[發明專利]貴重物品運輸車隊最優行駛速度控制系統及其方法

有效

• 申請號: 202010765718.5
• 申請日: 2020-08-03
• 公開（公告）號: CN111880541B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 王春生;顧樹偉;谷郎野;孟祥吉
• 申請（專利權）人: 中車長春軌道客車股份有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 田春梅

1.貴重物品運輸車隊最優行駛速度控制系統，其特征在于：該系統包括定位導航衛星、多個車載衛星定位模塊、多個車輛間數據通訊模塊、領航車運算及存儲模塊、領航車振動測量模塊、領航車圖像顯示及語音播報單元、跟隨車運算及存儲模塊、跟隨車振動測量模塊和跟隨車圖像顯示及語音播報單元；多個車載衛星定位模塊和多個車輛間數據通訊模塊均一一對應安裝在運輸車隊的每一輛車上；

定位導航衛星實時測量運輸車隊中每一輛車的衛星坐標系下的絕對位置坐標值，并將其實時傳送給運輸車隊中每一輛車的車載衛星定位模塊；

運輸車隊中每一輛車的車載衛星定位模塊均依據其所接收到的衛星坐標系下的絕對位置坐標值，計算車輛自身的水平行駛速度以及鄰近前車之間的間距值A，并將計算得到的數據傳送給對應的領航車運算及存儲模塊或者跟隨車運算及存儲模塊進行存儲；

領航車振動測量模塊用于實時測量路面凹凸處絕對位置坐標值所對應的領航車貨物的振動信息，其包括領航車貨物垂向振動加速度；

領航車運算及存儲模塊接收由領航車振動測量模塊發來的領航車貨物的振動信息和由車載衛星定位模塊發來的與領航車貨物的振動信息對應的路面凹凸處絕對位置坐標值和領航車當前水平行駛速度，并通過領航車人工神經網絡算法求解得出該路面凹凸處所對應的路面凸凹點垂向高度級別值，同時領航車運算及存儲模塊還將路面凸凹點垂向高度級別值與路面凹凸處絕對位置坐標值對應按序編組，并將每組的路面凸凹點垂向高度級別值與路面凹凸處絕對位置坐標值發送給領航車上所搭載的車輛間數據通訊模塊；具體過程如下：

步驟1：建立載貨狀態下的領航車或跟隨車對路面凸凹點的振動響應的力學平衡方程，并對其進行優化，其包括如下子步驟：

步驟1.1：依據公知的單自由度質量-彈簧-阻尼系統建立領航車或跟隨車滿載貨物時的垂向單自由度振動響應的力學平衡方程，如下：

式(1)中，領航車或跟隨車滿載貨物時的總質量M由卡車磅秤稱重獲得，領航車或跟隨車減震系統阻尼系數R和領航車或跟隨車減震懸掛彈簧的彈性系數K均為車輛制造商出廠參數獲得，其三者均為可由公知方法獲取的已知常量；待求參量ξ(t)代表某時刻下領航車或跟隨車所受到的路面凸凹點的脈沖沖擊力關于時間的函數；

表示由領航車振動測量模塊或跟隨車振動測量模塊中的加速度傳感器實時測量的貨物在某時刻垂向振動加速度；

表示領航車或跟隨車上的貨物在某時刻垂向振動速度，其可通過對垂向振動加速度在時間t內的一次積分計算求得，使之成為已知量；

z(t)表示領航車或跟隨車上的貨物在某時刻的垂向位移量,其可通過對垂向振動加速度在時間t內的二次積分計算求得，使之成為已知量；

步驟1.2：設領航車或跟隨車滿載貨物經過某一路面凸凹點時，其行車速度S與路面凸凹點垂向高度h之間存在的某種必然的函數映射關系為：

ξ(t)＝f(h,S)……(2)

式(2)中，等號右側表征的函數f(h,S)的具體方程式并不知曉，但在式(2)中，參量ξ(t)代表某時刻下領航車或跟隨車受到的路面凸凹點的脈沖沖擊力關于時間的函數；S為水平行車速度；h為路面凸凹點等同有效垂向深度，其可由脈沖波形鐘型曲線的波峰高度H表征和替代；

步驟2：在運輸車隊啟程行駛后的最初半小時內，由領航車運算及存儲模塊通過領航車貨物的振動信息歸納并獲得各個路面凹凸處所對應的路面凸凹點垂向高度級別值的分度表，其包括如下子步驟：

步驟2.1：通過領航車運算及存儲模塊順次記錄領航車通過每個路面凹凸處絕對位置坐標值時領航車振動測量模塊對應采集到的領航車貨物的振動信息，以及與領航車貨物的振動信息具有映射關系的對應路面凸凹點垂向深度h_i，i為領航車順次記錄的路面凹凸處的順序編號；其中，領航車貨物的振動信息具體為領航車上的貨物在某時刻垂向振動加速度

領航車的垂向振動加速度由領航車振動測量模塊中的加速度傳感器實時測量獲得；

步驟2.2：按照由小到大的排列順序，將領航車上的貨物在運輸車隊啟程行駛后的最初半小時內采集的全部垂向振動加速度進行排序，并在其中最大值垂向振動加速度與0的區間之內，將該最大值均分為100等分，保存為路面凸凹點垂向高度級別數據分度表；

步驟2.3：將運輸車隊啟程行駛后的最初半小時及其后續行進過程中，由領航車振動測量模塊對應采集到的全部領航車上的貨物在任意某時刻垂向振動加速度均分別按其大小順序填入數據分度表中的對應分度欄目上，并與每一個垂向振動加速度映射路面凸凹點垂向深度h_i一一對應，錄入數據分度表內，從而獲得一張包含有100個分度等級的路面凸凹點垂向高度級別數據分度表；

步驟3：推導方程：通過聯合式(1)和式(2)可得：

式(3)中，等號左側表征的函數的具體方程式并不知曉，但在式(3)中，領航車或跟隨車滿載貨物時的總質量M、領航車或跟隨車減震系統阻尼系數R、領航車或跟隨車減震懸掛彈簧的彈性系數K三者均為通過公知方法可獲得的已知常量；S為領航車或跟隨車自身的水平行車速度，其通過運輸車隊中每一輛車的車載衛星定位模塊依據所接收到的衛星坐標系下的絕對位置坐標值在單位時間內的變化速率而計算求得；表示領航車或跟隨車上的貨物在某時刻的垂向振動加速度，其由領航車或跟隨車振動測量模塊中的加速度傳感器實時測量獲得；

步驟4：建立領航車人工神經網絡算法的黑箱模型，其具體包括如下子步驟：

步驟4.1：以式(3)作為傳遞函數建立領航車人工神經網絡算法的黑箱模型，其中：

領航車人工神經網絡算法的輸入層包括：a)：領航車貨物的振動信息，其具體包括領航車上的貨物在某時刻垂向振動加速度以及b)：領航車水平行車速度S_領；

領航車人工神經網絡算法的隱含層為：c)領航車裝載貨物時的總質量M_領、領航車減震系統阻尼系數R_領、領航車減震懸掛彈簧的彈性系數K_領；

領航車人工神經網絡算法的輸出層為：每一個帶有編組號碼的路面凹凸處絕對位置坐標值，以及與其映射對應的路面凸凹點垂向深度h_i在路面凸凹點垂向高度級別數據分度表中所對應的一個已知的分度等級；

步驟4.2：令領航車上的貨物在某時刻垂向振動加速度均小于運輸車隊所允許的預設振動等級下最大垂向振動安全加速度并以此作為領航車人工神經網絡算法的收斂約束條件，從而利用運輸車隊啟程行駛后的最初半小時內所獲取的領航車水平行車速度S_領、領航車貨物的振動信息以及與其映射對應的路面凸凹點垂向深度h_i在路面凸凹點垂向高度級別數據分度表中所對應的各個分度等級，完成對領航車人工神經網絡算法的數據積累迭代的成熟度訓練；進而，使訓練成熟后的領航車人工神經網絡算法可以對運輸車隊啟程行駛后的最初半小時之后的后續行進過程中所獲新得任意一組領航車貨物的振動信息迅速進行評價和分類確認，進而獲得與該組新領航車貨物的振動信息正確對應的路面凸凹點垂向高度級別，并對后續行程中的每一處路面凸凹點垂向高度級別的分度等級P進行快速識別和分類確認；領航車上所搭載的車輛間數據通訊模塊用于以無線通訊方式將領航車運算及存儲模塊發來的路面凹凸處的凸凹點垂向高度級別值、路面凹凸處絕對位置坐標值和按序編號的映射關系均共享給運輸車隊中每一輛跟隨車輛上所搭載的車輛間數據通訊模塊；

領航車圖像顯示及語音播報單元實時顯示由領航車運算及存儲模塊發來的領航車當前水平行駛速度以及預設的運輸車隊所允許的最高行進速度上限值，并在領航車當前水平行駛速度超出所述最高行進速度上限值時，自動進行語音播報警示；

跟隨車振動測量模塊用于實時測量路面凹凸處絕對位置坐標值所對應的跟隨車貨物的振動信息，其包括跟隨車貨物垂向振動加速度；

跟隨車運算及存儲模塊接收由其自身的跟隨車振動測量模塊發來的跟隨車貨物的振動信息、由跟隨車輛上所搭載的車輛間數據通訊模塊發來的每組路面凸凹點垂向高度級別值與路面凹凸處絕對位置坐標值、由跟隨車輛上所搭載的車載衛星定位模塊發送來的與跟隨車貨物的振動信息對應的路面凹凸處絕對位置坐標值和跟隨車當前水平行駛速度以及鄰近前車之間的間距值A，并通過跟隨車人工神經網絡算法根據接收的信息求解得出跟隨車經過前方已知凸凹點垂向高度級別值的凹凸處時所允許的最大行駛速度S_跟max；具體過程如下：

步驟5：建立跟隨車人工神經網絡算法的黑箱模型，其具體包括如下子步驟：

步驟5.1：以式(3)作為傳遞函數建立領航車人工神經網絡算法的黑箱模型，其中：跟隨車人工神經網絡算法的輸入層包括：d)：跟隨車貨物的振動信息，其具體包括跟隨車上的貨物在某時刻垂向振動加速度以及e)：由步驟4.2所求得的每一個帶有編組號碼的路面凹凸處絕對位置坐標值，以及與其映射對應的路面凸凹點垂向深度h_i在路面凸凹點垂向高度級別數據分度表中所對應的分度等級值P；

跟隨車人工神經網絡算法的隱含層為：f)：通過公知方法可獲得的跟隨車裝載貨物時的總質量M_跟、跟隨車減震系統阻尼系數R_跟、跟隨車減震懸掛彈簧的彈性系數K_跟；以及g)：跟隨車上的貨物在某時刻垂向振動加速度

跟隨車人工神經網絡算法的輸出層為：跟隨車水平行車速度S_跟；

步驟5.2：令跟隨車上的貨物在某時刻垂向振動加速度小于運輸車隊所允許的預設振動等級下最大垂向振動安全加速度并以此作為跟隨車人工神經網絡算法的收斂約束條件，從而利用運輸車隊啟程行駛后的最初半小時內所順次獲取的每一個路面凸凹點垂向深度h_i在路面凸凹點垂向高度級別數據分度表中所對應的各個分度等級P，完成對跟隨車人工神經網絡算法的數據積累迭代的成熟度訓練；進而，使訓練成熟后的跟隨車人工神經網絡算法可以對運輸車隊啟程行駛半小時之后的后續行進過程中所新獲得的任意一組跟隨車貨物的振動信息迅速進行評價和分類確認，以獲得符合運輸車隊所允許的預設振動等級下最大垂向振動安全加速度約束條件下，該跟隨車通過已知凸凹點垂向高度級別值的凹凸處時所允許的最大行駛速度S_跟max；跟隨車運算及存儲模塊確立跟隨車行駛速度切換算法，其具體包括如下子步驟：

步驟6.1：在跟隨車運算及存儲模塊中，預先存入公知且成熟的跟隨車PID跟隨算法，令其實時接收跟隨車當前水平行駛速度以及鄰近前車之間的間距值A，并計算得出當前跟隨車的推薦跟隨速度值S_follow；

步驟6.2：跟隨車運算及存儲模塊計算自身當前所處的絕對位置坐標值與即將要通過的路面凹凸處絕對位置坐標值的差值，從而求解出自身當前所處位置與即將要通過的路面凹凸處的距離值B，再將所述距離值B與自身鄰近前車之間的間距值A進行比較；若間距值A＜距離值B，則跟隨車運算及存儲模塊通知跟隨車圖像顯示及語音播報單元語音提示跟隨車司機，按照推薦跟隨速度值S_follow進行跟隨行駛；若間距值A≥距離值B，則跟隨車運算及存儲模塊通知跟隨車圖像顯示及語音播報單元語音提示跟隨司機按照該跟隨車通過前方鄰近的已知凸凹點垂向高度級別值的凹凸處時所允許的最大行駛速度S_跟max進行速度變換調整；

跟隨車圖像顯示及語音播報單元實時顯示由跟隨車所搭載的車載衛星定位模塊發來的跟隨車的當前水平行駛速度、由跟隨車運算及存儲模塊發來的跟隨車經過前方已知凸凹點垂向高度級別值的凹凸處時所允許的最大行駛速度，以及當前跟隨車的推薦跟隨速度值；跟隨車圖像顯示及語音播報單元根據跟隨車運算及存儲模塊發來的指令進行語音播報，提示司機按照推薦跟隨速度值進行跟隨行駛或者按照最大行駛速度進行速度調整行駛；具體過程如下：

步驟7：確立整個運輸車隊的行駛速度控制規則，其包括如下子步驟：

步驟7.1：領航車按照所需運輸貴重物品的近似體積和質量，搭載不怕被振動損壞的仿真貨物；

步驟7.2：在運輸車隊啟程行駛后的最初半小時內，領航車和跟隨車各自的駕駛員均參考業內公知的貴重或危險物品運輸規程，使運輸車隊各車輛均按預設振動等級下最大垂向振動安全加速度行駛；在此期間，領航車駕駛員憑經驗盡可能多地使領航車嘗試通過允許振動范圍內的較深和較多的路面凹凸點；同時，跟隨車人工神經網絡算法和跟隨車人工神經網絡算法分別完成各自的成熟度訓練；

步驟7.3：在運輸車隊啟程行駛半小時之后，領航車駕駛員繼續參考業內公知的貴重或危險物品運輸規程并憑借自身經驗控制領航車通過路面凸凹點時的合規車速，而各跟隨車駕駛員則全部改為依據跟隨車圖像顯示及語音播報單元的語音提示，按照由步驟6.1所獲得的推薦跟隨速度值S_follow或按照由步驟6.2所獲得的跟隨車通過前方鄰近的已知凸凹點垂向高度級別值的凹凸處時所允許的最大行駛速度S_跟max進行速度變換調整。