[博士]基于垂直動載的路面不平度識別研究

內(nèi)容簡介

　　[博士]基于垂直動載的路面不平度識別研究　　學(xué)科專業(yè): 精密儀器及機(jī)械　　授予學(xué)位：博士　　學(xué)位授予單位：東南大學(xué)　　學(xué)位年度：2007　　基于垂直動載的路面不平度的研究在交通領(lǐng)域中具有重大的意義.可以應(yīng)用到汽車室內(nèi)模擬試驗(yàn)進(jìn)行響應(yīng)力的模擬，實(shí)現(xiàn)道路模擬試驗(yàn)本質(zhì)的飛躍。還可以應(yīng)用于路況監(jiān)測，準(zhǔn)確決定道路維修時機(jī)，節(jié)省龐大的維修經(jīng)費(fèi).　　準(zhǔn)確地進(jìn)行數(shù)據(jù)處理是響應(yīng)力模擬的關(guān)鍵?；诖怪眲虞d的路面不平度識別在汽車研發(fā)的重要地位使得該技術(shù)處于保密狀態(tài)，國內(nèi)外沒有數(shù)據(jù)處理方面的文獻(xiàn)見諸報導(dǎo)?；诖怪眲虞d的路面不平度識別有幾個難題需要解決。首先汽車在路面行駛時，測得的垂直動載包含眾多千擾信號，要使得垂直動載準(zhǔn)確反映路面不平度信息，必須首先去除干擾信號。其次根據(jù)垂直動載準(zhǔn)確識別路面不平度需要提取合適數(shù)量、合適類型的特征參數(shù)，這是整個問題的關(guān)鍵。最后分類器的類型和性能也是影響結(jié)果準(zhǔn)確率的重要因素。根據(jù)上述問題，確定了本文研究的主要內(nèi)容:　　 (1)由于訓(xùn)練分類器需要大量的樣本，而路面類型有限，提出了可行的樣本構(gòu)造方案?！　? (2)分析垂直動載的構(gòu)成以及特點(diǎn)，為采用垂直動載識別路面不平度提供了證據(jù).然后將其與語音信號進(jìn)行了比較，在生成以及處理任務(wù)兩者具有很大的相似之處。為后續(xù)的譜減去噪和特征參數(shù)提取提供了指導(dǎo)?！　? (3)分析了垂直動載信號中噪聲的來源及類別，并根據(jù)不同的噪聲類型分別采用不同的濾波處理一一先用靜態(tài)小波變換去除隨機(jī)噪聲，然后再參考語音信號處理中的譜減方法對周期性噪聲進(jìn)行了濾波?！　? (4)根據(jù)信號的特點(diǎn)，對小波分解系數(shù)參數(shù)、小波包分解系數(shù)參數(shù)、功率譜系數(shù)、倒譜系數(shù)參數(shù)、共振峰幅值參數(shù). FFT分段系數(shù)參數(shù)和離散余弦變換系數(shù)等等參數(shù)進(jìn)行了提取，并采用Fisher判據(jù)和自組織映射神經(jīng)網(wǎng)絡(luò)進(jìn)行了特征參數(shù)的分類能力的鑒定，然后采用基于粗糙集的方法對特征進(jìn)行了進(jìn)一步的篩選。數(shù)據(jù)處理表明小波包系數(shù)參數(shù)和小波系數(shù)參數(shù)具有較好的識別路面不平度的能力。　　 (5)根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論，按照兩種減少期望風(fēng)險的方法進(jìn)了分類器的設(shè)計(jì)和比較。首先設(shè)計(jì)了RBF神經(jīng)網(wǎng)絡(luò)分類器，并對提高其泛化能力的方法進(jìn)行了歸納，確定了較優(yōu)的RBF神經(jīng)網(wǎng)絡(luò)分類器。然后基于核方法的設(shè)計(jì)了適用于基于垂直動載的路面不平度識別的支持向量分類機(jī)，確定了多分類的方法，得到了較為可靠的、正確識別率較高的路面不平度分類器。RBF網(wǎng)絡(luò)和支持向量機(jī)分類器的最高正確識別率分別為50%和62.5%.　　該文的研究成果對汽車室內(nèi)道路試驗(yàn)的研究有極大的幫助，為汽車研發(fā)提供到了經(jīng)濟(jì)、有效、可靠的試驗(yàn)手段，將推動我國汽車產(chǎn)業(yè)的自主創(chuàng)新。

專題推薦