基于车辆垂向振动系统辨识的路面识别系统及方法

摘要

本发明公开了一种基于车辆垂向振动系统辨识的路面识别系统及方法，主要由传感器信号采集模块、传感器信号处理模块、系统辨识模块、自适应状态观测模块、路面空间历程生成模块、路面特征参数提取模块和路面分类器组成，所述传感器信号处理模块、系统辨识模块、自适应状态观测模块、路面空间历程生成模块、路面特征参数提取模块和路面分类器集成在ECU芯片中，并通过总线进行相互之间的通信，所述传感器信号采集模块通过线束与ECU芯片进行数据传输。能够简便快捷且能较为准确地估计路面类型的方法及其测量系统，有效改善现有车用路面识别技术不能适应车辆系统参数变化的不足之处。

说明书

技术领域

本发明属于车辆工程中的路面识别技术领域，具体涉及一种利用车辆行驶时的垂向振动 信号进行车辆振动系统参数辨识，并进行路面识别的系统及方法。

背景技术

随着汽车技术的不断发展，人们对车辆性能的要求也越来越高。在这样的大环境下，半 主动悬架技术、主动悬架技术、ABS技术应运而生。这些新技术都一定程度地提高了车辆的 舒适性以及安全性。如果能根据车辆的行车状态信号辨识出路面的类型，就能很大程度地优 化上述新技术中的控制逻辑，从而进一步的提高车辆的性能。

国内外学者针对用于实车控制系统的路面识别方法做了大量的研究，取得了一定的成果。 中国专利CN102289674A以及美国专利US4651290都公开了一种基于加速度信号的路面识 别的方法，分别对加速度信号进行了频率分析和统计分析，但是这种方法用于不同的车上， 都得进行大量的试验标定，而且即使同一辆车，载荷变化或者悬架系统变化（主动悬架在不 同行驶工况下会自动调节阻尼或刚度参数）都会影响辨识的结果。Moustapha Doumiati在ACC （美国控制会议）上提出一种利用卡尔曼滤波来估计路面不平的方法，能较为简单地估计出 路面的高程，但是这种方法不具备对车辆系统参数发生变化时的适应性。

发明内容

本发明的目的在于提供一种简便快捷且能较为准确地估计路面类型的方法及其测量系 统，有效改善现有车用路面识别技术不能适应车辆系统参数变化的不足之处。

本发明为解决上述技术问题，通过以下技术方案实现：

一种基于车辆垂向振动系统辨识的路面识别系统，主要由传感器信号采集模块Ⅰ、传感 器信号处理模块Ⅱ、系统辨识模块Ⅲ、自适应状态观测模块Ⅳ、路面空间历程生成模块Ⅴ、 路面特征参数提取模块Ⅵ和路面分类器Ⅶ组成，所述传感器信号处理模块Ⅱ、系统辨识模块 Ⅲ、自适应状态观测模块Ⅳ、路面空间历程生成模块Ⅴ、路面特征参数提取模块Ⅵ和路面分 类器Ⅶ集成在ECU芯片Ⅹ中，并通过总线进行相互之间的通信，所述传感器信号采集模块Ⅰ 通过线束与ECU芯片Ⅹ进行数据传输。

所述的传感器信号采集模块Ⅰ包括车身加速度传感器1、悬架动行程传感器2、车速传感 器3和A/D转换器4，所述车身加速度传感器1用于采集车辆垂直方向的垂直加速度信号， 并安装在车辆前悬减振器上安装面上，悬架动行程传感器2采用角位移传感器，其一端连接 在副车架上，另一端连接于车轮，以其角位移的变化来测量悬架的动行程，车速传感器3在 中高级车上一般都会有现成的，可以直接从CAN总线上读取车速信息，也可以从车辆仪表盘 中获得，所述的A/D转换器4具有高转换速率特性。

所述的传感器信号处理模块Ⅱ，主要功能是对采集到的传感器信号进行滤波去除噪声污 染，同时为系统辨识模块Ⅲ做数据的前期处理，由于系统辨识模块Ⅲ要求车身垂向速度以及 绝对位移信号作为其输入，这就要求对加速度信号做积分处理，可是由于测量得到的加速度 信号存在无法预测的零点漂移以及噪声污染，而使直接积分得到的速度信号以及位移信号没 有利用价值，故在传感器信号处理模块Ⅱ中加入了积分滤波的功能。

所述的系统辨识模块Ⅲ，主要功能是实时辨识车辆垂向振动的系统参数，为自适应状态 观测模块Ⅳ的实现提供基础。

所述自适应状态观测模块Ⅳ是建立在系统辨识模块Ⅲ的基础上而实现的，能够适应不同 载荷状态、不同行车工况车辆系统的参数蠕变。

所述路面空间历程生成模块Ⅴ是对自适应状态观测模块Ⅳ和车速传感器3的输出信号做 一个整合，以实现将路面时间历程转换成路面空间历程。

所述路面特征参数提取模块Ⅵ对路面空间历程生成模块Ⅴ的信号输出做特征参数提取， 以实现用一个或几个特征指标来代表其路面特征。

所述路面分类器Ⅶ的功能是为路面特征参数提取模块Ⅵ的特征参数输出定义门限值，从 而很方便的区分不同的路面类型。

一种基于车辆垂向振动系统辨识的路面识别方法，包括以下步骤：

(一)由传感器信号采集模块Ⅰ采集车身垂向加速度信号、悬架动行程信号和车速信号；

(二)将上述采集到的信号通过传感器信号处理模块Ⅱ，以实现信号的滤波以及加速度信 号的积分功能；

(三)将传感器信号处理模块Ⅱ得到的车身加速度信号、车身垂向速度信号，车身垂向位 移信号以及悬架动行程信号传给系统辨识模块Ⅲ进行系统辨识，以实时监测出车辆 垂向振动系统参数的变化；

(四)根据步骤（三）辨识得到的系统参数实时调整自适应状态观测模块Ⅳ中的系统参数；

(五)将车身加速度信号、车身垂向位移信号以及悬架动行程信号传给自适应状态观测模 块Ⅳ，以实现对路面输入的辨识；

(六)将步骤（五）中辨识出的路面时间历程信号以及车速信号传给路面空间历程生成模 块Ⅴ，以实现路面时间历程到空间历程的转换；

(七)将步骤（六）得到的路面空间历程信号传给路面特征参数提取模块Ⅵ，以提取能够 表征路面特征的参数；

(八)在路面分类器Ⅶ中为路面特征参数设定门限值（门限值的设定可以通过不同路面上 的试验进行标定），将步骤（七）得到的参数通过路面分类器Ⅶ，从最终实现对路面 的分类。

所述的传感器信号采集模块Ⅰ、传感器信号处理模块Ⅱ、系统辨识模块Ⅲ和自适应状态 观测模块Ⅳ是本发明的核心模块，其工作步骤也是本发明所述的基于车辆垂向振动系统辨识 的路面识别方法的核心步骤，下面分别给出这几个模块的工作步骤的详细介绍。

（A）采集车辆车身垂向振动加速度，悬架动行程以及车速信号

加速度传感器1以及悬架动行程传感器2的安装位置如图3所示，其中加速度传感器1 装在减振器上安装座上，悬架动行程传感器2为角位移传感器，其一端连接在副车架上，另 一端连接于车轮，以其角位移的变化来测量悬架的动行程。车速信号一般在中高级车上都可 以直接从CAN总线上读取，也可以从车辆仪表盘中获得。

（B）传感器信号的处理

这里涉及的信号处理主要是加速度传感器信号，由于系统辨识模块Ⅲ要求车身垂向速度 以及绝对位移信号作为其输入，这就要求对加速度信号做积分处理，可是由于测量得到的加 速度信号存在无法预测的零点漂移以及噪声污染，而使直接积分得到的速度信号以及位移信 号没有利用价值。本发明在信号处理模块中引入带积分功能的滤波器，滤波器的传递函数如 下：

$G_1=\frac{1}{{(S^2+{2\xi }_0{\omega }_{0}S+{\omega }_0^2)}^2},$$G_2=\frac{S}{{(S^2+{2\xi }_0{\omega }_{0}S+{\omega }_0^2)}^2}$

其中，G₁、G₂分别为求绝对位移以及速度的积分滤波器，ω₀为滤波器的截止频率，且ω₀满足ω₀＜＜ω₁，ω₁为车身的固有频率，ξ₀为阻尼比。

（C）车辆垂向振动系统辨识

由于主动/半主动悬架系统的参数会随着载荷、载荷分配以及行驶工况的变化而发生变 化，本发明引入了车辆垂向振动系统参数实时辨识模块。

这里以用递推最小二乘法辨识1/4车振动系统参数（簧载质量和阻尼系数）的例子作为 说明，将单轮车辆垂向振动系统简化成如图4所示。

对簧上质量列运动方程：

令悬架动行程为x，非簧载质量和簧载质量的行程分别为x₁、x₂，x=x₂-x₁，有：

$M{\stackrel{··}{x}}_2+C_s\stackrel{·}{x}{K}_{s}x=0$

其中，M为簧载质量，Cs为悬架减振器阻尼，Ks为悬架弹簧刚度；

从而

$-K_{s}x=\begin{array}{c}\left[M{C}_s\right]\left(\begin{array}{c}{\stackrel{··}{x}}_2\\ \stackrel{·}{x}\end{array}\right)\end{array}$

为简单起见，可以将上式写成

y＝θ^Tψ

其中则可以用递推最小二乘算法，估计上式中的θ值。 具体估计算法如下

$\stackrel{·}{\hat{\theta }}=P(y-{\hat{\theta }}^T\psi )\psi$

$\stackrel{·}{P}=-P\frac{\psi {\psi }^T}{1+{\psi }^T\mathrm{P\psi }}P$

式中P是一个2×2的对称矩阵，代表估计的协方差，是θ的最小方差估计，P和都要 赋初值。

（D）自适应状态观测器的建立

结合图4，该振动系统在经过步骤（三）的系统辨识后，还剩m，Kt，Ks几个参量待定， 但是实际上车辆在行驶时这几个量变化很小，可以忽略其变化，把它们作为常量，这样整个 振动系统参数就确定了，下面建立带路面输入状态的状态观测器，这里以最优状态观测器（卡 尔曼滤波器）的建立为例，进行说明。

结合图4，选择状态变量可得离散系统动态方程如下：

x_k+1＝G_kx_k+b_m,k

z_k＝H_kx_k+b_s,k

式中：

是系统的状态向量，并且初始状态为0；

是系统的输出向量，其中：x_2,k-x_1,k：悬架动行程，可由高度传 感器测得；车身加速度，可由加速度传感器测得；x2,k:车身绝对位移，可对加速度信 号2次积分得到；x_0,k：路面高程；

b_m,k和b_s,k分别为过程误差以及测量误差向量，这里假设为均值为0，且不相关的白噪声。

状态矩阵G以及输出矩阵H如下所示：

$G=E+\mathrm{\Delta t}\left(\begin{array}{cccccc}0& 1& 0& 0& 0& 0\\ -\frac{\mathrm{Kt}}{M}& -\frac{\mathrm{Cs}}{M}& \frac{\mathrm{Kt}}{M}& -\frac{\mathrm{Cs}}{M}& 0& 0\\ 0& 0& 0& 1& 0& 0\\ \frac{\mathrm{Ks}}{m}& \frac{\mathrm{Cs}}{m}& -\frac{\mathrm{Ks}+\mathrm{Ku}}{m}& -\frac{\mathrm{Cs}}{m}& \frac{\mathrm{Ku}}{m}& 0\\ 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 0\end{array}\right)$

$H=\left(\begin{array}{cccccc}1& 0& -1& 0& 0& 0\\ -\frac{\mathrm{Kt}}{M}& -\frac{\mathrm{Cs}}{M}& \frac{\mathrm{Kt}}{M}& \frac{\mathrm{Cs}}{M}& 0& 0\\ 1& 0& 0& 0& 0& 0\end{array}\right)$

其中，E是单位矩阵，Δt是采样时间。

依据上述方程设计卡尔曼滤波器，将传感器测得的加速度信号以及动行程信号作为输入。 可以估计出路面时间历程的曲线。

此外，步骤（五）所述的路面空间历程生成的具体过程为：

为将步骤（四）中得到的路面时间历程转换成路面空间历程，这里要用到车速传感器的 信号。为减小ECU的运算量，本发明引入触发信号Flag，并规定单位时间周期T内只有T₀时间段内，路面空间历程生成模块Ⅴ是触发的，如图5所示。当触发信号Flag为1时，读取 车速信号v，并开始计算S=S+vΔt，同时将计算的路面时间历程数据存储；若S>=S₀时，利 用插值法将存储的路面时间历程转化成空间历程，然后再将S置0；若S＜S₀，则存储S路程 段内的路面时间历程，并返回继续读取车速信号v。当触发信号Flag为0时，不进行数据的 读取与转换。

步骤（六）所述的路面特征参数的提取的具体过程为：

特征值提取的方法有很多，可以用功率谱分析法估计出路面在不同频段内所包含的信号 的能量，也可以用一阶过零点穿越法来估计路面信号输入的主频段所在范围，甚至可以对信 号直接进行取均方根值、最大值等统计分析。值得指出的是，路面特征参数提取模块Ⅵ应当 与路面空间历程生成模块Ⅴ采用同一时间触发器。

步骤（七）所述的路面分类器的建立的具体过程为：

针对步骤（六）所采用的不同特征参数提取方法，可以建立不同的路面分类器。例如针 对一阶过零点穿越法，路面分类器只需给出4个频率范围：0-4Hz、4-8Hz、8-12Hz、12Hz以 上，判断步骤（六）中得到的特征主频参数在哪个频段可以直接得出路面分类结果。

本发明的有益效果在于：可以简便快捷且能较为准确地估计路面类型，可用于不同的车 辆上，不需要进行大量的试验标定，并且具备载荷变化和车辆系统参数变化的适应性。

附图说明

图1是本发明的基于车辆垂向振动系统辨识的路面识别系统的原理框图；

图2是本发明的基于车辆垂向振动系统辨识的路面识别方法的主流程图；

图3是本发明中各传感器的布置示意图；

图4是本发明用于系统辨识与路面估计的1/4车辆振动系统；

图5是本发明用于将路面时间历程转换成空间历程的流程图。

图中：

Ⅰ、传感器信号采集模块；Ⅱ、传感器信号处理模块；Ⅲ、系统辨识模块；

Ⅳ、自适应状态观测模块；Ⅴ、路面空间历程生成模块；Ⅵ、路面特征参数提取模块；

Ⅶ、路面分类器；Ⅹ、ECU芯片；

1、车身加速度传感器；2、悬架动行程传感器；3、车速传感器；4、A/D转换器。

具体实施方式

下面结合附图对本发明做进一步说明。

本发明为解决上述技术问题，通过以下技术方案实现：

图1是本发明的基于车辆垂向振动系统辨识的路面识别系统的原理框图，可见其主要由 传感器信号采集模块Ⅰ、传感器信号处理模块Ⅱ、系统辨识模块Ⅲ、自适应状态观测模块Ⅳ、 路面空间历程生成模块Ⅴ、路面特征参数提取模块Ⅵ和路面分类器Ⅶ组成，所述传感器信号 处理模块Ⅱ、系统辨识模块Ⅲ、自适应状态观测模块Ⅳ、路面空间历程生成模块Ⅴ、路面特 征参数提取模块Ⅵ和路面分类器Ⅶ集成在ECU芯片Ⅹ中，并通过总线进行相互之间的通信， 所述传感器信号采集模块Ⅰ通过线束与ECU芯片Ⅹ进行数据传输。

所述的传感器信号采集模块Ⅰ包括车身加速度传感器1、悬架动行程传感器2、车速传感 器3和A/D转换器4，图3是本发明中各传感器的布置示意图，所述车身加速度传感器1用 于采集车辆垂直方向的垂直加速度信号，并安装在车辆前悬减振器上安装面上，悬架动行程 传感器2采用角位移传感器，其一端连接在副车架上，另一端连接于车轮，以其角位移的变 化来测量悬架的动行程，车速传感器3在中高级车上一般都会有现成的，可以直接从CAN总 线上读取车速信息，也可以从车辆仪表盘中获得，所述的A/D转换器4具有高转换速率特性。

所述的传感器信号处理模块Ⅱ，主要功能是对采集到的传感器信号进行滤波去除噪声污 染，同时为系统辨识模块Ⅲ做数据的前期处理，由于系统辨识模块Ⅲ要求车身垂向速度以及 绝对位移信号作为其输入，这就要求对加速度信号做积分处理，可是由于测量得到的加速度 信号存在无法预测的零点漂移以及噪声污染，而使直接积分得到的速度信号以及位移信号没 有利用价值，故在传感器信号处理模块Ⅱ中加入了积分滤波的功能。

所述的系统辨识模块Ⅲ，主要功能是实时辨识车辆垂向振动的系统参数，为自适应状态 观测模块Ⅳ的实现提供基础。

所述自适应状态观测模块Ⅳ是建立在系统辨识模块Ⅲ的基础上而实现的，能够适应不同 载荷状态、不同行车工况车辆系统的参数蠕变。

所述路面空间历程生成模块Ⅴ是对自适应状态观测模块Ⅳ和车速传感器3的输出信号做 一个整合，以实现将路面时间历程转换成路面空间历程。

所述路面特征参数提取模块Ⅵ对路面空间历程生成模块Ⅴ的信号输出做特征参数提取， 以实现用一个或几个特征指标来代表其路面特征。

所述路面分类器Ⅶ的功能是为路面特征参数提取模块Ⅵ的特征参数输出定义门限值，从 而很方便的区分不同的路面类型。

图2是本发明的基于车辆垂向振动系统辨识的路面识别方法的主流程图，包括以下步骤：

(九)由传感器信号采集模块Ⅰ采集车身垂向加速度信号、悬架动行程信号和车速信号；

(十)将上述采集到的信号通过传感器信号处理模块Ⅱ，以实现信号的滤波以及加速度信 号的积分功能；

(十一)将传感器信号处理模块Ⅱ得到的车身加速度信号、车身垂向速度信号，车身垂向 位移信号以及悬架动行程信号传给系统辨识模块Ⅲ进行系统辨识，以实时监测出车 辆垂向振动系统参数的变化；

(十二)根据步骤（三）辨识得到的系统参数实时调整自适应状态观测模块Ⅳ中的系统参 数；

(十三)将车身加速度信号、车身垂向位移信号以及悬架动行程信号传给自适应状态观测 模块Ⅳ，以实现对路面输入的辨识；

(十四)将步骤（五）中辨识出的路面时间历程信号以及车速信号传给路面空间历程生成 模块Ⅴ，以实现路面时间历程到空间历程的转换；

(十五)将步骤（六）得到的路面空间历程信号传给路面特征参数提取模块Ⅵ，以提取能 够表征路面特征的参数；

(十六)在路面分类器Ⅶ中为路面特征参数设定门限值（门限值的设定可以通过不同路面 上的试验进行标定），将步骤（七）得到的参数通过路面分类器Ⅶ，从最终实现对路 面的分类。

所述的传感器信号采集模块Ⅰ、传感器信号处理模块Ⅱ、系统辨识模块Ⅲ和自适应状态 观测模块Ⅳ是本发明的核心模块，其工作步骤也是本发明所述的基于车辆垂向振动系统辨识 的路面识别方法的核心步骤，下面分别给出这几个模块的工作步骤的详细介绍。

（A）采集车辆车身垂向振动加速度，悬架动行程以及车速信号

加速度传感器1以及悬架动行程传感器2的安装位置如图3所示，其中加速度传感器1 装在减振器上安装座上，悬架动行程传感器2为角位移传感器，其一端连接在副车架上，另 一端连接于车轮，以其角位移的变化来测量悬架的动行程。车速信号一般在中高级车上都可 以直接从CAN总线上读取，也可以从车辆仪表盘中获得。

（B）传感器信号的处理

这里涉及的信号处理主要是加速度传感器信号，由于系统辨识模块Ⅲ要求车身垂向速度 以及绝对位移信号作为其输入，这就要求对加速度信号做积分处理，可是由于测量得到的加 速度信号存在无法预测的零点漂移以及噪声污染，而使直接积分得到的速度信号以及位移信 号没有利用价值。本发明在信号处理模块中引入带积分功能的滤波器，滤波器的传递函数如 下：

$G_1=\frac{1}{{(S^2+{2\xi }_0{\omega }_{0}S+{\omega }_0^2)}^2},$$G_2=\frac{S}{{(S^2+{2\xi }_0{\omega }_{0}S+{\omega }_0^2)}^2}$

其中，G₁、G₂分别为求绝对位移以及速度的积分滤波器，ω₀为滤波器的截止频率，且ω₀满足ω₀＜＜ω₁，ω₁为车身的固有频率，ξ₀为阻尼比。

（C）车辆垂向振动系统辨识

由于主动/半主动悬架系统的参数会随着载荷、载荷分配以及行驶工况的变化而发生变 化，本发明引入了车辆垂向振动系统参数实时辨识模块。

这里以用递推最小二乘法辨识1/4车振动系统参数（簧载质量和阻尼系数）的例子作为 说明，将单轮车辆垂向振动系统简化成如图4所示的1/4车辆振动系统。

对簧上质量列运动方程：

令悬架动行程为x，非簧载质量和簧载质量的行程分别为x₁、x₂，x=x₂-x₁，有：

$M{\stackrel{··}{x}}_2+C_s\stackrel{·}{x}+K_{s}x=0$

其中，M为簧载质量，Cs为悬架减振器阻尼，Ks为悬架弹簧刚度；

从而

$-K_{s}x=\left[M{C}_s\right]\left(\begin{array}{c}{\stackrel{··}{x}}_2\\ \stackrel{·}{x}\end{array}\right)$

为简单起见，可以将上式写成

y＝θ^Tψ

其中则可以用递推最小二乘算法，估计上式中的θ值。 具体估计算法如下

$\stackrel{·}{\hat{\theta }}=P(y-{\hat{\theta }}^T\psi )\psi$

$\stackrel{·}{P}=-P\frac{\psi {\psi }^T}{1+{\psi }^T\mathrm{P\psi }}P$

式中P是一个2×2的对称矩阵，代表估计的协方差，是θ的最小方差估计，P和都要 赋初值。

（D）自适应状态观测器的建立

结合图4，该振动系统在经过步骤（三）的系统辨识后，还剩m，Kt，Ks几个参量待定， 但是实际上车辆在行驶时这几个量变化很小，可以忽略其变化，把它们作为常量，这样整个 振动系统参数就确定了，下面建立带路面输入状态的状态观测器，这里以最优状态观测器（卡 尔曼滤波器）的建立为例，进行说明。

结合图4，选择状态变量可得离散系统动态方程如下：

x_k+1＝G_kx_k+b_m,k

z_k＝H_kx_k+b_s,k

式中：

是系统的状态向量，并且初始状态为0；

是系统的输出向量，其中：x_2,k-x_1,k：悬架动行程，可由高度传 感器测得；车身加速度，可由加速度传感器测得；x_2,k:车身绝对位移，可对加速度信 号2次积分得到；x_0,k：路面高程；

b_m,k和b_s,k分别为过程误差以及测量误差向量，这里假设为均值为0，且不相关的白噪声。

状态矩阵G以及输出矩阵H如下所示：

$G=E+\mathrm{\Delta t}\left(\begin{array}{cccccc}0& 1& 0& 0& 0& 0\\ -\frac{\mathrm{Kt}}{M}& -\frac{\mathrm{Cs}}{M}& \frac{\mathrm{Kt}}{M}& -\frac{\mathrm{Cs}}{M}& 0& 0\\ 0& 0& 0& 1& 0& 0\\ \frac{\mathrm{Ks}}{m}& \frac{\mathrm{Cs}}{m}& -\frac{\mathrm{Ks}+\mathrm{Ku}}{m}& -\frac{\mathrm{Cs}}{m}& \frac{\mathrm{Ku}}{m}& 0\\ 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 0\end{array}\right)$

$H=\left(\begin{array}{cccccc}1& 0& -1& 0& 0& 0\\ -\frac{\mathrm{Kt}}{M}& -\frac{\mathrm{Cs}}{M}& \frac{\mathrm{Kt}}{M}& \frac{\mathrm{Cs}}{M}& 0& 0\\ 1& 0& 0& 0& 0& 0\end{array}\right)$

其中，E是单位矩阵，Δt是采样时间。

依据上述方程设计卡尔曼滤波器，将传感器测得的加速度信号以及动行程信号作为输入。 可以估计出路面时间历程的曲线。

此外，步骤（五）所述的路面空间历程生成的具体过程为：

为将步骤（四）中得到的路面时间历程转换成路面空间历程，这里要用到车速传感器的 信号。为减小ECU的运算量，本发明引入触发信号Flag，并规定单位时间周期T内只有T₀时间段内，路面空间历程生成模块Ⅴ是触发的，如图5所示为用于将路面时间历程转换成空 间历程的流程图：当触发信号Flag为1时，读取车速信号v，并开始计算S=S+vΔt，同时将 计算的路面时间历程数据存储；若S>=S₀时，利用插值法将存储的路面时间历程转化成空间 历程，然后再将S置0；若S＜S₀，则存储S路程段内的路面时间历程，并返回继续读取车速 信号v。当触发信号Flag为0时，不进行数据的读取与转换。

步骤（六）所述的路面特征参数的提取的具体过程为：

特征值提取的方法有很多，可以用功率谱分析法估计出路面在不同频段内所包含的信号 的能量，也可以用一阶过零点穿越法来估计路面信号输入的主频段所在范围，甚至可以对信 号直接进行取均方根值、最大值等统计分析。值得指出的是，路面特征参数提取模块Ⅵ应当 与路面空间历程生成模块Ⅴ采用同一时间触发器。

步骤（七）所述的路面分类器的建立的具体过程为：

针对步骤（六）所采用的不同特征参数提取方法，可以建立不同的路面分类器。例如针 对一阶过零点穿越法，路面分类器只需给出4个频率范围：0-4Hz、4-8Hz、8-12Hz、12Hz以 上，判断步骤（六）中得到的特征主频参数在哪个频段可以直接得出路面分类结果。

值得指出的是，这里给出的方式只是作为本发明的一个具体实施方式，显然，所描述的 实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域 普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的 范围。