CN116972797A - 路面不平整度辨识系统 - Google Patents

Abstract

本发明公开了一种路面不平整度辨识系统，包括现场测量系统、数据分析处理平台和数据输出及显示终端；现场测量系统包括测量车系统、数据采集模块、数据转换模块、数据通信模块和数据存储模块；测量车系统包括测量车和牵引车，测量车可绕一转轴相对于牵引车转动、并可沿一滑轴相对于牵引车移动；测量车车轴的中央位置或位于车轴中央上方的车厢上安装有一个传感器；数据采集模块采集传感器测量得到的竖向响应，数据转换模块进行数据转换，数据通信模块将数据传输至数据存储模块进行存储；数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度；数据输出及显示终端用于实时输出和显示数据分析处理平台的计算结果。

Description

路面不平整度辨识系统

技术领域

本发明属于路面健康监测技术领域，具体的为一种用于识别路面不平整度的路面不平整度辨识系统。

背景技术

自上世纪90年代以来，我国的公路桥梁迎来大建设大发展时期，大/特大桥快速增加。与此同时，越来越多的桥梁安全问题也逐渐突显。相关统计显示，我国公路路网中在役桥梁约40％服役超20年，技术等级为三、四类的带病桥梁达30％，超过10万座桥梁被鉴定为危桥。因此，需要对此类桥梁结构进行定期的安全巡查，提前把握桥梁结构的安全问题，保障人民的生命财产安全。

目前，针对桥梁结构的健康监测技术主要分为直接测量和间接测量技术。直接测量技术通常是在桥梁结构表面或者关键部位安装、布置一系列的传感器来监测、记录桥梁在运营过程中的振动响应。间接测量主要包括图像技术、无人机技术和GPS等等。其中，车辆扫描法作为一种新型的桥梁状态间接评估技术，由于其具有高效、可移动性强以及更好的经济性等优势，近来年在中小型桥梁健康监测领域受到广泛的关注。

车辆扫描法主要的思想是：通过装备传感器的移动车辆来间接感知桥梁的振动，进而评估桥梁的动力特性，为桥梁的健康监测提供基础资料。然而，路面不平整度是车辆扫描法应用环节不可忽略的因素，它会显著削弱车辆响应谱中桥梁频率的可见性。因此，从车辆响应中辨识路面不平整度是车辆扫描法推广应用中的关键一环。近年来，基于车辆响应的桥梁粗糙度辨识技术应运而生，该技术主要涉及较为复杂的车辆模型，在实际应用过程中需要投入一定数量的传感器，即需要在车辆不同位置布置多个传感器，并结合先进的信号处理技术来识别路面不平整度。然而，由于不同传感器记录的桥梁响应受外界干扰，难以保持一致和稳定的状态，导致研究成果难以用于实际。此外，大量的传感器投入会提高桥梁健康监测的成本，极大地削弱了车辆扫描技术在经济性和操作便捷性等方面的优势。

发明内容

有鉴于此，本发明的目的在于提供一种路面不平整度辨识系统，仅需采用单个车载传感器，即可识别得到路面路面不平整度。

为达到上述目的，本发明提供如下技术方案：

一种路面不平整度辨识系统，包括现场测量系统、数据分析处理平台和数据输出及显示终端；

所述现场测量系统包括测量车系统、数据采集模块、数据转换模块、数据通信模块和数据存储模块；所述测量车系统包括测量车和牵引车，所述牵引车用于引导所述测量车移动，且所述测量车可绕一转轴相对于所述牵引车转动、并可沿一滑轴相对于所述牵引车移动，所述转轴和滑轴相互垂直；所述测量车包括车厢，所述车厢上安装有一根车轴，所述车轴分别与所述转轴和滑轴垂直；所述车轴的中央位置或位于所述车轴中央正上方的车厢上安装有一个车载传感器；所述数据采集模块采集所述车载传感器测量得到的竖向响应，所述数据转换模块将采集得到的竖向响应数据进行数据转换，所述数据通信模块将转换后的竖向响应数据传输至所述数据存储模块进行存储；

所述数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度；

所述数据输出及显示终端用于实时输出和显示所述数据分析处理平台的计算结果。

进一步，所述转轴与所述牵引车转动配合，所述转轴上设有滑套，所述滑轴与所述滑套滑动配合，且所述滑轴固定安装在所述车厢上。

进一步，所述现场测量系统采集竖向响应数据的方法为：

11)将车载传感器布置在测量车车轴的中央位置或布置在位于测量车车轴中央正上方的车厢上；

12)采用牵引车引导测量车匀速驶过待测路面，在测量车在待测路面上行驶过程中，记录传感器检测得到的竖向响应。

进一步，所述车载传感器采用位移传感器，所述数据采集模块采集所述位移传感器测量得到的竖向位移响应。

进一步，被测路面为桥梁路面，所述数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度的方法为：

21)构建车辆和桥梁的平衡方程，根据定义的状态向量Z得到车桥耦合系统的状态空间方程，并将车桥耦合系统的状态空间方程进行离散化表示；

22)以加速度响应作为观测值，将车辆加速度进行离散化表示；

23)以用k时刻状态向量Z_k表示k+2时刻的状态向量Z_k+2，得到k+2时刻的车辆位移y_v,k+2；

24)考虑实际中存在的观测噪声v_k+1,得到改进的系统观测方程；

25)根据扩展卡尔曼滤波算法，求解得到路面不平整度

进一步，所述步骤21)中，车辆和桥梁的平衡方程为：

其中：M_b，C_b和K_b分别为桥梁的质量矩阵、阻尼矩阵和刚度矩阵；m_v为车辆的质量；k_v为车辆刚度；y_v为车辆的竖向位移；为车辆竖向加速度；q_b为桥梁节点的位移向量，维度为1×n，n为桥梁的自由度数目；/>为桥梁节点的速度向量；/>为桥梁节点的加速度向量；r_c为待识别的路面不平整度；H为包含Hamilton插值函数的行向量；F为车辆与桥梁之间的相互作用力；且：

H_1×n＝[0，…0，N，0，…0]

F＝H^T[m_vg+k_v(y_v-r_c)-k_vHq_b]

其中：N为Hamilton插值函数；g为重力加速度；

状态向量Z定义为：

其中：表示车辆竖向速度；

车桥耦合系统的状态空间方程为：

其中：表示状态向量Z对时间t的一阶导数；t表示离散时间；A和B分别为状态方程的状态矩阵和输入矩阵；F为已知荷载矩阵；且：

车桥耦合系统的状态空间方程离散化表示为：

Z_k+1＝A_kZ_k+B_kr_c,k+F_k+w_k

A_k＝exp(Adt)≈(I+AΔt)

B_k＝[exp(Adt)-I]A^-1B≈dtB

F_k＝[exp(Adt)-I]A^-1F

其中：I为单位矩阵；w表示系统噪音。

进一步，所述步骤22)中，车辆加速度为：

将车辆加速度离散化表示为：

其中：L表示输出矩阵；E表示传递矩阵。

进一步，所述步骤23)中，k+2时刻的状态向量Z_k+2为：

Z_k+2＝A_k+1A_kZ_k+A_k+1B_kr_c，k+A_k+1F_k+B_k+1r_c，k+1+F_k+1+w_k

A_k+1A_k＝[U_1，k+1U_2，k+1U_3，k+1U_4，k+1]^T

A_k+1B_k＝[V_1，k+1V_2，k+1V_3，k+1V_4，k+1]^T

k+2时刻的车辆位移y_v，k+2为：

y_v，k+2＝U_3，k+1Z_k+V_3，k+1r_c，k

其中：U_1，k+1表示A_k+1A_k矩阵第一行对应的子矩阵；U_2，k+1表示A_k+1A_k矩阵第二至n+1行对应的子矩阵；U_3，k+1表示A_k+1A_k矩阵第n+2行对应的子矩阵；U_4，k+1表示A_k+1A_k矩阵第n+3至2n+2行对应的子矩阵；V_1，k+1表示A_k+1B_k矩阵第一行对应的子矩阵；V_2，k+1表示A_k+1B_k矩阵第二至n+1行对应的子矩阵；V_3，k+1表示A_k+1B_k矩阵第n+2行对应的子矩阵；V_4，k+1表示A_k+1B_k矩阵第n+3至2n+2行对应的子矩阵。

进一步，所述步骤24)中，改进的系统观测方程为；

Y_k+1＝C_kZ_k+1+D_kr_c，k+1+v_k+1

其中：Y_k+1表示改进的观测向量；v_k+1表示观测噪声；C_k为改进的输出矩阵；D_k为改进的传递矩阵。

进一步，所述步骤25)中，求解得到路面不平整度的步骤为：

71)估计状态初始值设置：

其中：Z₀和r₀分别为状态向量和未知输入的初始值；和/>分别为状态向量和未知输入的初始估计值；P_z，0|0为状态向量协方差初始值；E[·]表示数学期望；

72)时间更新阶段：

其中：和/>分别表示上一迭代步和当前迭代步计算的状态向量；P_z，k+1|k表示状态预测值/>的误差协方差矩阵；P_z，k|k表示状态预测值/>的误差协方差矩阵；Q_k+1为k+1时刻噪声向量w_k+1的协方差矩阵；

73)计算卡尔曼增益K_z，k+1：

其中：C_k+1|k表示由上一步迭代计算得到的输出矩阵；R_k+1表示观测噪声v_k+1的协方差矩阵；

74)估计未知输入：

其中：S_k+1表示未知激励r_k+1的误差协方差矩阵；D_k+1|k表示由上一步迭代计算得到的传递矩阵；Y_k+1表示改进的观测向量；I表示单位矩阵；

75)测量更新阶段：

其中：和/>分别为状态向量Z和未知输入r的估计值。

本发明的有益效果在于：

本发明的路面不平整度辨识系统，通过将测量车设置为可绕一转轴相对于牵引车转动，同时还可沿一滑轴相对于牵引车移动，同时使转轴和滑轴均与测量车的车轴垂直，如此，在牵引车引导测量车在被测路面上行走的过程中，通过设置在车轴中央位置或设置在车轴中央上方车厢上的传感器可以测量得到测量车在行驶过程中的竖向响应，进而得到测量车在被测路面上行驶过程中的竖向响应数据，而后利用数据分析处理平台根据采集得到的竖向响应数据识别路面不平整度，并通过数据输出及显示终端进行实时显示；综上，本发明的路面不平整度辨识系统，仅需采用单个车载传感器，即可识别得到路面路面不平整度；由于车载传感器设为一个并布置在测量车车轴的中央位置或布置在位于测量车车轴中央正上方的车厢上，不仅具有经济性和操作便捷性等方面的优点，而且能够避免测量得到的竖向响应受外界干扰，从而能够保持测量的一致性和稳定性。

在数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度的方法中，首先，将路面不平整度作为车桥耦合系统的未知激励，并采用位移传感器采集测量车过桥时的竖向响应；然后，定义车桥耦合系统的状态向量和观测向量，分别建立相应的状态方程和离散方程，得到车桥耦合状态空间方程的系统矩阵；最后，定义状态初始值，联合卡尔曼滤波技术以及获得的系统矩阵重构路面不平整度，能够辨识得到路面的不平整度。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明路面不平整度辨识系统实施例的原理图；

图2为测量车系统的结构示意图；

图3为数据分析处理平台根据采集得到的竖向位移响应数据辨识路面不平整度的方法流程图；

图4为被测桥梁的数学模型；

图5为不同车辆行驶速度下识别得到的桥面不平整度；

图6为不同环境噪声下识别得到的桥面不平整度；

图7为将试验车置于路面识别得到的路面不平整度。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

如图1所示，本实施例的路面不平整度辨识系统，包括现场测量系统、数据分析处理平台和数据输出及显示终端。

本实施例中，现场测量系统包括测量车系统、数据采集模块、数据转换模块、数据通信模块和数据存储模块。本实施例的测量车系统用于实时测量竖向响应数据，数据采集模块采集传感器测量得到的竖向响应数据，数据转换模块将采集得到的竖向响应数据进行数据转换，数据通信模块将转换后的竖向响应数据传输至数据存储模块进行存储。如图2所示，本实施例的测量车系统包括测量车10和牵引车11，牵引车11用于引导测量车10移动，且测量车10可绕一转轴12相对于牵引车11转动、并可沿一滑轴13相对于牵引车11移动，转轴12和滑轴13相互垂直。本实施例中，转轴12与牵引车11转动配合，转轴12上设有滑套，滑轴13与滑套滑动配合，滑轴13与测量车10固定连接。测量车10包括车厢16，车厢16上安装有一根车轴14，车轴14分别与转轴12和滑轴13垂直，滑轴13固定安装在车厢16上。本实施例的车轴14中央位置处布置有一颗用于采集测量车10在被测路面上行驶过程中的竖向响应的车载传感器15。当然，在其他实施方式中，也可以将车载传感器15布置在位于车轴14中央位置正上方的车厢16上。

具体的，本实施例中，现场测量系统采集竖向加速度响应数据的方法为：

11)将车载传感器15布置在测量车10车轴14的中央位置或布置在位于测量车10车轴15中央正上方的车厢16上；

12)采用牵引车11引导测量车10匀速驶过待测路面，在测量车10在待测路面上行驶过程中，记录传感器15检测得到的竖向响应。

本实施例中，数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度。本实施例中，车载传感器15采用位移传感器，数据采集模块采集位移传感器测量得到的竖向位移响应。具体的，如图3所示，本实施例的被测路面为桥梁路面，数据分析处理平台根据采集得到的竖向位移响应数据辨识路面不平整度的方法如下。

21)构建车辆和桥梁的平衡方程，根据定义的状态向量Z得到车桥耦合系统的状态空间方程，并将车桥耦合系统的状态空间方程进行离散化表示。

车辆和桥梁的平衡方程为：

其中：M_b，C_b和K_b分别为桥梁的质量矩阵、阻尼矩阵和刚度矩阵；m_v为车辆的质量；k_v为车辆刚度；y_v为车辆的竖向位移；为车辆竖向加速度；q_b为桥梁节点的位移向量，维度为1×n，n为桥梁的自由度数目；/>为桥梁节点的速度向量；/>为桥梁节点的加速度向量；r_c为待识别的路面不平整度；H为包含Hamilton插值函数的行向量，除了与车辆作用相对应的梁单元外，其他项均为零；F为车辆与桥梁之间的相互作用力；且：

H_1×n＝[0，...0，N，0，...0]

F＝H^T[m_vg+k_v(y_c-r_c)-k_vHq_b]

其中：N为Hamilton插值函数；g为重力加速度；

状态向量Z定义为：

其中：表示车辆竖向速度；

得到车桥耦合系统的状态空间方程为：

其中：表示状态向量Z对时间t的一阶导数；t表示离散时间；A和B分别为状态方程的状态矩阵和输入矩阵；F为已知荷载矩阵；且：

考虑实际观测到的序列是离散的，且存在系统噪声w。因此，将状态空间方程进行离散化表示。本实施例中，车桥耦合系统的状态空间方程离散化表示为：

Z_k+1＝A_kZ_k+B_kr_c，k+F_k+w_k

A_k＝exp(Adt)≈(I+AΔt)

B_k＝[exp(Adt)-I]A^-1B≈dtB

F_k＝[exp(Adt)-I]A^-1F

其中：I为单位矩阵；w表示系统噪音。

22)以加速度响应作为观测值，将车辆加速度进行离散化表示。

车辆的加速度可以通过测量的车辆位移信号求导获得，且对于车辆扫描法而言，能够测量的仅为车辆响应。具体的，车辆加速度为：

将车辆加速度离散化表示为：

其中：L表示输出矩阵；E表示传递矩阵。

23)以用k时刻状态向量Z_k表示k+2时刻的状态向量Z_k+2，得到k+2时刻的车辆位移y_v，k+2。k+2时刻的状态向量Z_k+2为：

Z_k+2＝A_k+1A_kZ_k+A_k+1B_kr_c，k+A_k+1F_k+B_k+1r_c，k+1+F_k+1+w_k

A_k+1A_k＝[U_1，k+1U_2，k+1U_3，k+1U_4，k+1]^T

A_k+1B_k＝[V_1，k+1V_2，k+1V_3，k+1V_4，k+1]^T

k+2时刻的车辆位移y_v，k+2为：

y_v，k+2＝U_3，k+1Z_k+V_3，k+1r_c，k

其中：U_1，k+1表示A_k+1A_k矩阵第一行对应的子矩阵；U_2，k+1表示A_k+1A_k矩阵第二至n+1行对应的子矩阵；U_3，k+1表示A_k+1A_k矩阵第n+2行对应的子矩阵；U_4，k+1表示A_k+1A_k矩阵第n+3至2n+2行对应的子矩阵；V_1，k+1表示A_k+1B_k矩阵第一行对应的子矩阵；V_2，k+1表示A_k+1B_k矩阵第二至n+1行对应的子矩阵；V_3，k+1表示A_k+1B_k矩阵第n+2行对应的子矩阵；V_4，k+1表示A_k+1B_k矩阵第n+3至2n+2行对应的子矩阵。

24)考虑实际中存在的观测噪声v_k+1，得到改进的系统观测方程。

令k＝k+1，改进的系统观测方程为：

Y_k+1＝C_kZ_k+1+D_kr_c，k+1+v_k+1

其中：Y_k+1表示改进的观测向量；v_k+1表示观测噪声；C_k为改进的输出矩阵；D_k为改进的传递矩阵。

车辆位移响应y_v，k+3可以直接由布置在车辆上的位移传感器记录得到，车辆加速度响应可以通过已获得的位移响应对时间dt两次微分得到。同理，若车辆配置的加速度传感器，则通过对车辆加速度响应对时间dt两次积分得到车辆位移响应。

25)根据扩展卡尔曼滤波算法，求解得到路面不平整度

求解得到路面不平整度的步骤为：

71)估计状态初始值设置：

其中：Z₀和r₀分别为状态向量和未知输入的初始值；和/>分别为状态向量和未知输入的初始估计值；P_z，0|0为状态向量协方差初始值；E[·]表示数学期望；

72)时间更新阶段：

其中：下标k|k表示该数值由同步迭代计算得到，k+1|k表示该数值由上一步迭代得到。具体的，和/>分别表示上一迭代步和当前迭代步计算的状态向量；P_z，k+1|k表示状态预测值/>的误差协方差矩阵；P_z，k|k表示状态预测值/>的误差协方差矩阵；Q_k+1为k+1时刻噪声向量w_k+1的协方差矩阵；

73)计算卡尔曼增益K_z，k+1：

其中：C_k+1|k表示由上一步迭代计算得到的输出矩阵；R_k+1表示观测噪声v_k+1的协方差矩阵；

74)估计未知输入：

其中：S_k+1表示未知激励r_k+1的误差协方差矩阵；D_k+1|k表示由上一步迭代计算得到的传递矩阵；Y_k+1表示改进的观测向量；I表示单位矩阵；

75)测量更新阶段：

其中：和/>分别为状态向量Z和未知输入r的估计值。

本实施例中，数据输出及显示终端用于实时输出和显示所述数据分析处理平台的计算结果。

下面结合具体实例对本发明路面不平整度辨识系统进行说明。

在数值验证中，采用图4所示的被测桥梁的数学模型。图4中桥梁的参数设置如下：桥梁长度L＝25m，截面尺寸为A＝3.2m²，桥梁密度为ρ＝4800kg/m³，弹性模量E＝2.75×10¹⁰N/m²。测量车参数设置如下：车辆刚度k_v＝200kN/m，车体质量m_v＝14,000kg，移动速度v＝2m/s。采用国际标准组织ISO(International Standard Organization)8608所定义的功率谱密度函数PSD(Power Spectral Density)法进行模拟。ISO8608标准将路面平整度划分为A-E五个不同等级，其中A级代表路面情况最好，E级代表路面最粗糙。本实施例中，路面不平整度等级考虑为C级。

为验证本实施例路面不平整度辨识系统的鲁棒性，开展数值研究验证了不同车辆行驶速度，不同环境噪声干扰下桥面不平整度的辨识效果。此外，为验证本实施例路面不平整度辨识系统的通用性，在数值研究中特意模拟试验车置于路面的情形。上述三种工况下的粗糙度案例如下：

工况一：不同车辆行驶车速下利用本实施例路面不平整度辨识系统识别的桥面不平整度，如图5所示；

工况二：不同环境噪声下利用本实施例路面不平整度辨识系统识别的桥面不平整度，如图6所示；

工况三：不同应用场景利用本实施例路面不平整度辨识系统识别的路面不平整度，如图7所示。

从三种工况的数值验证结果可以看出，计算得到的粗糙度与理论值无论在时域还是频域都表现较好的吻合度。此外，本实施例路面不平整度辨识系统具有广泛的适用性，不仅适用于桥梁路面不平整度辨识，同样适用于其他路面的粗糙度辨识。本实施例路面不平整度辨识系统的粗糙度辨识方法辨识过程高效，辨识流程简单，辨识结果准确，能够为量大面广的桥梁结构桥面不平整度辨识提供新的技术支撑，服务桥梁健康监测，运营管理与维护。

此外，本实施例可以很好地拓展致其他领域的荷载辨识问题，例如车辆行车舒适度评估。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种路面不平整度辨识系统，其特征在于：包括现场测量系统、数据分析处理平台和数据输出及显示终端；

所述现场测量系统包括测量车系统、数据采集模块、数据转换模块、数据通信模块和数据存储模块；所述测量车系统包括测量车和牵引车，所述牵引车用于引导所述测量车移动，且所述测量车可绕一转轴相对于所述牵引车转动、并可沿一滑轴相对于所述牵引车移动，所述转轴和滑轴相互垂直；所述测量车包括车厢，所述车厢上安装有一根车轴，所述车轴分别与所述转轴和滑轴垂直；所述车轴的中央位置或位于所述车轴中央正上方的车厢上安装有一个车载传感器；所述数据采集模块采集所述车载传感器测量得到的竖向响应，所述数据转换模块将采集得到的竖向响应数据进行数据转换，所述数据通信模块将转换后的竖向响应数据传输至所述数据存储模块进行存储；

所述数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度；

所述数据输出及显示终端用于实时输出和显示所述数据分析处理平台的计算结果。

2.根据权利要求1所述的路面不平整度辨识系统，其特征在于：所述转轴与所述牵引车转动配合，所述转轴上设有滑套，所述滑轴与所述滑套滑动配合，且所述滑轴固定安装在所述车厢上。

3.根据权利要求1或2所述的路面不平整度辨识系统，其特征在于：所述现场测量系统采集竖向响应数据的方法为：

11)将车载传感器布置在测量车车轴的中央位置或布置在位于测量车车轴中央正上方的车厢上；

12)采用牵引车引导测量车匀速驶过待测路面，在测量车在待测路面上行驶过程中，记录传感器检测得到的竖向响应。

4.根据权利要求1所述的路面不平整度辨识系统，其特征在于：所述车载传感器采用位移传感器，所述数据采集模块采集所述位移传感器测量得到的竖向位移响应。

5.根据权利要求4所述的路面不平整度辨识系统，其特征在于：待测路面为桥梁路面，所述数据分析处理平台用于根据采集得到的竖向响应数据辨识路面不平整度的方法为：

21)构建车辆和桥梁的平衡方程，根据定义的状态向量Z得到车桥耦合系统的状态空间方程，并将车桥耦合系统的状态空间方程进行离散化表示；

22)以加速度响应作为观测值，将车辆加速度进行离散化表示；

23)以用k时刻状态向量Z_k表示k+2时刻的状态向量Z_k+2，得到k+2时刻的车辆位移y_v,k+2；

24)考虑实际中存在的观测噪声v_k+1,得到改进的系统观测方程；

25)根据扩展卡尔曼滤波算法，求解得到路面不平整度

6.根据权利要求5所述的路面不平整度辨识系统，其特征在于：所述步骤21)中，车辆和桥梁的平衡方程为：

其中：M_b，C_b和K_b分别为桥梁的质量矩阵、阻尼矩阵和刚度矩阵；m_v为车辆的质量；kv为车辆刚度；y_v为车辆的竖向位移；为车辆竖向加速度；q_b为桥梁节点的位移向量，维度为1×n，n为桥梁的自由度数目；/>为桥梁节点的速度向量；/>为桥梁节点的加速度向量；r_c为待识别的路面不平整度；H为包含Hamilton插值函数的行向量；F为车辆与桥梁之间的相互作用力；且：

H_1×n＝[0，...0，N，0，...0]

F＝H^T[m_vg+k_v(y_v-r_c)-k_vHq_b]

其中：N为Hamilton插值函数；g为重力加速度；

状态向量Z定义为：

其中：表示车辆竖向速度；

车桥耦合系统的状态空间方程为：

其中：表示状态向量Z对时间t的一阶导数；t表示离散时间；A和B分别为状态方程的状态矩阵和输入矩阵；F为已知荷载矩阵；且：

车桥耦合系统的状态空间方程离散化表示为：

Z_k+1＝A_kZ_k+B_kr_c，k+F_k+w_k

A_k＝exp(Adt)≈(I+AΔt)

B_k＝[exp(Adt)-I]A^-1B≈dt

F_k＝[exp(Adt)-I]A^-1F

其中：I为单位矩阵；w表示系统噪音。

7.根据权利要求6所述的路面不平整度辨识系统，其特征在于：所述步骤22)中，车辆加速度为：

将车辆加速度离散化表示为：

其中：L表示输出矩阵；E表示传递矩阵。

8.根据权利要求7所述的路面不平整度辨识系统，其特征在于：所述步骤23)中，k+2时刻的状态向量Z_k+2为：

Z_k+2＝A_k+1A_kZ_k+A_k+1B_kr_c，k+A_k+1F_k+B_k+1r_c，k+1+F_k+1+w_k

A_k+1A_k＝[U_1，k+1U_2，k+1U_3，k+1U_4，k+1]^T

A_k+1B_k＝[V_1，k+1V_2，k+1V_3，k+1V_4，k+1]^T

k+2时刻的车辆位移y_v，k+2为：

y_v，k+2＝U_3，k+1Z_k+V_3，k+1r_c，k

其中：U_1，k+1表示A_k+1A_k矩阵第一行对应的子矩阵；U_2，k+1表示A_k+1A_k矩阵第二至n+1行对应的子矩阵；U_3，k+1表示A_k+1A_k矩阵第n+2行对应的子矩阵；U_4，k+1表示A_k+1A_k矩阵第n+3至2n+2行对应的子矩阵；V_1，k+1表示A_k+1B_k矩阵第一行对应的子矩阵；V_2，k+1表示A_k+1B_k矩阵第二至n+1行对应的子矩阵；V_3，k+1表示A_k+1B_k矩阵第n+2行对应的子矩阵；V_4，k+1表示A_k+1B_k矩阵第n+3至2n+2行对应的子矩阵。

9.根据权利要求8所述的路面不平整度辨识系统，其特征在于：所述步骤24)中，改进的系统观测方程为；

Y_k+1＝C_kZ_k+1+D_kr_c，k+1+v_k+1

其中：Y_k+1表示改进的观测向量；v_k+1表示观测噪声；C_k为改进的输出矩阵；D_k为改进的传递矩阵。

10.根据权利要求9所述的路面不平整度辨识系统，其特征在于：所述步骤25)中，求解得到路面不平整度的步骤为：

71)估计状态初始值设置：

其中：Z₀和r₀分别为状态向量和未知输入的初始值；和/>分别为状态向量和未知输入的初始估计值；P_z,0|0为状态向量协方差初始值；E[·]表示数学期望；

72)时间更新阶段：

其中：和/>分别表示上一迭代步和当前迭代步计算的状态向量；P_z,k+1|k表示状态预测值/>的误差协方差矩阵；P_z,k|k表示状态预测值/>的误差协方差矩阵；Q_k+1为k+1时刻噪声向量w_k+1的协方差矩阵；

73)计算卡尔曼增益K_z,k+1：

其中：C_k+1|k表示由上一步迭代计算得到的输出矩阵；R_k+1表示观测噪声v_k+1的协方差矩阵；

74)估计未知输入：

其中：S_k+1表示未知激励r_k+1的误差协方差矩阵；D_k+1|k表示由上一步迭代计算得到的传递矩阵；Y_k+1表示改进的观测向量；I表示单位矩阵；

75)测量更新阶段：

其中：和/>分别为状态向量Z和未知输入r的估计值。