[发明专利]一种重载车辆侧翻阈值自适应估计方法

权利要求书

1.一种重载车辆侧翻阈值自适应估计方法，其特征在于，具体步骤包括：

步骤一：明确侧翻表征参数和影响侧翻阈值的因素并搭建侧翻阈值标定装置

侧翻表征参数选为侧倾角τ和侧向加速度α，影响侧翻阈值的因素选为车速v和整车质量m；

侧翻阈值标定装置包括一台高精度惯性测量单元、两个轮力传感器和两台防侧翻架，高精度惯性测量单元安装在接近重载车辆质心处，轮力传感器安装在重载车辆尾部最后一轴两侧车轮上，防侧翻架安装在重载车辆两侧；高精度惯性测量单元采集侧倾角τ和侧向加速度α，轮力传感器采集最后一轴左车轮垂向力f_l和右车轮垂向力f_r；通过车身CAN总线采集最后一轴两轮轮速传感器信息的均值作为车速v，整车质量m事先静态测量获得，各传感器数据输出频率相同；

步骤二：建立适用于重载车辆实车试验的多维度典型侧翻场景库

重载车辆侧翻场景库各场景基元划分如下表所示：

场景基元排列组合后有30种侧翻场景；

步骤三：开展不同侧翻场景下重载车辆侧翻阈值标定试验

不同侧翻场景下重载车辆侧翻阈值标定试验的具体步骤包括：

子步骤1：标定试验应在干燥、坚实的路面上进行，且路面表面峰值附着系数不小于0.9；检查标定装置中各传感器的可靠性，防侧翻架的安全性，以及检查试验场地有无安全隐患；

子步骤2：基于步骤二中确定的侧翻场景在封闭试验场依次设置载荷、路面状况、纵向坡度和驾驶行为，在试验场地上画出J转向和双移线的试验轨迹；试验开始前，静态测量整车质量m；

子步骤3：保持恒定车速按照轨迹行驶，以32km/h为初始速度，逐次增加2km/h，直到连续5次试验过程中最后一轴一侧轮胎垂向力为0或者防侧翻支架一侧着地结束当前场景下侧翻阈值标定试验，保存这5次试验的车速v、整车质量m、侧倾角τ和侧向加速度α、最后一轴左车轮垂向力f_l、最后一轴右车轮垂向力f_r的数据；

子步骤4：重复子步骤2和子步骤3，完成30种侧翻场景下的阈值标定试验并保存数据；

步骤四：处理数据并标定不同场景下车辆在侧翻临界状态时各车身状态参数的值

30种侧翻场景标定试验完成后，每个场景下保存了5次试验数据，共有150次试验数据；采用中位值平均滤波对每次试验采集的车速v、侧倾角τ和侧向加速度α、最后一轴左车轮垂向力f_l、最后一轴右车轮垂向力f_r的数据进行处理；以侧向加速度为例，α_t为某次试验中侧向加速度的一组数据，t＝1,2,…,n，n为该次试验中侧向加速度数据量，中位值平均滤波处理方法如下：

当t＜4,t＞n-3时，

当4≤t≤n-3时，

该次试验的车速v、侧倾角τ、最后一轴左车轮垂向力f_l、最后一轴右车轮垂向力f_r数据以同样的方法进行滤波处理；

150次试验的各项数据经过上述方法处理后，以最后一轴单侧车轮的垂向力为0来标志重载车辆发生侧翻的临界状态，并获得垂向力为0时车速v、整车质量m、侧倾角τ和侧向加速度α的数值，具体步骤包括：

子步骤1：将某次试验的车速v、侧倾角τ、侧向加速度α、最后一轴左车轮垂向力f_l和最后一轴右车轮垂向力f_r的数据进行时间轴统一显示，即各数据的曲线具有相同的起始时刻和终止时刻，整车质量m为一定值；

子步骤2：从起始时刻开始搜索两侧车轮任一侧垂向力为0的点，记录此时车速、整车质量、侧倾角和侧向加速度的值，记为其中侧倾角和侧向加速度为该次试验的侧翻阈值；

子步骤3：重复上述步骤，记录下150次试验中两侧车轮任一侧垂向力为0时车速、整车质量、侧倾角和侧向加速度的值，

步骤五：建立适用于侧翻阈值动态估计的神经网络

设计的3层神经网络包括输入层、1个隐藏层和输出层，训练样本为

神经网络的输入向量X＝[x₁ x₂]^T，输出向量Y＝[y₁ y₂]^T，其中x₁为车速，x₂为整车质量，y₁为网络输出的侧倾角阈值，y₂为网络输出的侧向加速度阈值，隐藏层有三个节点，网络中隐藏层和输出层中神经元的激活函数为relu函数；

神经网络通过正向传播和反向传播，实现实际输出值与期望输出值之间的方差最小，对神经网络各层间的权值和阈值进行初始化后开始网络训练，利用纠错学习规则和梯度下降法对网络各层间的权值和阈值进行调整，在训练的过程中观察输出误差是否收敛并达到要求，收敛并达到要求后就能得到训练好的神经网络；

步骤六：基于神经网络实现重载车辆侧翻阈值的自适应估计

重载车辆行驶时，通过车身CAN总线实时获取当前时刻车速事先静态测量整车质量在神经网络输入层输入采集的数据，令网络输出y₁为侧倾角阈值，y₂为侧向加速度阈值；令y₁为侧倾角控制阈值，y₂为侧向加速度控制阈值，0.8y₁为侧倾角预警阈值，0.8y₂为侧向加速度预警阈值。