CN111775929A - 一种危险液移动车载装置的动态安全预警方法 - Google Patents

一种危险液移动车载装置的动态安全预警方法 Download PDF

Info

Publication number
CN111775929A
CN111775929A CN202010532462.3A CN202010532462A CN111775929A CN 111775929 A CN111775929 A CN 111775929A CN 202010532462 A CN202010532462 A CN 202010532462A CN 111775929 A CN111775929 A CN 111775929A
Authority
CN
China
Prior art keywords
vehicle
speed
critical
neural network
vehicle speed
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
Application number
CN202010532462.3A
Other languages
English (en)
Other versions
CN111775929B (zh
Inventor
赵云凯
许斌
刘春君
袁猛
季一木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202010532462.3A priority Critical patent/CN111775929B/zh
Publication of CN111775929A publication Critical patent/CN111775929A/zh
Application granted granted Critical
Publication of CN111775929B publication Critical patent/CN111775929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/02—Control of vehicle driving stability
    • B60W30/04—Control of vehicle driving stability related to roll-over prevention
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60P—VEHICLES ADAPTED FOR LOAD TRANSPORTATION OR TO TRANSPORT, TO CARRY, OR TO COMPRISE SPECIAL LOADS OR OBJECTS
    • B60P3/00—Vehicles adapted to transport, to carry or to comprise special loads or objects
    • B60P3/22—Tank vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0833—Indicating performance data, e.g. occurrence of a malfunction using audio means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Public Health (AREA)
  • Filling Or Discharging Of Gas Storage Vessels (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种危险液移动车载装置的动态安全预警方法，利用数据采集模块采集道路状况数据、车辆状况数据和环境状况数据；综合车速监测模块将接收到的数据通过神经网络预测模型获取罐车的侧翻临界车速V1和下坡临界车速V2，再根据侧翻临界车速V1和下坡临界车速V2获取临界速度V，并将临界速度V与车辆的实际速度V'进行对比，从而判断车辆当前速度的危险等级；车辆行驶过程中利用液化气体监测模块实时监测罐车罐内气体安全情况；当综合车速监测模块或者液化气体监测模块检测到车速处于危险等级或者气体泄露信号后，触发预警模块。该方法综合考虑了液化气罐车在下坡路段和弯道路段的安全性以及灌体内液体晃动造成的影响，提高了对车速监测的安全性。

Description

一种危险液移动车载装置的动态安全预警方法
技术领域
本发明属于危险化学品安全技术领域，具体涉及一种危险液移动车载装置的动态安全预警方法。
背景技术
危险液是具有易燃、易爆、毒害、腐蚀等危险特性的液体，在运输、使用过程中容易造成人身伤亡、财产损毁以及环境污染。作为危险液的车辆运输方式，危险液移动车载装置一般配置于公路液化气罐车、铁路罐车等。公路液化气罐车(以下称为液化气罐车)是用来装运各种液化危险气体的专用汽车，是危险液化气体公路运输的主要工具。随着我国的现代化建设，其社会保有量不断增大，在我国国民经济发展中发挥着重要作用。
由于液化气罐车属于移动压力容器，具有较大的流动性，与其他车辆相比，具有更大的危险性。一方面，与其他车辆相比，液化气罐车的重心更高，且其重心随着罐内液位高度增加而增加，因此与普通车辆相比，液化气罐车在弯道路段行驶时更容易发生侧翻事故。另一方面，车辆在行使至下坡路段时，通常需要连续制动，液化气罐车属于载重车辆，重量较大，下坡行驶过程中动能以及重力势能较大，在连续制动过程中动能以及重力势能转化为热能，使制动鼓温度的大幅上升，造成热衰退现象，影响制动效果，严重时导致车辆失控最后引发事故。要在特殊路况下保持罐车平稳安全且高效行驶，必须控制车辆在进入这些特殊路段前有一个合适的车速。现有技术中，针对液化气罐车的预警系统在车速监测方面做的并不完善：一方面，没有同时考虑到液化气罐车行驶过程中弯道侧翻危险和下坡过程制动系统热衰退危险，即没有同时对弯道车速和下坡车速进行监测；另一方面，对液化气罐车在弯道路段的侧翻临界车速的预测没有考虑到液化气罐车的自身特点，即罐内液体产生晃动造成的横向作用力产生的影响。
据申请人了解，申请号201810421032的中国专利，名称一种基于GIS系统的液罐车侧翻预警装置；该系统利用GIS系统完成罐车行驶路段的监测，同时依据前方弯道半径、车体质量、坡度等道路信息和车辆高度、载重等罐车信息，输入到车载电脑ECU中，得到侧翻的临界速度，并进行实时速度和临界速度的比较，通过比较结果，执行预警并实施相应措施。但是该系统针对临界车速的预测的过程中没有考虑到罐车内液体在行驶过程中晃动所造成的影响，模型过于简化，无法做到更精确的预测。
发明内容
本发明所要解决的技术问题是克服现有技术的不足，提供一种危险液移动车载装置的动态安全预警方法，依靠车载传感器、车载控制终端以及通过移动网络连接的云平台，实现液化气罐车在行驶过程中的车辆的安全行驶以及罐内液体的监测。
本发明提供一种危险液移动车载装置的动态安全预警方法，包括如下步骤，
步骤S1、利用数据采集模块采集道路状况数据、车辆状况数据和环境状况数据，再将采集到的数据传输到综合车速监测模块，并通过通讯模块将数据传输到云平台上进行保存；
步骤S2、综合车速监测模块将接收到的数据通过神经网络预测模型获取罐车的侧翻临界车速V1和下坡临界车速V2，再根据侧翻临界车速V1和下坡临界车速V2获取临界速度V，并将临界速度V与车辆的实际速度V'进行对比，从而判断车辆当前速度的危险等级；
步骤S3、车辆行驶过程中利用液化气体监测模块实时监测罐车罐内气体安全情况；
步骤S4、当综合车速监测模块或者液化气体监测模块检测到车速处于危险等级或者气体泄露信号后，触发预警模块。
作为本发明的进一步技术方案，道路状况数据包括被测车辆的位置信息、路段的坡度，弯道路段的弯道半径、坡道长度、弯道长度；车辆状况数据包括车辆行驶横向速度、行驶纵向速度、罐内气体压力、罐体受力大小、罐内充液比、刹车鼓温度等由车载传感器实时采集到的数据和车辆重量、罐内液体质量和左右轮距；环境状况数据包括空气温度、湿度、风向和风速。
进一步的，综合车速监测模块采用三层BP神经网络，BP神经网络A用于预测罐内液体晃动对罐体的作用力并作为BP神经网络B的输入之一，BP神经网络B输出被测车辆在弯道路段的侧翻临界车速V1，BP神经网络C以车辆下坡过程中当前时刻刹车鼓温度T，被测车辆总重M，该时刻平行于被测车辆行驶方向的纵向风速Vf，前方坡度的总长度L，前方下坡路段坡顶至破底高度差Δh作为输入，输出车辆的下坡临界车速V2。
更进一步的，三层BP神经网络包括输入层、隐含层和输出层，隐含层节点个数为
Figure BDA0002534349580000031
其中n为输入层神经元个数,m为输出层神经元个数,α为[1,10]之间的常数；并选择S型正切函数tansig作为隐含层神经元的激活函数。
进一步的，侧翻临界车速V1的具体预测方法为；
步骤S21、收集神经网络A所需数据训练集，将液化气罐车在通过弯道某一时刻的罐内充液比K、当前时刻和前一时刻的罐体内力传感器采集到的横向作用力Fn和Fn-1、车辆当前加速度an和前一时刻加速度an-1作为一组训练集；
步骤S22、将训练集数据进行归一化处理，采用
Figure BDA0002534349580000032
作为归一化函数，其中，t为输入数据，e自然数底数；
步骤S23、构建预测罐内液体晃动横向作用力的BP神经网络A；
步骤S24、选择收集到的数据集，作为BP神经网络A的输入，将下一时刻被测车辆将要受到得罐内液体晃动产生得横向作用力Fn+1作为输出，训练BP神经网络A；
步骤S25、收集BP神经网络B的数据训练集，将BP神经网络A输出的液体晃动造成的下一时刻横向作用力Fn+1以及在该时刻被测车辆底盘高度H1、车辆总高度H2、车辆总重M、车辆左右轮距L、该时刻垂直于被测车辆行驶方向的纵向风力f，弯道半径R作为训练集输入；
步骤S26、将数据进行归一化处理，采用
Figure BDA0002534349580000041
作为归一化函数，其中，t为输入数据，e自然数底数；
步骤S27、构建预测罐内液体晃动横向作用力的BP神经网络B；
步骤S28、择收集到的数据集，作为BP神经网络B的输入，将车辆的当前时刻的侧翻临界速度作为输出，训练BP神经网络B，最终通过BP神经网络B完成侧翻临界速度的预测。
进一步的，临界速度V的获取方法为，若同时得到侧翻临界速度V1和下坡临界车速V2，则令临界车速V＝min{V1,V2}；若只得到侧翻临界车速V1，则临界车速V＝V1；若只得到下坡临界车速V2，则令临界车速V＝V2。
进一步的，车辆当前速度的危险等级的判断方法为将临界车速V与被测车辆的实际速度V'进行比较；
若V'≤0.6V；则判断车速为安全状态；
若0.6V≤V'≤0.7V；则判断车速为3级危险状态；
若0.7V≤V'≤0.8V；则判断车速为2级危险状态；
若0.8V≤V'；则判断车速为1级危险状态。
与现有方案对比，本方法综合考虑了液化气罐车在下坡路段和弯道路段的安全性，提高了对车速监测的安全性；此外，还针对罐车的特点，考虑灌体内液体晃动造成的影响，通过预测罐内液体下一时间段晃动影响，提高了液化气罐车侧翻临界速度预测的准确性，从而提升车速监测的安全性。
附图说明
图1为本发明的方法流程示意图；
图2为本发明方法的系统结构示意图；
图3为本发明方法中BP神经网络A和BP神经网络B的示意图；
图4为本发明方法中综合车速监测模块预测侧翻临界车速V1的方法流程示意图；
具体实施方式
请参阅图1，本实施例提供一种危险液移动车载装置的动态安全预警方法，包括如下步骤；
步骤S1、利用数据采集模块采集道路状况数据、车辆状况数据和环境状况数据，再将采集到的数据传输到综合车速监测模块，并通过通讯模块将数据传输到云平台上进行保存；
步骤S2、综合车速监测模块将接收到的数据通过神经网络预测模型获取罐车的侧翻临界车速V1和下坡临界车速V2，再根据侧翻临界车速V1和下坡临界车速V2获取临界速度V，并将临界速度V与车辆的实际速度V'进行对比，从而判断车辆当前速度的危险等级；
步骤S3、车辆行驶过程中利用液化气体监测模块实时监测罐车罐内气体安全情况；
步骤S4、当综合车速监测模块或者液化气体监测模块检测到车速处于危险等级或者气体泄露信号后，触发预警模块。
如图2所示，该方法的系统包括数据采集模块、综合车速监测模块、液化气体监测模块、预警模块、通讯模块以及云平台。
数据采集模块：位于车载终端，收集驾驶人员输入的数据和车载传感器采集到的数据。数据种类包括道路状况数据，车辆状况数据，环境状况数据。该模块与综合车速监测模块、液化气体监测模块、通讯模块相连接。
综合车速监测模块：位于车载终端，该模块综合考虑液化气罐车行驶过程中遇到的两种特殊道路段，一是弯道路段，二是长下坡路段，实时对被测车辆的监测。路况分析依靠车载GPS传感器和预制地图完成，将采集到的GPS转化为地图坐标，定位当前被测车辆所行使的路段，对车辆行驶路段进行实时监测，当检测到前方路段为转向路段或者为下坡路段时，综合车速监测模块开始工作。
液化气体监测模块：位于车载终端，通过数据采集模块的输入的数据，通过多传感器数据融合，判断液化气罐车罐内气体是否泄露。
预警模块：预警模块接受来自综合安全车速监测模块和液化气体监测模块的信号，做出预警措施。
通讯模块：该模块负责所测车辆和云端的通讯，将所测数据发送至云平台。
云平台：云平台接收来自被测车辆的数据，完成对被测车辆的远程监控和数据分析。
本方法的各步骤具体情况如下；
道路状况数据包括被测车辆的位置信息、路段的坡度，弯道路段的弯道半径、坡道长度、弯道长度；车辆状况数据包括车辆行驶横向速度、行驶纵向速度、罐内气体压力、罐体受力大小、罐内充液比、刹车鼓温度等由车载传感器实时采集到的数据和车辆重量、罐内液体质量和左右轮距；环境状况数据包括空气温度、湿度、风向和风速。
步骤S1中，装卸货后由驾驶人员输入罐内液化气体质量m2和液化气体种类，以及被测车辆品牌型号，车载终端首先根据被测车辆的品牌以及型号，查询预置的车辆信息表，得到固定数据：底盘高度H1、总高度H2、车量净重m1、左右轮距L、罐体体积v，并计算得到罐内充液比K、车辆总重M，公式
Figure BDA0002534349580000061
M＝m1+m2。
综合车速监测模块采用三层BP神经网络，如图3所示，BP神经网络A用于预测罐内液体晃动对罐体的作用力并作为BP神经网络B的输入之一，BP神经网络B输出被测车辆在弯道路段的侧翻临界车速V1，BP神经网络C以车辆下坡过程中当前时刻刹车鼓温度T，被测车辆总重M，该时刻平行于被测车辆行驶方向的纵向风速Vf，前方坡度的总长度L，前方下坡路段坡顶至破底高度差Δh作为输入，输出车辆的下坡临界车速V2。
三层BP神经网络包括输入层、隐含层和输出层，隐含层节点个数为
Figure BDA0002534349580000071
其中n为输入层神经元个数,m为输出层神经元个数,α为[1,10]之间的常数；并选择S型正切函数tan sig作为隐含层神经元的激活函数。
侧翻临界车速V1的具体预测方法为，如图4所示，
步骤S21、收集神经网络A所需数据训练集，将液化气罐车在通过弯道某一时刻的罐内充液比K、当前时刻和前一时刻的罐体内力传感器采集到的横向作用力Fn和Fn-1、车辆当前加速度an和前一时刻加速度an-1作为一组训练集；
步骤S22、将训练集数据进行归一化处理，采用
Figure BDA0002534349580000072
作为归一化函数，其中，t为输入数据，e自然数底数；
步骤S23、构建预测罐内液体晃动横向作用力的BP神经网络A；
步骤S24、选择收集到的数据集，作为BP神经网络A的输入，将下一时刻被测车辆将要受到得罐内液体晃动产生得横向作用力Fn+1作为输出，训练BP神经网络A；
步骤S25、收集BP神经网络B的数据训练集，将BP神经网络A输出的液体晃动造成的下一时刻横向作用力Fn+1以及在该时刻被测车辆底盘高度H1、车辆总高度H2、车辆总重M、车辆左右轮距L、该时刻垂直于被测车辆行驶方向的纵向风力f，弯道半径R作为训练集输入；
步骤S26、将数据进行归一化处理，采用
Figure BDA0002534349580000081
作为归一化函数，其中，t为输入数据，e自然数底数；
步骤S27、构建预测罐内液体晃动横向作用力的BP神经网络B；
步骤S28、择收集到的数据集，作为BP神经网络B的输入，将车辆的当前时刻的侧翻临界速度作为输出，训练BP神经网络B，最终通过BP神经网络B完成侧翻临界速度的预测。
进一步的，临界速度V的获取方法为，若同时得到侧翻临界速度V1和下坡临界车速V2，则令临界车速V＝min{V1,V2}；若只得到侧翻临界车速V1，则临界车速V＝V1；若只得到下坡临界车速V2，则令临界车速V＝V2。
车辆当前速度的危险等级的判断方法为将临界车速V与被测车辆的实际速度V'进行比较；
若V'≤0.6V；则判断车速为安全状态；
若0.6V≤V'≤0.7V；则判断车速为3级危险状态；
若0.7V≤V'≤0.8V；则判断车速为2级危险状态；
若0.8V≤V'；则判断车速为1级危险状态。
步骤S4中，预警模块根据危险状态等级作出反应，如表1所示，
Figure BDA0002534349580000082
表1针对不同临界车速的预警措施
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (7)

1.一种危险液移动车载装置的动态安全预警方法，其特征在于，包括如下步骤，
步骤S1、利用数据采集模块采集道路状况数据、车辆状况数据和环境状况数据，再将采集到的数据传输到综合车速监测模块，并通过通讯模块将数据传输到云平台上进行保存；
步骤S2、综合车速监测模块将接收到的数据通过神经网络预测模型获取罐车的侧翻临界车速V1和下坡临界车速V2，再根据侧翻临界车速V1和下坡临界车速V2获取临界速度V，并将临界速度V与车辆的实际速度V'进行对比，从而判断车辆当前速度的危险等级；
步骤S3、车辆行驶过程中利用液化气体监测模块实时监测罐车罐内气体安全情况；
步骤S4、当综合车速监测模块或者液化气体监测模块检测到车速处于危险等级或者气体泄露信号后，触发预警模块。
2.根据权利要求1所述的一种危险液移动车载装置的动态安全预警方法，其特征在于，所述道路状况数据包括被测车辆的位置信息、路段的坡度，弯道路段的弯道半径、坡道长度、弯道长度；所述车辆状况数据包括车辆行驶横向速度、行驶纵向速度、罐内气体压力、罐体受力大小、罐内充液比、刹车鼓温度等由车载传感器实时采集到的数据和车辆重量、罐内液体质量和左右轮距；所述环境状况数据包括空气温度、湿度、风向和风速。
3.根据权利要求1所述的一种危险液移动车载装置的动态安全预警方法，其特征在于，所述综合车速监测模块采用三层BP神经网络，BP神经网络A用于预测罐内液体晃动对罐体的作用力并作为BP神经网络B的输入之一，BP神经网络B输出被测车辆在弯道路段的侧翻临界车速V1，BP神经网络C以车辆下坡过程中当前时刻刹车鼓温度T，被测车辆总重M，该时刻平行于被测车辆行驶方向的纵向风速Vf，前方坡度的总长度L，前方下坡路段坡顶至破底高度差Δh作为输入，输出车辆的下坡临界车速V2。
4.根据权利要求3所述的一种危险液移动车载装置的动态安全预警方法，其特征在于，所述三层BP神经网络包括输入层、隐含层和输出层，所述隐含层节点个数为
Figure FDA0002534349570000011
其中n为输入层神经元个数,m为输出层神经元个数,α为[1,10]之间的常数；并选择S型正切函数tan sig作为隐含层神经元的激活函数。
5.根据权利要求1或3所述的一种危险液移动车载装置的动态安全预警方法，其特征在于，所述侧翻临界车速V1的具体预测方法为，
步骤S21、收集神经网络A所需数据训练集，将液化气罐车在通过弯道某一时刻的罐内充液比K、当前时刻和前一时刻的罐体内力传感器采集到的横向作用力Fn和Fn-1、车辆当前加速度an和前一时刻加速度an-1作为一组训练集；
步骤S22、将训练集数据进行归一化处理，采用
Figure FDA0002534349570000021
作为归一化函数，其中，t为输入数据，e自然数底数；
步骤S23、构建预测罐内液体晃动横向作用力的BP神经网络A；
步骤S24、选择收集到的数据集，作为BP神经网络A的输入，将下一时刻被测车辆将要受到得罐内液体晃动产生得横向作用力Fn+1作为输出，训练BP神经网络A；
步骤S25、收集BP神经网络B的数据训练集，将BP神经网络A输出的液体晃动造成的下一时刻横向作用力Fn+1以及在该时刻被测车辆底盘高度H1、车辆总高度H2、车辆总重M、车辆左右轮距L、该时刻垂直于被测车辆行驶方向的纵向风力f，弯道半径R作为训练集输入；
步骤S26、将数据进行归一化处理，采用
Figure FDA0002534349570000022
作为归一化函数，其中，t为输入数据，e自然数底数；
步骤S27、构建预测罐内液体晃动横向作用力的BP神经网络B；
步骤S28、择收集到的数据集，作为BP神经网络B的输入，将车辆的当前时刻的侧翻临界速度作为输出，训练BP神经网络B，最终通过BP神经网络B完成侧翻临界速度的预测。
6.根据权利要求1所述的一种危险液移动车载装置的动态安全预警方法，其特征在于，所述临界速度V的获取方法为，若同时得到侧翻临界速度V1和下坡临界车速V2，则令临界车速V＝min{V1,V2}；若只得到侧翻临界车速V1，则临界车速V＝V1；若只得到下坡临界车速V2，则令临界车速V＝V2。
7.根据权利要求1所述的一种危险液移动车载装置的动态安全预警方法，其特征在于，所述车辆当前速度的危险等级的判断方法为将临界车速V与被测车辆的实际速度V'进行比较；
若V'≤0.6V；则判断车速为安全状态；
若0.6V≤V'≤0.7V；则判断车速为3级危险状态；
若0.7V≤V'≤0.8V；则判断车速为2级危险状态；
若0.8V≤V'；则判断车速为1级危险状态。
CN202010532462.3A 2020-06-11 2020-06-11 一种危险液移动车载装置的动态安全预警方法 Active CN111775929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010532462.3A CN111775929B (zh) 2020-06-11 2020-06-11 一种危险液移动车载装置的动态安全预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010532462.3A CN111775929B (zh) 2020-06-11 2020-06-11 一种危险液移动车载装置的动态安全预警方法

Publications (2)

Publication Number Publication Date
CN111775929A true CN111775929A (zh) 2020-10-16
CN111775929B CN111775929B (zh) 2024-03-19

Family

ID=72757555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010532462.3A Active CN111775929B (zh) 2020-06-11 2020-06-11 一种危险液移动车载装置的动态安全预警方法

Country Status (1)

Country Link
CN (1) CN111775929B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051255A (zh) * 2021-02-19 2021-06-29 北京华油信通科技有限公司 一种危险化学品道路运输车辆报警数据处理方法及处理系统
CN113212353A (zh) * 2021-04-09 2021-08-06 武汉理工大学 液体货物公路运输防侧翻方法、车辆及存储介质
CN113570906A (zh) * 2021-07-13 2021-10-29 淮阴工学院 一种危化品运输车行驶及安全状态监测预警系统及方法
CN115107623A (zh) * 2022-06-23 2022-09-27 淮阴工学院 一种危化品运输车防侧翻预警方法
CN115326165A (zh) * 2022-10-12 2022-11-11 山东特联信息科技有限公司 罐车远程监控系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140081542A1 (en) * 2012-09-18 2014-03-20 Automotive Research & Test Center System and method for preventing vehicle from rolling over in curved lane
US20160187880A1 (en) * 2014-12-25 2016-06-30 Automotive Research & Testing Center Driving control system and dynamic decision control method thereof
CN107097775A (zh) * 2017-05-22 2017-08-29 合肥工业大学 一种液体罐车弯道行驶防侧翻预警控制系统和方法
CN108622105A (zh) * 2018-04-16 2018-10-09 吉林大学 基于多元回归分析的车辆弯道安全车速预测及预警系统
CN108960426A (zh) * 2018-07-09 2018-12-07 吉林大学 基于bp神经网络的道路坡度综合估计系统
DE102018008024A1 (de) * 2018-10-10 2019-04-11 Daimler Ag Verfahren zur Bewertung einer Verkehrssituation
CN109993344A (zh) * 2019-01-09 2019-07-09 淮阴工学院 基于多源数据融合的危化品罐车运行状态预测方法及系统
CN110588623A (zh) * 2019-09-30 2019-12-20 大连理工大学 一种基于神经网络的大型汽车安全驾驶方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030013749A (ko) * 2001-08-09 2003-02-15 현대자동차주식회사 차량용 롤 오버 방지 방법
JP2007137113A (ja) * 2005-11-15 2007-06-07 Fuji Heavy Ind Ltd 車両運動状態判定システム
CN104200687B (zh) * 2014-09-11 2017-12-12 长安大学 一种驾驶员速度控制行为监测装置及监测方法
CN109050521A (zh) * 2018-08-31 2018-12-21 华南理工大学 一种高速公路弯道侧翻侧滑预警系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140081542A1 (en) * 2012-09-18 2014-03-20 Automotive Research & Test Center System and method for preventing vehicle from rolling over in curved lane
US20160187880A1 (en) * 2014-12-25 2016-06-30 Automotive Research & Testing Center Driving control system and dynamic decision control method thereof
CN107097775A (zh) * 2017-05-22 2017-08-29 合肥工业大学 一种液体罐车弯道行驶防侧翻预警控制系统和方法
CN108622105A (zh) * 2018-04-16 2018-10-09 吉林大学 基于多元回归分析的车辆弯道安全车速预测及预警系统
CN108960426A (zh) * 2018-07-09 2018-12-07 吉林大学 基于bp神经网络的道路坡度综合估计系统
DE102018008024A1 (de) * 2018-10-10 2019-04-11 Daimler Ag Verfahren zur Bewertung einer Verkehrssituation
CN109993344A (zh) * 2019-01-09 2019-07-09 淮阴工学院 基于多源数据融合的危化品罐车运行状态预测方法及系统
CN110588623A (zh) * 2019-09-30 2019-12-20 大连理工大学 一种基于神经网络的大型汽车安全驾驶方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051255A (zh) * 2021-02-19 2021-06-29 北京华油信通科技有限公司 一种危险化学品道路运输车辆报警数据处理方法及处理系统
CN113212353A (zh) * 2021-04-09 2021-08-06 武汉理工大学 液体货物公路运输防侧翻方法、车辆及存储介质
CN113570906A (zh) * 2021-07-13 2021-10-29 淮阴工学院 一种危化品运输车行驶及安全状态监测预警系统及方法
CN115107623A (zh) * 2022-06-23 2022-09-27 淮阴工学院 一种危化品运输车防侧翻预警方法
CN115107623B (zh) * 2022-06-23 2023-09-29 淮阴工学院 一种危化品运输车防侧翻预警方法
CN115326165A (zh) * 2022-10-12 2022-11-11 山东特联信息科技有限公司 罐车远程监控系统
CN115326165B (zh) * 2022-10-12 2023-01-24 山东特联信息科技有限公司 罐车远程监控系统

Also Published As

Publication number Publication date
CN111775929B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN111775929B (zh) 一种危险液移动车载装置的动态安全预警方法
CN105675101B (zh) 基于obd的车辆质量动态测量装置及测量方法
CN104755345B (zh) 路面状态判定方法及装置、路面状态输出方法及装置
CN108657175B (zh) 一种基于gis系统的液罐车侧翻预警系统
CN110033614A (zh) 一种基于物联网技术的道路危险货物运输动态风险预警系统
JP5733533B2 (ja) 重心検知装置
CN113140121B (zh) 一种面向网联货车驾驶员的安全预警方法、装置及系统
CN103487125A (zh) 一种车载重量远程检测方法和系统
CN101968923A (zh) 一种汽车侧向安全综合预警方法及装置
CN112319414B (zh) 一种液罐车侧翻预警装置及方法
CN101943643A (zh) 路崖崩塌危险监视装置及运输车辆
Bernard et al. Vehicle rollover on smooth surfaces
CN110784516A (zh) 一种渣土车的异常行为管控系统
CN115077675B (zh) 一种基于北斗导航的货车超载监控系统及方法
Malviya et al. Development of an analytical multi-variable steady-state vehicle stability model for heavy road vehicles
CN108345245A (zh) 一种运梁车的安全监测预警系统
CN107507420A (zh) 车辆超载监控方法、系统及车辆
CN109435825B (zh) 基于滑移率和横摆力的罐车侧翻预警系统及方法
CN201633728U (zh) 智能车载治超安全监控系统
CN111695196B (zh) 一种基于车体运动学信息的罐车侧倾状态预判方法
CN115107623A (zh) 一种危化品运输车防侧翻预警方法
CN111882872B (zh) 基于大规模网联车辆功率分布的道路坡度测算方法与装置
Xia et al. Center of gravity position estimation of counterbalanced forklift truck based on multi model data fusion
CN202442772U (zh) 一种汽车装载重量实时检测装置
Winkler et al. Testing the Michigan double-bottom tanker

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