随着公路建设,路况检测的效率和质量越来越受到重视,虽然国外已经研究出了很多先进的道路检测设备,但是在国内的使用还存在一些问题。一方面,这些仪器的检测方法和国内规定的检测方法不完全相同,检测标准也不尽相同;另一方面,这些国外的检测设备大多非常昂贵要完成现有的公路检测任务需要引进大量的检测设备,使用成本很高。
路面不平度参数是衡量道路等级的重要指标之一。路面不平度反映了路面不平整的程度,亦即单位距离内路面起伏变化的程度。国外从20世纪50~60年代就已经对路面不平度开始研究, 在汽车舒适性和安全性分析研究中, 一个能够正确反映路面情况的路面谱,对分析研究结果的正确性有着非常重要的影响。因此, 确定正确合理的路面谱,是进行汽车舒适性和安全性研究所需要解决的问题之一。早起需要使用专业的设备来对专路面进行测量、记录路面的不平度, 然后通过规则的数学计算来获得结果。由于专业的设备价格昂贵, 难以给所有的部门都配给。随着计算机科学技术和其他相关学科的发展, 如神经网络理论和优化算法理论的发展,人们开始在理论层次上进行对路面的建模和计算机模拟仿真, 以此对车辆安全性和舒适性进行分析和预测。
1.1.2 选题意义
基于神经网络和动载的路面识别的研究,在高速公路网络构建,和自主汽车品牌发展的过程中有着非同一般的意义。传统的人工检测的方法检测速度慢,人工工作量大,识别精度较低,并且对高速公路进行路面检测时需要封闭道路,给正常的交通秩序带来不便。通过应用计算机模拟,进行对路面识别的研究,我们可以在没有昂贵设备的条件下,在不影响交通状况的情况下,通过对路面信息的采集,自动的完成对不同路面的识别,以此来进行更进一步的研究。如此一来不仅减少了交通部门人力物力的输出,也大大削减了汽车制造业对于汽车舒适性和稳定性研究的投入。
1.2 国内外研究现状
1.3 存在问题
从国内外现状来看,目前对于路面识别的研究主要存在下列问题:
1.多数研究还是停留在硬件层面,对于理论的研究并不深入。虽然国内已有众多的高校或是专业人士进行对路面识别的研究,但多是直接引进国外昂贵的器材,或是对现有设备进行升级改造,对于软件理论的研究只是做简单的算法研究,没有创新性,由此带来的问题便是,结合硬件虽然能完成对路面的识别,检测,但是难以达到一个高的标准。
2.在路面识别的技术上,现在主要还是依靠人工检测识别,或者是按照固定的句法规则结构化模式识别的方法。这两者要么需要大量的劳动力,要么局限于规则,识别率较低。而通过应用神经网络的优点,我们可以通过在线学习实现对路面的自动化识别,节省了物力人力,还提高了识别率。
1.4 论文主要研究内容和结构安排
第一章绪论介绍了论文的研究背景和意义,分析了国内外研究的现状,并总结了国内外研究目前存在的问题,并对论文的内容和结构作出安排。
第二章汽车力学振动模型的建立及数据采集分析了汽车垂直动载的构成,然后建立了1/4二自由度汽车振动模型,为后面的小波特征提取提供了理论依据,也为基于载荷的路面不平度分析打下了了理论基础。
第三章神经网络与粒子群算法理论介绍了论文研究所基于的理论知识及方法,对神经元模型的起源作了阐述,对RBF神经网络以及PNN神经网络的定义和工作原理进行了简单的描述,介绍了改进过的粒子群算法(WCPSO)。