基于改进ResNet的路面状态识别算法

针对传统方法对于路面状态识别准确率低及人工提取路面图像特征过程复杂等问题,提出了一种改进ResNet的路面状态识别算法,对7种路面状态进行识别。首先,在ResNet经典模型算法上添加Dense Block密连模块,使算法提取路面状态的更多浅层边缘特征,然后在ResNet的残差模块中引入双注意力机制,使算法根据不同通道特征的重要程度,自适应提取深层关键特征;最后,添加两层全连接层并引入Dropout抑制过拟合,最终实现路面状态的识别。实验结果表明:该方法的准确率、精确率、召回率、F_(1)score和特异度均达到99.0%以上,能有效提取关键的特征信息,具有较强的鲁棒性,有效地提高了路面状态的识别精度。

基于改进Inception-ResNet-v2的城市交通路面状态识别算法

针对传统方法对于路面状态识别准确率低的问题,提出了一种改进Inception-ResNet-v2的路面状态识别算法,对6种城市交通路面状态进行识别。首先,在Inception-ResNet-v2算法的Inception-ResNet-C模块引入SENet注意力机制得到SE-Inception-ResNet-C模块,使算法学习到不同通道特征的重要程度;然后采用特征融合策略,将不同层级的特征信息融合,防止重要特征信息的丢失;最后采用全卷积结构,将原始算法中的全连接层换成卷积层,不仅保证了图像的空间结构,还能使网络接收任意尺度的图片。实验结果表明,该算法能提取关键的特征信息,有效提高了路面状态的识别精度。

基于路面状态识别的装载机四轮驱动防滑控制

研究了铰接式四轮驱动装载机防滑控制方法,通过路面状态识别方法和控制算法,利用限滑差速器实现驱动防滑。以车轮角加速度作为路面状态识别系统的判别参数,在车辆行驶过程中对各车轮的附着路面进行实时识别,将识别出的当量路面下的最优滑转率作为驱动防滑系统的控制目标,通过模糊控制算法控制液压限滑差速器内液压油缸压力,实现装载机的驱动防滑控制。Matlab/Simulink仿真结果表明:该路面状态识别系统能够快速、准确地完成状态识别,同时对各车轮滑转状态进行实时判断并实现驱动防滑控制,从而避免车轮过度滑转,保证车辆获得最佳动力性能。

基于ResNeSt网络路面状态识别的主动悬架模型预测控制

为了提升不同运行工况下的路面状态识别精度及主动悬架平顺性控制性能,提出一种基于ResNeSt网络路面状态识别的主动悬架模型预测控制(MPC)方法.首先,搭建基于多路径分散注意力思想的ResNeSt网络架构,建立面向主动悬架实时控制的路面状态识别算法,采用交叉熵目标损失函数和AdamW梯度下降算法进行网络训练以及测试实验验证;然后,在此基础上设计基于路面状态识别的主动悬架MPC控制算法,根据离散状态空间方程推导悬架系统预测模型,以悬架预测输出和控制力输入为性能指标建立目标函数,并考虑不同路面的控制策略确定加权矩阵取值,在系统约束条件下,将MPC目标函数转化为二次最优规划问题的求解;最后,将所提出控制算法与被动悬架、LQG控制进行对比仿真分析,结果表明:ResNeSt网络可以快速准确地识别多种路面状态,所提出控制算法能够根据路面状态对悬架进行实时瞬态主动控制,簧载质量加速度、悬架动挠度和轮胎动载荷的均方根值平均值相比LQG控制分别降低36.56%、32.99%和36.28%.

基于路面摩擦因数的冬季典型路面状态识别模型

为了能够有效利用现有公路养护和管理车辆,提出了基于路面摩擦因数的冬季典型路面状态监测方法。通过使用横向力摩擦因数测试仪采集连续路面摩擦因数,挖掘冬季路面摩擦因数与路面状态之间的深度对应关系,确定模型的主要计算参数;基于四分位动态差分法和线性回归法构建了路面摩擦因数与冬季典型路面状态的关系模型,并利用情形分析关联表法对该模型识别路面状态的准确性进行了验证。研究结果表明:所提出的基于路面摩擦因数的冬季典型路面状态识别的整体准确性能够达到75%以上,识别精度满足业务需求,可以实现对全路线乃至整个路网的冬季典型路面状态连续、快速、精确的监测和识别。

基于计算机视觉的高速路面状态检测方法

路面状态检测技术是辅助高速公路监管部门及时发现结冰、积雪等不良路况的重要手段。针对传统基于硬件设备的路面状态检测技术存在成本较高、检测范围受局限等问题,提出了一种基于计算机视觉的高速路面状态检测方法。该方法首先将融合了空间注意力机制和通道注意力机制的Attention模块与具有高分割精度的U-Net网络相结合,对路面区域图像进行分割提取;之后实现了一种基于循环生成对抗网络的路面阴影消除算法,对已经提取的路面图像进行阴影消除;最后基于残差结构构建了路面状态分类器,实现高准确率的路面状态检测。实验结果表明,采用该方法可以消除路面状态检测过程中高速公路两侧景物和路面阴影对状态检测带来的干扰,实现了对路面干燥、积雪、积水和结冰4类状态的准确识别。基于高速公路监控视频进行测试时,识别率可达97.9%。