CN107894223A - 一种基于逆虚拟激励法的路面行驶质量辨识方法 - Google Patents
一种基于逆虚拟激励法的路面行驶质量辨识方法 Download PDFInfo
- Publication number
- CN107894223A CN107894223A CN201711118565.XA CN201711118565A CN107894223A CN 107894223 A CN107894223 A CN 107894223A CN 201711118565 A CN201711118565 A CN 201711118565A CN 107894223 A CN107894223 A CN 107894223A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mover
- mfrac
- road surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012850 discrimination method Methods 0.000 title abstract 2
- 230000001133 acceleration Effects 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 17
- 238000005316 response function Methods 0.000 claims abstract description 11
- 238000012546 transfer Methods 0.000 claims abstract description 10
- 238000011426 transformation method Methods 0.000 claims abstract description 5
- 239000000725 suspension Substances 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000021615 conjugation Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- -1 accumulated snow Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种基于逆虚拟激励法的路面行驶质量辨识方法，包括：建立1/2汽车6自由度系统模型，获取系统的频率响应函数矩阵[H(f)]，并基于矩阵逆变换方法，求取系统频率响应函数矩阵的广义逆矩阵[H(f)]+；获取前轴非簧载质量质心垂直加速度和后轴非簧载质量质心垂直加速度，获取车身质心垂直加速度和车身俯仰角加速度，采用快速傅里叶变换方法，构造系统的虚拟位移响应向量根据广义逆矩阵[H(f)]+和虚拟位移响应向量求取有效路面虚拟激励向量根据轮胎包容特性的时域传递函数H(f)qe～qr，求取实际路面虚拟激励向量根据实际路面虚拟激励向量求取空间频率国际平整度指数IRI进而得到路面行驶质量指数RQI，操作简单，效率高。
Description
技术领域
本发明涉及路面行驶质量辨识方法，更具体的是，本发明涉及一种基于逆虚拟激励法的路面行驶质量辨识方法。
背景技术
随着经济的发展，我国公路建设和汽车保有取得了较大的成绩。2016年底，我国公路总里程为469.63万公里，公路养护里程459.00万公里，占公路总里程的97.7％。与之对应，全国机动车保有量达2.9亿量，其中汽车1.94亿量。路面行驶质量，是道路建设者和道路使用者共同关心的路面表征指标。
2007年，交通部发布《公路技术状况评定标准(JTG H20-2007)》，采用路面行驶质量指数(RQI，Riding Quality Index)表征道路的路面平整度，并将路面平整度划分为5个等级。路面行驶质量指数(RQI)是国际平整度指数(IRI，International Roughness Index)的单变量函数，《公路技术状况评定标准(JTG H20-2007)》给出了二者的关系式。因此，对路面行驶质量指数(RQI)的测量和评估，可转化为对国际平整度指数(IRI)的测量和评估。
国际平整度指数(IRI)是1982年，世界银行组织提出的用于路面平整度的表征指标，其定义为单位行驶距离下“黄金车辆”悬架动行程的累积值，单位为m/km或mm/m。目前，国际平整度指数(IRI)已广泛用于道路设计、道路验收、道路管理维护、路面分级和车辆工程研究等领域。为此，世界各国研制和生产了各种测量设备，便于国际平整度指数(IRI)的测量和评估。
目前，世界各国普遍使用断面仪对路面的国际平整度指数(IRI)进行测量和评估，包括手动式断面仪(如，精密水准仪、Face公司的Dipstick、澳大利亚ARRB的WalkingProfiler等)和车载式非接触断面仪(如激光断面仪、红外线断面仪、超声波断面仪、可见光断面仪等)。手动式断面仪，虽然测量精度高、测量结果稳定，但存在测量效率低、耗时长和测量人力成本高等问题；车载式非接触断面仪具有测量效率高、耗时短等特点，但存在价格昂贵、操作复杂、人员培训周期长、检测工序繁琐等问题。此外，手动式断面仪和车载式断面仪，对测量路面有严格要求，一般积水、积雪、泥浆、油污、沙土等路面不适宜测量。
发明内容
本发明的目的是设计开发了一种基于逆虚拟激励法的路面行驶质量辨识方法，能够直接利用加速度和角加速度，从频域计算国际平整度指数。
本发明提供的技术方案为：
一种基于逆虚拟激励法的路面行驶质量辨识方法，包括如下步骤：
步骤1：建立1/2汽车6自由度系统模型，获取系统的频率响应函数矩阵[H(f)]，并基于矩阵逆变换方法，求取系统频率响应函数矩阵的广义逆矩阵[H(f)]+；
步骤2：获取前轴非簧载质量质心垂直加速度和后轴非簧载质量质心垂直加速度，获取车身垂直加速度和车身俯仰角加速度，采用快速傅里叶变换方法，构造系统的虚拟位移响应向量
步骤3：根据广义逆矩阵[H(f)]+和虚拟位移响应向量求取有效路面虚拟激励向量根据轮胎包容特性的时域传递函数求取实际路面虚拟激励向量
步骤4：根据实际路面虚拟激励向量求取空间频率国际平整度指数IRI进而得到路面行驶质量指数RQI。
优选的是，所述步骤2中车身垂直加速度和车身俯仰角加速度分别为：
其中，为车身质心垂直加速度，为车身俯仰角加速度，为前悬架与车身连接处的垂直加速度，为后悬架与车身连接处的垂直加速度，a1为簧载质量质心到前轴的纵向距离，a2为簧载质量质心到后轴的纵向距离。
优选的是，所述步骤2中的快速傅里叶变换方法包括：
设定采样频率Δt和采样时间长度Ta，使得采样点数N，满足2的次方幂，采用快速傅里叶变换求取时域序列的频域序列为
其中，k＝0,1,2,…,N-1，n＝0,1,2,…,N-1，为虚数单位。
优选的是，所述步骤2中虚拟位移响应向量为：
其中，和分别是和的傅里叶变换，为前轴非簧载质量的垂直加速度，为后轴非簧载质量的垂直加速度，Ta为采样时间长度，f为时间频率。
优选的是，所述步骤3中的轮胎包容特性的时域传递函数由轮胎包容特性的频域传递函数求取：
其中，轮胎与路面接触假定为固定印迹模型，Ω为空间圆频率，ba为轮胎与路面接触的印迹半长，u为测量车辆行驶车速。
优选的是，所述步骤3中实际路面虚拟激励向量为：
其中，为实际路面虚拟激励向量，为前轮实际路面虚拟激励，为后轮实际路面虚拟激励，为有效路面虚拟激励向量，为前轮有效路面虚拟激励，为后轮有效路面虚拟激励。
优选的是，所述步骤4中空间频率国际平整度指数IRI的求取包括：
根据实际路面虚拟激励向量求取实际路面不平度时间频率功率谱密度Gq(f)为：
其中，qr1(t)*和分别表示和的复数共轭；
将Gq(f)转化为路面不平度空间频率功率谱密度Gq(n)为：
Gq(n)＝uGq(f)
其中，f时间频率，u为测量车辆行驶速度，n为空间频率；
空间频率国际平整度指数IRI为：
其中，uiri为国际平整度指数规定的车速，uiri＝22.222m/s；是簧载质量与非簧载质量相对垂直速度频率响应函数的空间频率表示。
优选的是，所述空间频率表示由时间频率表示求取：
其中，k1、k2、μ和c为模型参数，f时间频率，u为测量车辆行驶车速，n为空间频率。
优选的是，所述国际平整度指数IRI与路面行驶质量指数RQI的关系为：
其中，a0和b0为路面行驶质量指数RQI与国际平整度指数IRI的转换关系的系数。
优选的是，所述步骤1之前需确定道路类型以确定步骤1中的模型参数。
本发明所述的有益效果为：
本发明所述的基于逆虚拟激励法的路面行驶质量辨识方法能快速、准确且实时的辨识路面行驶质量，解决了目前断面仪测量国际平整度指数IRI存在的问题。本发明具有效率高、成本低、操作简单，不受行驶速度的影响等优点，对积水、积雪、泥浆、油污、沙土等路面也有较好的适用性。同时，本发明直接利用加速度信号和角加速度信号，避免了以往车载式非接触断面仪需要使用位移信号存在的“零点漂移”等问题。
附图说明
图1为本发明所述的基于逆虚拟激励法的路面行驶质量辨识方法的流程图。
图2为1/2汽车6自由度振动系统力学模型。
图3为轮胎包容特性模型。
图4为多输入多输出常系数线性系统逆虚拟激励法的原理图。
图5为测量车辆的垂直加速度传感器的位置。
图6为描述国际平整度指数IRI的1/4车辆模型及参数。
图7为簧载质量与非簧载质量相对垂直速度频率响应函数的幅频特性。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1-7所示，本发明提供一种基于逆虚拟激励法的路面行驶质量辨识方法，包括如下步骤：
步骤1：建立1/2汽车6自由度系统模型，获取系统的频率响应矩阵[H(f)]，并基于矩阵逆变换方法，求取系统频率响应矩阵的广义逆矩阵[H(f)]+；
首先，确定道路类型，为路面行驶质量指数RQI与国际平整度指数IRI的关系式确定模型参数：根据交通部颁布的《公路技术状况评定标准(JTG H20-2007)》，判定被测公路的类型，即该公路是属于高速公路(包括一级公路)还是一般公路；
1/2汽车6自由度系统振动模型，如图2所示，其中，将轮胎与路面接触简化为固定印迹接触，其模型如图3所示。1/2汽车6自由度系统振动模型参数代表的意义如下：
m1为前轴非簧载质量，m2为后轴非簧载质量，m3为簧载质量(车身质量)，m3y为簧载质量绕其质心的纵向转动惯量，csf为悬架的垂直阻尼，csr为后悬架的垂直阻尼，ksf为前悬架的垂直刚度，ksr为后悬架的垂直刚度，ktf为前轮胎的垂直刚度，ktr为后轮胎的垂直刚度，a1为簧载质量质心到前轴的纵向距离，a2为簧载质量质心到后轴的纵向距离，z1和z2分别为前、后轴非簧载质量质心的垂直位移，zs1和zs2分别为前、后悬架与车身连接处的垂直位移，z3为簧载质量质心的垂直位移，θ4为簧载质量绕质心的纵向角位移，qe1(l)和qe2(l)分别为前、后轮处路面的有效路形，qr1(l)和qr2(l)分别为前、后轮处路面的实际路形。
基于拉格朗日方程，可建立1/2汽车6自由度系统的动力学方程，其矩阵形式为：
应用傅里叶变换，求取系统的频率响应函数矩阵为
基于矩阵逆变换方法，求取系统响应函数矩阵的广义逆矩阵[H(f)]+：
求解广义逆矩阵的方法有满秩分解法，奇异值分解法，正交谱分解法等。例如，使用Matlab软件中的函数pinv对系统频率响应函数矩阵直接求广义逆矩阵，即[H(f)]+＝pinv(H(f)])。
步骤2：基于汽车悬架系统自带的加速度传感器，获取前、后轴非簧载质量质心垂直加速度信号，根据汽车结构参数获取车身垂直加速度信号和车身俯仰角加速度信号，采用快速傅里叶变换方法，构造系统的虚拟位移响应向量：
多输入多输出系统逆虚拟激励法的原理，如图4所示，已知系统实际响应的功率谱密度矩阵，通过引入确定性谐波函数，构建虚拟位移响应向量，求取虚拟激励向量，极大地降低了求取量，大大提高了运算效率；
测量车辆加速度传感器的位置，如图5所示；通过利用汽车前、后悬架与车身连接处的加速度传感器和前、后轴非簧载质量处的加速度传感器，可获取前、后轴非簧载质量质心的垂直加速度信号车身质心垂直加速度信号和车身俯仰角加速度信号其中，车身质心垂直加速度信号和车身俯仰角加速度信号可通过前、后悬架与车身连接处的加速度传感器和车辆结构参数获取，具体公式如下：
其中，为车身质心加速度信号，为车身俯仰角加速度信号，为由加速度传感器测得的前悬架与车身连接处的垂直加速度信号，为由加速度传感器测得的后悬架与车身连接处的垂直加速度信号，a1为簧载质量质心到前轴的纵向距离，a2为簧载质量质心到后轴的纵向距离；
基于采样定理，设定采样频率Δt和采样时间长度Ta，使得采样点数N，满足2的次幂，采用快速傅里叶变换求取时域序列的频域序列为
其中，k＝0,1,2,…,N-1，n＝0,1,2,…,N-1，为虚数单位；
按照公式(5)，构造虚拟位移响应向量
其中，和分别是和的傅里叶变换，为前轴非簧载质量质心的垂直加速度，为后轴非簧载质量质心的垂直加速度，Ta为采样时间长度，f为时间频率。
步骤3：根据广义逆矩阵[H(f)]+和构造的虚拟位移响应向量求取有效路面虚拟激励向量采用式(6)，求取有效路面虚拟激励向量
其中，和分别为前、后轮有效路面虚拟激励；
根据轮胎包容特性的时域传递函数求取实际路面虚拟激励向量
轮胎包容特性，如图3所示，本发明采用固定印迹模型描述轮胎与路面的接触，采用公式(7)在频域内描述轮胎包容特性的传递函数：
其中，为频域内轮胎包容特性的传递函数，Ω为空间圆频率，单位rad/m，ba为轮胎与路面接触的印迹半长。
将代入公式(7)获得其中，f为时间频率，u为测量车辆行驶车速。
有效路面激励本质上是实际路面激励经过轮胎包容滤波之后的激励，因此，根据公式(8)，可求取实际路面虚拟激励向量
其中，为实际路面虚拟激励向量，为前轮实际路面虚拟激励，为后轮实际路面虚拟激励，为有效路面虚拟激励向量，为前轮有效路面虚拟激励，为后轮有效路面虚拟激励。
步骤4：根据实际路面虚拟激励向量求取空间频率国际平整度指数IRI(即空间频率表示的国际平整度指数IRI)进而求取路面行驶质量指数RQI：
根据步骤3获取的实际路面虚拟向量选取前轮实际路面虚拟激励或者后轮实际路面虚拟激励利用虚拟激励法，根据公式(9)求取实际路面不平度时间频率功率谱密度Gq(f)
其中，qr1(t)*和分别表示和的复数共轭。
将路面不平度时间频率功率谱密度Gq(f)转化为空间频率功率谱密度Gq(n)，二者的关系为
其中，u为测量车辆行驶车速；f为时间频率，单位Hz；n为空间频率，单位m-1。
空间频率路面国际平整度指数IRI的定义，如公式(11)所示：
其中，uiri为国际平整度指数规定的车速，uiri＝22.222m/s；是簧载质量与非簧载质量相对垂直速度频率响应函数的空间频率表示，可将f＝un代入其时间频率表示的获得为公式(12)：
其中，k1、k2、μ和c参数的具体数值，可见图6所示。
簧载质量与非簧载质量相对垂直速度频率响应函数的时间频率表示的幅频特性如图7所示；
根据公式(13)或者公式(14)求取路面国际平整度指数IRI值
根据路面行驶质量指数RQI与国际平整度指数IRI的函数关系式和道路类型，求取路面行驶质量指数RQI，对路面行驶等级进行评定：
在我国，道路被分为高速公路、一级公路、二级公路、三级公路和四级公路五个等级。《公路技术状况评定标准(JTG H20-2007)》标准采用路面行驶质量指数RQI描述道路使用者的舒适性和车辆颠簸程度，并根据其大小，将路面行驶质量划分为五个等级，分别是优、良、中、次、差，具体评价标准，如表1所示。同时，《公路技术状况评定标准(JTG H20-2007)》标准给出了路面行驶质量指数RQI与国际平整度指数IRI的转换关系，如公式15所示：
其中，a0和b0为路面行驶质量指数(RQI)与国际平整度指数(IRI)的转换关系的系数，具体取值如表2所示。
表1路面行驶质量指数(RQI)对应的路面不平度
表2路面行驶质量指数(RQI)与国际平整度指数(IRI)的转换关系模型参数
根据步骤1确定的道路类型，按照表2选择路面行驶质量指数(RQI)与国际平整度指数(IRI)转换关系模型参数，然后采用逆虚拟激励获取的路面功率谱密度，根据公式(13)或者(14)求取路面行驶质量指数，按照表1对路面行驶质量等级进行判定。
本发明所述的一种基于逆虚拟激励法的路面行驶质量辨识方法利用车辆悬架系统自带的加速度传感器获取前、后轴非簧载质量质心垂直加速度信号、簧载质量质心垂直加速度信号和车身质量绕其质心纵向角加速度信号，基于逆虚拟激励方法，通过构造虚拟响应向量，获取路面不平度功率谱密度，然后根据空间频率国际平整度指数IRI和路面行驶质量指数(RQI)与国际平整度指数(IRI)转换关系模型，对路面行驶质量等级进行评价。
本发明能快速、准确且实时的辨识路面行驶质量，解决了目前断面仪测量国际平整度指数(IRI)存在的问题。本发明具有效率高、成本低、操作简单，不受行驶速度的影响等优点，对积水、积雪、泥浆、油污、沙土等路面也有较好的适用性。同时，本发明直接利用加速度信号和角加速度信号，避免了以往车载式非接触断面仪需要使用位移信号存在的“零点漂移”等问题。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，包括如下步骤：
步骤1：建立1/2汽车6自由度系统模型，获取系统的频率响应函数矩阵[H(f)]，并基于矩阵逆变换方法，求取系统频率响应函数矩阵的广义逆矩阵[H(f)]+；
步骤2：获取前轴非簧载质量质心垂直加速度和后轴非簧载质量质心垂直加速度，获取车身质心垂直加速度和车身俯仰角加速度，采用快速傅里叶变换方法，构造系统的虚拟位移响应向量
步骤3：根据广义逆矩阵[H(f)]+和虚拟位移响应向量求取有效路面虚拟激励向量根据轮胎包容特性的时域递函数求取实际路面虚拟激励向量
步骤4：根据实际路面虚拟激励向量求取空间频率国际平整度指数IRI进而得到路面行驶质量指数RQI。
2.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤2中车身质心垂直加速度和车身俯仰角加速度分别为：
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mn>3</mn>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mfrac>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mover>
<mi>&theta;</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mn>4</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mi>s</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mi>s</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
</mrow>
其中，为车身质心垂直加速度，为车身俯仰角加速度，为前悬架与车身连接处的垂直加速度，为后悬架与车身连接处的垂直加速度，a1为簧载质量质心到前轴的纵向距离，a2为簧载质量质心到后轴的纵向距离。
3.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤2中的快速傅里叶变换方法包括：
设定采样频率Δt和采样时间时间长度Ta，使得采样点数N，满足2的次幂，采用快速傅里叶变换求取时域序列的频域序列为
<mrow>
<mover>
<mi>Z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mover>
<mi>z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>N</mi>
</mfrac>
<mi>n</mi>
<mi>k</mi>
</mrow>
</msup>
</mrow>
其中，k＝0,1,2,…,N-1，n＝0,1,2,…,N-1，为虚数单位。
4.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤2中虚拟位移响应向量为：
<mrow>
<mo>{</mo>
<mover>
<mi>z</mi>
<mo>~</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>=</mo>
<msup>
<mrow>
<mo>{</mo>
<mo>-</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
</mfrac>
</msqrt>
<mfrac>
<mrow>
<msub>
<mover>
<mi>Z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
</mfrac>
</msqrt>
<mfrac>
<mrow>
<msub>
<mover>
<mi>Z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
</mfrac>
</msqrt>
<mfrac>
<mrow>
<msub>
<mover>
<mi>Z</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<msqrt>
<mfrac>
<mn>2</mn>
<msub>
<mi>T</mi>
<mi>a</mi>
</msub>
</mfrac>
</msqrt>
<mfrac>
<mrow>
<msub>
<mover>
<mi>&theta;</mi>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mn>4</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mo>}</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mi>t</mi>
</mrow>
</msup>
</mrow>
其中，和分别是和的傅里叶变换，为前轴非簧载质量的垂直加速度，为后轴非簧载质量的垂直加速度，Ta为采样时间长度，f为时间频率。
5.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤3中的轮胎包容特性的时域传递函数由轮胎包容特性的频域传递函数求取：
<mrow>
<mi>H</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>&Omega;</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>q</mi>
<mi>e</mi>
</msub>
<mo>~</mo>
<msub>
<mi>q</mi>
<mi>r</mi>
</msub>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&Omega;b</mi>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Omega;b</mi>
<mi>a</mi>
</msub>
</mrow>
</mfrac>
</mrow>
<mrow>
<mi>f</mi>
<mo>=</mo>
<mfrac>
<mi>&Omega;</mi>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
<mo>&CenterDot;</mo>
<mi>u</mi>
</mrow>
其中，轮胎与路面接触假定为固定印迹模型，Ω为空间圆频率，f时间频率，ba为轮胎与路面接触的印迹半长，u为测量车辆行驶车速。
6.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤3中实际路面虚拟激励向量为：
<mrow>
<mrow>
<mo>{</mo>
<mrow>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>}</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>{</mo>
<mrow>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>r</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>r</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>}</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>=</mo>
<msup>
<mrow>
<mo>{</mo>
<mrow>
<mfrac>
<mrow>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>e</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>H</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>q</mi>
<mi>e</mi>
</msub>
<mo>~</mo>
<msub>
<mi>q</mi>
<mi>r</mi>
</msub>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>e</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>H</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>q</mi>
<mi>e</mi>
</msub>
<mo>~</mo>
<msub>
<mi>q</mi>
<mi>r</mi>
</msub>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
<mo>}</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<mo>{</mo>
<mrow>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mi>e</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>}</mo>
</mrow>
<mrow>
<mi>H</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>q</mi>
<mi>e</mi>
</msub>
<mo>~</mo>
<msub>
<mi>q</mi>
<mi>r</mi>
</msub>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中，为实际路面虚拟激励向量，为前轮实际路面虚拟激励，为后轮实际路面虚拟激励，为有效路面虚拟激励向量，为前轮有效路面虚拟激励，为后轮有效路面虚拟激励。
7.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤4中空间频率国际平整度指数IRI的求取包括：
根据实际路面虚拟激励向量求取实际路面不平度时间频率功率谱密度Gq(f)为：
<mrow>
<msub>
<mi>G</mi>
<mi>q</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>r</mi>
<mn>1</mn>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>r</mi>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>r</mi>
<mn>2</mn>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<msub>
<mover>
<mi>q</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>r</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
其中，qr1(t)*和分别表示和的复数共轭；
将Gq(f)转化为路面不平度空间频率功率谱密度Gq(n)为：
Gq(n)＝uGq(f)
其中，f时间频率，u为测量车辆行驶速度，n为空间频率；
空间频率国际平整度指数IRI为：
<mrow>
<mi>I</mi>
<mi>R</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<msqrt>
<mfrac>
<mn>2</mn>
<mi>&pi;</mi>
</mfrac>
</msqrt>
<msqrt>
<mrow>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>n</mi>
<mi>l</mi>
</msub>
<msub>
<mi>n</mi>
<mi>u</mi>
</msub>
</msubsup>
<mo>|</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msubsup>
<mo>|</mo>
<mrow>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>~</mo>
<mi>q</mi>
</mrow>
<mn>2</mn>
</msubsup>
<msub>
<mi>G</mi>
<mi>q</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>n</mi>
</mrow>
</msqrt>
</mrow>
其中，uiri为国际平整度指数规定的车速，uiri＝22.222m/s；是簧载质量与非簧载质量相对垂直速度频率响应函数的空间频率表示。
8.如权利要求7所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述空间频率表示由时间频率表示求取：
<mrow>
<mi>H</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mrow>
<mover>
<mi>z</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>-</mo>
<mi>q</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>jk</mi>
<mn>1</mn>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mrow>
<mrow>
<mi>&mu;</mi>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>4</mn>
</msup>
<mo>-</mo>
<mo>&lsqb;</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mi>j</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mi>c</mi>
<mo>&lsqb;</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
f＝un
其中，k1、k2、μ和c为模型参数，f时间频率，u为测量车辆行驶车速，n为空间频率。
9.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述国际平整度指数IRI与路面行驶质量指数RQI的关系为：
<mrow>
<mi>R</mi>
<mi>Q</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mn>100</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>b</mi>
<mn>0</mn>
</msub>
<mi>I</mi>
<mi>R</mi>
<mi>I</mi>
</mrow>
</msup>
</mrow>
</mfrac>
</mrow>
其中，a0和b0为路面行驶质量指数RQI与国际平整度指数IRI的转换关系的系数。
10.如权利要求1所述的基于逆虚拟激励法的路面行驶质量辨识方法，其特征在于，所述步骤1之前需确定道路类型以确定步骤1中的模型参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711118565.XA CN107894223B (zh) | 2017-11-14 | 2017-11-14 | 一种基于逆虚拟激励法的路面行驶质量辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711118565.XA CN107894223B (zh) | 2017-11-14 | 2017-11-14 | 一种基于逆虚拟激励法的路面行驶质量辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107894223A true CN107894223A (zh) | 2018-04-10 |
| CN107894223B CN107894223B (zh) | 2019-11-08 |
Family
ID=61805317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711118565.XA Active CN107894223B (zh) | 2017-11-14 | 2017-11-14 | 一种基于逆虚拟激励法的路面行驶质量辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107894223B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064010A (zh) * | 2016-12-15 | 2017-08-18 | 姜正晖 | 软土地区路面行驶质量评价方法 |
| CN109342073A (zh) * | 2018-09-17 | 2019-02-15 | 北京长城华冠汽车技术开发有限公司 | 路面激励载荷的获取方法、装置及实现装置 |
| CN113297685A (zh) * | 2021-07-27 | 2021-08-24 | 中汽研（天津）汽车工程研究院有限公司 | 一种车辆运行工况模式识别方法 |
| CN114683795A (zh) * | 2022-03-31 | 2022-07-01 | 重庆长安汽车股份有限公司 | 一种路面自适应半主动悬架控制方法和系统 |
| CN114737455A (zh) * | 2022-04-21 | 2022-07-12 | 东软集团股份有限公司 | 一种路面检测方法、装置及设备 |
| CN117494476A (zh) * | 2023-12-29 | 2024-02-02 | 烟台哈尔滨工程大学研究院 | 一种提高风机塔筒气动载荷识别稳定性的测点优化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591327A (zh) * | 2012-02-27 | 2012-07-18 | 湖南大学 | 一种面向汽车车身控制开发的虚实结合测试方法 |
| CN103981795A (zh) * | 2014-05-28 | 2014-08-13 | 江苏科技大学 | 一种利用车辆悬架传感器实现路面谱软测量的方法 |
| CN106096119A (zh) * | 2016-06-07 | 2016-11-09 | 西北工业大学 | 基于大质量法的随机加速度激励下结构拓扑优化设计方法 |
| CN106548651A (zh) * | 2017-01-17 | 2017-03-29 | 吉林大学 | 一种车辆行进前方道路精细信息的在线提取方法 |
-
2017
- 2017-11-14 CN CN201711118565.XA patent/CN107894223B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591327A (zh) * | 2012-02-27 | 2012-07-18 | 湖南大学 | 一种面向汽车车身控制开发的虚实结合测试方法 |
| CN103981795A (zh) * | 2014-05-28 | 2014-08-13 | 江苏科技大学 | 一种利用车辆悬架传感器实现路面谱软测量的方法 |
| CN106096119A (zh) * | 2016-06-07 | 2016-11-09 | 西北工业大学 | 基于大质量法的随机加速度激励下结构拓扑优化设计方法 |
| CN106548651A (zh) * | 2017-01-17 | 2017-03-29 | 吉林大学 | 一种车辆行进前方道路精细信息的在线提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张丽萍: "受随机激励车辆非平稳行驶平顺性分析及控制研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
| 李杰,秦玉英,赵旗,张伟: "虚拟激励法及在汽车振动分析中的应用", 《机械科学与技术》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064010A (zh) * | 2016-12-15 | 2017-08-18 | 姜正晖 | 软土地区路面行驶质量评价方法 |
| CN107064010B (zh) * | 2016-12-15 | 2019-04-23 | 姜正晖 | 软土地区路面行驶质量评价方法 |
| CN109342073A (zh) * | 2018-09-17 | 2019-02-15 | 北京长城华冠汽车技术开发有限公司 | 路面激励载荷的获取方法、装置及实现装置 |
| CN113297685A (zh) * | 2021-07-27 | 2021-08-24 | 中汽研（天津）汽车工程研究院有限公司 | 一种车辆运行工况模式识别方法 |
| CN114683795A (zh) * | 2022-03-31 | 2022-07-01 | 重庆长安汽车股份有限公司 | 一种路面自适应半主动悬架控制方法和系统 |
| CN114683795B (zh) * | 2022-03-31 | 2024-01-30 | 重庆长安汽车股份有限公司 | 一种路面自适应半主动悬架控制方法和系统 |
| CN114737455A (zh) * | 2022-04-21 | 2022-07-12 | 东软集团股份有限公司 | 一种路面检测方法、装置及设备 |
| CN114737455B (zh) * | 2022-04-21 | 2023-09-05 | 东软集团股份有限公司 | 一种路面检测方法、装置及设备 |
| CN117494476A (zh) * | 2023-12-29 | 2024-02-02 | 烟台哈尔滨工程大学研究院 | 一种提高风机塔筒气动载荷识别稳定性的测点优化方法 |
| CN117494476B (zh) * | 2023-12-29 | 2024-04-16 | 烟台哈尔滨工程大学研究院 | 一种提高风机塔筒气动载荷识别稳定性的测点优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107894223B (zh) | 2019-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107894223B (zh) | 一种基于逆虚拟激励法的路面行驶质量辨识方法 | |
| CN103717469B (zh) | 路面状态估计方法和路面状态估计设备 | |
| JP6132304B2 (ja) | 路面評価装置及び方法 | |
| Wang et al. | Study of the factors affecting road roughness measurement using smartphones | |
| CN108839657B (zh) | 一种基于汽车振动响应在线识别路面不平度信息的方法 | |
| WO2016188363A1 (zh) | 基于电子地图的路况物理信息绘制及查询方法 | |
| CN104792937A (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
| CN102879204B (zh) | 一种试验方法、试验装置及试验设备 | |
| CN111976731B (zh) | 基于车辆频域响应的路面不平度识别方法 | |
| CN108593314A (zh) | 一种车辆悬架装置试验台参数计算方法 | |
| Wang et al. | Analysis of the running quality and road friendliness of the virtual track train in multiple running stages between stations | |
| CN108228994A (zh) | 在越野道路随机激励下车辆及工作装置的应力计算方法 | |
| Riese et al. | Investigation of the energy recuperation potential of the damper system for a compact class passenger car | |
| CN102057267B (zh) | 通过比较分析估计一对轮胎的横向抓地力的方法 | |
| Petrushov | Coast down method in time-distance variables | |
| CN107064010A (zh) | 软土地区路面行驶质量评价方法 | |
| Szczodrak et al. | Road surface roughness estimation employing integrated position and acceleration sensor | |
| Rouillard | Using predicted ride quality to characterise pavement roughness | |
| Lu et al. | Modeling Relationship of Vehicle Sideslip Angle and International Roughness Index Using CarSim | |
| Zhang et al. | Evaluation method of pavement roughness based on human-vehicle-road interaction | |
| Montazeri-Gh et al. | Vehicle ride evaluation based on a time-domain variable speed driving pattern | |
| Quinn et al. | Highway characteristics as related to vehicle performance | |
| Pang et al. | Ride comfort optimization and test research on an 8× 4 heavy truck | |
| NUERAIHEMAITIJIANG | Efficient Road Roughness Monitoring Using Mobile Profiler and GIS in Establishing Pavement Management System | |
| KROPÁČ et al. | Identification of the system vehicle-road parameters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |