[发明专利]一种基于深度学习的路面不平度及等级实时辨识系统

说明书

本发明涉及一种路面不平度及等级实时辨识系统，属于车辆行驶过程中的检测技术领域。该系统包括：车辆动态响应信息提取模块、信息传输模块和路面参数实时辨识模块；所述车辆动态响应信息提取模块，其所用传感器包括：内置磁致伸缩位移传感器、压力传感器和编码器，所述信息传输模块将位移传感器、压力传感器和速度传感器所获信息通过CAN总线实时传输到ECU中；所述路面参数实时辨识模块将EMD、小波去噪和已训练完成的深度学习程序编写在ECU中，从而实时辨识路面不平度和等级。本发明可以实时辨识路面不平度及等级，判断精准，为悬架的主动控制提供了依据；除此之外，本发明可移植性高，不受车辆类型的限制，对车辆具有较好的适用性。

技术领域

本发明涉及车辆行驶过程中的检测技术，具体涉及一种路面不平度及等级实时辨识系统。

背景技术

路面平整度是影响车辆垂向振动响应的主要因素，对车辆的平顺性以及车辆操纵稳定性都有重要影响。其衡量指标——路面不平度是指路面相对基准平面高度沿道路走向长度的变化，用来描述路面的起伏程度。大量研究表明：路面不平度可视为平稳随机过程，可用功率谱密度PSD描述。国标标准协会根据功率谱密度值的上下限将路面等级分为A-H共8个等级。

传统的路面不平度及等级识别方法主要有两种：一种是基于激光测距仪获得的路面高程信息，建立路面高程模型，进而求解路面等级；另一种是基于加速度传感器获得的加速度信息，获得路面不平度信息，进而求解路面等级。当使用激光测距仪进行路面等级评价时，要求车速很慢，因为车辆的振动会影响激光测距仪的测量结果，导致测量结果误差较大，因此在距离较长或者路面等级较为恶劣的路面上并不适用。当使用加速度传感器进行路面等级评价时，所获得的加速度信息需要进行滤波，但是由于不同的车辆参数性能不一样，会导致不同车辆的滤波标准不一样，且滤波具体参数难以确定，需要采取试凑法来确定滤波器的具体参数，费时费力，且不具有通用性。以上方法均不是基于车载传感器的路面等级辨识方法，需要外加传感器，实用性不佳，且功能较为单一。

发明内容

本发明针对现有技术的不足，提供一种能够更加精确、更具有实用性的基于深度学习的路面不平度及等级实时辨识系统。

本发明采用的技术方案为：

一种基于深度学习的路面不平度及等级实时辨识系统，包括：车辆动态响应信息提取模块、信息传输模块和路面参数实时辨识模块；

所述车辆动态响应信息提取模块，其所用传感器包括：内置磁致伸缩位移传感器、压力传感器和编码器，所述内置磁致伸缩位移传感器和压力传感器用于实时测量车辆在路面行驶时的位移和油压，所述编码器用于实时测量车辆实时速度；

所述信息传输模块将位移传感器、压力传感器和速度传感器所获信息通过CAN总线实时传输到ECU中；

所述路面参数实时辨识模块将EMD、小波去噪和已训练完成的深度学习程序编写在ECU中，从而实时辨识路面不平度和等级。

进一步地，所述深度学习包括样本的获取、深度学习模型的建立以及应用三个部分。

进一步地，所述样本的获取：将试验车在已知路面不平度和路面等级的路面上以不同车速行驶，同时采集包括一桥左侧位移x_1L和油压p_1L，一桥右侧位移x_1R和油压p_1R,五桥左侧位移x_5L和油压p_5L，五桥右侧位移x_5R和油压p_5R以及车速v传感器信息。

进一步地，所述深度学习模型的建立：将所获传感器信息和对应的路面不平度和等级去训练深度模型，从而得到深度学习的模型参数。