[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

说明书

本发明涉及一种基于神经网络的平整度标定测定的预处理方法，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、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、根据python计算出各时速下的振幅最高点所对应的索引值点；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得到不同的速度下前轮距离振幅最高点的修正距离；步骤7、在之前的标定路段上再跑一次，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。

技术领域

本发明涉及道路工程技术领域，尤其是涉及一种基于神经网络的平整度标定测定的预处理方法。

背景技术

平整度是道路检测里重要的参数，可以反映路面颠簸状况。在车上安装振动传感器来计算路面平整度，采集Z轴方向的振动数据，振动数据可用于进行路面平整度的预估，主要体现在振动数据与路面的国际平整度指数IRI具有一定的关系，设备成本也显著降低。

目前基于振动传感器的平整度测量，其标定方法通过人工选取一段范围的振动数据进行标定计算，人工通过观测振动数据峰值的变化来截取振动数据，误差大，容易受人主观因素干扰，速度慢，效率低，限制了振动传感器测量平整度的应用。

为了使计算得到的国际平整度指数IRI值更加准确，平整度标定的预处理就格外重要。为了使车辆竖向加速度统计指标均方根误差RMS与国际平整度指数IRI的一种线性关系更加拟合，需要一些从低到高的振动数据来测试拟合。为了使效果较好，可以选择梯形凸起标定块，需要得到汽车的前轮刚触及梯形凸起标定块的第一个点，后轮刚触及梯形凸起标定块的第二点，后轮离开梯形凸起标定块至平缓的第三个点，然后根据一种神经网络方法优化计算得到一个车辆竖向加速度统计指标均方根误差RMS与国际平整度指数IRI的一种线性关系。

在平常对于平整度测定的预处理方法里面还没有一套成型的体系或者方法能够简单并且准确的对平整度测定的数据进行预处理，目前汽车在不同的速度下压过梯形凸起标定块下寻找这三点还是依靠人工记录和可视化对比等。因此，人工自主记录的标定难度大，记录操作繁琐，效率低，主观感觉太强，准确性低。依赖较多的人工，测量的成本较高，无法实现大范围，高频次的标定。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种基于神经网络的平整度标定测定的预处理方法，其使用一种神经网络算法，自动找出汽车的前轮刚触及梯形凸起标定块的第一个点，后轮刚触及梯形凸起标定块的第二点，后轮离开梯形凸起标定块至平缓的第三个点十分重要。根据在不同的速度下自动找出的三个点，利用Matlab等平台进行优化和计算，得到一个更加准确的国际平整度指数IRI值。

本发明的上述发明目的是通过以下技术方案得以实现的：

一种基于神经网络的平整度标定测定的预处理方法，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；