[发明专利]贵重物品运输车队最优行驶速度控制系统及其方法

权利要求书

1.贵重物品运输车队最优行驶速度控制系统，其特征在于：该系统包括定位导航卫星、多个车载卫星定位模块、多个车辆间数据通讯模块、领航车运算及存储模块、领航车振动测量模块、领航车图像显示及语音播报单元、跟随车运算及存储模块、跟随车振动测量模块和跟随车图像显示及语音播报单元；多个车载卫星定位模块和多个车辆间数据通讯模块均一一对应安装在运输车队的每一辆车上；

定位导航卫星实时测量运输车队中每一辆车的卫星坐标系下的绝对位置坐标值，并将其实时传送给运输车队中每一辆车的车载卫星定位模块；

运输车队中每一辆车的车载卫星定位模块均依据其所接收到的卫星坐标系下的绝对位置坐标值，计算车辆自身的水平行驶速度以及邻近前车之间的间距值A，并将计算得到的数据传送给对应的领航车运算及存储模块或者跟随车运算及存储模块进行存储；

领航车振动测量模块用于实时测量路面凹凸处绝对位置坐标值所对应的领航车货物的振动信息，其包括领航车货物垂向振动加速度；

领航车运算及存储模块接收由领航车振动测量模块发来的领航车货物的振动信息和由车载卫星定位模块发来的与领航车货物的振动信息对应的路面凹凸处绝对位置坐标值和领航车当前水平行驶速度，并通过领航车人工神经网络算法求解得出该路面凹凸处所对应的路面凸凹点垂向高度级别值，同时领航车运算及存储模块还将路面凸凹点垂向高度级别值与路面凹凸处绝对位置坐标值对应按序编组，并将每组的路面凸凹点垂向高度级别值与路面凹凸处绝对位置坐标值发送给领航车上所搭载的车辆间数据通讯模块；具体过程如下：

步骤1：建立载货状态下的领航车或跟随车对路面凸凹点的振动响应的力学平衡方程，并对其进行优化，其包括如下子步骤：

步骤1.1：依据公知的单自由度质量-弹簧-阻尼系统建立领航车或跟随车满载货物时的垂向单自由度振动响应的力学平衡方程，如下：

式(1)中，领航车或跟随车满载货物时的总质量M由卡车磅秤称重获得，领航车或跟随车减震系统阻尼系数R和领航车或跟随车减震悬挂弹簧的弹性系数K均为车辆制造商出厂参数获得，其三者均为可由公知方法获取的已知常量；待求参量ξ(t)代表某时刻下领航车或跟随车所受到的路面凸凹点的脉冲冲击力关于时间的函数；

表示由领航车振动测量模块或跟随车振动测量模块中的加速度传感器实时测量的货物在某时刻垂向振动加速度；

表示领航车或跟随车上的货物在某时刻垂向振动速度，其可通过对垂向振动加速度在时间t内的一次积分计算求得，使之成为已知量；

z(t)表示领航车或跟随车上的货物在某时刻的垂向位移量,其可通过对垂向振动加速度在时间t内的二次积分计算求得，使之成为已知量；

步骤1.2：设领航车或跟随车满载货物经过某一路面凸凹点时，其行车速度S与路面凸凹点垂向高度h之间存在的某种必然的函数映射关系为：

ξ(t)＝f(h,S)……(2)

式(2)中，等号右侧表征的函数f(h,S)的具体方程式并不知晓，但在式(2)中，参量ξ(t)代表某时刻下领航车或跟随车受到的路面凸凹点的脉冲冲击力关于时间的函数；S为水平行车速度；h为路面凸凹点等同有效垂向深度，其可由脉冲波形钟型曲线的波峰高度H表征和替代；

步骤2：在运输车队启程行驶后的最初半小时内，由领航车运算及存储模块通过领航车货物的振动信息归纳并获得各个路面凹凸处所对应的路面凸凹点垂向高度级别值的分度表，其包括如下子步骤：

步骤2.1：通过领航车运算及存储模块顺次记录领航车通过每个路面凹凸处绝对位置坐标值时领航车振动测量模块对应采集到的领航车货物的振动信息，以及与领航车货物的振动信息具有映射关系的对应路面凸凹点垂向深度h_i，i为领航车顺次记录的路面凹凸处的顺序编号；其中，领航车货物的振动信息具体为领航车上的货物在某时刻垂向振动加速度

领航车的垂向振动加速度由领航车振动测量模块中的加速度传感器实时测量获得；

步骤2.2：按照由小到大的排列顺序，将领航车上的货物在运输车队启程行驶后的最初半小时内采集的全部垂向振动加速度进行排序，并在其中最大值垂向振动加速度与0的区间之内，将该最大值均分为100等分，保存为路面凸凹点垂向高度级别数据分度表；

步骤2.3：将运输车队启程行驶后的最初半小时及其后续行进过程中，由领航车振动测量模块对应采集到的全部领航车上的货物在任意某时刻垂向振动加速度均分别按其大小顺序填入数据分度表中的对应分度栏目上，并与每一个垂向振动加速度映射路面凸凹点垂向深度h_i一一对应，录入数据分度表内，从而获得一张包含有100个分度等级的路面凸凹点垂向高度级别数据分度表；

步骤3：推导方程：通过联合式(1)和式(2)可得：

式(3)中，等号左侧表征的函数的具体方程式并不知晓，但在式(3)中，领航车或跟随车满载货物时的总质量M、领航车或跟随车减震系统阻尼系数R、领航车或跟随车减震悬挂弹簧的弹性系数K三者均为通过公知方法可获得的已知常量；S为领航车或跟随车自身的水平行车速度，其通过运输车队中每一辆车的车载卫星定位模块依据所接收到的卫星坐标系下的绝对位置坐标值在单位时间内的变化速率而计算求得；表示领航车或跟随车上的货物在某时刻的垂向振动加速度，其由领航车或跟随车振动测量模块中的加速度传感器实时测量获得；

步骤4：建立领航车人工神经网络算法的黑箱模型，其具体包括如下子步骤：

步骤4.1：以式(3)作为传递函数建立领航车人工神经网络算法的黑箱模型，其中：

领航车人工神经网络算法的输入层包括：a)：领航车货物的振动信息，其具体包括领航车上的货物在某时刻垂向振动加速度以及b)：领航车水平行车速度S_领；

领航车人工神经网络算法的隐含层为：c)领航车装载货物时的总质量M_领、领航车减震系统阻尼系数R_领、领航车减震悬挂弹簧的弹性系数K_领；

领航车人工神经网络算法的输出层为：每一个带有编组号码的路面凹凸处绝对位置坐标值，以及与其映射对应的路面凸凹点垂向深度h_i在路面凸凹点垂向高度级别数据分度表中所对应的一个已知的分度等级；

步骤4.2：令领航车上的货物在某时刻垂向振动加速度均小于运输车队所允许的预设振动等级下最大垂向振动安全加速度并以此作为领航车人工神经网络算法的收敛约束条件，从而利用运输车队启程行驶后的最初半小时内所获取的领航车水平行车速度S_领、领航车货物的振动信息以及与其映射对应的路面凸凹点垂向深度h_i在路面凸凹点垂向高度级别数据分度表中所对应的各个分度等级，完成对领航车人工神经网络算法的数据积累迭代的成熟度训练；进而，使训练成熟后的领航车人工神经网络算法可以对运输车队启程行驶后的最初半小时之后的后续行进过程中所获新得任意一组领航车货物的振动信息迅速进行评价和分类确认，进而获得与该组新领航车货物的振动信息正确对应的路面凸凹点垂向高度级别，并对后续行程中的每一处路面凸凹点垂向高度级别的分度等级P进行快速识别和分类确认；领航车上所搭载的车辆间数据通讯模块用于以无线通讯方式将领航车运算及存储模块发来的路面凹凸处的凸凹点垂向高度级别值、路面凹凸处绝对位置坐标值和按序编号的映射关系均共享给运输车队中每一辆跟随车辆上所搭载的车辆间数据通讯模块；

领航车图像显示及语音播报单元实时显示由领航车运算及存储模块发来的领航车当前水平行驶速度以及预设的运输车队所允许的最高行进速度上限值，并在领航车当前水平行驶速度超出所述最高行进速度上限值时，自动进行语音播报警示；

跟随车振动测量模块用于实时测量路面凹凸处绝对位置坐标值所对应的跟随车货物的振动信息，其包括跟随车货物垂向振动加速度；

跟随车运算及存储模块接收由其自身的跟随车振动测量模块发来的跟随车货物的振动信息、由跟随车辆上所搭载的车辆间数据通讯模块发来的每组路面凸凹点垂向高度级别值与路面凹凸处绝对位置坐标值、由跟随车辆上所搭载的车载卫星定位模块发送来的与跟随车货物的振动信息对应的路面凹凸处绝对位置坐标值和跟随车当前水平行驶速度以及邻近前车之间的间距值A，并通过跟随车人工神经网络算法根据接收的信息求解得出跟随车经过前方已知凸凹点垂向高度级别值的凹凸处时所允许的最大行驶速度S_跟max；具体过程如下：

步骤5：建立跟随车人工神经网络算法的黑箱模型，其具体包括如下子步骤：

步骤5.1：以式(3)作为传递函数建立领航车人工神经网络算法的黑箱模型，其中：跟随车人工神经网络算法的输入层包括：d)：跟随车货物的振动信息，其具体包括跟随车上的货物在某时刻垂向振动加速度以及e)：由步骤4.2所求得的每一个带有编组号码的路面凹凸处绝对位置坐标值，以及与其映射对应的路面凸凹点垂向深度h_i在路面凸凹点垂向高度级别数据分度表中所对应的分度等级值P；

跟随车人工神经网络算法的隐含层为：f)：通过公知方法可获得的跟随车装载货物时的总质量M_跟、跟随车减震系统阻尼系数R_跟、跟随车减震悬挂弹簧的弹性系数K_跟；以及g)：跟随车上的货物在某时刻垂向振动加速度

跟随车人工神经网络算法的输出层为：跟随车水平行车速度S_跟；

步骤5.2：令跟随车上的货物在某时刻垂向振动加速度小于运输车队所允许的预设振动等级下最大垂向振动安全加速度并以此作为跟随车人工神经网络算法的收敛约束条件，从而利用运输车队启程行驶后的最初半小时内所顺次获取的每一个路面凸凹点垂向深度h_i在路面凸凹点垂向高度级别数据分度表中所对应的各个分度等级P，完成对跟随车人工神经网络算法的数据积累迭代的成熟度训练；进而，使训练成熟后的跟随车人工神经网络算法可以对运输车队启程行驶半小时之后的后续行进过程中所新获得的任意一组跟随车货物的振动信息迅速进行评价和分类确认，以获得符合运输车队所允许的预设振动等级下最大垂向振动安全加速度约束条件下，该跟随车通过已知凸凹点垂向高度级别值的凹凸处时所允许的最大行驶速度S_跟max；跟随车运算及存储模块确立跟随车行驶速度切换算法，其具体包括如下子步骤：

步骤6.1：在跟随车运算及存储模块中，预先存入公知且成熟的跟随车PID跟随算法，令其实时接收跟随车当前水平行驶速度以及邻近前车之间的间距值A，并计算得出当前跟随车的推荐跟随速度值S_follow；

步骤6.2：跟随车运算及存储模块计算自身当前所处的绝对位置坐标值与即将要通过的路面凹凸处绝对位置坐标值的差值，从而求解出自身当前所处位置与即将要通过的路面凹凸处的距离值B，再将所述距离值B与自身邻近前车之间的间距值A进行比较；若间距值A＜距离值B，则跟随车运算及存储模块通知跟随车图像显示及语音播报单元语音提示跟随车司机，按照推荐跟随速度值S_follow进行跟随行驶；若间距值A≥距离值B，则跟随车运算及存储模块通知跟随车图像显示及语音播报单元语音提示跟随司机按照该跟随车通过前方邻近的已知凸凹点垂向高度级别值的凹凸处时所允许的最大行驶速度S_跟max进行速度变换调整；

跟随车图像显示及语音播报单元实时显示由跟随车所搭载的车载卫星定位模块发来的跟随车的当前水平行驶速度、由跟随车运算及存储模块发来的跟随车经过前方已知凸凹点垂向高度级别值的凹凸处时所允许的最大行驶速度，以及当前跟随车的推荐跟随速度值；跟随车图像显示及语音播报单元根据跟随车运算及存储模块发来的指令进行语音播报，提示司机按照推荐跟随速度值进行跟随行驶或者按照最大行驶速度进行速度调整行驶；具体过程如下：

步骤7：确立整个运输车队的行驶速度控制规则，其包括如下子步骤：

步骤7.1：领航车按照所需运输贵重物品的近似体积和质量，搭载不怕被振动损坏的仿真货物；

步骤7.2：在运输车队启程行驶后的最初半小时内，领航车和跟随车各自的驾驶员均参考业内公知的贵重或危险物品运输规程，使运输车队各车辆均按预设振动等级下最大垂向振动安全加速度行驶；在此期间，领航车驾驶员凭经验尽可能多地使领航车尝试通过允许振动范围内的较深和较多的路面凹凸点；同时，跟随车人工神经网络算法和跟随车人工神经网络算法分别完成各自的成熟度训练；

步骤7.3：在运输车队启程行驶半小时之后，领航车驾驶员继续参考业内公知的贵重或危险物品运输规程并凭借自身经验控制领航车通过路面凸凹点时的合规车速，而各跟随车驾驶员则全部改为依据跟随车图像显示及语音播报单元的语音提示，按照由步骤6.1所获得的推荐跟随速度值S_follow或按照由步骤6.2所获得的跟随车通过前方邻近的已知凸凹点垂向高度级别值的凹凸处时所允许的最大行驶速度S_跟max进行速度变换调整。