基于深度学习的路面不平度等级识别研究

准确的路面激励信息对汽车行驶安全性和乘坐舒适性有重要影响.针对目前路面不平度等级识别算法存在复杂和准确率低等问题,提出了一种注意力门控循环单元(BiGRU-Attention)网络和车辆振动响应的路面不平度等级识别算法.首先,通过滤波白噪声法建立随机输入路面模型,1/4车辆振动模型平顺性仿真实验获取车辆振动响应信号,选择滑动窗口为1 s截取样本构造数据集;然后,通过BiGRU网络学习样本信号的深层次信息,Attention机制优化时刻特征对辨识结果的贡献率比重,快速准确地识别出路面不平度等级;最后通过消融实验实现算法的验证.实验结果表明,基于BiGRU-Attention路面不平度等级识别算法的准确率可达96.9％,相比基础模型有1％～3％的提升.该算法能够准确识别路面不平度等级,为车辆动力学控制提供有力的理论依据.

Research on Road Roughness Level Recognition Based on Deep Learning