汽車(chē)防滑控制系統道路識別技術(shù)的研究
加入技術(shù)交流群
近年來(lái)國內部分從事ABS 理論研究的科研工作者對道路識別技術(shù)的理論也進(jìn)行了一些探討[29－30]。但就整體研究狀況來(lái)看，國內關(guān)于汽車(chē)動(dòng)力學(xué)控制系統的技術(shù)水平和國外相比相對落后，尚未有系統化的道路狀況實(shí)時(shí)識別技術(shù)的研究報道。
3 基于車(chē)輛動(dòng)力學(xué)參數的道路識別技術(shù)研究
道路作為車(chē)輛行駛的界面，其表面狀況的任何差異必然引起與車(chē)輛行駛有關(guān)的參數的變化。輪胎作為車(chē)輛上直接與路面接觸的媒介，它與地面之間力學(xué)狀態(tài)的變化必然與路面的狀況息息相關(guān)，這種變化則體現在車(chē)輪與路面間附著(zhù)性能的差別。車(chē)輛－地面之間附著(zhù)性能除了與路面狀況有關(guān)之外，還與車(chē)輛的動(dòng)力學(xué)參數有關(guān)。
如果將不同的路面狀況以不同的離散化數值來(lái)表示，那么在車(chē)輛動(dòng)力學(xué)系統解析過(guò)程中則可以由這些數值的差異來(lái)顯示道路附著(zhù)狀況的改變?；诖?，筆者采用一個(gè)參數σ作為表征路面狀況的附著(zhù)特征影響因子，從而引入路況因子的概念。對各種路面的路況因子的分配如表1 所示。
表1 常見(jiàn)路面的特征因子σ值 
如果以道路因子的差別來(lái)區分不同種類(lèi)的路面狀況，那么就可以由車(chē)輛的動(dòng)力學(xué)原理根據車(chē)輪運動(dòng)狀態(tài)來(lái)對反映車(chē)輛－地面動(dòng)力學(xué)狀態(tài)的參數進(jìn)行回歸，進(jìn)而對路面狀況進(jìn)行辨識。筆者針對車(chē)輛的防滑控制系統，采用改進(jìn)的多層前向神經(jīng)網(wǎng)絡(luò )和誤差反向傳播的學(xué)習算法，即利用動(dòng)量修正規則和自適應學(xué)習速率的BP 神經(jīng)網(wǎng)絡(luò )，以車(chē)輪的動(dòng)力學(xué)參數為輸入量，對路面的狀況進(jìn)行辨識。在神經(jīng)網(wǎng)絡(luò )辨識結果的基礎上，追加輸出量調諧的二次分類(lèi)算法，最終達到了對路面狀況的細致而良好分類(lèi)識別。
本文將V、Fz、S 這三個(gè)描述車(chē)輪動(dòng)力學(xué)狀態(tài)的參數與路面附著(zhù)系數μ一起作為路面辨識網(wǎng)絡(luò )的輸入參量，即確定了BP 神經(jīng)網(wǎng)絡(luò )的輸入向量為{V，Fz，S，μ}。按照表1 所示，將常見(jiàn)的道路工況按6 類(lèi)劃分，以體現路面附著(zhù)性能從高到低的變化情況。道路識別系統的最終輸出，是依靠將這6 種路面模型模糊化為6 個(gè)路況因子來(lái)進(jìn)行判斷。該路面辨識網(wǎng)絡(luò )在輸出層設計了6 個(gè)神經(jīng)元節點(diǎn)，來(lái)對應網(wǎng)絡(luò )訓練樣本集中輸入參量的聚類(lèi)情況。
網(wǎng)絡(luò )輸出的映射對照存在如下關(guān)系：
表2 道路識別網(wǎng)絡(luò )映射對照表 
道路識別系統的輸出是對應于訓練樣本集類(lèi)別的路況因子值，并需要由此來(lái)對路面進(jìn)行劃分，所以應對BP 網(wǎng)絡(luò )的輸出再進(jìn)行一次處理。
λ = y *[0,0.134,0.253,0.6,0.75,1]T
道路識別系統將根據此? 值來(lái)判斷路面工況，并將其作為車(chē)輛防滑系統控制器的輸入參量用以確定最佳的控制參數門(mén)限及相應的最優(yōu)控制策略和邏輯。
在神經(jīng)網(wǎng)絡(luò )訓練的過(guò)程中，辨識系統的最終輸出路況因子值在很多情況下并不等于期望輸出的目標路況因子值，而是在目標輸出值的周?chē)粋€(gè)很小的鄰域內波動(dòng)。本文經(jīng)過(guò)對網(wǎng)絡(luò )神經(jīng)元輸出的研究，在路面辨識系統BP 神經(jīng)網(wǎng)絡(luò )輸出的基礎上追加了一個(gè)修正算法，以對神經(jīng)網(wǎng)絡(luò )的輸出路況因子值進(jìn)行調諧和二次劃分。所建立的基于車(chē)輛動(dòng)力學(xué)參數回歸和追加修正算法的改進(jìn)BP 神經(jīng)網(wǎng)絡(luò )的道路識別系統組成結構如圖2 所示。
圖2 道路識別系統組成結構框圖
根據圖2 的流程，對車(chē)輛在多種行駛工況下的仿真和試驗數據進(jìn)行處理，作為辨識樣本提供給訓練完 成、神經(jīng)元連接模式已凍結的BP 神經(jīng)網(wǎng)絡(luò )，并根據修正算法對辨識網(wǎng)絡(luò )的一次輸出進(jìn)行再處理，得到幾 種工況下路面識別的效果如圖3～6 和表3 所示。
評論