Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Ротштейн А.П. Интеллектуальные технологии идентификации нечеткие множества, нейронные сети, генетические алгоритмы.doc
Скачиваний:
9
Добавлен:
01.07.2025
Размер:
8 Мб
Скачать
☆

8.4. Идентификация коэффициента сцепления "автомобиль-дорога"

Задача оценки коэффициента сцепления колес автомобиля с дорожным покрытием возникает в связи с проведением автотехнической экспертизы при расследовании дорожно-транспортных происшествий (ДТП). От точности определения коэффициента сцепления зависит объективность принятия решения о виновности или невиновности водителя, который совершил ДТП (например, наезд на пешехода). Существующая методика позволяет определить только диапазон возможных значений коэффициента сцепления в зависимости от ряда влияющих факторов. Поэтому, окончательная его оценка определяется автотехническим экспертом субъективно, с учетом дополнительных факторов и условий, которые не входят в методику.

Принятие решения о причине аварии очень чувствительно к значению коэффициента сцепления: субъективный выбор нижнего или верхнего значения коэффициента может решить судьбу участников происшествия.

Целью исследования, результаты которого представлены в этом разделе, была разработка математической модели оценки коэффициента сцепления, которая бы учитывала всю доступную информацию о влияющих факторах и, за счет уточнения величины коэффициента сцепления, повышала объективность решений [49,70].

8.4.1. Методика идентификации

Модель оценки коэффициента сцепления разрабатывалась на основе идентификации нелинейных объектов нечеткими базами знаний. Построение модели производилось в два этапа: первый - структурная идентификация; второй - параметрическая идентификация. На первом этапе строилась структура зависимости коэффициента сцепления от влияющих факторов с применением экспертных правил <ЕСЛИ - ТО>. На втором этапе проводилась настройка модели путем подбора таких параметров формы функций принадлежности нечетких термов и весов правил <ЕСЛИ - ТО>, которые обеспечивают минимальное расхождение модельных и экспериментальных результатов.

8.4.2. Структурная идентификация

Структура предлагаемой модели представлена на рис. 8.16 в виде дерева, висячими вершинами которого являются факторы, влияющие на коэффициент сцепления. Особенность модели заключается в том, что она учитывает как традиционные для известной методики факторы, которые обобщены интегральным показателем , так и дополнительно введенные факторы: , , , , . Все влияющие факторы, сведенные в табл. 8.15, рассматриваются как лингвистические переменные, заданные на соответствующих универсальных множествах и оцениваются нечеткими термами. Интегральный показатель , который входит в табл. 8.15, в свою очередь, зависит от факторов: - тип дорожного покрытия; - состояние дорожного покрытия; - тип шин. Это показано на древовидной структуре модели коэффициента сцепления (рис. 8.16). Рекомендации для оценки интегрального показателя даны в табл. 8.16, которая отвечает общепринятой методике.

Экспертная матрица знаний для оценки коэффициента сцепления в зависимости от влияющих факторов представлена в табл. 8.17 (эксперты В.Н. Ребедайло, А.А. Кашканов). Применение этой матрицы знаний и модели нечеткого логического вывода позволяет прогнозировать коэффициент сцепления в практическом диапазоне его изменения. Однако точная оценка этого коэффициента зависит от выбора параметров настройки модели.