路面摩擦特性研究与预测

《路面摩擦特性研究与预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：U27；U4610710-2009122043硕士学位论文路面摩擦特性研究与预测郭卫卫导师姓名职称陈涛副教授申请学位级别工学硕士学科专业名称车辆工程论文提交日期2012年5月7日论文答辩日期2012年6月9日学位授予单位长安大学ResearchandPredictionofRoadFrictionCharacteristicsADissertationSubmittedfortheDegreeofMasterCandidate：GuoWeiweiSupervisor：A.P.ChenTaoChang

2、’anUniversity，Xi’an，China摘要路面摩擦系数作为道路交通事故分析与鉴定中的重要参数，如何对其进行精确的测量与预测非常重要。本文通过路面摩擦系数试验得到各种路面不同条件下的摩擦系数，并建立路面摩擦特性参数数据库，为交通事故分析提供基础理论数据，同时基于广义回归神经网络对路面摩擦系数进行预测。本文首先运用JN-1型道路摩擦系数测试仪对公路和城市道路不同路面等级、不同路面类型、不同路面状况及不同使用年限的路面进行摩擦系数测试试验，并对试验结果进行分析。由上述试验得到的数据利用Microsof

3、tAccess2003建立数据库，应用可视化编程工具VisualC++6.0，设计开发了路面摩擦特性数据库系统，利用软件查询路面的摩擦系数值，并可对软件系统实现参数管理的功能。在路面摩擦特性试验数据及广义回归神经网络理论的基础上，指出应用广义回归神经网络（GRNN）建立摩擦系数预测模型的可行性。确定了摩擦系数预测模型的影响因素，研究了平滑参数的优化方法，最后依据道路试验数据对预测模型进行了验证。本文最后利用JN-1型道路摩擦系数测试仪和BM-Ⅱ型摆式摩擦系数测定仪测得相同路面的摩擦系数值，通过两种仪器测得结

4、果的对比分析，研究JN-1型道路摩擦系数测试仪测得的摩擦系数值J与BM-Ⅱ型摆式摩擦系数测定仪测得的摆值（BPN）的关系。还利用SG-630型便携式制动性能测试仪进行汽车制动性能试验，探究轮胎与路面间的纵向附着系数与JN-1型道路摩擦系数测试仪测得的路面摩擦系数J之间的换算关系。本研究得到国家道路交通安全科技行动计划项目（国家科技支撑重点项目）“道路交通安全执法技术及大范围应用”（编号：2009BAG13A07）的资助。关键词：交通事故；路面摩擦系数；数据库；广义回归神经网络；预测iAbstractRo

5、adfrictioncoefficientisoneofthemostimportantparametersintheroadtrafficaccidentandidentification,whichisveryimportantthathowtomeasureaccuratelyandpredict.Thepapergetsthefrictioncoefficientatallsorts’roadandunderdifferentconditionthroughroadfrictioncoefficie

6、nttest,andthenestablishdatabaseofpavementcharacteristicsparameterstoprovidesthebasicdataforanalyzingtrafficaccident.ItalsopredictsthefrictioncoefficientbasedonGeneralRegressionNeuralnetwork.First,roadfrictioncoefficienttestofhighwayandurbanroadattheconditi

7、onofdifferentlevels,differentsurface,differentpavementbehavioranddifferentservicelife,istestedbyJN-type1roadfrictioncoefficienttester,andtheresultofwhichisanalyzed.BasedontestdataandusingMicrosoftAccess2000toestablishadatabase,thedatabasesystemofroadcharac

8、teristicparametershasbeendevelopedadoptingVisualC++6.0software.ThissystemcaninquiryroadfrictioncoefficientandmanageSoftwaresystemparametersThen,basedonGeneralRegressionNeuralnetwork(GRNN),theauthorfpointedout