(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210946734.3 (22)申请日 2022.08.09 (65)同一申请的已公布的文献号 申请公布号 CN 115017965 A (43)申请公布日 2022.09.06 (73)专利权人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 (72)发明人 王敏　宁静　王铎颖　刘鑫　 李艳萍　陈春俊　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 张小娟 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01)G06F 30/15(2020.01) G06F 30/20(2020.01) (56)对比文件 CN 110084185 A,2019.08.02 CN 112948981 A,2021.0 6.11 审查员 何江琴 (54)发明名称 基于HHT能量和最大李雅普诺夫指数的蛇行 分类方法 (57)摘要 本发明公开了基于HHT能量和最大李 雅普诺 夫指数的蛇行分类方法， 包括以下步骤： S1、 通过 对仿真获得的不同运行状态下的构架横向加速 度信号进行频域及周期性分析， 确定蛇行分类阈 值； S2、 对实时采集的构架横向加速度信号进行 HHT能量计算和最大Lyapunov指数分析， 得到对 应的HHT能量值和最大Lyapunov指数， 并根据蛇 行分类阈值对其进行蛇行分类及蛇行程度确定， 完成当前蛇行分类。 本发明利用HHT能量法与最 大Lyapunov指数相结合， 对车辆系统进行不同运 行状态的定性识别和蛇行程度大小的定量分析， 以实现对蛇行运动的具体监测。 权利要求书3页 说明书12页 附图13页 CN 115017965 B 2022.11.01 CN 115017965 B 1.基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特 征在于， 包括以下步骤： S1、 通过对仿真获得的不同运行状态下的构架横向加速度信号进行时域、 频域及周期 性分析， 确定蛇行分类阈值； S2、 对实时采集的构架横向加速度信号进行HHT能量计算和最大Lyapunov指数分析， 得 到对应的HHT能量值和最大Lyapunov指数， 并根据蛇行分类阈值对其进行蛇行分类及蛇行 程度确定， 完成当前蛇行分类； 其中， 蛇行分类结果包括正常运行、 快速蛇行收敛、 小幅蛇行以及大幅蛇行， 所述快速 蛇行收敛为车辆在预设时间内发生对运行安全没有影响的谐波振动的运行 行为。 2.根据权利要求1所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特征 在于， 所述 步骤S1具体为： S11、 仿真获得不同运行状态下的构架横向加速度信号； 其中， 不同运行状态包括 正常运行、 快速蛇行收敛、 小幅蛇行以及大幅蛇行； S12、 对构架横向加速度信号进行 预处理， 获得分析信号； S13、 对分析信号进行E MD分析， 并计算 最终边际谱； S14、 根据最终边际谱计算H HT能量值； S15、 基于计算出的H HT能量值， 利用SVM分类方法确定第一蛇行分类阈值； 其中， 第一蛇行分类阈值用于区分正常运行、 小幅蛇行以及大幅蛇行； S16、 利用最大lyapunov指数对构架横向加速度信号进行分析， 确定最大lyapunov指数 值； S17、 基于计算出的最大Lyapun ov指数值， 利用SVM分类方法确定第二蛇行分类阈值； 其中， 第二蛇行分类阈值用于区分快速蛇行收敛和蛇行失稳， 其中蛇行失稳包括小幅 蛇行和大幅蛇行。 3.根据权利要求2所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特征 在于， 所述 步骤S1中， 对构架横向加速度信号进行 预处理的方法具体为： 对构架横向加速度信号进行0.5Hz ‑10Hz的带通滤波， 并提取 时间长度在4s的构架横向 加速度信号作为分析信号。 4.根据权利要求2所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特征 在于， 所述 步骤S13具体为： S13‑1、 对各运行状态下的分析信号进行E MD分解， 得到 n个Imf分量信号； S13‑2、 对Imf分量信号进行Hilbert变换， 得到Imf分量信号的Hilbert谱， 并进行时域 上的积分， 得到边际谱； S13‑3、 在边际谱中， 对主频在2H z以上的边际谱进行叠加得到最终边际谱。 5.根据权利要求4所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特征 在于， 所述 步骤S13‑1中， 对分析信号 x(t)进行EMD分解的公式为： 式中，ci为Imf分量信号， rn为残余函数， 下标 i为Imf分量信号序数， n为Imf分量信号总 数；权　利　要　求　书 1/3 页 2 CN 115017965 B 2所述步骤S13‑2中， 对Imf分量信号 ci进行Hilbert变换的公式为： 式中，Gi(t)为Hilbert变换后的信号， 为时间延长间隔， 为时间延长间隔为 时的 Imf分量信号， t为时间， 为圆周率； 所述Imf分量信号 ci的Hilbert谱 为： 式中， 为幅值函数， 为相位函数， 为频率，RP为取实部， j为虚数单位， e(.)为 指数函数； 所述边际谱 为： 式中， T为分析信号时间长度； 所述步骤S13‑3中的最终边际谱 为： 式中， 为主频在2Hz以上的边际谱， k=1,2,…,l，k为主频在2Hz以上的边际谱序数， l为主频在2H z以上的边际谱总数。 6.根据权利要求2所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特征 在于， 所述 步骤S14中， 所述H HT能量值 的计算公式为： 式中， 为最终边际谱， 为分析信号频率。 7.根据权利要求3所述的基于HHT能量和最大李雅普诺夫指数的蛇行分类方法， 其特征 在于， 所述 步骤S16具体为： S16‑1、 对各运行状态下的分析信号 x(t)构造u维空间Ru： 式中， T1为延迟时间， ，k1=1,2,…n‑1， 为时间间隔； S16‑2、 在u维空间Ru中， 取两条邻近轨迹 L1和L2， 起始点分别为 x0和y0两起始点的距离为 d0=y0‑x0经过时间 后分别运动到 x1和y1此时距离为 d1=y1‑x1， 循环至经过 后得到 个dj， 进而得到最大李雅普诺夫指数 为： 式中，j=1,2,…,m，m为迭代次数， dj=yj‑xj,dj为邻近轨迹 L2上的第j个点与邻近轨迹 L1权　利　要　求　书 2/3 页 3 CN 115017965 B 3