[发明专利]一种准确度更高的车辆横向稳定状态判定方法

权利要求书

1.一种准确度更高的车辆横向稳定状态判定方法，其特征在于，其包括如下步骤：

S1：采集表征车辆横向稳定性的特征属性值，获得车辆横向属性数据集；

所述表征车辆横向稳定性的特征属性包括：纵向速度u、方向盘转角δ_s、侧向速度v、质心侧偏角β、侧倾角ψ、侧倾角速度ω_ψ、横摆角速度ω、侧向加速度a_y、前轮横向载荷转移率L_TR1、后轮横向载荷转移率L_TR2；

S2：采用“快速搜索与密度峰值算法”对车辆横向属性数据集进行聚类，确定聚类中心和类别数，获取聚类完成的属性数据集；所述聚类过程如下：

假设横向稳定性数据集为：

上式中，x_i为数据点，数据点x_i和数据点x_j之间的距离表示为：

d_ij＝dist(x_i,x_j)；

用下式计算数据点的局部密度：

上式中，d_c是由经验确定的截断距离，dc＝0.0029；ρ_i表示S中的那些与x_i的距离小于d_c的点；

其中，局部密度计算公式中的函数χ(x)为：

当x_i的局部密度最大时，计算S中的数据点与x_i的最大距离θ_i，计算公式如下：

θ_i＝max_j(d_ij)；

上式中，max为计算最大值的函数；

当x_i的局部密度不是最大时，则计算S中的比x_i的局部密度大的数据点与x_i的最小距离θ_i，计算公式如下：

上式中，min为计算最小值的函数；

“快速搜索和密度峰值算法”聚类完成后，将数据集中的每个点都用ρ_i和θ_i来表示；由ρ_i和θ_i作为横纵坐标绘制决策图，根据决策图确定类别中心和类别数；

S3：利用部分聚类后的属性数据集，对可拓神经网络进行训练，直到满足初始训练要求；

S4：实时采集表征车辆横向稳定性的特征属性值，利用训练完成后的可拓神经网络对新采集的车辆横向属性数据集进行识别，获取车辆的实时横向稳定性状态。

2.如权利要求1所述的准确度更高的车辆横向稳定状态判定方法，其特征在于：所述步骤S1中，前轮横向载荷转移率L_TR1和后轮横向载荷转移率L_TR2分别由下式计算出：

L_TRx＝(F_ZLx-F_ZRx)/(F_ZLx+F_ZRx),x＝1,2

上式中，F_ZL1表示左前轮的垂直载荷，F_ZL2表示左后轮的垂直载荷，F_ZR1表示前右前轮的垂直载荷，F_ZR2表示右后轮的垂直载荷。

3.如权利要求1所述的准确度更高的车辆横向稳定状态判定方法，其特征在于：所述步骤S2的数据点密度计算过程中，截断距离d_c＝0.0029。

4.如权利要求1所述的准确度更高的车辆横向稳定状态判定方法，其特征在于：所述“快速搜索与密度峰值算法”的聚类结果中，类别中心的数量为3，将3个类别中心表征的车辆稳定性状态分别定义为“绝对稳定”、“接近稳定”和“几乎失稳”。