面向主动安全控制的工程车辆动态信息获取与状态辨识

Active safety control, which is a research hotspot, is an effective means to protect the safety of vehicle drivers and passengers. The complicated operating conditions, heavy duty, and extensive structures of engineering vehicles negatively affect the relevant effectiveness, accuracy, and reliability of their early warning systems, thus restricting the development of active safety control. To break through this bottleneck, studies on the dynamic information acquisition of engineering vehicles based on self-powered sensors and wireless transmission, as well as vehicle status identification with multi-source information fusion integration, are conducted. The mechanisms of detecting the key active safety control parameters of engineering vehicles, including tire force behavior, dynamic center of gravity, multi-axis acceleration, roll angle, and driving speed are studied. Furthermore, a highly real-time dynamic information acquisition system is established. On this basis, a mapping relational model of the key parameters and states of vehicles is established by using an artificial neural network. The decision-making fusion of all multi-source information collected, as well as accurate and reliable vehicle status identification, is completed by using D-S evidence-based theory. Furthermore, relevant experimental studies are conducted. The research findings on this topic will provide new research basis and methods for the early warning of engineering vehicles and have great theoretical and practical significances on promoting the further development of China’s dynamic vehicle information acquisition and status identification, intelligent machinery, and so on.

主动安全控制是保障车辆驾乘人员生命安全的有效手段，已经成为当前相关领域的研究热点。由于工程车辆工作环境复杂、载荷多变、结构粗放等特点，使得其风险预警的实时性、准确性和可靠性等难以达到要求，制约了主动安全控制的发展。为突破该瓶颈，本项目开展基于自供电传感和无线传输的工程车辆动态信息获取以及基于多源信息融合的车辆状态辨识研究。首先，对包含轮胎作用力、动态重心位置、多轴加速度、侧倾角、行驶速度等在内的工程车辆主动安全关键参数检测机理进行研究，建立高实时性动态信息获取系统；在此基础上，利用人工神经网络建立关键参数与车辆状态之间的映射关系模型，基于D-S证据理论对所采集的多源信息进行决策融合，完成车辆状态的准确、可靠辨识，并开展相关试验研究。本课题的研究成果将为工程车辆风险预警提供新的研究基础和方法，对促进我国车辆动态信息获取、状态辨识、主动安全等领域相关研究的进一步发展具有重要的理论和现实意义。

本课题的主要研究目标是为工程车辆主动安全技术提供保障，进而推动工程车辆智能化的发展。为了实现该目标，本课题着重研究了工程车辆非线性动力学模型的建立方法及失稳机理、轮胎六分力实时在线测量的机理及系统构成、工程车辆对非结构环境的识别以及SLAM建图方法。.为了分析轮式装载机的失稳机理并得到主动安全预警所需要的关键信息及其对车辆稳定性的影响规律，结合轮式装载机的结构特点和各部分之间的运动关系，基于拉格朗日方程及虚功原理，建立了包含路面信息、轮胎模型、转向系统、工作装置、行驶参数及工作参数在内的轮式装载机7自由度非线性侧倾动力学模型，同时基于多体动力学软件建立车辆的虚拟样机对其进行研究；分析了轮式装载机的失稳机理并得到转弯速度、转弯半径、铰接转向角速度、坡度角、前桥到铰接轴线的距离、后桥到铰接轴线的距离、轮距以及摆动桥参数对车辆动态稳定性的影响规律。为了得到车辆的稳定性指标，本课题提出了一种轮胎力学特性实时测量装置及其测量方法，适用于不同车轮运动定位与速度下的轮胎力学特性试验，能够模拟轮胎在高速运转时的各种工况，为研究轮胎在高速时的力学特性提供试验支持；同时建立了虑橡胶本构、胎内空气压力、温度等各因素之间的耦合关系的轮胎作用力热-流-固多场耦合仿真模型，以降低开发和实验成本。为了完成对非结构环境的识别以及SLAM建图，本课题以机器人操作系统ROS为通信基础，Gazebo工具为场景平台，利用机器视觉和激光雷达进行数据融合，建立非结构环境的SLAM地图；选用多层BP神经网络对地图进行离线学习，确定网络的连接权值和连接结构，识别地图中的作业对象、协作伙伴、障碍物、行人等目标，并在此基础上进行全局和局部路径规划，完成工程车辆在作业点之间的安全、可靠转移。.本课题的研究成果将为工程车辆智能化提供研究基础和方法，对促进我国工程车辆动态信息获取、环境识别、路径规划、轨迹跟踪等领域相关研究的进一步发展具有重要的理论和现实意义。