经知道人脑的工作方式与现在的计算机是不同的，人脑是由大量的具有高速处理能力的神经元互相连接组成的高度复杂的、非线性的、并行信息处理系统。人脑单个神经元的处理速度比计算机的基本单元低5一6个数量级，但是因为神经元数目巨大，相互之间高度互联，处理速度反而比计算机快很多，而且能耗非常低。自从认识到人脑与数字计算机的工作方式不同之后，人们就想从模仿人工智能的角度出发，探寻新的信息表示、存储和处理的方式，设计全新的计算机处理结构，于是关于人工神经网络

19、(一般简称神经网络)的研究就开始了。神经网络是模仿人脑工作方式而设计的一种机器，它可用电子或光电元件实现，也可用软件在数字计算机上仿真;或者说神经网络是一种具有大量连接的并行分布式处器，它具有通过学习获取知识并解决问题的能力，而且知识是分布存储在连接权值中。由于神经网络的结构特征和神经元的学习能力，使得神经网络具有下列特点:(1) 非线性映射逼近能力一个由非线性神经元互联而成的神经网络自身是非线性的，并且非线性是一种分布于整个网络中的特殊性质。有理论证明，任意的连续非线性函数映射关系都可由某一多层神经网络以任意精度加以逼近。(2)对信息的并行分布式综合优化处理能力神经网络的大规模互连网络结构，

20、使其能很快的并行实现全局的实时信息处理，并很好的协调多种输入信息之间的关系，兼容定性和定量信息。(3)高强的容错能力神经网络的并行处理机制及冗余结构特性使其具有较强的容错特性，提高了信息处理的可靠性和鲁棒性。(4)对学习结果的泛化和自适应能力经过适当训练的神经网络具有潜在的自适应模式匹配功能，能对所学信息加以分布式存储和泛化，这是其智能特性的重要体现.(5)便于集成电路实现和计算模拟神经网络在结构上是相同神经元的大规模组合，所以特别适合于用大规模集成电路实现，也适合于用现有计算技术进行模拟实现。神经网络作为模仿生物神经系统构成的新的信息处理模型，具有独特的大规模并行分布式结构，强大的学习能力及

21、泛化能力，所以人们希望它能解决一些用传统方法难以解决的问题。神经网络有着极其广泛的应用领域，不仅可以广泛应用于工程、科学、数学领域，也可广泛应用于医学、商业、金融、文学等领域，还可以用于解决计算量很大的复杂工业问题。1.5.2 神经网络的国内外研究现状路面是车辆行驶的主要环境，路面不平度会影响车辆的寿命和行驶的安全性、操纵稳定性等等，所以对各种路面进行识别的研究在交通运输领域占据了重要地位，越来越受到重视。目前神经网络已经被广泛用于模式识别领域。1943年，神经生物学家McCulloch与数学家Pitts提出了神经元生物学模型(简称M-P模型)，开创了神经网络研究的先河。神经网络技术是近年来非

22、线性科学领域最重要的研究成果之一。神经网络技术在众多研究者的努力下，理论上日趋完善，算法种类不断增加。目前，有关神经网络的理论研究成果很多，出版了不少有关基础理论的著作，并且现在仍是全球性科学研究的热点之一。同时神经网络已经同其它非线性科学有机地结合起来了，更为重要的是，神经网络技术已在各行各业中被广泛应用，并取得了很好的实际应用效果。比如，它可用于工业中元件自动检查，借助摄像、声纳、雷达识别人和设备，用于识别说话人和手体字；可执行复杂的诊断和控制，如核电站的控制、机器元件寿命的自动实时监督等；声音操作的字处理器、给盲人用的朗读机、机器人服务员已经成为我们的伙伴。尽管目前人们对大脑的神经网络结

23、构、运行机制，甚至单个神经细胞的工作原理的了解还很肤浅，但是基于生物神经系统的分布式存储、并行处理、自适应学习这些现象，己经构造出有一定初级智能的人工神经网络。当然这种人工神经网络仅仅是对大脑的粗略而且简单的模拟，无论是在规模上、功能上与大脑相比都还差得很远川。但是，它在一些科学研究和实际工程领域中已显示了很大的威力。随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用必将更加深入和广泛。近年来，神经网络的研究得到了我国“863”计划、“攻关”计划、“攀登”计划和“国家自然科学基金”等的资助，吸引了越来越多的人从事神经网络领域的研究工作，为我国在这个领域取得世界领先地位起到了极

24、大的推动作用。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，直接根据动载数据特点，提取典型路面特征的参数，利用模式识别的理论进行识别。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。如何提取能典型路面不平度的特征参数以及如何选择合适

25、的分类器成为研究的难点，其中提取有效的特征参数最为关键。根据以上问题确定本文主要研究内容如下：对路面激励下汽车的垂直载荷进行理论分析，通过车轮力传感器采集多种路面的垂直载荷，对数据进行小波特征提取，最终得到了反映路面状况的合适类型、合适数量的特征参数，然后设计合适的分类器进行分类，做到能根据采集到的垂直载荷判断路面不平度的状况。第二章 第二章 车辆振动力学模型的建立根据汽车动载进行路面不平度识别的研究近几年才刚刚开始，还没有成熟的理论和指导，要考察路面对汽车的动载作用力，我们通常采用建立动力学车辆模型来进行研究。本章对汽车垂直动载的构成进行了分析，然后建立了1/4二自由度汽车振动模型，为后面的

26、小波特征提取提供了理论依据，也为基于载荷的路面不平度分析打下了了理论基础。2.1 汽车振动分析垂直动载来源于汽车振动。由于车辆是一个非常复杂的系统，它的自由度数有很多，因此汽车在不平路面行驶时的实际振动较为复杂，有分别沿zA、xA和yA方向的垂直振动、前后振动和侧偏振动以及分别绕zA轴、xA轴和yA轴的横摆振动、侧倾振动和俯仰振动，见图2-1。图2-1 四轮车辆振动图产生垂直动载的激振源很多，可大致划分为如下两种：（1）路面激励产生的动载。由于路面的起伏使车辆受到的受迫振动。路面激励产生的振动是路面不平度识别的有效信息。（2）汽车自身发动机振动产生的动载。即行驶时由于发动机的转动、传动部分的回

27、转以及进排气等引起的振动所产生。2.2 汽车振动系统的简化汽车是一个复杂的振动系统，以车辆七自由度模型为例，汽车的悬挂质量为m2 ，它有车身、车架及其上的总成所构成。车轮、车轴构成的非悬挂（车轮）质量为m1 。车轮再经过具有一定弹性和阻尼的轮胎支承在不平路面上。这一立体模型车身质量有垂直、俯仰、侧倾三个自由度，4 个车轮质量有4 个垂直自由度，共7 个自由度。在七自由度模型的基础上，若还需要考虑人体在车辆行驶过程中所受到的振动和冲击，则需要增加一个代表座椅和人体质量的垂向自由度，这样就形成了八自由度的整车系统模型。此外为了分析发动机总成悬置的影响，还可将该部分从车身质量中独立出来，考虑其相对于

28、车身的垂向自由度，形成了一个九自由度的整车系统。而对具有较长的车体或带有拖挂车的商用汽车而言，由于其车体本身的柔性变形及后挂车等影响因素，使系统建模变得更加复杂。但总的原则是，根据研究问题的实际需要选择适当复杂程度的模型，七自由度的动力学模型对于真实的汽车而言，已是非常的简化，并且它还忽略了悬置的发动机和驾驶员及座椅。但对于汽车基本行驶特性分析求解来说，七自由度模型还是有些复杂，因此，可以做进一步的简化，进而形成四自由度和二自由度模型。简化过程论证如下：(1)当汽车对称于其纵轴线，其左右车辙的不平度函数x(I ) = y(I ) ，可认为车辆左右两侧以完全相同的方式运动，此时汽车车身只有垂直振

29、动z 和俯仰振动，这两个自由度的振动对平顺性影响最大。汽车可以简化为4个自由度的平面模型。在这个模型中，又因轮胎阻尼较小而予以忽略，同时把质量为m2，转动惯量为Iy的车身按动力学等效的条件分解为前轴上、后轴上及质心c上的三个集中质量、。 (2) 当悬挂质量分配系数的数值接近1 时，前、后悬挂系统的垂直振动几乎时独立的，当悬挂系数= 1情况下，前、后轴上方车身部分的集中质量的垂直方向运动是相互独立的，这种情况下前轮遇到路面不平度而引起振动时，后轮悬挂质量不运动，反之亦然。于是车轮振动系统可以简化为图2-2 所示的两个自由度振动系统。图2-2 二自由度汽车振动模型这个结构系统不仅能反映车身部分的动

30、态特性，还能反映车轮在受到路面不平度激励后产生共振时的动态特性，比较接近汽车悬挂的实际情况。文献87的研究结果表明，最简单的单轮模型(二自由度模型)也能较为准确地反映车辆的基本行驶特性。2.3 车辆振动力学模型的建立本文建立简化的四分之一车辆模型来分析车辆动载荷的变化情况，因为如果要建立更复杂的多自由度模型(包括半车模型和整车模型)，这在理论上没有任何困难，方法是一致的，但是计算会很复杂，考虑到此因素，首先把实际车辆简化为常见的四分之一车辆模型。首先要做如下假设:(1)车身为刚体且对称于铅垂面;(2)左右车轮受到的路面不平度激励相同;(3)车辆等速直线行使，轮胎与地面始终保持接触，无跳起;(4

31、)路面不平度较小，车辆振动不大;(5)车辆悬架刚度、轮胎刚度为位移的线性函数，悬架阻尼、轮胎阻尼较小忽略不计;(6)路面位移输入函数作用在轮胎与路面的接触点中心上;(7)轮胎和路面的接触视为点接触。通过以上的假设，所建立的四分之一车辆模型具有二个自由度，忽略了绕各轴的角运动，而仅考虑垂向运动，即簧上质量和簧下质量的垂向跳动。模型如图2-3所示:图中所示各参数的意义:簧下质量(又称非悬架部分质量)，包括轮圈、轮胎、轮轴等;簧上质量(又称悬架部分质量)，包括车厢、载重等;轮胎刚度系数:悬架刚度系数;c减振器阻尼系数;q路面不平度激励:簧下质量垂向位移;簧上质量垂向位移.坐标原点选在各自的平衡位置。

32、其运动微分方程为： （2-1）车轮垂直力 （2-2）A：假设路面为单位简谐函数 （2-3）将3-3式代入3-1式并改写为矩阵形式 （2-4）利用复指数法求解32，用代换，令方程解为 （2-5）代入方程并化简，得 （2-6）简写为 （2-7）求得 （2-8）式中为矩阵的行列式，和分别为复振幅的模和相角。取实部，则路面激励下的位移为 （2-9）代入式（7）得车轮垂直力 （2-10）上式表明车轮垂直动载（为车轮垂直力减去均值，后面文中不加区别都用表示）与路面谐波具有相同的频率，只是幅值不同。系统放大因子 （2-11）因而垂直动载对于幅值为的谐波路面的放大因子跟汽车结构参数和谐波频率有关。B:前面假设

33、路面为单位简谐函数，这是理想化的路面。但可以进行扩展，认为路面是波形路面，有一定的周期，则根据傅里叶级数展开式可以将路面不平度表示为：（2-12）式中，为基频率;为不同频率对应的振幅。汽车作微幅振动时近似为线性系统，根据线性系统理论，几个激励函数共同作用的总和是各种响应函数的总和。因而车辆对的响应为各个分量响应的和。一般的路面不平度是无规则的，只需将波形路面的周期设想成很大，关于路面不平度的理论推导仍会有效，相应的谱值由离散谱变为连续谱。因而路面激励下的垂直载荷频带宽度和路面频带宽度相近（由于轮胎的包容特性等原因会稍有差异），并且幅值也受路面频率、路面波动幅值以及汽车振动参数影响。为利用垂直载

34、荷分析路面不平度提供了证据，也为后面使用小波多分辨率分析尽性特征提取提供了理论依据。第三章 第三章 实验数据采集及小波特征提取汽车在路面行驶时的垂直动载是通过汽车道路数据采集系统获取的，数据采集系统可以用来完成对六维力车轮力采集。因六维力测量部件是车轮力传感器，故后面重点介绍了自行研制的车轮力传感器的结构和原理，然后根据试验数据处理的要求，提出了数据采集试验方案。最后提出了用于基于垂直动载的路面不平度识别的小波特征提取方法，对垂直动载用bior1.5小波，做3层小波分解，最终得出了能判断路面类型的垂直动载特征参数。3.1 实验数据采集3.1.1 实验目的为了能设计出能根据垂直载荷数据判断路面不

35、平度类型的分类器，需采集多种路面的垂直载荷数据，对每种路面采集多个样本，并记录下路面类型，建立样本集，然后通过小波特征提取稳定、可靠、能表明路面不平度状况的特征参数。3.1.2 数据采集系统硬件构成图3-1采集系统硬件总体框图整个汽车道路数据采集硬件系统采用了“前端传感器数据采集装置上位机”的构架。数据采集装置参照CPCI标准的并行插卡式结构，设计一个插卡机箱，包括电源供给模板、背板和多个标准插槽。各采集卡均基于分布式系统构成：每块卡包含独立的CPU完成本采集卡的数据采集、传输与主控制的通讯。系统结构框图见图3-1。由上图可以看出，本汽车道路数据采集系统可以同时完成处六维力外的车身姿态车速、踏

36、板力、方向盘转角等多个参数的测量，本章仅采集六维力，把处理后的垂直动载结合位移信号进行路面不平度分析。图3-2数据采集箱和PDA实物图试验前和试验过程中都需要对传感器和采集装置状态进行检测和监控。考虑到车载电源的功率，采用PDA对传感器和采集装置状态实施监控和试验过程控制，包括开始、停止、有效性判断等。试验结束后，利用通用笔记本电脑将试验数据快速导出。这种方式既实现了对采样过程的监控、提高了采样频率和数据传输效率，又充分利用了通用微机的优势，降低了系统对设备的要求。数据采集箱和PDA图见图3-2。3.1.3 车轮力传感器介绍车轮力传感器是整个汽车道路数据采集系统的核心部件。下面对国外车轮力传感

37、器以及自行研制的车轮力传感器进行详细介绍。3.1.3.1 自行研制的车轮力传感器介绍国内路谱采集试验用的车轮力传感器依靠进口，价格昂贵。为了研制具有我国自主知识产权的汽车道路试验系统，1996年机械部重点立项对车轮力传感器及汽车道路数据采集系统进行研究，由本试验室与跃进汽车集团共同承接，1998年完成了车轮扭矩单参数测试技术的研究并进行了应用，取得了初步成果，以车轮扭矩传感器为核心的汽车道路测试系统于1998年通过技术鉴定，获省级科技进步二等奖，该成果填补了国内在车轮力传感器方面的空白。本文数据采集设备采用的是自行研制的车轮力传感器。本试验室从1992年开始车轮力传感器的研究，历时十几年不断改

38、进，终于取得突破性成果。利用该传感器成功完成了省交通厅的项目（车辆安全性能评价及检测装置研究，项目编号：05c02）。汽车行驶在路面上时车轮受到地面切向反作用力（纵向力）、侧向力、法向力（垂直力）三个力以及翻转力矩、滚动力矩、回正力矩三个力矩，见图3-3。图3-3车轮力受力图弹性体由内环、外环及连接内外环的变形梁构成。内环和外环的纵截面均是矩形，并沿环体均布16孔，用于螺栓固定。弹性体及其轮辋和轮毂的实物如图3-4、图3-5所示。图3-4 弹性体与轮毂和轮辋的联接图从图3-4可见，轮毂法兰与弹性体内环相连。车轮的制动扭矩My是通过轮毂法兰传递给弹性体的内环面，引起应变梁弯曲变形；车轮的纵向力F

39、x、侧向力Fy是通过轮辋法兰传递给弹性体的外环面，引起应变梁拉伸和弯曲变形；车轮的垂直载荷Fz是通过内环面的螺栓和配合面以及外环面的螺栓和配合面传递的。8梁轮辐式弹性体结构与车轮连接方式简便，通用性好，并能准确地传递车轮所受到的作用力。车轮力在整车上的安装见图3-5（b）。 （a） （b）图3-5 弹性体与车轮安装实物图（a） 弹性体实物图;（b）弹性体与车轮装配图3.1.3.2 车轮传感器原理介绍在应变式传感器设计中，测量点的选取直接影响传感器的输出灵敏度、多维力对应变片的耦合影响以及应变片的组桥，因此，测量点的选取是传感器设计的关键。本节以通用型车轮力传感器为例进行分析，说明多维力测量原理

40、。图3-6为通用型车轮力传感器弹性体结构示意图。图3-6 传感器弹性体结构示意图由于弹性体结构对称，因此变形梁A、B、C、D、E、F、G、H受力后对称点的应力也具有对称性或反对称的特点。在六维力作用下，弹性体变形梁将产生压缩或拉伸、弯曲、侧弯曲及扭转变形，变形梁表面轴线上点的应力状态为二向应力状态，由沿应变梁轴线的正应力和与轴线垂直的剪应力组成，如图3-7所示。 图3-7 应变梁应力状态图按照应变式传感器的设计原理，在变形梁的四周面上轴线处对应位置选取测量点，利用应变片测出该点由于施加各向载荷而产生的应变，从而根据得到应变与变形梁上作用载荷的关系得出各个力（矩）。由于各个力和力矩产生的最大正应

41、力点在梁的不同位置，可以选择这些位置作为测量点，使得应变片的感量能够尽可能的以某一个外部载荷为主，这样就可以实现选择测量点进行输出解耦。基于力或力偶矩对弹性梁的作用分析可知，对于一个力（作用线与梁轴线正交）所产生的正应力和剪应力的最大值位于应变梁的不同位置。剪应力最大值位于中性层，而此处正应力为零；正应力最大值位于远离中性层的上下表面，此处剪应力为零（假定应变梁为矩形对称截面）。对于六维力的共同作用，若能通过应变片布片使各维力作用引起的变形反映在不同的应变片的输出上，则可从应力类型和状态进行解耦，对于消除误差提高传感器的精度具有一定意义。为了方便分析，引入下列假设假设1：传感器弹性体内环和外环

42、结构尺寸较大，故视之为刚体，因此假设变形梁为两端固支梁；假设2：变形梁弯曲变形过程中，截面始终保持为平面；假设3：纵向纤维间的侧向应力的影响可以略去不计； 根据假设1，变形梁可简化为两端固支梁的受力变形。以下分析都以此为理论基础。选取座标系与轮力传感器固联，如图3-7所示，传感器上作用六个广义力，定义为纵向力作用、侧向力作用、垂直力作用、侧倾力矩作用、扭矩作用、横摆力矩作用，现分析各力对传感器变形梁的作用。在各向载荷的作用下，传感器中的变形梁产生弯曲、侧弯曲、拉压及扭转复合变形，现分别进行分析以确定对应于各种变形测量点的选取。l 弯曲变形 图3-8 梁受力变形示意图 由内外环刚性假设，如果忽略

43、轴向位移，可确定梁变形的边界条件为A面与B面只有相对垂直位移，无相对角位移，如图3-8（a）所示。将A截面固定，B截面相对于A截面有线位移。由图3-8(b)可知，梁的中点C为拐点，挠曲线二阶导数在该点为零，即C截面弯矩为零： （3-1）如果不考虑轴向力，变形梁A截面与B截面上的外载是反对称的，所以，C截面上只有反对称的内力剪力Q。如果从C点截开，如图3-8 (c)所示。由于C截面上只有剪力Q，因此，AC梁可简化为悬臂梁进行分析。按照悬臂梁的分析方法，弯曲梁弯矩最大处在梁的根部，此处应变最大，因此，测量弯曲变形的测量点应选择在变形梁的根部。l 侧弯曲变形仿弯曲变形的分析，可得测量侧弯曲变形的测量

44、点应选在变形梁的根部的侧表面。l 拉压变形变形梁受拉压力，其梁横截面上的变形一样，故测量点可选择在梁上任意截面上，为了使拉压力测量点与测量弯曲力的测量点分开布置，选择的变形梁的中部截面表面作为测量区域。l 扭转变形梁扭转变形，其表面产生剪应力，在梁的纵轴向将不产生线应变，为了使应变片测量的变形量中不包含剪应力所产生的量，可以将应变片沿梁的纵轴向粘贴，这样，扭转变形对沿纵轴向布置的应变片没有影响，在以后的分析中，可以不考虑梁扭转变形对测量的影响。根据以上分析，测量点选取及应变片贴片布置如下：选择A、E梁侧表面中间轴线处，布置应变片1、2、9、10，测量垂直力引起的变形；选择C、G梁侧表面中间轴线

45、处，布应变片5、6、13、14，测量纵向力引起的变形；选择B、D、F、H梁上下表面根部轴线处，布应变片18、20、22、24、26、28、30、32，测量侧向力Fy引起的变形；选择B、D、F、H梁侧表面根部轴线处，布应变片3、4、7、8、11、12、15、16，测量扭矩引起的变形；选择C、G梁上下表面根部轴线处，布应变片19、23、27、31，测量横摆力矩引起的变形；选择A、E梁上下表面根部轴线处，布应变片17、21、25、29，测量侧倾力矩引起的变形。3.1.4 数据采集和分析系统软件介绍数据采集和分析软件使用Delphi编写。软件系统包括试验参数设置、试验管理、数据采集监控、动态初值选取、

46、数据上传几大模块组成系统。采集界面以及功能见图3-9。数据采集时先对系统初始化和自检，自检成功后进行采集。各路信号的采集和数据存储都是在中断子程序中完成的，各中断优先级由系统定义。另外还包括外扩FLASH的管理子模块，可方便地对其调用进行读写操作。图 39 数据采集控制软件功能示意图及界面图数据处理与分析软件是对采集得到的原始数据进行适当的滤波和解算，并将数据以表格、曲线等方式直观方式输出，供分析人员选取适当的数据段并保存成新的文件以进行深入分析。保存形成的新文件可通过本软件的分析部分进行多种分析如：各种评价指标的计算与显示（制动距离、制动时间、滑移率、制动力、附着系数利用率等曲线与数值）、报

47、表输出、常规参数计算（如：充分发出平均减速度、制动强度和制动距离等）等功能,数据处理与分析软件框图见图3-10，软件界面见图3-11。图 311 数据处理与分析软件主界面图 310数据处理与分析软件总体框图3.1.5 实验主要内容实验方案：利用数据采集系统采集1（水泥路），2（石块路），3（鱼鳞路），4（碎石路），5（搓板路）路面的垂直载荷数据，每种路面采集多个样本，并记录下路面类型（如石块路、沥青路等），以便建立训练样本和测试样本，调节试验人员载荷分配使对汽车纵轴线左右对称。对于同一路面反复测量时特征参数相对差别越小越好，即要求参数的稳定性要高，为了衡量参数的稳定性选取几种路面进行多次重复试

48、验。实验共采集17组数据。采样频率确定：文献10计算机模拟在B级路面以50km/h车速时采样频率为200Hz，文献28介绍路谱测量每10 秒2048 点，故本试验定采样频率为200Hz。在试验车速为25km/h，采样频率为200Hz时，采样点间距为m。一般认为路面波长m,故能够满足采样定理要求。试验车速确定：在汽车轮胎不脱离地面行驶时，第二章中使用垂直动载分析路面不平度状况的理论推导有效，并且动载变化大小能连续准确反应路面不平度状况。若有跳起现象，则在两次回落之间的路面不平度信息无法准确测量，并且回落瞬间垂直载荷急烈变大，与其对应的路面不平度不符。故车速不应太高。如果车速太低，则在相同时间内测

49、试距离太短，不能完成平坦路面的一个波长测量。如果低速测时距离太长则数据量太大，不利用计算，故车速也不能太低。参考激光路面平整度（测试车速度为20-120km/h）测试仪器的采用车速，并根据某些特定路面（如石块路最好不能超过30km/h）的要求确定车速为25km/h。3.2 小波特征提取车轮的垂直动载可以作为模拟道路的响应直接应用于汽车室内道路模拟试验,因而通过车轮力进行路面不平度识别具有重大的工程价值，通过垂直动载荷进行路面不平度识别,快速、简单、经济。车辆系统结构复杂,使得车轮力和路面不平度之间的关系也变得复杂,因此提取能反映路面不平度的车轮力特征参数成为问题的关键和难点。本节对上述实验数据

50、采集到的垂直动载用bior1.5小波，做3层小波分解，将得到的3层细节系数和第3层近似系数求幅值均值和方差作为识别路面不平度的特征参数，然后对这些特征做归一化处理。国外通过车轮力进行路面不平度识别已有几年,但没有发表信号处理的资料，小波可对信号进行逐层分解,作细致的描述,已经在电力系统故障诊断、语音识别、医学检测等众多领域的识别中获得了成功。小波被称为数学显微镜，通过多分辨率分析可以对信号进行逐层分解，适合对信号进行细致的描述。下面先介绍多分辨率的概念空间中的一列闭子空间称为的一个多分辨率分析（MRA），如果该空间序列满足下列条件： 单调性： 逼近性： 伸缩性： 平移不变性： Riesz基存在

51、性：存在使构成的Risez基。上述定义揭示了MRA本质上类同于人类视觉系统对物体认识的数学描述。如果把当作某人在某种尺度下所观察的某物体的信息，则当尺度增加到时，他所观察到的是进一步靠近物体时得到的信息。因此，所表示的信息应该比更为丰富。小波变换定义为如下积分 （3-9）式中小波系数，为待分析信号，为尺度参数，为小波基函数，为时间平移参数。在小波分析中，信号的分解和重构是通过尺度函数和小波函数生成的函数族实现的。尺度函数可以看成小波在大于1的尺度的聚合体。工程应用中通常将小波变换中小波函数的尺度和位移参数按取离散化数值，得到一族小波： （3-10）该小波族构成空间的一组规范正交基。将每一尺度的

52、小波函数组成的空间称为小波空间，将每一尺度的尺度函数组成的空间称为尺度空间 ，存在如下关系： （3-11）理论证明,尺度空间序列满足多分辨率分析条件。小波变换是对信号的多分辨率分析。因而信号的小波分析能实现对信号的逐层分解,实现不同尺度（即不同频段）对信号的观察，有利于对信号特征的提取。使用小波分解特征提取需要解决如下几个问题：小波基选取，合适地选择小波基可使小波变换空间能量集中,这样有利于选取主要成份作为特征；小波分解的层数，小波层数决定了信号分解频段的划分；提取特征的类型等。本文经尝试对上述实验数据采集到的17组垂直动载采用bior 1.5小波，做3层小波分解。以石块路和碎石路为例，垂直动

53、载信号小波分解后的不同见图3-12。图3-12两路面的垂直动载小波分解比较图中d1，d2，d3，c3分别为垂直动载小波分解的第13层细节系数和第3层近似系数。从图中可以看出，不同路面的垂直动载在不同的小波分解层次中有明显的差异，使利用这些小波系数的均值和方差识别路面类型和状况成为可能。数据处理中信号幅值的均值和方差表现了一定的分类能力，故将均值和方差算法和小波分解结合进行特征提取，即对3层细节系数和第3层近似系数求幅值均值和方差共8个参数然后对它们做归一化处理作为垂直动载荷信号的特征参数。得到的17组用于路面识别的特征参数数据如下：表3-1 样本特征参数数据样本特征参数数据路面类型0.7990.710.8530.1430.560.5680.6410.07150.0050.00200.0070.0010.00100.00420.1220.1330.1050.1850.0650.0580.0520.10040.0300.0150.0570.0520.0090.0110.0140.01430.0190.0190.0370.0280.0050.0060.0080.00610.92