高速公路路面不平度識(shí)別研究

張麗霞 章紅梅 潘福全

(1. 青島理工大學(xué)汽車與交通學(xué)院，青島 266520; 2. 同濟(jì)大學(xué)結(jié)構(gòu)工程與防災(zāi)研究所，上海 200092)

1 引 言

由于路面的不平度，當(dāng)車輛在高速公路上行駛時(shí)會(huì)使車輛的振動(dòng)加劇。車輛對(duì)路面或橋面的作用力不再是常量，成為隨機(jī)動(dòng)載。如果隨機(jī)動(dòng)載作用于橋梁結(jié)構(gòu)，可能會(huì)對(duì)橋梁產(chǎn)生較大的動(dòng)力響應(yīng)，從而會(huì)縮短其使用壽命[1]。作用于路面的隨機(jī)動(dòng)載的增加會(huì)加劇路面的破壞。因此，高速公路路面不平度的研究對(duì)于分析道路的應(yīng)力分布狀況及路面結(jié)構(gòu)的動(dòng)力響應(yīng)有一定的參考價(jià)值。

文獻(xiàn)[2]利用功率譜密度函數(shù)得到路面不平度，同時(shí)考慮路面不平度、汽車動(dòng)力學(xué)性能以及汽車車速來計(jì)算增加的動(dòng)載對(duì)橋面的破壞影響。文獻(xiàn)[3]將分形插值理論應(yīng)用于路面不平度的研究，建立了實(shí)際道路路面不平度的分形插值模型，并分析了其影響因素及影響規(guī)律，通過分形參數(shù)與傳統(tǒng)參數(shù)確定了模型的精度。該研究結(jié)果表明不同路面的模擬參數(shù)和傳統(tǒng)參數(shù)與實(shí)際路面能保持較好的一致性。文獻(xiàn)[4]采用Fourier逆變換法生成了各級(jí)橋面不平度序列，應(yīng)用Newmark法分析了某簡(jiǎn)支梁在考慮橋面不平度下的動(dòng)力響應(yīng)。文獻(xiàn)[5]以北京地區(qū)真實(shí)路面測(cè)量數(shù)據(jù)為例，生成了典型道路譜，得到了能夠表征某類路面的典型譜。文獻(xiàn)[6]結(jié)合實(shí)際車輛運(yùn)行中左右車輪的相干性，給出了右車輪路面不平度激勵(lì)的數(shù)值擬合方法。利用Matlab軟件建立了左右車輪的路面不平度激勵(lì)模型，并進(jìn)行了仿真驗(yàn)證。

路面不平度的獲取方法有直接測(cè)量法、仿真模擬法和載荷譜迭代法。直接測(cè)量法測(cè)量速度慢，設(shè)備價(jià)格昂貴；仿真模擬法誤差較大，只能對(duì)國標(biāo)規(guī)定的路面進(jìn)行仿真模擬；載荷譜迭代法誤差源多，數(shù)據(jù)精度受迭代誤差影響較大，周期長(zhǎng)，迭代原理較復(fù)雜[7]。本文利用仿真分析方法，建立徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)理想輸入樣本和輸出樣本后，對(duì)B級(jí)和C級(jí)路面不平度進(jìn)行了識(shí)別。

2 徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)輸入樣本的確定

為了得到徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸入樣本，需要建立汽車振動(dòng)模型得到車身質(zhì)心垂直加速度和俯仰角加速度。在建立振動(dòng)模型時(shí)，考慮車身的垂直運(yùn)動(dòng)、側(cè)傾運(yùn)動(dòng)及俯仰運(yùn)動(dòng)，4個(gè)車輪質(zhì)量有4個(gè)垂直自由度，共7個(gè)自由度，如圖1所示。

由拉格朗日方程，可得到車輛的振動(dòng)方程如式(1)所示

(1)

圖1 7個(gè)自由度汽車振動(dòng)模型Fig.1 Seven-degree-of-freedom vehicle vibration model

式中Z——車輛各自由度的位移向量；

M——車輛的質(zhì)量矩陣；

K——車輛的剛度矩陣；

C——車輛的阻尼矩陣；

Kt——輪胎剛度矩陣；

Ct——輪胎阻尼矩陣；

Q——路面輸入向量；

將式(1)兩邊乘以M-1，得

(2)

(3)

3 徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)輸出樣本的確定

以前輪為參考點(diǎn)，設(shè)左、右車輪路面白噪聲輸入Wx與Wy之間的傳遞函數(shù)為[8]

(4)

取二階近似，得到

(5)

引入中間變量M(s)，式(5)變成

(6)

分別由分子、分母可得

(7)

Wy(s)=a2M(s)+a0s-2M(s)+a1s-1M(s)

(8)

設(shè)狀態(tài)變量x1=L-1(s-1M(s))，

(9)

對(duì)式(8)進(jìn)行Laplace逆變換，可得

(10)

(11)

當(dāng)前左車輪白噪聲輸入Wx已知時(shí)，根據(jù)式(9)得到x1，x2，然后根據(jù)式(11)得到前右車輪白噪聲輸入Wy。根據(jù)文獻(xiàn)[9]可得前后車輪路面輸入函數(shù)，這樣就能得到四個(gè)車輪受到的路面不平度輸入函數(shù)。

利用Matlab軟件編程可得四輪汽車在B級(jí)和C級(jí)路面受到的不平度激勵(lì)，分別如圖2—圖5所示。從圖中可以看出，C級(jí)路面不平度比B級(jí)路面不平度大，前后輪路面不平度存在時(shí)間上的延遲。

4 高速公路路面不平度識(shí)別的實(shí)例分析

某一微型轎車的基本數(shù)據(jù)為：m=920 kg，Iy=948 kg·m2，Ix=239 kg·m2，a=1.109 m，m1=m2=m3=m4=25 kg，L=1.22 m，u=80 km/h，c6=c8=3 340 N·s/m，k2=k4=16.7 kN/m，k6=k8=21.1 kN/m，b=1.09 m，c2=c4=2 845 N·s/m，k1=k3=k5=k7=147 kN/m，c1=c3=c5=c7=40 N·s/m。

圖2 B級(jí)路面左前后輪路面不平度Fig.2 Road surface roughness above left front and rear wheels on level B road surface

圖3 B級(jí)路面右前后輪路面不平度Fig.3 Road surface roughness above right front and rear wheels on level B road surface

圖4 C級(jí)路面左前后輪路面不平度Fig.4 Road surface roughness above left front and rear wheels on level C road surface

訓(xùn)練RBF網(wǎng)絡(luò)時(shí)，以計(jì)算得到的車身質(zhì)心俯仰角加速度和垂直加速度作為網(wǎng)絡(luò)理想輸入樣本，對(duì)應(yīng)的路面不平度作為網(wǎng)絡(luò)理想輸出樣本[10]。

圖5 C級(jí)路面右前后輪路面不平度Fig.5 Road surface roughness above right front and rear wheels on level C road surface

4.1 B級(jí)路面不平度識(shí)別分析

根據(jù)以上轎車數(shù)據(jù)和式(1)，仿真計(jì)算得到B級(jí)路面上的車身質(zhì)心俯仰角加速度和垂直加速度，分別如圖6和如圖7所示。代入以上訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來識(shí)別B級(jí)路面不平度。

圖6 車身質(zhì)心俯仰角加速度(B級(jí)路面)Fig.6 Body centroid pitching angular acceleration(level B road surface)

圖7 車身質(zhì)心垂直加速度(B級(jí)路面)Fig.7 Body centroid vertical acceleration (level B road surface)

圖8(a)是在B級(jí)路面上左前輪路面不平度RBF神經(jīng)網(wǎng)絡(luò)識(shí)別值和濾波白噪聲擬合值。從圖中可以看出，擬合值和識(shí)別值有很好的吻合度。圖8(b)是識(shí)別值和擬合值的相對(duì)誤差。相對(duì)誤差的最大值是0.24%。可見，相對(duì)誤差很小。

將圖6和圖7數(shù)據(jù)加入均勻分布隨機(jī)噪聲，然后代入訓(xùn)練好的RBF網(wǎng)絡(luò)。圖8(c)和圖8(d)是加入噪聲后的結(jié)果。加入噪聲后擬合值和識(shí)別值吻合度也較好，其相對(duì)誤差的最大值是3.9%，因此其抗噪聲能力強(qiáng)。

4.2 C級(jí)路面不平度識(shí)別分析

根據(jù)以上轎車數(shù)據(jù)和式(1)，仿真計(jì)算得到C級(jí)路面上的車身質(zhì)心俯仰角加速度和垂直加速度，分別如圖9和圖10所示。代入以上訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來識(shí)別C級(jí)路面不平度。

圖8 B級(jí)路面不平度識(shí)別結(jié)果Fig.8 Identification result of level B road surface roughness

圖9 車身質(zhì)心俯仰角加速度(C級(jí)路面)Fig.9 Body centroid pitching angular acceleration(level C road surface)

圖10 車身質(zhì)心垂直加速度(C級(jí)路面)Fig.10 Body centroid vertical acceleration (level C road surface)

圖11(a)是在C級(jí)路面上左前輪路面不平度的RBF神經(jīng)網(wǎng)絡(luò)識(shí)別值和濾波白噪聲擬合值。從圖中可以看出，擬合值和識(shí)別值有很好的吻合度。圖11(b)是識(shí)別值和擬合值的相對(duì)誤差。相對(duì)誤差的最大值是0.42%，比B級(jí)路面的相對(duì)誤差大。圖11(c)和圖11(d)是加入隨機(jī)噪聲后的結(jié)果，加入噪聲后擬合值和識(shí)別值吻合度也較好，加入噪聲后相對(duì)誤差最大值是4.73%，因此其抗噪聲能力強(qiáng)。

圖11 C級(jí)路面不平度識(shí)別結(jié)果Fig.11 Roughness identification result of level C road surface

5 結(jié) 論

本文建立了7個(gè)自由度汽車振動(dòng)模型，得到了車身質(zhì)心垂直加速度和俯仰角加速度，建立了徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)理想輸入樣本和輸出樣本，識(shí)別了B級(jí)和C級(jí)路面不平度。識(shí)別的B級(jí)路面和C級(jí)路面相對(duì)誤差的最大值分別是0.24%和0.42%。加入噪聲后識(shí)別的B級(jí)路面和C級(jí)路面相對(duì)誤差的最大值分別是3.9%和4.73%。因此運(yùn)用該方法識(shí)別路面不平度相對(duì)誤差小，抗噪聲能力強(qiáng)。識(shí)別出來的路面不平度對(duì)深入分析高速公路路面結(jié)構(gòu)的動(dòng)力響將有重要參考價(jià)值。

[ 1 ] 楊建榮，劉章軍.車—橋耦合系統(tǒng)迭代解法研究[J].結(jié)構(gòu)工程師，2007，23(4)：40-44.

Yang Jianrong,Liu Zhangjun. Iterative procedure for dynamic analysis of vehicle bridge interaction[J].Structural Engineers,2007,23(4):40-44.(in Chinese)

[ 2 ] Sukhvarsh J,Sanjay G.Road surface roughness generation by power spectral density in bridge design[C]. Proceedings of the 2008 Structures Congress- Structures Congress 2008: Crossing the Borders, (314), 2008.

[ 3 ] Lu Z X, Zhao L Y, Li X Q, et al.Simulation of road surface roughness based on the piecewise fractal function[J].IFIP Advances in Information and Communication Technology, 2011,347: 294-305.

[ 4 ] 蘭先亮.基于橋面不平度的車橋耦合振動(dòng)分析[J].華東公路，2013，(2)：52-55.

Lan Xianliang. Analysis on vehicle bridge interaction vibration based on bridge surface roughness[J].East China Highway,2013, (2):52-55.(in Chinese)

[ 5 ] 馬穎，段虎明，石鋒.典型道路譜的生成方法研究[J].振動(dòng)與沖擊，2013， 32(16)：19-22.

Ma Ying, Duan Huming, Shi Feng. Generation method of typical road spectrum[J]. Journal of Vibration and Shock,2013,32(16):19-22.(in Chinese)

[ 6 ] 任宏斌，陳思忠，吳志成,等.車輛左右車輪路面不平度的時(shí)域再現(xiàn)研究[J].北京理工大學(xué)學(xué)報(bào)，2013，33(3)：257-259.

Ren Hongbin, Chen Sizhong, Wu Zhicheng, et al.Time domain excitation model of random road profile for left and right wheels[J]. Transactions of Beijing Institute of Technology,2013,33(3):257-259.(in Chinese)

[ 7 ] 王望良，劉漢光，孟東閣，等.車輛道路模擬試驗(yàn)道路譜獲取方法研究[J].工程機(jī)械，2013，44(8)：18-24.

Wang Wangliang, Liu Hanguang, Meng Dongge, et al. Research of method to acquire roadway spectrums for vehicle simulation tests on roads[J]. Construction Machinery and Equipment,2013,44(8):18-24.(in Chinese)

[ 8 ] 趙衍，盧士富.路面對(duì)四輪汽車輸入的時(shí)域模型[J].汽車工程，1999，21(6)：112-117.

Zhao Heng, Lu Shifu. A vehicle’s time domain model with road input on four wheels[J].Automotive Engineering,1999,21(6):112-117.(in Chinese)

[ 9 ] 張麗霞.汽車操縱穩(wěn)定性和平順性中逆問題的研究[D].南京：南京航空航天大學(xué)，2007.

Zhang Lixia. Research on inverse problem in vehicle handling stability and ride comfort[D].Nanjing: Nanjing University of Aeronautics and Astronautics,2007.(in Chinese)

[10] 張麗霞，趙又群，徐培民，等.路面功率譜密度識(shí)別的仿真[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(5)：15-18.

Zhang Lixia, Zhao Youqun, Xu Peimin, et al. Simulation on road surface power spectrum density identification[J]. Transactions of the Chinese Society for Agricultural Machinery,2007,38(5):15-18.(in Chinese)