基于三维车辆模型和多维车辆响应的路面平整度识别研究.pdfVIP

摘要

摘要

路面平整度是衡量道路质量的主要技术标准之一，当车辆在路况较差的道

路上行驶时，不仅会影响车辆行驶速度、行驶安全以及乘坐舒适感，而且会增

加车辆油耗、车辆磨损并影响道路的使用寿命；因此，路面平整度的精确信息

对现有道路系统的维护和规划是必需的。为解决上述问题，本文提出基于三维

车辆响应和卡尔曼滤波法框架的路面平整度识别方法。

建立了三维车辆模型并推导其状态空间形式，此车辆模型被简化成由簧上

质量和簧下质量组成，其簧上质量和簧下质量由代表悬架系统的弹簧和阻尼器

连接。随后分别推导具有未知输入的卡尔曼滤波器（DiscreteKalmanFilterwith

unknowninputs,DKF-UI）与增广卡尔曼滤波器（AugmentedKalmanFilter,AKF）

的系统方程、递归算法，并分析了二者的测量矩阵。DKF-UI算法必须包含车

轮响应，否则DKF-UI递归算法中的矩阵不可逆，路面轮廓无法求解；AKF

S

算法的测量值须包含车辆位移响应，否则其测量矩阵是高度稀疏的，且具有大

量零点。

提出基于车辆系统内部响应测量值和预测值构建目标函数并结合遗传算法

识别车辆参数的方法。车辆在行驶期间通过加速度传感器分别测量其车身加速

度、车轮竖向加速度，DKF-UI算法通过车轮竖向加速度预测车身加速度，AKF

算法通过车身加速度预测车轮竖向加速度。测量的车轮响应与预测的车轮响应

组成目标函数1，测量的车身响应与预测的车身响应组成目标函数2，目标函数

1、2的最小二乘组合的数值最小化在优化过程中使用了遗传算法，其最优解提

供了车辆参数。该方法的最大优点在于避免进行单独的复杂冲击试验。

本研究从模态参数、加速度功率谱两个角度验证了本文所提出的车辆参数

识别方法的可行性。实验车辆的车身固有振动频率皆处于0.5~3Hz，两者的车

轮固有振动频率也皆处于10~15Hz。将大学城体育馆获取的响应所识别的车辆

参数用于处理T6教学楼获取的响应时，测量值的功率谱与预测值的功率谱具

有很好的一致性。

重庆车检院的实验结果表明：基于车身响应识别的行驶质量指数（Riding

QualityIndex,RQI）精度皆大于80%；基于车轮响应、陀螺仪响应识别的RQI

精度皆大于90%，且车辆前轮的RQI识别精度皆优于后轮。当车辆行驶速度较

高时，可能导致车辆悬架进入非线性状态，从而影响路面的识别效果。因此，

当使用车轮响应识别路面平整度时，车辆的行驶速度建议不超过70km/h；当

-I-

摘要

使用车身响应识别路面平整度时，车辆行驶速度建议处于40km/h~50km/h，且

此时其识别精度大于90%；当使用陀螺仪响应识别路面平整度时，车辆行驶速

度建议处于50km/h~60km/h。

深圳大学城的实验结果表明：同一场地、同一速度的多次测量数据所识别

的国际平整度指数（InternationalRoughnessIndex,IRI）曲线具有很好的拟合结

果；同一场地、不同速度的测量数据所识别的IRI曲线也具有很好的拟合结果。

该结果证明了本文所提的基于三维车辆响应和卡尔曼滤波框架的路面平整度识

别方法的可行性和鲁棒性。此外，当车辆以逆时针方向匀速驶过弯道时，车辆

左后轮识别的IRI更具可行性；当车辆以顺时针方向匀速驶过弯道时，车辆右

后轮识别的IRI更具可行性。

关键词：路面平整度；车辆参数识别；遗传算法；卡尔曼滤波；国际平整度指

数；行驶质量指数

-II-

Abstract

Abstract