基于路面温度和太阳辐射强度路面状态识别方法.PDF

２０１０年 ５月 农 业 机 械 学 报 第 ４１卷 第 ５期 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１２９８．２０１０．０５．００５ 基于路面温度和太阳辐射强度的路面状态识别方法 １，２ １ １ １ 卢俊辉 　王建强　李克强　连小珉 （１清华大学汽车安全与节能国家重点实验室，北京 １０００８４；２江汉大学物理与信息学院，武汉 ４３００５６） 　　【摘要】　路面温度由路面湿滑状态（干燥、潮湿、雪、冰）和太阳辐射强度（反映于季节、地理位置、时刻、空气 温度和空气湿度）决定，它们三者之间存在非线性因果关系。本文以路面温度和太阳辐射强度为输入构造 ＢＰ神经 网络分类器，间接地识别路面湿滑状态。在干燥和潮湿路面识别实验中，采用２８天的 １３４４个时刻的数据训练 ＢＰ 神经网络，采用２天的９６个时刻的数据验证 ＢＰ神经网络，路面湿滑识别准确率达９０％。 关键词：路面识别　路面温度　太阳辐射强度　ＢＰ神经网络 中图分类号：Ｕ４６１９１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１０）０５００２１０３ ＲｏａｄＣｏｎｄｉｔｉｏｎＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＲｏａｄＴｅｍｐｅｒａｔｕｒｅａｎｄＳｏｌａｒＲａｄｉａｔｉｏｎ １，２ １ １ １ ＬｕＪｕｎｈｕｉ　ＷａｎｇＪｉａｎｑｉａｎｇ　ＬｉＫｅｑｉａｎｇ　ＬｉａｎＸｉａｏｍｉｎ （１ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｕｔｏｍｏｔｉｖｅＳａｆｅｔｙａｎｄＥｎｅｒｇｙ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８４，Ｃｈｉｎａ　 ２ＰｈｙｓｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＪｉａｎｇｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００５６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｒｏａｄｔｅｍｐｅｒａｔｕｒｅｄｅｐｅｎｄｓｏｎｒｏａｄｃｏｎｄｉｔｉｏｎ（ｄｒｙ，ｗｅｔ，ｓｎｏｗｙ，ｉｃｙ）ａｎｄｓｏｌａｒｒａｄｉａｔｉｏｎ（ｍａｐｐｅｄ ｔｏｓｅａｓｏｎ，ｇｅｏｇｒａｐｈｉｃａｌｌｏｃａｔｉｏｎ，ｔｉｍｅ，ａｉｒｔｅｍｐｅｒａｔｕｒｅａｎｄａｉｒｈｕｍｉｄｉｔｙ），ａｎｄｔｈｅｒｅｉｓｔｈｅｎｏｎｌｉｎｅａｒ ｃａｕｓａｌｉｔｙａｍｏｎｇｔｈｅｍ，ｔｈｕｓ，ｒｏａｄｃｏｎｄｉｔｉｏｎｃａｎｂｅｄｅｔｅｃｔｅｄｉｎｄｉｒｅｃｔｌｙｂｙｒｏａｄｔｅｍｐｅｒａｔｕｒｅａｎｄｓｏｌａｒ ｒａｄｉａｔｉｏｎｗｉｔｈＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｄｕｒｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔｔｏｄｅｔｅｃｔｒｏａｄｃｏｎｄｉｔｉｏｎ（ｄｒｙ，ｗｅｔ），ＢＰｎｅｕｒａｌ ｎｅｔｗｏｒｋｗａｓｔｒａｉｎｅｄｗｉｔｈ１３４４ｇｒｏｕｐｄａｔａａｎｄｖａｌｉｄａｔｅｄｂｙ９６ｇｒｏｕｐｄａｔａ，ｔｈｅｒｏａｄｃｏｎｄｉｔｉｏｎｄｅｔｅｃｔｉｏｎ ａｃｃｕｒａｃｙｒｅａｃｈｅｄ９０％． Ｋｅｙｗｏｒｄｓ　Ｒｏａｄｃｏｎｄｉｔｉｏｎｄｅｔｅｃｔｉｏｎ，Ｒｏａｄｔｅｍｐｅｒａｔｕｒｅ，Ｓｏｌａｒｒａｄｉａｔｉｏｎ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ ［６］ 率，制定模糊规则识别路面冰层 ；ＭａｒｉｏＣｏｓｔａ结合 　　引言 气象参数分析和路面内部温度来预测路面结冰状 ［７］ 路面附着系数的准确估计，直接影响车辆安全 况 ，但以上