基于載荷的路面識(shí)別研究畢業(yè)設(shè)計(jì)

1、江蘇科技大學(xué)本 科 畢 業(yè) 設(shè) 計(jì)（論文）學(xué) 院 機(jī)械工程學(xué)院 專 業(yè) 機(jī)械電子工程 學(xué)生姓名 費(fèi) 翔 班級(jí)學(xué)號(hào) 0645502115 指導(dǎo)教師 李忠國 二零一零年六月江蘇科技大學(xué)本科畢業(yè)論文基于載荷的路面識(shí)別研究Study On Road Recognition Based On Load江蘇科技大學(xué)畢業(yè)設(shè)計(jì)（論文）任務(wù)書學(xué)院名稱：機(jī)械與動(dòng)力工程 專 業(yè)： 機(jī)械電子工程 學(xué)生姓名： 費(fèi)翔 學(xué) 號(hào)： 0645502115 指導(dǎo)教師： 李忠國 職 稱： 講師 畢業(yè)設(shè)計(jì)（論文）題目： 基于載荷的路面識(shí)別研究 一、畢業(yè)設(shè)計(jì)（論文）內(nèi)容及要求（包括原始數(shù)據(jù)、技術(shù)要求、達(dá)到的指標(biāo)和應(yīng)做的實(shí)驗(yàn)等）1 提供

2、條件： 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的相關(guān)資料以及載荷特征參數(shù)和路面類型的樣本數(shù)據(jù)； 2 設(shè)計(jì)內(nèi)容與要求:（1）了解神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、原理以及概率神經(jīng)網(wǎng)絡(luò)的使用在模式識(shí)別中的應(yīng)用。（2）建立力學(xué)振動(dòng)模型對(duì)路面激勵(lì)下汽車的垂直載荷進(jìn)行理論分析。（3）學(xué)習(xí)并掌握Matlab軟件以及針對(duì)概率神經(jīng)神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)的編程實(shí)現(xiàn)。（4）建立能根據(jù)路面激勵(lì)下的載荷識(shí)別路面類型的概率神經(jīng)神經(jīng)網(wǎng)絡(luò)模型，設(shè)置合理的結(jié)構(gòu)和參數(shù)，得到分類效果，并與徑向基網(wǎng)絡(luò)比較分析。（）對(duì)識(shí)別正確率進(jìn)行分析。二、完成后應(yīng)交的作業(yè)(包括各種說明書、圖紙、軟件、譯文等)1. 畢業(yè)設(shè)計(jì)論文一份（不少于1.5萬字）；2. 外文譯文一篇（不少于5000英

3、文單詞）；3.Matlab源程序一份；4配圖 一張。三、完成日期及進(jìn)度2009年12月25日至2010年6月11日。進(jìn)度安排：1. 12.25-2.28，查閱資料、調(diào)研，學(xué)習(xí)模式識(shí)別理論，完成開題報(bào)告；2. 3.14.26建立力學(xué)模型完成路面激勵(lì)下的理論分析。學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和原理以及Matlab軟件，完成概率神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)，參數(shù)優(yōu)化，完成中期檢查報(bào)告；3. 4.275.31對(duì)識(shí)別結(jié)果進(jìn)行分析，并與徑向基網(wǎng)絡(luò)比較，并完成論文撰寫；4. 5.31網(wǎng)上提交論文，然后根據(jù)意見修改，并完成答辯準(zhǔn)備工作；5. 6.12-6.13，畢業(yè)答辯。四、主要參考資料(按參考文獻(xiàn)的規(guī)范格式填寫)1飛思科

4、技產(chǎn)品研發(fā)中心神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)M北京：電子工業(yè)出版社，20052張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用M.北京：電子工業(yè)出版社.2009：184-186；3魏海坤.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論與方法M.北京：國防工業(yè)出版社,2005;4 葛強(qiáng),徐倆倆,仇寶云,談磊,唐建軍. 基于RBF人工神經(jīng)網(wǎng)絡(luò)的電動(dòng)機(jī)振動(dòng)故障診斷J. 河海大學(xué)學(xué)報(bào)(自然科學(xué)版).2008.36(6):842-845;5朱大奇, 史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用M.北京：科學(xué)出版社,2006；指導(dǎo)小組組長： （簽字） 2010年 月 日主管院長： （簽章） 2010年 月 日注：1、如頁面不夠可加附頁 2、以上一五項(xiàng)由

5、指導(dǎo)教師填寫江蘇科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文）摘 要車輪的垂直動(dòng)載識(shí)別路面可以直接應(yīng)用于汽車室內(nèi)道路模擬試驗(yàn)的響應(yīng)模擬,對(duì)于汽車的研發(fā)和生產(chǎn)具有重要的工程意義。此外還可以判斷路面狀況,準(zhǔn)確決定維修時(shí)機(jī),節(jié)約大量的維修費(fèi)用。本課題對(duì)路面激勵(lì)下汽車的垂直載荷進(jìn)行了理論分析，并建立了1/4二自由度汽車振動(dòng)模型, 通過車輪力傳感器采集多種路面的垂直載荷，根據(jù)路面動(dòng)載數(shù)據(jù)特點(diǎn)，對(duì)動(dòng)載進(jìn)行小波特征提取，得到了典型路面特征的參數(shù)，然后推導(dǎo)出以汽車車身垂直動(dòng)載作為輸入信號(hào)、路面類別作為輸出信號(hào)的數(shù)學(xué)模型，利用MATLAB工具箱函數(shù)建立了能根據(jù)路面激勵(lì)下的載荷識(shí)別路面類型的徑向基神經(jīng)網(wǎng)絡(luò)模型，對(duì)參數(shù)進(jìn)行優(yōu)化，最終

6、求得分類結(jié)果。另外本課題還將PNN網(wǎng)絡(luò)與RBF網(wǎng)絡(luò)進(jìn)行了比較分析， PNN網(wǎng)絡(luò)的識(shí)別正確率為80%，RBF網(wǎng)絡(luò)為44%，這說明PNN網(wǎng)絡(luò)對(duì)函數(shù)的逼近是較優(yōu)的，可以獲得較優(yōu)解。關(guān)鍵詞：路面不平度；模式識(shí)別；垂直載荷；RBF神經(jīng)網(wǎng)絡(luò)；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江蘇科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文）目錄第一章 緒論11.1 引言11.2 國內(nèi)外基于載荷的路面不平度研究背景11.3 基于載荷的路面不平度研究的意義2

11、1.4 研究方法21.5 國內(nèi)外神經(jīng)網(wǎng)絡(luò)理論研究的發(fā)展現(xiàn)狀21.5.1 神經(jīng)網(wǎng)絡(luò)概述31.5.2 神經(jīng)網(wǎng)絡(luò)的國內(nèi)外研究現(xiàn)狀41.6 本文研究的主要內(nèi)容5 第二章 車輛振動(dòng)力學(xué)模型的建立62.1 汽車振動(dòng)分析62.2 汽車振動(dòng)系統(tǒng)的簡化72.3 車輛振動(dòng)力學(xué)模型的建立8 第三章 實(shí)驗(yàn)數(shù)據(jù)采集及小波特征提取123.1 實(shí)驗(yàn)數(shù)據(jù)采集123.1.1 實(shí)驗(yàn)?zāi)康?23.1.2 數(shù)據(jù)采集系統(tǒng)硬件構(gòu)成123.1.3 車輪力傳感器介紹133.1.3.1 自行研制的車輪力傳感器介紹143.1.3.2 車輪傳感器原理介紹153.1.4 數(shù)據(jù)采集和分析系統(tǒng)軟件介紹193.1.5 實(shí)驗(yàn)主要內(nèi)容213.2 小波特征提取2

12、1 第四章 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)254.1 神經(jīng)網(wǎng)絡(luò)254.1.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)254.1.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練274.1.3 MATLAB應(yīng)用于神經(jīng)網(wǎng)絡(luò)建模簡介284.2 神經(jīng)網(wǎng)絡(luò)模式識(shí)別原理284.2.1 模式識(shí)別的一些基本概念284.2.2 人工神經(jīng)網(wǎng)絡(luò)的識(shí)別原理294.3 典型神經(jīng)網(wǎng)絡(luò)簡介304.4 使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)路面識(shí)別324.4.1神經(jīng)網(wǎng)絡(luò)的選擇324.4.2 程序?qū)崿F(xiàn)過程334.4.3 MATLALB流程圖,程序段以及識(shí)別結(jié)果354.5 對(duì)兩種網(wǎng)絡(luò)進(jìn)行識(shí)別正確率比較、分析38 第五章 結(jié)論與展望39 致 謝40 參 考 文 獻(xiàn)4141第一章 緒論本章首先介紹了國內(nèi)外基于載荷的

13、路面不平度研究的背景，分析了基于載荷的路面識(shí)別研究的意義，然后概述了神經(jīng)網(wǎng)絡(luò)理論研究的研究現(xiàn)狀，最后引出本文的研究內(nèi)容和目標(biāo)。1.1 引言路面是車輛行駛的重要環(huán)境要素。常見的車輛行駛的路面有：水泥路，搓板路，碎石路，魚鱗路，石塊路，土壤，沙地等，由于這些路面的不平，車輛在行駛中受到阻力并產(chǎn)生振動(dòng)。行駛阻力消耗車輛的功率，并影響車輛動(dòng)力系統(tǒng)和傳動(dòng)系統(tǒng)的壽命；振動(dòng)則影響車輛平順性、操縱穩(wěn)定性、行駛系的可靠性和最高車速。行駛平順性是現(xiàn)代汽車的主要性能之一。汽車在不平道路上行駛時(shí)，行駛平順性不良的汽車，車身強(qiáng)烈振動(dòng)，駕駛者不得不降低車速，因而降低了汽車的平均行駛速度，導(dǎo)致運(yùn)輸生產(chǎn)率下降，所以研究路面不

14、平度具有重要的意義。路面不平度用來描述路面的不平整程度，是路面相對(duì)于基準(zhǔn)平面的高度沿道路的走向的變化，見右圖。路面不平度參數(shù)是衡量道路等級(jí)的重要指標(biāo)之一。路面不平度的研究在交通運(yùn)輸領(lǐng)域占據(jù)了重要地位，越來越受到重視。1.2 國內(nèi)外基于載荷的路面不平度研究背景隨著汽車行業(yè)的迅速發(fā)展，我國已經(jīng)成為世界汽車工業(yè)生產(chǎn)大國，走過了仿制，技術(shù)引進(jìn)及加工生產(chǎn)階段，已經(jīng)進(jìn)入了自主創(chuàng)新，自主研發(fā)階段，作為車輛的主要振動(dòng)激勵(lì)源的路面不平度，對(duì)汽車的行駛平順性、操縱穩(wěn)定性、行駛系的可靠性和最高車速都有影響。行駛平順性是汽車性能評(píng)價(jià)的重要指標(biāo),是汽車設(shè)計(jì)定型試驗(yàn)的重要考核項(xiàng)目。傳統(tǒng)的行駛試驗(yàn)根據(jù)試驗(yàn)標(biāo)準(zhǔn)實(shí)車在自然路面

15、上進(jìn)行，由于我國幅員遼闊,汽車的行駛條件千差萬別,使得汽車的行駛試驗(yàn)費(fèi)時(shí)耗資。如何獲取汽車行駛路面的路面信息,給汽車室內(nèi)道路模擬實(shí)驗(yàn)提供虛擬路面進(jìn)行試驗(yàn),是進(jìn)行汽車振動(dòng)系統(tǒng)平順性分析和評(píng)價(jià)的關(guān)鍵。目前，基于載荷的路面不平度的研究還不多，但是路面不平度的工程應(yīng)用研究越來越多，已經(jīng)有不少學(xué)者研究了車輛行駛性能跟路面不平度之間關(guān)系，汽車車輪動(dòng)載荷，人，車，路關(guān)系等。1.3 基于載荷的路面不平度研究的意義路面不平度研究有巨大的工程價(jià)值，車輪的垂直動(dòng)載識(shí)別路面可以直接應(yīng)用于汽車室內(nèi)道路模擬試驗(yàn)的響應(yīng)模擬,對(duì)于汽車的研發(fā)和生產(chǎn)具有重要的工程意義。此外還可以判斷路面狀況,準(zhǔn)確決定維修時(shí)機(jī),節(jié)約大量的維修費(fèi)用

16、。1.4 研究方法要研究路面識(shí)別，需提取特征參數(shù)，本文將根據(jù)動(dòng)載數(shù)據(jù)特點(diǎn)，提取典型路面特征的參數(shù)，利用模式識(shí)別的理論進(jìn)行識(shí)別，目前模式識(shí)別方法中用的最多的，效果最好的是神經(jīng)網(wǎng)絡(luò)，本文欲采用神經(jīng)網(wǎng)絡(luò)完成基于載荷的路面識(shí)別。1.5 國內(nèi)外神經(jīng)網(wǎng)絡(luò)理論研究的發(fā)展現(xiàn)狀路面是車輛行駛的主要環(huán)境，路面不平度會(huì)影響車輛的壽命和行駛的安全性、操縱穩(wěn)定性等等，所以對(duì)各種路面進(jìn)行識(shí)別的研究在交通運(yùn)輸領(lǐng)域占據(jù)了重要地位，越來越受到重視。目前神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)被廣泛用于模式識(shí)別領(lǐng)域。神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來非線性科學(xué)領(lǐng)域最重要的研究成果之一，神經(jīng)網(wǎng)絡(luò)技術(shù)在眾多研究者的努力下，理論上日趨完善，算法種類不斷增加。自八十年代復(fù)蘇

17、以來，這一交叉學(xué)科已成為人工智能、神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理學(xué)、行為學(xué)等學(xué)科共同關(guān)心的焦點(diǎn)，吸引了大批研究人員的注意力。經(jīng)過多年的研究，在許多領(lǐng)域取得的令人矚目的成就，比如，它可用于工業(yè)中元件自動(dòng)檢查，借助攝像、聲納、雷達(dá)識(shí)別人和設(shè)備，用于識(shí)別說話人和手體字；可執(zhí)行復(fù)雜的診斷和控制，如核電站的控制、機(jī)器元件壽命的自動(dòng)實(shí)時(shí)監(jiān)督等；聲音操作的字處理器、給盲人用的朗讀機(jī)、機(jī)器人服務(wù)員已經(jīng)成為我們的伙伴。這些都充分證明了模擬生物神經(jīng)計(jì)算功能的神經(jīng)網(wǎng)絡(luò)具有通常的數(shù)字計(jì)算機(jī)所難以比擬的許多優(yōu)勢(shì)，如自學(xué)習(xí)能力、自組織、自適應(yīng)性和聯(lián)想能力等。1.5.1 神經(jīng)網(wǎng)絡(luò)概述現(xiàn)代計(jì)算機(jī)有很強(qiáng)的計(jì)算和信息處理能力，但是它對(duì)

18、模式識(shí)別、感知和在復(fù)雜環(huán)境中作決策等問題的處理能力遠(yuǎn)不如人，特別是它只能按人事先編好的程序機(jī)械的執(zhí)行，缺乏向環(huán)境學(xué)習(xí)、適應(yīng)環(huán)境的能力。早在20世紀(jì)初，人們已經(jīng)知道人腦的工作方式與現(xiàn)在的計(jì)算機(jī)是不同的，人腦是由大量的具有高速處理能力的神經(jīng)元互相連接組成的高度復(fù)雜的、非線性的、并行信息處理系統(tǒng)。人腦單個(gè)神經(jīng)元的處理速度比計(jì)算機(jī)的基本單元低5一6個(gè)數(shù)量級(jí)，但是因?yàn)樯窠?jīng)元數(shù)目巨大，相互之間高度互聯(lián)，處理速度反而比計(jì)算機(jī)快很多，而且能耗非常低。自從認(rèn)識(shí)到人腦與數(shù)字計(jì)算機(jī)的工作方式不同之后，人們就想從模仿人工智能的角度出發(fā)，探尋新的信息表示、存儲(chǔ)和處理的方式，設(shè)計(jì)全新的計(jì)算機(jī)處理結(jié)構(gòu)，于是關(guān)于人工神經(jīng)網(wǎng)絡(luò)

19、(一般簡稱神經(jīng)網(wǎng)絡(luò))的研究就開始了。神經(jīng)網(wǎng)絡(luò)是模仿人腦工作方式而設(shè)計(jì)的一種機(jī)器，它可用電子或光電元件實(shí)現(xiàn)，也可用軟件在數(shù)字計(jì)算機(jī)上仿真;或者說神經(jīng)網(wǎng)絡(luò)是一種具有大量連接的并行分布式處器，它具有通過學(xué)習(xí)獲取知識(shí)并解決問題的能力，而且知識(shí)是分布存儲(chǔ)在連接權(quán)值中。由于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特征和神經(jīng)元的學(xué)習(xí)能力，使得神經(jīng)網(wǎng)絡(luò)具有下列特點(diǎn):(1) 非線性映射逼近能力一個(gè)由非線性神經(jīng)元互聯(lián)而成的神經(jīng)網(wǎng)絡(luò)自身是非線性的，并且非線性是一種分布于整個(gè)網(wǎng)絡(luò)中的特殊性質(zhì)。有理論證明，任意的連續(xù)非線性函數(shù)映射關(guān)系都可由某一多層神經(jīng)網(wǎng)絡(luò)以任意精度加以逼近。(2)對(duì)信息的并行分布式綜合優(yōu)化處理能力神經(jīng)網(wǎng)絡(luò)的大規(guī)?；ミB網(wǎng)絡(luò)結(jié)構(gòu)，

20、使其能很快的并行實(shí)現(xiàn)全局的實(shí)時(shí)信息處理，并很好的協(xié)調(diào)多種輸入信息之間的關(guān)系，兼容定性和定量信息。(3)高強(qiáng)的容錯(cuò)能力神經(jīng)網(wǎng)絡(luò)的并行處理機(jī)制及冗余結(jié)構(gòu)特性使其具有較強(qiáng)的容錯(cuò)特性，提高了信息處理的可靠性和魯棒性。(4)對(duì)學(xué)習(xí)結(jié)果的泛化和自適應(yīng)能力經(jīng)過適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有潛在的自適應(yīng)模式匹配功能，能對(duì)所學(xué)信息加以分布式存儲(chǔ)和泛化，這是其智能特性的重要體現(xiàn).(5)便于集成電路實(shí)現(xiàn)和計(jì)算模擬神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上是相同神經(jīng)元的大規(guī)模組合，所以特別適合于用大規(guī)模集成電路實(shí)現(xiàn)，也適合于用現(xiàn)有計(jì)算技術(shù)進(jìn)行模擬實(shí)現(xiàn)。神經(jīng)網(wǎng)絡(luò)作為模仿生物神經(jīng)系統(tǒng)構(gòu)成的新的信息處理模型，具有獨(dú)特的大規(guī)模并行分布式結(jié)構(gòu)，強(qiáng)大的學(xué)習(xí)能力及

21、泛化能力，所以人們希望它能解決一些用傳統(tǒng)方法難以解決的問題。神經(jīng)網(wǎng)絡(luò)有著極其廣泛的應(yīng)用領(lǐng)域，不僅可以廣泛應(yīng)用于工程、科學(xué)、數(shù)學(xué)領(lǐng)域，也可廣泛應(yīng)用于醫(yī)學(xué)、商業(yè)、金融、文學(xué)等領(lǐng)域，還可以用于解決計(jì)算量很大的復(fù)雜工業(yè)問題。1.5.2 神經(jīng)網(wǎng)絡(luò)的國內(nèi)外研究現(xiàn)狀路面是車輛行駛的主要環(huán)境，路面不平度會(huì)影響車輛的壽命和行駛的安全性、操縱穩(wěn)定性等等，所以對(duì)各種路面進(jìn)行識(shí)別的研究在交通運(yùn)輸領(lǐng)域占據(jù)了重要地位，越來越受到重視。目前神經(jīng)網(wǎng)絡(luò)已經(jīng)被廣泛用于模式識(shí)別領(lǐng)域。1943年，神經(jīng)生物學(xué)家McCulloch與數(shù)學(xué)家Pitts提出了神經(jīng)元生物學(xué)模型(簡稱M-P模型)，開創(chuàng)了神經(jīng)網(wǎng)絡(luò)研究的先河。神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來非

22、線性科學(xué)領(lǐng)域最重要的研究成果之一。神經(jīng)網(wǎng)絡(luò)技術(shù)在眾多研究者的努力下，理論上日趨完善，算法種類不斷增加。目前，有關(guān)神經(jīng)網(wǎng)絡(luò)的理論研究成果很多，出版了不少有關(guān)基礎(chǔ)理論的著作，并且現(xiàn)在仍是全球性科學(xué)研究的熱點(diǎn)之一。同時(shí)神經(jīng)網(wǎng)絡(luò)已經(jīng)同其它非線性科學(xué)有機(jī)地結(jié)合起來了，更為重要的是，神經(jīng)網(wǎng)絡(luò)技術(shù)已在各行各業(yè)中被廣泛應(yīng)用，并取得了很好的實(shí)際應(yīng)用效果。比如，它可用于工業(yè)中元件自動(dòng)檢查，借助攝像、聲納、雷達(dá)識(shí)別人和設(shè)備，用于識(shí)別說話人和手體字；可執(zhí)行復(fù)雜的診斷和控制，如核電站的控制、機(jī)器元件壽命的自動(dòng)實(shí)時(shí)監(jiān)督等；聲音操作的字處理器、給盲人用的朗讀機(jī)、機(jī)器人服務(wù)員已經(jīng)成為我們的伙伴。盡管目前人們對(duì)大腦的神經(jīng)網(wǎng)絡(luò)結(jié)

23、構(gòu)、運(yùn)行機(jī)制，甚至單個(gè)神經(jīng)細(xì)胞的工作原理的了解還很膚淺，但是基于生物神經(jīng)系統(tǒng)的分布式存儲(chǔ)、并行處理、自適應(yīng)學(xué)習(xí)這些現(xiàn)象，己經(jīng)構(gòu)造出有一定初級(jí)智能的人工神經(jīng)網(wǎng)絡(luò)。當(dāng)然這種人工神經(jīng)網(wǎng)絡(luò)僅僅是對(duì)大腦的粗略而且簡單的模擬，無論是在規(guī)模上、功能上與大腦相比都還差得很遠(yuǎn)川。但是，它在一些科學(xué)研究和實(shí)際工程領(lǐng)域中已顯示了很大的威力。隨著神經(jīng)網(wǎng)絡(luò)理論本身以及相關(guān)理論、相關(guān)技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)的應(yīng)用必將更加深入和廣泛。近年來，神經(jīng)網(wǎng)絡(luò)的研究得到了我國“863”計(jì)劃、“攻關(guān)”計(jì)劃、“攀登”計(jì)劃和“國家自然科學(xué)基金”等的資助，吸引了越來越多的人從事神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究工作，為我國在這個(gè)領(lǐng)域取得世界領(lǐng)先地位起到了極

24、大的推動(dòng)作用。1.6 本文研究的主要內(nèi)容汽車生產(chǎn)廠家在汽車道路模擬試驗(yàn)中需要判斷加載后的試驗(yàn)系統(tǒng)在汽車上產(chǎn)生的響應(yīng)力是否是汽車在指定路面上產(chǎn)生的響應(yīng)力，在車輪力的六維力中垂直力能很好的反映路面不平度狀況，故本文的任務(wù)是判斷以給定的垂直載荷序列是否為某一指定路面產(chǎn)生的垂直載荷序列。根據(jù)垂直載荷判斷分析路面不平度，直接根據(jù)動(dòng)載數(shù)據(jù)特點(diǎn)，提取典型路面特征的參數(shù)，利用模式識(shí)別的理論進(jìn)行識(shí)別。路面狀況的變化以及汽車模型力學(xué)參數(shù)的變化都反映在統(tǒng)計(jì)數(shù)據(jù)中，進(jìn)而反映到特征參數(shù)中，因而不受汽車力學(xué)參數(shù)非線性等影響。通過提取反映路面狀況的參數(shù)可以對(duì)路面不平度識(shí)別。如何提取能典型路面不平度的特征參數(shù)以及如何選擇合適

25、的分類器成為研究的難點(diǎn)，其中提取有效的特征參數(shù)最為關(guān)鍵。根據(jù)以上問題確定本文主要研究內(nèi)容如下：對(duì)路面激勵(lì)下汽車的垂直載荷進(jìn)行理論分析，通過車輪力傳感器采集多種路面的垂直載荷，對(duì)數(shù)據(jù)進(jìn)行小波特征提取，最終得到了反映路面狀況的合適類型、合適數(shù)量的特征參數(shù)，然后設(shè)計(jì)合適的分類器進(jìn)行分類，做到能根據(jù)采集到的垂直載荷判斷路面不平度的狀況。第二章 第二章 車輛振動(dòng)力學(xué)模型的建立根據(jù)汽車動(dòng)載進(jìn)行路面不平度識(shí)別的研究近幾年才剛剛開始，還沒有成熟的理論和指導(dǎo)，要考察路面對(duì)汽車的動(dòng)載作用力，我們通常采用建立動(dòng)力學(xué)車輛模型來進(jìn)行研究。本章對(duì)汽車垂直動(dòng)載的構(gòu)成進(jìn)行了分析，然后建立了1/4二自由度汽車振動(dòng)模型，為后面的

26、小波特征提取提供了理論依據(jù)，也為基于載荷的路面不平度分析打下了了理論基礎(chǔ)。2.1 汽車振動(dòng)分析垂直動(dòng)載來源于汽車振動(dòng)。由于車輛是一個(gè)非常復(fù)雜的系統(tǒng)，它的自由度數(shù)有很多，因此汽車在不平路面行駛時(shí)的實(shí)際振動(dòng)較為復(fù)雜，有分別沿zA、xA和yA方向的垂直振動(dòng)、前后振動(dòng)和側(cè)偏振動(dòng)以及分別繞zA軸、xA軸和yA軸的橫擺振動(dòng)、側(cè)傾振動(dòng)和俯仰振動(dòng)，見圖2-1。圖2-1 四輪車輛振動(dòng)圖產(chǎn)生垂直動(dòng)載的激振源很多，可大致劃分為如下兩種：（1）路面激勵(lì)產(chǎn)生的動(dòng)載。由于路面的起伏使車輛受到的受迫振動(dòng)。路面激勵(lì)產(chǎn)生的振動(dòng)是路面不平度識(shí)別的有效信息。（2）汽車自身發(fā)動(dòng)機(jī)振動(dòng)產(chǎn)生的動(dòng)載。即行駛時(shí)由于發(fā)動(dòng)機(jī)的轉(zhuǎn)動(dòng)、傳動(dòng)部分的回

27、轉(zhuǎn)以及進(jìn)排氣等引起的振動(dòng)所產(chǎn)生。2.2 汽車振動(dòng)系統(tǒng)的簡化汽車是一個(gè)復(fù)雜的振動(dòng)系統(tǒng)，以車輛七自由度模型為例，汽車的懸掛質(zhì)量為m2 ，它有車身、車架及其上的總成所構(gòu)成。車輪、車軸構(gòu)成的非懸掛（車輪）質(zhì)量為m1 。車輪再經(jīng)過具有一定彈性和阻尼的輪胎支承在不平路面上。這一立體模型車身質(zhì)量有垂直、俯仰、側(cè)傾三個(gè)自由度，4 個(gè)車輪質(zhì)量有4 個(gè)垂直自由度，共7 個(gè)自由度。在七自由度模型的基礎(chǔ)上，若還需要考慮人體在車輛行駛過程中所受到的振動(dòng)和沖擊，則需要增加一個(gè)代表座椅和人體質(zhì)量的垂向自由度，這樣就形成了八自由度的整車系統(tǒng)模型。此外為了分析發(fā)動(dòng)機(jī)總成懸置的影響，還可將該部分從車身質(zhì)量中獨(dú)立出來，考慮其相對(duì)于

28、車身的垂向自由度，形成了一個(gè)九自由度的整車系統(tǒng)。而對(duì)具有較長的車體或帶有拖掛車的商用汽車而言，由于其車體本身的柔性變形及后掛車等影響因素，使系統(tǒng)建模變得更加復(fù)雜。但總的原則是，根據(jù)研究問題的實(shí)際需要選擇適當(dāng)復(fù)雜程度的模型，七自由度的動(dòng)力學(xué)模型對(duì)于真實(shí)的汽車而言，已是非常的簡化，并且它還忽略了懸置的發(fā)動(dòng)機(jī)和駕駛員及座椅。但對(duì)于汽車基本行駛特性分析求解來說，七自由度模型還是有些復(fù)雜，因此，可以做進(jìn)一步的簡化，進(jìn)而形成四自由度和二自由度模型。簡化過程論證如下：(1)當(dāng)汽車對(duì)稱于其縱軸線，其左右車轍的不平度函數(shù)x(I ) = y(I ) ，可認(rèn)為車輛左右兩側(cè)以完全相同的方式運(yùn)動(dòng)，此時(shí)汽車車身只有垂直振

29、動(dòng)z 和俯仰振動(dòng)，這兩個(gè)自由度的振動(dòng)對(duì)平順性影響最大。汽車可以簡化為4個(gè)自由度的平面模型。在這個(gè)模型中，又因輪胎阻尼較小而予以忽略，同時(shí)把質(zhì)量為m2，轉(zhuǎn)動(dòng)慣量為Iy的車身按動(dòng)力學(xué)等效的條件分解為前軸上、后軸上及質(zhì)心c上的三個(gè)集中質(zhì)量、。 (2) 當(dāng)懸掛質(zhì)量分配系數(shù)的數(shù)值接近1 時(shí)，前、后懸掛系統(tǒng)的垂直振動(dòng)幾乎時(shí)獨(dú)立的，當(dāng)懸掛系數(shù)= 1情況下，前、后軸上方車身部分的集中質(zhì)量的垂直方向運(yùn)動(dòng)是相互獨(dú)立的，這種情況下前輪遇到路面不平度而引起振動(dòng)時(shí)，后輪懸掛質(zhì)量不運(yùn)動(dòng)，反之亦然。于是車輪振動(dòng)系統(tǒng)可以簡化為圖2-2 所示的兩個(gè)自由度振動(dòng)系統(tǒng)。圖2-2 二自由度汽車振動(dòng)模型這個(gè)結(jié)構(gòu)系統(tǒng)不僅能反映車身部分的動(dòng)

30、態(tài)特性，還能反映車輪在受到路面不平度激勵(lì)后產(chǎn)生共振時(shí)的動(dòng)態(tài)特性，比較接近汽車懸掛的實(shí)際情況。文獻(xiàn)87的研究結(jié)果表明，最簡單的單輪模型(二自由度模型)也能較為準(zhǔn)確地反映車輛的基本行駛特性。2.3 車輛振動(dòng)力學(xué)模型的建立本文建立簡化的四分之一車輛模型來分析車輛動(dòng)載荷的變化情況，因?yàn)槿绻⒏鼜?fù)雜的多自由度模型(包括半車模型和整車模型)，這在理論上沒有任何困難，方法是一致的，但是計(jì)算會(huì)很復(fù)雜，考慮到此因素，首先把實(shí)際車輛簡化為常見的四分之一車輛模型。首先要做如下假設(shè):(1)車身為剛體且對(duì)稱于鉛垂面;(2)左右車輪受到的路面不平度激勵(lì)相同;(3)車輛等速直線行使，輪胎與地面始終保持接觸，無跳起;(4

31、)路面不平度較小，車輛振動(dòng)不大;(5)車輛懸架剛度、輪胎剛度為位移的線性函數(shù)，懸架阻尼、輪胎阻尼較小忽略不計(jì);(6)路面位移輸入函數(shù)作用在輪胎與路面的接觸點(diǎn)中心上;(7)輪胎和路面的接觸視為點(diǎn)接觸。通過以上的假設(shè)，所建立的四分之一車輛模型具有二個(gè)自由度，忽略了繞各軸的角運(yùn)動(dòng)，而僅考慮垂向運(yùn)動(dòng)，即簧上質(zhì)量和簧下質(zhì)量的垂向跳動(dòng)。模型如圖2-3所示:圖中所示各參數(shù)的意義:簧下質(zhì)量(又稱非懸架部分質(zhì)量)，包括輪圈、輪胎、輪軸等;簧上質(zhì)量(又稱懸架部分質(zhì)量)，包括車廂、載重等;輪胎剛度系數(shù):懸架剛度系數(shù);c減振器阻尼系數(shù);q路面不平度激勵(lì):簧下質(zhì)量垂向位移;簧上質(zhì)量垂向位移.坐標(biāo)原點(diǎn)選在各自的平衡位置。

32、其運(yùn)動(dòng)微分方程為： （2-1）車輪垂直力 （2-2）A：假設(shè)路面為單位簡諧函數(shù) （2-3）將3-3式代入3-1式并改寫為矩陣形式 （2-4）利用復(fù)指數(shù)法求解32，用代換，令方程解為 （2-5）代入方程并化簡，得 （2-6）簡寫為 （2-7）求得 （2-8）式中為矩陣的行列式，和分別為復(fù)振幅的模和相角。取實(shí)部，則路面激勵(lì)下的位移為 （2-9）代入式（7）得車輪垂直力 （2-10）上式表明車輪垂直動(dòng)載（為車輪垂直力減去均值，后面文中不加區(qū)別都用表示）與路面諧波具有相同的頻率，只是幅值不同。系統(tǒng)放大因子 （2-11）因而垂直動(dòng)載對(duì)于幅值為的諧波路面的放大因子跟汽車結(jié)構(gòu)參數(shù)和諧波頻率有關(guān)。B:前面假設(shè)

33、路面為單位簡諧函數(shù)，這是理想化的路面。但可以進(jìn)行擴(kuò)展，認(rèn)為路面是波形路面，有一定的周期，則根據(jù)傅里葉級(jí)數(shù)展開式可以將路面不平度表示為：（2-12）式中，為基頻率;為不同頻率對(duì)應(yīng)的振幅。汽車作微幅振動(dòng)時(shí)近似為線性系統(tǒng)，根據(jù)線性系統(tǒng)理論，幾個(gè)激勵(lì)函數(shù)共同作用的總和是各種響應(yīng)函數(shù)的總和。因而車輛對(duì)的響應(yīng)為各個(gè)分量響應(yīng)的和。一般的路面不平度是無規(guī)則的，只需將波形路面的周期設(shè)想成很大，關(guān)于路面不平度的理論推導(dǎo)仍會(huì)有效，相應(yīng)的譜值由離散譜變?yōu)檫B續(xù)譜。因而路面激勵(lì)下的垂直載荷頻帶寬度和路面頻帶寬度相近（由于輪胎的包容特性等原因會(huì)稍有差異），并且幅值也受路面頻率、路面波動(dòng)幅值以及汽車振動(dòng)參數(shù)影響。為利用垂直載

34、荷分析路面不平度提供了證據(jù)，也為后面使用小波多分辨率分析盡性特征提取提供了理論依據(jù)。第三章 第三章 實(shí)驗(yàn)數(shù)據(jù)采集及小波特征提取汽車在路面行駛時(shí)的垂直動(dòng)載是通過汽車道路數(shù)據(jù)采集系統(tǒng)獲取的，數(shù)據(jù)采集系統(tǒng)可以用來完成對(duì)六維力車輪力采集。因六維力測量部件是車輪力傳感器，故后面重點(diǎn)介紹了自行研制的車輪力傳感器的結(jié)構(gòu)和原理，然后根據(jù)試驗(yàn)數(shù)據(jù)處理的要求，提出了數(shù)據(jù)采集試驗(yàn)方案。最后提出了用于基于垂直動(dòng)載的路面不平度識(shí)別的小波特征提取方法，對(duì)垂直動(dòng)載用bior1.5小波，做3層小波分解，最終得出了能判斷路面類型的垂直動(dòng)載特征參數(shù)。3.1 實(shí)驗(yàn)數(shù)據(jù)采集3.1.1 實(shí)驗(yàn)?zāi)康臑榱四茉O(shè)計(jì)出能根據(jù)垂直載荷數(shù)據(jù)判斷路面不

35、平度類型的分類器，需采集多種路面的垂直載荷數(shù)據(jù)，對(duì)每種路面采集多個(gè)樣本，并記錄下路面類型，建立樣本集，然后通過小波特征提取穩(wěn)定、可靠、能表明路面不平度狀況的特征參數(shù)。3.1.2 數(shù)據(jù)采集系統(tǒng)硬件構(gòu)成圖3-1采集系統(tǒng)硬件總體框圖整個(gè)汽車道路數(shù)據(jù)采集硬件系統(tǒng)采用了“前端傳感器數(shù)據(jù)采集裝置上位機(jī)”的構(gòu)架。數(shù)據(jù)采集裝置參照CPCI標(biāo)準(zhǔn)的并行插卡式結(jié)構(gòu)，設(shè)計(jì)一個(gè)插卡機(jī)箱，包括電源供給模板、背板和多個(gè)標(biāo)準(zhǔn)插槽。各采集卡均基于分布式系統(tǒng)構(gòu)成：每塊卡包含獨(dú)立的CPU完成本采集卡的數(shù)據(jù)采集、傳輸與主控制的通訊。系統(tǒng)結(jié)構(gòu)框圖見圖3-1。由上圖可以看出，本汽車道路數(shù)據(jù)采集系統(tǒng)可以同時(shí)完成處六維力外的車身姿態(tài)車速、踏

36、板力、方向盤轉(zhuǎn)角等多個(gè)參數(shù)的測量，本章僅采集六維力，把處理后的垂直動(dòng)載結(jié)合位移信號(hào)進(jìn)行路面不平度分析。圖3-2數(shù)據(jù)采集箱和PDA實(shí)物圖試驗(yàn)前和試驗(yàn)過程中都需要對(duì)傳感器和采集裝置狀態(tài)進(jìn)行檢測和監(jiān)控?？紤]到車載電源的功率，采用PDA對(duì)傳感器和采集裝置狀態(tài)實(shí)施監(jiān)控和試驗(yàn)過程控制，包括開始、停止、有效性判斷等。試驗(yàn)結(jié)束后，利用通用筆記本電腦將試驗(yàn)數(shù)據(jù)快速導(dǎo)出。這種方式既實(shí)現(xiàn)了對(duì)采樣過程的監(jiān)控、提高了采樣頻率和數(shù)據(jù)傳輸效率，又充分利用了通用微機(jī)的優(yōu)勢(shì)，降低了系統(tǒng)對(duì)設(shè)備的要求。數(shù)據(jù)采集箱和PDA圖見圖3-2。3.1.3 車輪力傳感器介紹車輪力傳感器是整個(gè)汽車道路數(shù)據(jù)采集系統(tǒng)的核心部件。下面對(duì)國外車輪力傳感

37、器以及自行研制的車輪力傳感器進(jìn)行詳細(xì)介紹。3.1.3.1 自行研制的車輪力傳感器介紹國內(nèi)路譜采集試驗(yàn)用的車輪力傳感器依靠進(jìn)口，價(jià)格昂貴。為了研制具有我國自主知識(shí)產(chǎn)權(quán)的汽車道路試驗(yàn)系統(tǒng)，1996年機(jī)械部重點(diǎn)立項(xiàng)對(duì)車輪力傳感器及汽車道路數(shù)據(jù)采集系統(tǒng)進(jìn)行研究，由本試驗(yàn)室與躍進(jìn)汽車集團(tuán)共同承接，1998年完成了車輪扭矩單參數(shù)測試技術(shù)的研究并進(jìn)行了應(yīng)用，取得了初步成果，以車輪扭矩傳感器為核心的汽車道路測試系統(tǒng)于1998年通過技術(shù)鑒定，獲省級(jí)科技進(jìn)步二等獎(jiǎng)，該成果填補(bǔ)了國內(nèi)在車輪力傳感器方面的空白。本文數(shù)據(jù)采集設(shè)備采用的是自行研制的車輪力傳感器。本試驗(yàn)室從1992年開始車輪力傳感器的研究，歷時(shí)十幾年不斷改

38、進(jìn)，終于取得突破性成果。利用該傳感器成功完成了省交通廳的項(xiàng)目（車輛安全性能評(píng)價(jià)及檢測裝置研究，項(xiàng)目編號(hào)：05c02）。汽車行駛在路面上時(shí)車輪受到地面切向反作用力（縱向力）、側(cè)向力、法向力（垂直力）三個(gè)力以及翻轉(zhuǎn)力矩、滾動(dòng)力矩、回正力矩三個(gè)力矩，見圖3-3。圖3-3車輪力受力圖彈性體由內(nèi)環(huán)、外環(huán)及連接內(nèi)外環(huán)的變形梁構(gòu)成。內(nèi)環(huán)和外環(huán)的縱截面均是矩形，并沿環(huán)體均布16孔，用于螺栓固定。彈性體及其輪輞和輪轂的實(shí)物如圖3-4、圖3-5所示。圖3-4 彈性體與輪轂和輪輞的聯(lián)接圖從圖3-4可見，輪轂法蘭與彈性體內(nèi)環(huán)相連。車輪的制動(dòng)扭矩My是通過輪轂法蘭傳遞給彈性體的內(nèi)環(huán)面，引起應(yīng)變梁彎曲變形；車輪的縱向力F

39、x、側(cè)向力Fy是通過輪輞法蘭傳遞給彈性體的外環(huán)面，引起應(yīng)變梁拉伸和彎曲變形；車輪的垂直載荷Fz是通過內(nèi)環(huán)面的螺栓和配合面以及外環(huán)面的螺栓和配合面?zhèn)鬟f的。8梁輪輻式彈性體結(jié)構(gòu)與車輪連接方式簡便，通用性好，并能準(zhǔn)確地傳遞車輪所受到的作用力。車輪力在整車上的安裝見圖3-5（b）。 （a） （b）圖3-5 彈性體與車輪安裝實(shí)物圖（a） 彈性體實(shí)物圖;（b）彈性體與車輪裝配圖3.1.3.2 車輪傳感器原理介紹在應(yīng)變式傳感器設(shè)計(jì)中，測量點(diǎn)的選取直接影響傳感器的輸出靈敏度、多維力對(duì)應(yīng)變片的耦合影響以及應(yīng)變片的組橋，因此，測量點(diǎn)的選取是傳感器設(shè)計(jì)的關(guān)鍵。本節(jié)以通用型車輪力傳感器為例進(jìn)行分析，說明多維力測量原理

40、。圖3-6為通用型車輪力傳感器彈性體結(jié)構(gòu)示意圖。圖3-6 傳感器彈性體結(jié)構(gòu)示意圖由于彈性體結(jié)構(gòu)對(duì)稱，因此變形梁A、B、C、D、E、F、G、H受力后對(duì)稱點(diǎn)的應(yīng)力也具有對(duì)稱性或反對(duì)稱的特點(diǎn)。在六維力作用下，彈性體變形梁將產(chǎn)生壓縮或拉伸、彎曲、側(cè)彎曲及扭轉(zhuǎn)變形，變形梁表面軸線上點(diǎn)的應(yīng)力狀態(tài)為二向應(yīng)力狀態(tài)，由沿應(yīng)變梁軸線的正應(yīng)力和與軸線垂直的剪應(yīng)力組成，如圖3-7所示。 圖3-7 應(yīng)變梁應(yīng)力狀態(tài)圖按照應(yīng)變式傳感器的設(shè)計(jì)原理，在變形梁的四周面上軸線處對(duì)應(yīng)位置選取測量點(diǎn)，利用應(yīng)變片測出該點(diǎn)由于施加各向載荷而產(chǎn)生的應(yīng)變，從而根據(jù)得到應(yīng)變與變形梁上作用載荷的關(guān)系得出各個(gè)力（矩）。由于各個(gè)力和力矩產(chǎn)生的最大正應(yīng)

41、力點(diǎn)在梁的不同位置，可以選擇這些位置作為測量點(diǎn)，使得應(yīng)變片的感量能夠盡可能的以某一個(gè)外部載荷為主，這樣就可以實(shí)現(xiàn)選擇測量點(diǎn)進(jìn)行輸出解耦?；诹蛄ε季貙?duì)彈性梁的作用分析可知，對(duì)于一個(gè)力（作用線與梁軸線正交）所產(chǎn)生的正應(yīng)力和剪應(yīng)力的最大值位于應(yīng)變梁的不同位置。剪應(yīng)力最大值位于中性層，而此處正應(yīng)力為零；正應(yīng)力最大值位于遠(yuǎn)離中性層的上下表面，此處剪應(yīng)力為零（假定應(yīng)變梁為矩形對(duì)稱截面）。對(duì)于六維力的共同作用，若能通過應(yīng)變片布片使各維力作用引起的變形反映在不同的應(yīng)變片的輸出上，則可從應(yīng)力類型和狀態(tài)進(jìn)行解耦，對(duì)于消除誤差提高傳感器的精度具有一定意義。為了方便分析，引入下列假設(shè)假設(shè)1：傳感器彈性體內(nèi)環(huán)和外環(huán)

42、結(jié)構(gòu)尺寸較大，故視之為剛體，因此假設(shè)變形梁為兩端固支梁；假設(shè)2：變形梁彎曲變形過程中，截面始終保持為平面；假設(shè)3：縱向纖維間的側(cè)向應(yīng)力的影響可以略去不計(jì)； 根據(jù)假設(shè)1，變形梁可簡化為兩端固支梁的受力變形。以下分析都以此為理論基礎(chǔ)。選取座標(biāo)系與輪力傳感器固聯(lián)，如圖3-7所示，傳感器上作用六個(gè)廣義力，定義為縱向力作用、側(cè)向力作用、垂直力作用、側(cè)傾力矩作用、扭矩作用、橫擺力矩作用，現(xiàn)分析各力對(duì)傳感器變形梁的作用。在各向載荷的作用下，傳感器中的變形梁產(chǎn)生彎曲、側(cè)彎曲、拉壓及扭轉(zhuǎn)復(fù)合變形，現(xiàn)分別進(jìn)行分析以確定對(duì)應(yīng)于各種變形測量點(diǎn)的選取。l 彎曲變形 圖3-8 梁受力變形示意圖 由內(nèi)外環(huán)剛性假設(shè)，如果忽略

43、軸向位移，可確定梁變形的邊界條件為A面與B面只有相對(duì)垂直位移，無相對(duì)角位移，如圖3-8（a）所示。將A截面固定，B截面相對(duì)于A截面有線位移。由圖3-8(b)可知，梁的中點(diǎn)C為拐點(diǎn)，撓曲線二階導(dǎo)數(shù)在該點(diǎn)為零，即C截面彎矩為零： （3-1）如果不考慮軸向力，變形梁A截面與B截面上的外載是反對(duì)稱的，所以，C截面上只有反對(duì)稱的內(nèi)力剪力Q。如果從C點(diǎn)截開，如圖3-8 (c)所示。由于C截面上只有剪力Q，因此，AC梁可簡化為懸臂梁進(jìn)行分析。按照懸臂梁的分析方法，彎曲梁彎矩最大處在梁的根部，此處應(yīng)變最大，因此，測量彎曲變形的測量點(diǎn)應(yīng)選擇在變形梁的根部。l 側(cè)彎曲變形仿彎曲變形的分析，可得測量側(cè)彎曲變形的測量

44、點(diǎn)應(yīng)選在變形梁的根部的側(cè)表面。l 拉壓變形變形梁受拉壓力，其梁橫截面上的變形一樣，故測量點(diǎn)可選擇在梁上任意截面上，為了使拉壓力測量點(diǎn)與測量彎曲力的測量點(diǎn)分開布置，選擇的變形梁的中部截面表面作為測量區(qū)域。l 扭轉(zhuǎn)變形梁扭轉(zhuǎn)變形，其表面產(chǎn)生剪應(yīng)力，在梁的縱軸向?qū)⒉划a(chǎn)生線應(yīng)變，為了使應(yīng)變片測量的變形量中不包含剪應(yīng)力所產(chǎn)生的量，可以將應(yīng)變片沿梁的縱軸向粘貼，這樣，扭轉(zhuǎn)變形對(duì)沿縱軸向布置的應(yīng)變片沒有影響，在以后的分析中，可以不考慮梁扭轉(zhuǎn)變形對(duì)測量的影響。根據(jù)以上分析，測量點(diǎn)選取及應(yīng)變片貼片布置如下：選擇A、E梁側(cè)表面中間軸線處，布置應(yīng)變片1、2、9、10，測量垂直力引起的變形；選擇C、G梁側(cè)表面中間軸線

45、處，布應(yīng)變片5、6、13、14，測量縱向力引起的變形；選擇B、D、F、H梁上下表面根部軸線處，布應(yīng)變片18、20、22、24、26、28、30、32，測量側(cè)向力Fy引起的變形；選擇B、D、F、H梁側(cè)表面根部軸線處，布應(yīng)變片3、4、7、8、11、12、15、16，測量扭矩引起的變形；選擇C、G梁上下表面根部軸線處，布應(yīng)變片19、23、27、31，測量橫擺力矩引起的變形；選擇A、E梁上下表面根部軸線處，布應(yīng)變片17、21、25、29，測量側(cè)傾力矩引起的變形。3.1.4 數(shù)據(jù)采集和分析系統(tǒng)軟件介紹數(shù)據(jù)采集和分析軟件使用Delphi編寫。軟件系統(tǒng)包括試驗(yàn)參數(shù)設(shè)置、試驗(yàn)管理、數(shù)據(jù)采集監(jiān)控、動(dòng)態(tài)初值選取、

46、數(shù)據(jù)上傳幾大模塊組成系統(tǒng)。采集界面以及功能見圖3-9。數(shù)據(jù)采集時(shí)先對(duì)系統(tǒng)初始化和自檢，自檢成功后進(jìn)行采集。各路信號(hào)的采集和數(shù)據(jù)存儲(chǔ)都是在中斷子程序中完成的，各中斷優(yōu)先級(jí)由系統(tǒng)定義。另外還包括外擴(kuò)FLASH的管理子模塊，可方便地對(duì)其調(diào)用進(jìn)行讀寫操作。圖 39 數(shù)據(jù)采集控制軟件功能示意圖及界面圖數(shù)據(jù)處理與分析軟件是對(duì)采集得到的原始數(shù)據(jù)進(jìn)行適當(dāng)?shù)臑V波和解算，并將數(shù)據(jù)以表格、曲線等方式直觀方式輸出，供分析人員選取適當(dāng)?shù)臄?shù)據(jù)段并保存成新的文件以進(jìn)行深入分析。保存形成的新文件可通過本軟件的分析部分進(jìn)行多種分析如：各種評(píng)價(jià)指標(biāo)的計(jì)算與顯示（制動(dòng)距離、制動(dòng)時(shí)間、滑移率、制動(dòng)力、附著系數(shù)利用率等曲線與數(shù)值）、報(bào)

47、表輸出、常規(guī)參數(shù)計(jì)算（如：充分發(fā)出平均減速度、制動(dòng)強(qiáng)度和制動(dòng)距離等）等功能,數(shù)據(jù)處理與分析軟件框圖見圖3-10，軟件界面見圖3-11。圖 311 數(shù)據(jù)處理與分析軟件主界面圖 310數(shù)據(jù)處理與分析軟件總體框圖3.1.5 實(shí)驗(yàn)主要內(nèi)容實(shí)驗(yàn)方案：利用數(shù)據(jù)采集系統(tǒng)采集1（水泥路），2（石塊路），3（魚鱗路），4（碎石路），5（搓板路）路面的垂直載荷數(shù)據(jù)，每種路面采集多個(gè)樣本，并記錄下路面類型（如石塊路、瀝青路等），以便建立訓(xùn)練樣本和測試樣本，調(diào)節(jié)試驗(yàn)人員載荷分配使對(duì)汽車縱軸線左右對(duì)稱。對(duì)于同一路面反復(fù)測量時(shí)特征參數(shù)相對(duì)差別越小越好，即要求參數(shù)的穩(wěn)定性要高，為了衡量參數(shù)的穩(wěn)定性選取幾種路面進(jìn)行多次重復(fù)試

48、驗(yàn)。實(shí)驗(yàn)共采集17組數(shù)據(jù)。采樣頻率確定：文獻(xiàn)10計(jì)算機(jī)模擬在B級(jí)路面以50km/h車速時(shí)采樣頻率為200Hz，文獻(xiàn)28介紹路譜測量每10 秒2048 點(diǎn)，故本試驗(yàn)定采樣頻率為200Hz。在試驗(yàn)車速為25km/h，采樣頻率為200Hz時(shí)，采樣點(diǎn)間距為m。一般認(rèn)為路面波長m,故能夠滿足采樣定理要求。試驗(yàn)車速確定：在汽車輪胎不脫離地面行駛時(shí)，第二章中使用垂直動(dòng)載分析路面不平度狀況的理論推導(dǎo)有效，并且動(dòng)載變化大小能連續(xù)準(zhǔn)確反應(yīng)路面不平度狀況。若有跳起現(xiàn)象，則在兩次回落之間的路面不平度信息無法準(zhǔn)確測量，并且回落瞬間垂直載荷急烈變大，與其對(duì)應(yīng)的路面不平度不符。故車速不應(yīng)太高。如果車速太低，則在相同時(shí)間內(nèi)測

49、試距離太短，不能完成平坦路面的一個(gè)波長測量。如果低速測時(shí)距離太長則數(shù)據(jù)量太大，不利用計(jì)算，故車速也不能太低。參考激光路面平整度（測試車速度為20-120km/h）測試儀器的采用車速，并根據(jù)某些特定路面（如石塊路最好不能超過30km/h）的要求確定車速為25km/h。3.2 小波特征提取車輪的垂直動(dòng)載可以作為模擬道路的響應(yīng)直接應(yīng)用于汽車室內(nèi)道路模擬試驗(yàn),因而通過車輪力進(jìn)行路面不平度識(shí)別具有重大的工程價(jià)值，通過垂直動(dòng)載荷進(jìn)行路面不平度識(shí)別,快速、簡單、經(jīng)濟(jì)。車輛系統(tǒng)結(jié)構(gòu)復(fù)雜,使得車輪力和路面不平度之間的關(guān)系也變得復(fù)雜,因此提取能反映路面不平度的車輪力特征參數(shù)成為問題的關(guān)鍵和難點(diǎn)。本節(jié)對(duì)上述實(shí)驗(yàn)數(shù)據(jù)

50、采集到的垂直動(dòng)載用bior1.5小波，做3層小波分解，將得到的3層細(xì)節(jié)系數(shù)和第3層近似系數(shù)求幅值均值和方差作為識(shí)別路面不平度的特征參數(shù)，然后對(duì)這些特征做歸一化處理。國外通過車輪力進(jìn)行路面不平度識(shí)別已有幾年,但沒有發(fā)表信號(hào)處理的資料，小波可對(duì)信號(hào)進(jìn)行逐層分解,作細(xì)致的描述,已經(jīng)在電力系統(tǒng)故障診斷、語音識(shí)別、醫(yī)學(xué)檢測等眾多領(lǐng)域的識(shí)別中獲得了成功。小波被稱為數(shù)學(xué)顯微鏡，通過多分辨率分析可以對(duì)信號(hào)進(jìn)行逐層分解，適合對(duì)信號(hào)進(jìn)行細(xì)致的描述。下面先介紹多分辨率的概念空間中的一列閉子空間稱為的一個(gè)多分辨率分析（MRA），如果該空間序列滿足下列條件： 單調(diào)性： 逼近性： 伸縮性： 平移不變性： Riesz基存在

51、性：存在使構(gòu)成的Risez基。上述定義揭示了MRA本質(zhì)上類同于人類視覺系統(tǒng)對(duì)物體認(rèn)識(shí)的數(shù)學(xué)描述。如果把當(dāng)作某人在某種尺度下所觀察的某物體的信息，則當(dāng)尺度增加到時(shí)，他所觀察到的是進(jìn)一步靠近物體時(shí)得到的信息。因此，所表示的信息應(yīng)該比更為豐富。小波變換定義為如下積分 （3-9）式中小波系數(shù)，為待分析信號(hào)，為尺度參數(shù)，為小波基函數(shù)，為時(shí)間平移參數(shù)。在小波分析中，信號(hào)的分解和重構(gòu)是通過尺度函數(shù)和小波函數(shù)生成的函數(shù)族實(shí)現(xiàn)的。尺度函數(shù)可以看成小波在大于1的尺度的聚合體。工程應(yīng)用中通常將小波變換中小波函數(shù)的尺度和位移參數(shù)按取離散化數(shù)值，得到一族小波： （3-10）該小波族構(gòu)成空間的一組規(guī)范正交基。將每一尺度的

52、小波函數(shù)組成的空間稱為小波空間，將每一尺度的尺度函數(shù)組成的空間稱為尺度空間 ，存在如下關(guān)系： （3-11）理論證明,尺度空間序列滿足多分辨率分析條件。小波變換是對(duì)信號(hào)的多分辨率分析。因而信號(hào)的小波分析能實(shí)現(xiàn)對(duì)信號(hào)的逐層分解,實(shí)現(xiàn)不同尺度（即不同頻段）對(duì)信號(hào)的觀察，有利于對(duì)信號(hào)特征的提取。使用小波分解特征提取需要解決如下幾個(gè)問題：小波基選取，合適地選擇小波基可使小波變換空間能量集中,這樣有利于選取主要成份作為特征；小波分解的層數(shù)，小波層數(shù)決定了信號(hào)分解頻段的劃分；提取特征的類型等。本文經(jīng)嘗試對(duì)上述實(shí)驗(yàn)數(shù)據(jù)采集到的17組垂直動(dòng)載采用bior 1.5小波，做3層小波分解。以石塊路和碎石路為例，垂直動(dòng)

53、載信號(hào)小波分解后的不同見圖3-12。圖3-12兩路面的垂直動(dòng)載小波分解比較圖中d1，d2，d3，c3分別為垂直動(dòng)載小波分解的第13層細(xì)節(jié)系數(shù)和第3層近似系數(shù)。從圖中可以看出，不同路面的垂直動(dòng)載在不同的小波分解層次中有明顯的差異，使利用這些小波系數(shù)的均值和方差識(shí)別路面類型和狀況成為可能。數(shù)據(jù)處理中信號(hào)幅值的均值和方差表現(xiàn)了一定的分類能力，故將均值和方差算法和小波分解結(jié)合進(jìn)行特征提取，即對(duì)3層細(xì)節(jié)系數(shù)和第3層近似系數(shù)求幅值均值和方差共8個(gè)參數(shù)然后對(duì)它們做歸一化處理作為垂直動(dòng)載荷信號(hào)的特征參數(shù)。得到的17組用于路面識(shí)別的特征參數(shù)數(shù)據(jù)如下：表3-1 樣本特征參數(shù)數(shù)據(jù)樣本特征參數(shù)數(shù)據(jù)路面類型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