摘要
针对山区公路行驶的重型载货汽车实现多种持续制动系统主动介入和退出时车辆行驶工况准确辨识,提出了基于隐形马尔科夫模型(HMM,hidden Markov model)和Tkagi-Sugeno模糊神经网络模型(T-SFNN)的双层复合保守行驶工况辨识策略.首先,选取制动踏板平均开度、制动踏板作用比例、制动次数及平均单次制动时长表征时间窗内制动踏板动作特性,建立不同时间窗长度的HMM和T-S FNN的工况模型;其次,通过道路试验的方法,利用滚动时间窗原理和K-means空间聚类方法建立了上坡工况、小起伏路面工况和长大下坡工况,并对HMM和T-S FNN进行离线训练.为了验证提出的行驶工况辨识策略,进行了在线辨识验证.结果表明:与以HMM为主的辨识策略相比,双层复合保守识别策略对小起伏路面工况和长大下坡工况的辨识更加灵敏和准确.以HMM为主的辨识策略控制过程中,排气制动开启时间占总时长的91.72％,而以双层复合保守识别策略控制时排气制动开启时间占比下降了 19.58％,开启次数为3,比前者少开启1次,鲁棒性能更优.
基金项目
国家自然科学基金(52172361)
榆林市科技计划(CXY-2020-021)
四川省科技计划(2022YFG0048)
四川藏区高速公路有限公司科技项目(2021-11)
中央高校基本科研业务费专项(300102222201)
NETL
NSTL
维普
万方数据