汽車防滑控制系統(tǒng)道路識別技術(shù)的研究
加入技術(shù)交流群
近年來國內(nèi)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看，國內(nèi)關(guān)于汽車動力學(xué)控制系統(tǒng)的技術(shù)水平和國外相比相對落后，尚未有系統(tǒng)化的道路狀況實時識別技術(shù)的研究報道。
3 基于車輛動力學(xué)參數(shù)的道路識別技術(shù)研究
道路作為車輛行駛的界面，其表面狀況的任何差異必然引起與車輛行駛有關(guān)的參數(shù)的變化。輪胎作為車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(xiàn)在車輪與路面間附著性能的差別。車輛－地面之間附著性能除了與路面狀況有關(guān)之外，還與車輛的動力學(xué)參數(shù)有關(guān)。
如果將不同的路面狀況以不同的離散化數(shù)值來表示，那么在車輛動力學(xué)系統(tǒng)解析過程中則可以由這些數(shù)值的差異來顯示道路附著狀況的改變?；诖?，筆者采用一個參數(shù)σ作為表征路面狀況的附著特征影響因子，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 常見路面的特征因子σ值 
如果以道路因子的差別來區(qū)分不同種類的路面狀況，那么就可以由車輛的動力學(xué)原理根據(jù)車輪運動狀態(tài)來對反映車輛－地面動力學(xué)狀態(tài)的參數(shù)進(jìn)行回歸，進(jìn)而對路面狀況進(jìn)行辨識。筆者針對車輛的防滑控制系統(tǒng)，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(xí)算法，即利用動量修正規(guī)則和自適應(yīng)學(xué)習(xí)速率的BP 神經(jīng)網(wǎng)絡(luò)，以車輪的動力學(xué)參數(shù)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(jié)果的基礎(chǔ)上，追加輸出量調(diào)諧的二次分類算法，最終達(dá)到了對路面狀況的細(xì)致而良好分類識別。
本文將V、Fz、S 這三個描述車輪動力學(xué)狀態(tài)的參數(shù)與路面附著系數(shù)μ一起作為路面辨識網(wǎng)絡(luò)的輸入?yún)⒘浚创_定了BP 神經(jīng)網(wǎng)絡(luò)的輸入向量為{V，F(xiàn)z，S，μ}。按照表1 所示，將常見的道路工況按6 類劃分，以體現(xiàn)路面附著性能從高到低的變化情況。道路識別系統(tǒng)的最終輸出，是依靠將這6 種路面模型模糊化為6 個路況因子來進(jìn)行判斷。該路面辨識網(wǎng)絡(luò)在輸出層設(shè)計了6 個神經(jīng)元節(jié)點，來對應(yīng)網(wǎng)絡(luò)訓(xùn)練樣本集中輸入?yún)⒘康木垲惽闆r。
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(tǒng)的輸出是對應(yīng)于訓(xùn)練樣本集類別的路況因子值，并需要由此來對路面進(jìn)行劃分，所以應(yīng)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(tǒng)將根據(jù)此? 值來判斷路面工況，并將其作為車輛防滑系統(tǒng)控制器的輸入?yún)⒘坑靡源_定最佳的控制參數(shù)門限及相應(yīng)的最優(yōu)控制策略和邏輯。
在神經(jīng)網(wǎng)絡(luò)訓(xùn)練的過程中，辨識系統(tǒng)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(biāo)路況因子值，而是在目標(biāo)輸出值的周圍一個很小的鄰域內(nèi)波動。本文經(jīng)過對網(wǎng)絡(luò)神經(jīng)元輸出的研究，在路面辨識系統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)輸出的基礎(chǔ)上追加了一個修正算法，以對神經(jīng)網(wǎng)絡(luò)的輸出路況因子值進(jìn)行調(diào)諧和二次劃分。所建立的基于車輛動力學(xué)參數(shù)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(tǒng)組成結(jié)構(gòu)如圖2 所示。
圖2 道路識別系統(tǒng)組成結(jié)構(gòu)框圖
根據(jù)圖2 的流程，對車輛在多種行駛工況下的仿真和試驗數(shù)據(jù)進(jìn)行處理，作為辨識樣本提供給訓(xùn)練完 成、神經(jīng)元連接模式已凍結(jié)的BP 神經(jīng)網(wǎng)絡(luò)，并根據(jù)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