[发明专利]机动车安全监测系统制动性能辨识方法

说明书

技术领域

本发明涉及机动车安全运行参数监测，尤其涉及一种基于递归小波Elman网络的机动车安全运行监测系统制动性能辨识的信息处理方法。

背景技术

机动车运行安全状态监测技术是保证机动车安全行驶的主要手段，也是机动车运行安全检测技术发展的必然趋势。采用机动车运行安全状态监控技术对机动车运行安全状态和运行指标进行动态监测，及时发现和预防机动车故障，发展监测、控制、管理和决策于一体的安全监控网络体系，对机动车安全运行具有重要意义。它不仅能提高机动车安全运行的技术保障能力、减少交通事故，而且对促进机动车工业及交通运输事业的发展有重大的意义。机动车运行安全状态监测主要包括监测机动车(车身、车轮)运动姿态参数、动载荷参数、制动性能参数。制动性能是评价机动车最重要的技术指标，是汽车安全检测的基本项目之一。机动车再运行过程中，会产生制动、加速、转向、直线行驶等工况，通过监测车轮和整车性能可以获得较直接、较真实、较丰富的机动车安全运行信息。

机动车运行状态制动性能监测采用的无陀螺捷联测量系统是一种多变量、非线性、时变的复杂系统，当考虑安装误差时，安装于车身十二个加速度计的敏感方向矩阵及安装位置矩阵都会在其本身向量上有微小变化，从而解算出的角速度与理论值有较大偏差，这种偏差会随着时间而不断累积。影响系统精度的因素除了安装误差对角速度解算的影响，对于其它影响系统精度的因素还有待解决，但由于建立的模型复杂，计算量繁琐，难以考虑周全。如果不需要知道具体精确的数学模型，那么可考虑用神经网络的方法来进行系统辨识，逼近系统输入和输出之间的非线性。

小波变换是在傅立叶分析基础上发展起来的一种信号处理方法，小波变换能将各种交织在一起的不同频率混合信号分解成不同频带上的块信号，然后在各个时频区域分别进行观察和处理，在时域和频域都具有表征信号局部特征的能力。鉴于小波变换具有良好的时频局部性质和变焦性质，而Elman网络具有自学习、强鲁棒性和推广能力，把对小波变换与Elman网络结合起来建模就能结合两者的优点，提高建模的准确度。因此本发明阐述一种基于递归小波Elman网络的机动车安全运行监测系统制动性能辨识方法。

国内(发明专利)号CN1605502的“机动车制动信号系统”通过对机动车高速行驶制动时的制动强度参数进行处理分级，并采取分级信号方式显示，明确车辆制动强度，以便高速行驶的后车及时准确地采取相应的制动应对措施，避免后车盲目制动导致的危险。该专利未涉及机动车制动性能辨析的信号处理方法。

国内(发明专利)号CN102112351A的“对机动车中的制动系统进行功能检验的方法”涉及一种用于对机动车中的制动系统进行功能检验的方法，在该方法中首先将制动流体移入储存室中，随后测量制动回路中的制动压力并且将该制动压力与基准值相比较，其中在低于基准值的情况下产生报警信号。该专利未涉及机动车制动性能辨识的信号处理方法。

2008年提出的国内(发明专利)号CN101480946的“一种基于轮载式智能传感车轮制动性能监测方法”公开了一种基于轮载式智能传感车轮制动性能监测方法，通过在机动车各个车轮的轮毂赤道平面上安装智能传感模块和在车身安装智能传感单元，传感信号经信号调理、数字化、姿态算法、制动算法计算获得车轮的主要制动性能参数。该方法通过对参数进行多传感数据融合及分析，能够主动评价机动车运动安全状况。该专利内容涉及基于制动精确模型方式进行制动性能参数计算，未涉及本专利提出的基于递归小波Elman网络的非具体模型的辨识信号处理新方法。

国内(发明专利)号CN101718769A的“一种基于并联型遗传Elman神经网络的源驱动式235U浓度识别方法”主要包括建立神经网络模型，神经网络模型结构分为三层：数据分配层、子网层、综合决策层；对获取的中子脉冲信号自相关函数做预处理；将处理后的信号自相关函数样本输入并联型遗传Elman网络的数据分配层，采用循环随机多点抽样法对样本数据进行分配；将分配好的数据分别输入子网层中的各个遗传Elman子网进行识别，并各自给出识别结果；综合决策层通过对多个子网的识别结果作综合处置，得出235U浓度最终识别结果。该方法因其较高的数据利用率，新颖的网络结构，取得了较好的235U浓度识别效果。该专利未涉及递归小波Elman网络的信号处理方法。

发明内容

为解决因安装、传感标定等因素对制动性能参数测量所带来的难以解决的误差问题，本发明提供了一种机动车安全监测系统制动性能辨识方法。基于递归小波Elman网络的非具体模型辨识处理方法，可以有效提高制动性能多参数测量值准确度。所述技术方案如下：