CN109878509A - 基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法 - Google Patents

Abstract

本发明提出了一种基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法，首先明确三个侧翻表征参数和分别计算对应的预估侧翻发生的概率，然后建立基于模糊逻辑的概率计算模型，最后计算预估侧翻发生的最优概率并分级别进行预警。本发明所提出的侧翻预警方法无需考虑复杂的动力学方程和车身参数，只需冗余处理多个低成本传感器信息，再通过基于模糊逻辑的概率计算模型得到预估侧翻发生的最优概率。该方法分析数据全面，以概率形式将侧翻危险精确量化，能够在整体式罐车存在较小的侧翻危险时准确、及时预警，使驾驶员尽早采取预防措施，减少侧翻事故的发生。

Description

基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法

技术领域

本发明涉及一种整体式罐车侧翻预警方法，尤其是涉及一种基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法，属于汽车安全技术领域。

背景技术

近年来，随着道路运输业的蓬勃发展，整体式罐车已然成为危险品公路运输的重要载体。由于重心位置较高、轮距相对较小和易受液体扰动的原因，整体式罐车在冰雪湿滑路面、转弯半径过小和行驶速度较大等工况下，极易发生侧翻，从而导致危险品泄漏，造成环境污染与交通拥堵，严重的会损害生命和社会财产。据美国公路交通安全管理局的相关统计数据表明，在所有大型客车或运输车交通事故中，侧翻事故的危害程度仅次于碰撞事故，居第2位。因此，研究整体式罐车侧翻预警的方法，对道路交通安全具有较大的社会意义和实用价值。

在整体式罐车侧翻预警领域中，常用的侧翻表征参数有侧倾角、侧向加速度和横向载荷转移率，现有的侧翻预警方法大多数是基于单个侧翻表征参数，将车辆行驶时该侧翻表征参数的实际值与预设的阈值进行比较，当实际值超过阈值时预警。由于整体式罐车行驶时车身姿态变化快、稳定性低，并且引起侧翻的因素较多，这些方法虽然能够起到一定程度的预警作用，但是存在预警不准确的问题，同时若预设的侧翻阈值较大，当实际值接近阈值时，整体式罐车已经存在侧翻危险，因此当实际值超过阈值再预警，可能会出现预警不及时的问题。

发明内容

针对整体式罐车行驶过程中侧翻预警不准确和不及时的问题，提出了一种基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法。该方法分析数据全面，将侧翻危险精确量化，可以在不同工况下，准确、及时的进行分级式预警，从而降低侧翻发生风险，提高驾驶安全性。

为了达到上述目的，本发明提供如下技术方案：

基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法，包括如下步骤：

步骤一：明确三个侧翻表征参数和分别计算对应的预估侧翻发生的概率

整体式罐车侧翻表征参数为：侧倾角α、侧向加速度A和板簧压力横向转移率L，板簧压力横向转移率L计算公式为：

式中，F_li是整体式罐车第i根车轴左侧钢板弹簧受到的压力，F_ri是整体式罐车第i根车轴右侧钢板弹簧受到的压力，i是整体式罐车车轴位置编号，i＝1,2,…,n，n是整体式罐车总的车轴数量；

选用的传感器有MEMS陀螺仪和若干压力传感器，根据MEMS陀螺仪输出信息得到侧倾角α和侧向加速度A，根据压力传感器输出信息和公式(1)计算得到板簧压力横向转移率L；MEMS陀螺仪固定于整体式罐车底盘中心，压力传感器安装于钢板弹簧与车轮的结合处，压力传感器数量取决于整体式罐车两侧钢板弹簧个数；

定义基于侧倾角α判断侧翻发生的概率为P₁，

式中，α为整体式罐车的侧倾角，α_T为预设的侧倾角阈值，α_T＞0，0≤P₁≤1，P₁小数点后保留两个有效数字；

定义基于侧向加速度A判断侧翻发生的概率为P₂，

式中，A为整体式罐车的侧向加速度，A_T为预设的侧向加速度阈值，A_T＞0，0≤P₂≤1，P₂小数点后保留两个有效数字；

定义基于板簧压力横向转移率L判断侧翻发生的概率为P₃，

式中，L为整体式罐车的板簧压力横向转移率，L≥0，L_T为预设的板簧压力横向转移率阈值，L_T＞0，0≤P₃≤1，P₃小数点后保留两个有效数字；

步骤二：建立基于模糊逻辑的概率计算模型

1)明确输入变量和输出变量

将步骤一中P₁、P₂和P₃作为计算模型的输入变量，将预估侧翻发生的最优概率做为输出变量；

2)精确量的模糊化

模糊化是将输入变量数值转化成各个模糊集合隶属度的过程，是模糊逻辑的第一步，模糊化时需要考虑下列问题；

1.选定输入变量的模糊集合

选定三个模糊集合，即小、中、大，字母表示依次为S、M、B；

2.确定模糊集合的隶属度函数

输入变量的范围都是0～1，故三个模糊集合对应的隶属度函数定义如下：

式中，f_S(x)为模糊集合S的隶属度函数，f_M(x)为模糊集合M的隶属度函数,f_B(x)为模糊集合B的隶属度函数，三个隶属度函数值小数点后保留两个有效数字，x表示各输入变量所对应的概率，0≤x≤1；

对于三个输入变量P₁、P₂和P₃，根据隶属度函数可得到：f_S(P₁)、f_M(P₁)、f_B(P₁)，f_S(P₂)、f_M(P₂)、f_B(P₂)，f_S(P₃)、f_M(P₃)、f_B(P₃)；

3)模糊推理

模糊规则是以驾驶员的成熟经验和侧翻仿真模拟结果为基础，认为三个输入概率有两个及以上达到B集合时，则认为预估侧翻发生的概率达到了B集合；有两个概率达到M集合一个概率达到B集合时，也认为预估侧翻发生的概率达到了B集合；三个概率都达到M集合时，则认为预估侧翻发生的概率达到了M集合；有两个概率处于S集合一个概率达到B集合时，则认为预估侧翻发生的概率达到了M集合；有两个概率达到M集合一个概率处于S集合时，则认为预估侧翻发生的概率达到了M集合；一个概率达到B集合一个概率达到M集合一个概率达到S集合，也认为预估侧翻发生的概率达到了M集合；有两个概率处于S集合一个概率处于M或S集合，则认为预估侧翻发生的概率达到了S集合；

由于规则中使用与运算来组合模糊条件语句，因此每个规则输出结果的隶属度通过min函数计算得到；规则1：如果P₁处于S集合与P₂处于S集合与P₃处于S集合，那么输出结果为预估侧翻发生的概率处于S集合，由于P₁为S集合的隶属度为f_S(P₁)，P₂为S集合的隶属度为f_S(P₂)，P₃为S集合的隶属度为f_S(P₃)，因此输出结果的隶属度为min(f_S(P₁)、f_S(P₂)、f_S(P₃))，其他规则以此类推，共有27条规则；

4)确定解模糊策略

采用重心法作为解模糊策略，计算公式如下：

式中，R是计算模型的输出变量，即预估侧翻发生的最优概率，FS_j是模糊规则中第j条规则输出结果的隶属度，OW_j是模糊规则中第j条规则输出结果中模糊集合的权重，权重通常取每个集合的中间值，即OW(S)＝0.25，OW(M)＝0.5，OW(B)＝0.75；

步骤三：计算预估侧翻发生的最优概率并分级别进行预警

将P₁、P₂和P₃三个预估侧翻发生的概率输入步骤二中建立的概率计算模型，得到预估侧翻发生的最优概率R，根据R的大小分级别进行预警，预警模块由语音提示单元和蜂鸣器组成，固定于驾驶室里，预警规则如下：

不报警时，语音提示单元和蜂鸣器不工作；一级报警时，语音提示单元播放：“请安全驾驶”，蜂鸣器低频震动；二级报警时，语音提示单元播放：“请谨慎驾驶”，蜂鸣器中频震动；三级报警时，语音提示单元播放：“危险，即将发生侧翻”，蜂鸣器高频震动。

与现有技术相比，本发明具有如下优点和有益效果：

1.本发明的预警方法使用的传感器成本低，计算方法清晰，便于大规模推广。

2.本发明分析数据全面，使得预警方法能够在线监测整体式罐车的侧翻稳定性，很好的适应各种可能的环境。

3.本发明的预警方法以概率形式将侧翻危险精确量化，能够整体式罐车存在较小的侧翻危险时准确、及时进行分级式预警。

附图说明

图1为本发明提供的预警方法总体设计流程图。

图2为预警设备安装位置示意图。

图3为单个压力传感器安装位置示意图。

图4为模糊集合的隶属度函数图。

具体实施方式

以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

本发明提出了一种基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法，首先明确三个侧翻表征参数和分别计算对应的预估侧翻发生的概率，然后建立基于模糊逻辑的概率计算模型，最后计算预估侧翻发生的最优概率并分级别进行预警。本发明所提出的侧翻预警方法无需考虑复杂的动力学方程和车身参数，只需冗余处理多个低成本传感器信息，再通过基于模糊逻辑的概率计算模型得到预估侧翻发生的最优概率。该方法分析数据全面，以概率形式将侧翻危险精确量化，能够在整体式罐车存在较小的侧翻危险时准确、及时预警，使驾驶员尽早采取预防措施，减少侧翻事故的发生。预警方法的总体设计流程如图1所示，包括以下具体步骤：

步骤一：明确三个侧翻表征参数和分别计算对应的预估侧翻发生的概率

侧倾角和侧向加速度增大到一定值时，整体式罐车才会发生侧翻，这两个侧翻表征参数可以直观的评估整体式罐车的横向稳定性，并且获取方式简单，因此本发明选取整体式罐车侧倾角α和侧向加速度A为侧翻表征参数。横向载荷转移率是常用的侧翻表征参数，然而高速运转状态下车轮的载荷测量非常困难，导致横向载荷转移率计算不准确。对于使用钢板弹簧悬架的整体式罐车，由于车轮处钢板弹簧所受压力与车轮的载荷有一定的对应关系，并且钢板弹簧分部左右对称，钢板弹簧所受压力也可以直接通过传感器获得，故本发明以钢板弹簧所受压力代替车轮载荷，提出板簧压力横向转移率L这个侧翻表征参数，计算公式为：

式中，F_li是整体式罐车第i根车轴左侧钢板弹簧所受压力，F_ri是整体式罐车第i根车轴右侧钢板弹簧所受压力，i是整体式罐车车轴位置编号，i＝1,2,…,n，n是整体式罐车总的车轴数量。

本发明选用的传感器有MEMS陀螺仪和若干压力传感器。根据MEMS陀螺仪输出信息得到侧倾角α和侧向加速度A，根据压力传感器输出信息和公式(1)计算得到板簧压力横向转移率L。传感器安装位置如图2所示，MEMS陀螺仪固定于整体式罐车底盘中心，压力传感器安装于钢板弹簧与车轮的结合处，压力传感器数量取决于整体式罐车两侧钢板弹簧个数，单个压力传感器具体安装位置如图3所示。

定义基于侧倾角α判断侧翻发生的概率为P₁，

式中，α为整体式罐车的侧倾角，α_T为预设的侧倾角阈值，α_T＞0，0≤P₁≤1，P₁小数点后保留两个有效数字。

定义基于侧向加速度A判断侧翻发生的概率为P₂，

式中，A为整体式罐车的侧向加速度，A_T为预设的侧向加速度阈值，A_T＞0，0≤P₂≤1，P₂小数点后保留两个有效数字。

定义基于板簧压力横向转移率L判断侧翻发生的概率为P₃，

式中，L为整体式罐车的板簧压力横向转移率，L≥0，L_T为预设的板簧压力横向转移率阈值，L_T＞0，0≤P₃≤1，P₃小数点后保留两个有效数字。

步骤二：建立基于模糊逻辑的概率计算模型

1)明确输入变量和输出变量

由于本发明建立计算模型的目的是融合处理三个侧翻表征参数对应的预估侧翻发生的概率，从而能够准确、及时的预估侧翻风险，因此将步骤一中P₁、P₂和P₃作为计算模型的输入变量，将预估侧翻发生的最优概率做为输出变量。

2)精确量的模糊化

模糊化是将输入变量数值转化成各个模糊集合隶属度的过程，是模糊逻辑的第一步，模糊化时需要考虑下列问题。

1.选定输入变量的模糊集合

用较多的模糊集合来描述每个输入变量时，可提高概率计算模型的准确性，然而在制定模糊规则时比较繁琐，故选定模糊集合时需兼顾简单性和灵活性。

由于本发明中输入变量都是概率值，所以选定三个模糊集合，即小、中、大，字母表示依次为S、M、B。

2.确定模糊集合的隶属度函数

隶属度函数的形状越陡，则分辨率越高，输出灵敏度也就越高；隶属度函数的变化越缓慢，则灵敏度越低，由于本发明中输入变量的范围都是0～1，故三个模糊集合对应的隶属度函数定义如下：

式中，f_S(x)为模糊集合S的隶属度函数，f_M(x)为模糊集合M的隶属度函数,f_B(x)为模糊集合B的隶属度函数，三个隶属度函数值小数点后保留两个有效数字，x表示各输入变量所对应的概率，0≤x≤1，模糊集合的隶属度函数如图4所示。

对于三个输入变量P₁、P₂和P₃，根据隶属度函数可得到：f_S(P₁)、f_M(P₁)、f_B(P₁)，f_S(P₂)、f_M(P₂)、f_B(P₂)，f_S(P₃)、f_M(P₃)、f_B(P₃)。

3)模糊推理

模糊逻辑中通常根据实际经验把模糊条件语句写成一个模糊规则表。本发明认为三个输入概率有两个及以上达到B集合时，则认为预估侧翻发生的概率达到了B集合；有两个概率达到M集合一个概率达到B集合时，也认为预估侧翻发生的概率达到了B集合；三个概率都达到M集合时，则认为预估侧翻发生的概率达到了M集合；有两个概率处于S集合一个概率达到B集合时，则认为预估侧翻发生的概率达到了M集合；有两个概率达到M集合一个概率处于S集合时，则认为预估侧翻发生的概率达到了M集合；一个概率达到B集合一个概率达到M集合一个概率达到S集合，也认为预估侧翻发生的概率达到了M集合；有两个概率处于S集合一个概率处于M或S集合，则认为预估侧翻发生的概率达到了S集合。具体模糊规则如下表所示：

模糊规则表确定了二十七条规则，由于规则中使用与运算来组合模糊条件语句，每个规则输出结果的隶属度通过min函数计算得到。规则1：如果P₁处于S集合与P₂处于S集合与P₃处于S集合，那么输出结果为预估侧翻发生的概率处于S集合，由于P₁为S集合的隶属度为f_S(P₁)，P₂为S集合的隶属度为f_S(P₂)，P₃为S集合的隶属度为f_S(P₃)，因此输出结果的隶属度为min(f_S(P₁)、f_S(P₂)、f_S(P₃))，其他规则以此类推。

4)确定解模糊策略

模糊推理的输出结果是一个模糊集，而模糊逻辑的输出结果必须是一个确定的数值。在推理得到的模糊集合中取一个相对最能代表这个模糊集合的单值，称为解模糊或模糊判决。最常用的两种解模糊方法是最大隶属度法和重心法。最大隶属度法是取所有模糊集合或者隶属度函数中隶属度最大的那个值作为输出，这种方法实现简单，但没有考虑其他隶属度较小的值的影响，代表性不好。重心法的输出结果更为合理，易于产生一个平滑的输出曲面，有利于提高计算模型的鲁棒性。本发明采用重心法作为解模糊策略，计算公式如下：

式中，R是计算模型的输出变量，即预估侧翻发生的最优概率，FS_j是模糊规则表中第j条规则输出结果的隶属度，OW_j是模糊规则表中第j条规则输出结果中模糊集合的权重，权重通常取每个集合的中间值，即OW(S)＝0.25，OW(M)＝0.5，OW(B)＝0.75。

步骤三：计算预估侧翻发生的最优概率并分级别进行预警

将P₁、P₂和P₃三个预估侧翻发生的概率输入步骤二中建立的概率计算模型，得到预估侧翻发生的最优概率R，根据R的大小分级别进行预警，预警模块由语音提示单元和蜂鸣器组成，固定于驾驶室里，预警规则如下：

不报警时，语音提示单元和蜂鸣器不工作；一级报警时，语音提示单元播放：“请安全驾驶”，蜂鸣器低频震动；二级报警时，语音提示单元播放：“请谨慎驾驶”，蜂鸣器中频震动；三级报警时，语音提示单元播放：“危险，即将发生侧翻”，蜂鸣器高频震动。

Claims (1)

1.基于模糊逻辑的整体式罐车多源信息融合侧翻预警方法，其特征在于，包括如下步骤：

步骤一：明确三个侧翻表征参数和分别计算对应的预估侧翻发生的概率

整体式罐车侧翻表征参数为：侧倾角α、侧向加速度A和板簧压力横向转移率L，板簧压力横向转移率L计算公式为：

式中，F_li是整体式罐车第i根车轴左侧钢板弹簧受到的压力，F_ri是整体式罐车第i根车轴右侧钢板弹簧受到的压力，i是整体式罐车车轴位置编号，i＝1,2,…,n，n是整体式罐车总的车轴数量；

选用的传感器有MEMS陀螺仪和若干压力传感器，根据MEMS陀螺仪输出信息得到侧倾角α和侧向加速度A，根据压力传感器输出信息和公式(1)计算得到板簧压力横向转移率L；MEMS陀螺仪固定于整体式罐车底盘中心，压力传感器安装于钢板弹簧与车轮的结合处，压力传感器数量取决于整体式罐车两侧钢板弹簧个数；

定义基于侧倾角α判断侧翻发生的概率为P₁，

式中，α为整体式罐车的侧倾角，α_T为预设的侧倾角阈值，α_T＞0，0≤P₁≤1，P₁小数点后保留两个有效数字；

定义基于侧向加速度A判断侧翻发生的概率为P₂，

式中，A为整体式罐车的侧向加速度，A_T为预设的侧向加速度阈值，A_T＞0，0≤P₂≤1，P₂小数点后保留两个有效数字；

定义基于板簧压力横向转移率L判断侧翻发生的概率为P₃，

式中，L为整体式罐车的板簧压力横向转移率，L≥0，L_T为预设的板簧压力横向转移率阈值，L_T＞0，0≤P₃≤1，P₃小数点后保留两个有效数字；

步骤二：建立基于模糊逻辑的概率计算模型

1)明确输入变量和输出变量

将步骤一中P₁、P₂和P₃作为计算模型的输入变量，将预估侧翻发生的最优概率做为输出变量；

2)精确量的模糊化

模糊化是将输入变量数值转化成各个模糊集合隶属度的过程，是模糊逻辑的第一步，模糊化时需要考虑下列问题；

1.选定输入变量的模糊集合

选定三个模糊集合，即小、中、大，字母表示依次为S、M、B；

2.确定模糊集合的隶属度函数

输入变量的范围都是0～1，故三个模糊集合对应的隶属度函数定义如下：

式中，f_S(x)为模糊集合S的隶属度函数，f_M(x)为模糊集合M的隶属度函数,f_B(x)为模糊集合B的隶属度函数，三个隶属度函数值小数点后保留两个有效数字，x表示各输入变量所对应的概率，0≤x≤1；

对于三个输入变量P₁、P₂和P₃，根据隶属度函数可得到：f_S(P₁)、f_M(P₁)、f_B(P₁)，f_S(P₂)、f_M(P₂)、f_B(P₂)，f_S(P₃)、f_M(P₃)、f_B(P₃)；

3)模糊推理

模糊规则是以驾驶员的成熟经验和侧翻仿真模拟结果为基础，认为三个输入概率有两个及以上达到B集合时，则认为预估侧翻发生的概率达到了B集合；有两个概率达到M集合一个概率达到B集合时，也认为预估侧翻发生的概率达到了B集合；三个概率都达到M集合时，则认为预估侧翻发生的概率达到了M集合；有两个概率处于S集合一个概率达到B集合时，则认为预估侧翻发生的概率达到了M集合；有两个概率达到M集合一个概率处于S集合时，则认为预估侧翻发生的概率达到了M集合；一个概率达到B集合一个概率达到M集合一个概率达到S集合，也认为预估侧翻发生的概率达到了M集合；有两个概率处于S集合一个概率处于M或S集合，则认为预估侧翻发生的概率达到了S集合；

由于规则中使用与运算来组合模糊条件语句，因此每个规则输出结果的隶属度通过min函数计算得到；规则1：如果P₁处于S集合与P₂处于S集合与P₃处于S集合，那么输出结果为预估侧翻发生的概率处于S集合，由于P₁为S集合的隶属度为f_S(P₁)，P₂为S集合的隶属度为f_S(P₂)，P₃为S集合的隶属度为f_S(P₃)，因此输出结果的隶属度为min(f_S(P₁)、f_S(P₂)、f_S(P₃))，其他规则以此类推，共有27条规则；

4)确定解模糊策略

采用重心法作为解模糊策略，计算公式如下：

式中，R是计算模型的输出变量，即预估侧翻发生的最优概率，FS_j是模糊规则中第j条规则输出结果的隶属度，OW_j是模糊规则中第j条规则输出结果中模糊集合的权重，权重通常取每个集合的中间值，即OW(S)＝0.25，OW(M)＝0.5，OW(B)＝0.75；

步骤三：计算预估侧翻发生的最优概率并分级别进行预警

将P₁、P₂和P₃三个预估侧翻发生的概率输入步骤二中建立的概率计算模型，得到预估侧翻发生的最优概率R，根据R的大小分级别进行预警，预警模块由语音提示单元和蜂鸣器组成，固定于驾驶室里，预警规则如下：

不报警时，语音提示单元和蜂鸣器不工作；一级报警时，语音提示单元播放：“请安全驾驶”，蜂鸣器低频震动；二级报警时，语音提示单元播放：“请谨慎驾驶”，蜂鸣器中频震动；三级报警时，语音提示单元播放：“危险，即将发生侧翻”，蜂鸣器高频震动。