基于加速度传感器实现iri值软测量的方法
【技术领域】
[0001] 本发明属于路面特征识别领域，具体涉及基于加速度传感器实现IRI值软测量的 方法，属于路面特征识别领域。
【背景技术】
[0002] 目前，国内外现有的提取国际道路不平度指数IRI的方法主要是通过提取PSD路 面特征参数，然后将PSD特征参数转换成IRI值。例如专利公布号为CN104233935A的一种 基于道路纵断面信息的路面质量等级辨识方法，通过5步得到IRI值。步骤一、提取有效道 路纵断面高程信息，建立道路数据库；步骤二、分段生成功率谱密度曲线，并进行带通滤波 处理；步骤三、提取PSD路面特征参数；步骤四、建立PSD路面特征参数数据库，绘制PSD特 征参数概率密度分布图；步骤五、将PSD特征参数转换成IRI值。其步骤复杂，操作困难，而 且步骤二中用于滤除干扰的带通滤波属于经典滤波，它是在具有一定选频特性的经典滤波 网络中把噪声尽可能地滤除，而保留畸变不大的有用信号。但是，提取IRI值时的信号和噪 声是随机的，其特性只能从统计的意义上来描述。此外，测量装置也会有随机噪声。因此采 用一般的经典滤波器会造成提取的IRI值误差大不准确。
【发明内容】
[0003] 本发明的目的是为了满足现有路面不平度测量的需求，提供一种基于加速度传感 器实现IRI值软测量的方法，以解决现有的提取国际道路不平度指数方法步骤繁琐、IRI值 不准确的技术问题。
[0004] 为达到上述目的，本发明采用以下技术方案：基于加速度传感器实现IRI值软测 量的方法，具体包括以下步骤：
[0005] 步骤1、通过加速度传感器采集路面加速度a(t)值；将加速度传感器安装在车辆 靠近左后轮的悬架平面下方，检测行驶时悬架垂直振动的加速度，每隔At时间，加速度传 感器采集一个路面加速度值，形成a (t)数组；
[0006] 步骤2、设计卡尔曼滤波器，对采集到的加速度数组进行数据处理；
[0007] 步骤3、对处理后的加速度数据进行基于时间序列的自回归AR建模，验证其符合 现代谱估计理论：
[0008] 步骤4、运用现代谱估计理论进行精确功率谱密度估计，实现国际道路不平度指数 IRI的提取。
[0009] 其中，上述所述的步骤2的方法具体包括：
[0010] 建立卡尔曼滤波状态空间模型，其中：
[0011] 状态方程：
[0012] X (n) = B (η) X (n-1)+w (η)
[0013] 观测方程：
[0014] Z (n) =J (η) X (η) +ν (η)
[0015] 式中，X(n)为状态向量，且 X(n) = {x(n)，x(n-l)，. . .，x(n-k+l)}T;系统的观测 方程的输出项Z (η)为采集到的加速度a (t)值；B (η)为状态转移矩阵，w (η)为零均值、方差 为Ψν的白噪声；J(η)为测量矩阵
【主权项】
1. 一种基于加速度传感器实现IRI值软测量的方法，其特征在于：具体包括以下步 骤： 步骤1 :通过加速度传感器采集路面加速度a(t)值；将加速度传感器安装在车辆靠近 左后轮的悬架平面下方，检测行驶时悬架垂直振动的加速度，每隔At时间，加速度传感器 采集一个路面加速度值，形成a(t)数组； 步骤2 :设计卡尔曼滤波器，对采集到的加速度数组进行数据处理； 步骤3 :对处理后的加速度数据进行基于时间序列的自回归AR建模，验证其符合现代 谱估计理论： 步骤4 :运用现代谱估计理论进行精确功率谱密度估计，实现国际道路不平度指数IRI的提取。
2. 按照权利要求1所述的基于加速度传感器实现IRI值软测量的方法，其特征在于： 所述步骤2的方法具体包括： 建立卡尔曼滤波状态空间模型，其中： 状态方程： X(n) =B(n)X(n-1)+w(n) 观测方程： Z(n) =J(n)X(n)+v(n) 式中，X(n)为状态向量，且X(n) = |x(n)，x(n-l)，…，x(n-k+l)}T;系统的观测方程的 输出项Z(n)为采集到的加速度a(t)值；B(n)为状态转移矩阵，w(n)为零均值、方差为 的白噪声J(n)为测量矩阵= …，v(n)为零均值、方差为屮v且与屮w相互 ， 独立的白噪声； 由状态空间模型得到如下递推公式： 状态的一步预测方程（基于系统的上一个状态）： X(n|n-1) =B(n)X(n-11n-1) 协方差的一步预测方程： P(n|n-1) =B(n)P(n-11n-1)B(n)T+^w 滤波增益： A(n) =P(n|n-1)J(n)T[J(n)P(n|n-1)J(n)T+Wv] 滤波估计方程： X(n|n) =X(n|n-1)+A(n)[Z(n)-J(n)X(n|n-1)] 滤波协方差更新方程： P(n|n) = [I-A(n)J(n)]P(n|n-l) 其中，X(n|n)为n时刻滤波器的状态；X(n|n-1)为滤波器状态的单步预测估计；A(n) 为n时刻滤波器的增益矩阵；P(n|n-1)为单步预测误差的协方差矩阵；P(n|n)为滤波误差 的协方差矩阵；J(n)为测量矩阵；$"为观测噪声方差矩阵；W"为系统噪声方差矩阵；I为 单位矩阵； 由以上递推公式可知，通过截取路面加速度a(t)的初始部分样本，通过最小二乘法计 算统计模型，计算得到X(0)和P(0);确定初始X(0)和P(0)之后，可通过式（3)、（4)、（5)、 (6)、（7)、⑶递推得到X(11 0)、X(2 11)……X(n|n-1); 根据插值公式，在任意有限多个点插值情况下，可以用一个连续函数去拟合离散的测 量结果，所以根据滤波后得到的离散的加速度值得到一个a(t)函数； X(n|n)为滤波后的加速度值，作为滤波后的a(t)代入下式得到路面不平度g(t):a4g(4) (t)+a3g(3) (t)+a2g// (t) =b3a⑶(t) +b2a" (t)+b1a, (t)+b〇a(t) 其中a4=MKt，a3=)(Kt，a2=KKt; b3=mM+XM，b2=MK+MKt+Xm，bi=XKt+mK，bQ=KKt;M为悬架（车身）质量，m为非悬 架（车轮）质量，K为车身刚度系数；X为阻尼器阻尼系数，Kt为轮胎刚度系数。
3. 按照权利要求1所述的基于加速度传感器实现IRI值软测量的方法，其特征在于： 所述步骤3的方法具体包括： 根据预处理后的数据，利用AR模型来计算功率谱密度； 因为路面不平度是实平稳过程，功率谱密度也为实函数，所以路面在时间域的自相关 函数为：
其中，Gd(n)为路面不平度功率谱密度，n取值范围为0. 011~2. 83HT1; 将路面在时间域的自相关函数Rd(t)带入AR模型的Yule-Walker方程，得：
通过上式，可得AR模型的参数bM(M= 1，2,…，p)和 由步骤2得时域上路面不平度g(t)，经过傅里叶变换，得到频域上的路面不平度d(k)， 在频域上路面不平度d(k)满足AR模型公式： d(k) = - (k~l)-b2d(k~2)-----bMd(k_M)+h(n) 式中，h(n)为零均值且方差为 < 的平稳白噪声； 把AR建模后得到的k个路面不平度d(k)视为一能量有限的序列，直接计算d(k)的离 散傅立叶变换，然后再取其幅值的平方，并除以k，得到路面不平度功率谱密度Gd (n)。
4. 按照权利要求1所述的基于加速度传感器实现IRI值软测量的方法，其特征在于： 所述步骤4的方法具体包括： 路面不平度功率谱密度可采用下式拟合：
式中，n0为空间参考频率n0 = 0.lm'GdOO为路面不平度系数，其值为在空间频率为n0时的路面功率谱密度，与路面等级相对应；《为频率指数，决定了路面谱的频率结构； 由参考文献可知，IRI和Gd(nQ)如下关系式：
通过上述公式，可以得出IRI值。
【专利摘要】本发明公开了一种基于加速度传感器实现IRI值软测量的方法，具体包括以下步骤：步骤1：通过加速度传感器采集路面加速度值；步骤2：设计卡尔曼滤波器，对采集到的加速度数组进行数据处理；步骤3：对处理后的加速度数据进行基于时间序列的自回归建模，验证其符合现代谱估计理论：步骤4：运用现代谱估计理论进行精确功率谱密度估计，实现国际道路不平度指数的提取。本发明通过设计的卡尔曼滤波器滤除噪声，使国际道路不平度指数的提取更加准确；用现代谱估计理论进行精确额功率谱密度估计，实现国际道路不平度指数的提取，简化方法，提高效率。
【IPC分类】G06F19-00, G01H17-00
【公开号】CN104699980
【申请号】CN201510129886
【发明人】肖馨舒, 刘庆华, 申继鹏, 徐泰
【申请人】江苏科技大学
【公开日】2015年6月10日
【申请日】2015年3月24日