[发明专利]一种基于神经网络的平整度标定测定的预处理方法

权利要求书

1.一种基于神经网络的平整度标定测定的预处理方法，其特征在于：包括以下步骤：

步骤1、在车辆上安装加速度传感器；

步骤2、构建用于振动式路面平整度测试车的标准化标定路段；

步骤3、将待标定测试车在10、20、30、40、50、60km/h （各速度可以±30%）的时速下匀速单侧车轮压过凸起标定块，将获取到的竖向加速度，利用语言工具计算出这段时间内各个速度通过凸起标定块的z轴数据和gps,将z轴数据和gps数据根据时间进行融合相连并且可视化出来，根据可视化出来的波形图分别在不同的速度下记录下前轮刚触及凸起标定块，后轮触及凸起标定块，后轮离开至平缓的索引点；

步骤4、重复5次步骤3，获取在10、20、30、40、50、60km/h（各速度±30%）的时速下跑的加速度xyz轴的数据和gps数据，利用语言工具取出z轴数据,速度,方位角等数据,根据python可视化出来曲线图，分别记录在6个不同时速下前轮触及凸起标记块的6个点，根据python计算出各时速下的振幅最高点所对应的6个索引值点；分别计算出各时速下前轮触及凸起标记块的点距离振幅最高点的值；然后记录下后轮在6个不同时速下触及凸起标记块的6个点,分别算出各时速下后轮触及凸起标记块的点距离振幅最高点的值；同时记录下后轮在6个不同时速下离开凸起标记块至平稳的6个点,分别算出各时速下离开凸起标记块至平稳的点距离振幅最高点的值；

步骤5、根据步骤4计算得到的数据求出每个时速下三个节点分别到最高点的均值；

步骤6、根据步骤5得到的V1(速度)-SA1(距离), V2(速度)-SA2(距离),V3(速度)-SA3(距离), V4(速度)-SA4(距离), V5(速度)-SA5(距离), V6(速度)-SA6(距离),即不同的速度下，前轮距离振幅最高点的修正距离；

根据神经网络对V-SA进行回归预测，就可以得到不同速度下前轮触及凸起标记块的索引index点，依次预测，就可以得到不同速度下后轮触及凸起标记块的索引index点，依次预测，就可以得到不同速度下后轮离开凸起标记块的索引index点；

步骤7、在之前的标定路段上再跑一次，（0~80 km/h的速度下）得到的xyz轴数据和gps数据，结合之前预测得到的三个线性目标关系函数就可以得到三个点。

2.根据权利要求1所述的一种基于神经网络的平整度标定测定的预处理方法，其特征在于：在所述步骤1中，

a. 所述加速度传感器能够测量轴数为3轴；

b. 所述加速度传感器的分辨精度: ±1g；

c. 所述加速度传感器的量程：±10g；

d. 所述加速度传感器的输出频率：大于200Hz；

e. 所述加速度传感器的安装方式：粘接安装；

f. 所述加速度传感器的安装位置：安装在汽车后轮上方；

g. 所述加速度传感器的安装数量：2个左轮上方安装一个,右轮上方安装一个；

h．所述加速度传感器的Z轴朝向：向上。

3.根据权利要求1所述的一种基于神经网络的平整度标定测定的预处理方法，其特征在于：在所述步骤2中，构建用于振动式路面平整度测试车的标准化标定路段的方法包括以下步骤：

寻找一个长度大于1km的沥青路面（没有破损/坑槽/减速带等的平整光滑的路面）将高度为5cm，上底边长度为5cm，下底边长度为40cm的凸起标定块（凸起块的尺寸是非固定，可以自行选择）构建标准化标定路段。

4.根据权利要求1所述的一种基于神经网络的平整度标定测定的预处理方法，其特征在于：在所述步骤6中，

经过神经网络的预测会得到三个线性目标关系函数，结论如下：

SA = w1 * (speed) + b1；

SB = w2 * (speed) + b2；

SC = w3 * speed + b3；

其中，speed是速度，SA代表的是前轮触及凸起标记块离振幅最高点距离（索引距离）；

SB代表的是后轮触及凸起标记块离振幅最高点距离（索引距离）；

SC代表的是后轮离开凸起标记块至平稳离振幅最高点距离（索引距离）；

w——权重系数；

b——常数。