田间长波路面不平度表达和分级的新方法

以牵引车为动力在构造的21种不同种尺寸的土壤矩形坑路面上进行振动测试,建立了土壤软路面有效不平度表达式,并求出空间位移功率谱密度(PSD)。结果显示:(1)21种路面的有效不平度空间功率谱密度曲线均有呈比例增加的5个峰值点,与土壤矩形坑后端激励的5次倍频相关系数(R^(2))范围为0.9798~0.9956;在20种路面中的频率指数值均小于-2,表明土壤矩形坑后端为主要激励点并验证了有效不平度求解的有效性,以及田间长波路面是主要的激励频带。(2)随着矩形坑尺寸的变化,21种路面等级在A~F之间,符合ISO8608标准的分级方法和驾驶员的主观感受。提出了田间长波路面不平度表达和分级的新方法,为建立土壤软路面谱提供了参考依据。

基于有理函数的路面不平度时域模型研究

研究了基于有理函数的路面不平度时域模型.采用Matlab/Simulink软件建立了基于有理函数的路面不平度时域模型,并进行了仿真.求取了仿真输出的路面不平度时域数据的功率谱和均方根值.对比国际标准化组织提出的路面分级标准,确定了正确的模型参数,验证了基于有理函数的路面不平度时域模型.并导出仅需路面不平度系数表达的路面不平度时域模型.此模型可方便、准确地对路面分级标准规定的路面进行仿真.

基于蚁群聚类的路面识别分析方法

道路是城市的重要基础设施.路面状况的鉴定与评价直接关系到公路的养护决策,是一项至关重要的工作.本研究将蚁群聚类算法应用于路面识别领域,提出一种基于蚁群聚类优化的路面识别分析方法,将此方法运用于路面识别系统.该系统由数据采集、数据预处理和蚁群聚类优化3个模块组成,其中蚁群聚类主要提取了纵轴方向的3个特征属性,通过不断更新聚类中心产生的信息素矩阵,并通过分类器进行路面分类.实验结果表明:蚁群聚类优化具有全局收敛以及启发式学习等优点,运算效率高,路面识别准确率达到95.3%,验证了此方法的有效性.

基于加速度传感器的路面不平度采集系统

针对路面质量检测中的路面不平度分析,设计了基于加速度传感器的路面不平度采集系统.硬件部分,开发了以C8051F005微控制器为核心的信号采集模块,并通过蓝牙无线传输至上位机;软件部分,采用了一种基于车辆垂直加速度时间序列自回归(AR)建模的国际道路不平度指数(international roughness index,IRI)测量方法,即先运用卡尔曼算法对初始数据进行滤波处理,再对数据进行AR建模,计算功率谱密度,得到路面不平度系数后,由公式计算路面IRI.文中给出了具体的实施方案,分析了方案的合理性,运用开发的采集系统开展了实车道路试验,采集了镇江市某区的两种路面(沥青路面和水泥混凝土路面)不平度数据.采用高精度的路面激光平整度仪做试验,与文中方案作对比,结果表明:文中方案的结果误差较小,与实际路况吻合.本系统可应用于工程路面检测和分级等相关领域.