基于WFT的路面識別及主動懸架控制研究.pdf

1、以車輪力傳感器(WFT)為測量核心的汽車道路試驗，是評價汽車整車特性的重要技術(shù)手段，采用WFT完成路譜數(shù)據(jù)采集具有重要的應(yīng)用價值，如對分析與評價汽車動態(tài)性能-動力性、制動性、操縱穩(wěn)定性、安全性、懸架特性等提供重要的原始數(shù)據(jù)。本文依托江蘇省交通科學研究計劃項目《車輛安全性能評價及檢測裝置研究》(編號05c02)，對WFT為核心的路譜采集系統(tǒng)進行了系統(tǒng)組建及標定：由于干擾的存在，對采集得到了路譜原始數(shù)據(jù)進行了去噪處理，在此基礎(chǔ)上采用多種方法

2、提取路面識別參數(shù)，實現(xiàn)對路面識別。本文的最后一章還對主動懸架進行了控制研究。 (1)采用AR時間序列分析的方法進行了道路譜的模擬，并進行了功率譜分析證明了模擬結(jié)果的可行性。對自適應(yīng)濾波中的多種算法、Kalman濾波及其變形算法、小波濾波算法進行了總結(jié)和推導，并且對含噪道路譜數(shù)據(jù)濾波算法進行了對比分析研究，得出結(jié)論在這里自適應(yīng)Kalman濾波方法取得的降噪效果是最好。對以WFT為核心的路面譜數(shù)據(jù)采集系統(tǒng)實測數(shù)據(jù)進行處理和分析時提供

3、理論支持和濾波手段。 (2)介紹了試驗設(shè)備及其規(guī)格、試驗場地，并確定了試驗安排。并且進行了實車標定，并通過坐標轉(zhuǎn)換解算方法得到車輪力傳感器原始測量數(shù)據(jù)，為后續(xù)的實車數(shù)據(jù)處理提供了實驗基礎(chǔ)。 (3)在道路譜模擬及數(shù)據(jù)濾波算法對比研究的基礎(chǔ)上，開展了實車數(shù)據(jù)建模算法與濾波研究。給出了實車數(shù)據(jù)處理的整體流程并對實車數(shù)據(jù)采集的有效性進行了分析。進行了建模前信號預(yù)處理的工作。通過理論分析得出數(shù)據(jù)中含有趨勢項和周期項，總結(jié)了多元逐步

4、回歸分析的方法，并利用該方法消減和剔除了信號中的趨勢項和周期項。確定了模型結(jié)構(gòu)為AR(3)模型，并證明了其有效性。推導并總結(jié)了自適應(yīng)Kalman濾波方法，并在信號建模的基礎(chǔ)上將該方法應(yīng)用于路面譜數(shù)據(jù)濾波處理。通過結(jié)果分析可以看出與仿真研究比較一致，取得了的較好的降噪效果。提取了模型的AR(3)模型參數(shù)，為實現(xiàn)路面識別提供基礎(chǔ)。 (4)提出了基于AR模型參數(shù)的多種路面識別方法，包括FCM聚類方法，改進BP、廣義回歸和學習矢量量化網(wǎng)

5、絡(luò)神經(jīng)方法等，實驗結(jié)果看后三種方法的識別率相當，識別率為83.33％。廣義回歸神經(jīng)網(wǎng)絡(luò)的識別速度最快，改進BP神經(jīng)網(wǎng)絡(luò)方法次之，然后是LVQ神經(jīng)網(wǎng)絡(luò)方法，但三種方法均有一定的誤識別率。主要是樣本數(shù)量較少導致的。而第一種方法試驗得到的識別率為100％，說明在小樣本的情況下，基于AR模型參數(shù)的FCM識別方法較為適用。證明了其可行性和有效性。 (5)提出了基于WFT測量結(jié)果轉(zhuǎn)化為IRI參數(shù)的路面識別方法，給出了解決方案，并由仿真實驗數(shù)