技術(shù)特征：

1.一種基于信息融合的道路檢測車距離觸發(fā)裝置，用于為道路檢測車進(jìn)行路面路形檢測提供觸發(fā)信號，其特征在于，所述裝置包括安裝于道路檢測車質(zhì)心位置的陀螺儀和縱向加速度傳感器；安裝于道路檢測車頂部的GPS模塊，所述GPS模塊中天線的軸線與道路檢測車的橫擺軸同軸；分別安裝于道路檢測車前后車軸上方的兩個垂直加速度傳感器；

所述陀螺儀用于測量道路檢測車的俯仰角速度和側(cè)傾角速度；所述縱向加速度傳感器用于測量道路檢測車的縱向加速度；所述垂直加速度傳感器用于獲取道路檢測車質(zhì)心的垂直加速度；

所述裝置還包括4個A/D轉(zhuǎn)換器，分別用于將陀螺儀的輸出信號、縱向加速度傳感器的輸出信號、兩個垂直加速度傳感器的輸出信號進(jìn)行模數(shù)轉(zhuǎn)換。

2.一種基于信息融合的道路檢測車距離觸發(fā)方法，應(yīng)用于如權(quán)利要求1所述的距離觸發(fā)裝置，其特征在于，所述方法包括如下步驟：

步驟1，獲取所述陀螺儀的輸出信號，所述陀螺儀的輸出信號至少包括道路檢測車的俯仰角速度、側(cè)傾角速度；對所述俯仰角速度進(jìn)行積分得到道路檢測車的俯仰角，對所述側(cè)傾角速度進(jìn)行積分得到道路檢測車的側(cè)傾角；

步驟2，獲取兩個垂直加速度傳感器的輸出信號，根據(jù)兩個垂直加速度傳感器的輸出信號計算車身的垂直加速度；

步驟3，獲取所述縱向加速度傳感器的輸出信號，根據(jù)所述道路檢測車的俯仰角和所述車身的垂直加速度對所述縱向加速度傳感器的輸出信號進(jìn)行修正，得到道路檢測車縱向加速度的初步修正值；

步驟4，獲取所述GPS模塊輸出的速度信息，根據(jù)所述速度信息消除所述道路檢測車縱向加速度的初步修正值中的地理趨勢項，得到再次修正后的縱向加速度值；

步驟5，根據(jù)所述行駛速度信息以及預(yù)先設(shè)置的卡爾曼濾波器對道路檢測車的行駛速度進(jìn)行估計，得到實時行駛速度估計值，對所述實時行駛速度估計值進(jìn)行積分得到道路檢測車的實時行駛距離；

步驟6，設(shè)定距離閾值，若所述道路檢測車的實時行駛距離達(dá)到設(shè)定的距離閾值，則觸發(fā)所述道路檢測車進(jìn)行路面路形檢測。

3.根據(jù)權(quán)利要求2所述的一種基于信息融合的道路檢測車距離觸發(fā)方法，其特征在于，步驟2具體包括如下子步驟：

(2a)采集一個垂直加速度傳感器的輸出信號a₁和另一個垂直加速度傳感器的輸出信號α₂，并根據(jù)道路檢測車的俯仰角θ和側(cè)傾角確定兩個垂直加速度的軸線與重力軸的夾角α：

(2b)采用下式對一個垂直加速度傳感器的輸出信號a₁和另一個垂直加速度傳感器的輸出信號a₂進(jìn)行校正：

$\left\{\begin{array}{c}{a}_1^{\′}=a_2+g\cos \mathrm{\α}-\stackrel{\·\·}{\mathrm{\θ}}{L}_1\\ a_2^{\′}=a_2+g\cos \mathrm{\α}+\stackrel{\·\·}{\mathrm{\θ}}{L}_2\end{array}\right.---\left(2\right)$

其中，a′₁和a′₂為修正后的兩個垂直加速度值；g為當(dāng)?shù)氐闹亓铀俣龋?img id="icf0004" file="FDA0001056627000000024.GIF" wi="40" he="75" img-content="drawing" img-format="GIF" orientation="portrait" inline="no" />為道路檢測車的俯仰角加速度，該值通過對θ進(jìn)行兩次差分得到；L₁和L₂分別為道路檢測車質(zhì)心到前后車軸的縱向距離；

(2c)取a′₁和a′₂的平均值作為道路檢測車車身的垂直加速度a₀＝(a′₁+a′₂)/2。

4.根據(jù)權(quán)利要求2所述的一種基于信息融合的道路檢測車距離觸發(fā)方法，其特征在于，步驟3具體包括如下子步驟：

(3a)獲取所述縱向加速度傳感器的輸出信號a；

(3b)獲取所述道路檢測車的俯仰角θ和所述道路檢測車車身的垂直加速度a₀，并對所述縱向加速度傳感器的輸出信號a按照下式進(jìn)行修正：

a′＝[a+(a₀-g)sinθ]cosθ (3)

其中，a′為道路檢測車縱向加速度的初步修正值，g為當(dāng)?shù)氐闹亓铀俣取?/p>

5.根據(jù)權(quán)利要求2所述的一種基于信息融合的道路檢測車距離觸發(fā)方法，其特征在于，步驟4具體包括如下子步驟：

(4a)構(gòu)造第一卡爾曼濾波器，所述第一卡爾曼濾波器的狀態(tài)預(yù)測方程為：

B_k+1＝B_k (4)

y_3，k＝(u_gps，k-u_Int，k)/T₂+v₃ (5)

其中，B_k為所要去除的縱向加速度的初步修正值中的地理趨勢項，u_gps為GPS模塊輸出的車速信息，u_Int為對縱向加速度的初步修正值a′積分計算得到的道路檢測車縱向行駛速度估計值，即u_Int＝∑a′T₁，y_3，k為觀測量，v₃為觀測噪聲，T₂為GPS模塊的采用周期；

(4b)進(jìn)而得到再次修正后的縱向加速度值a″：

a″_k＝a′_k-B_k (6)

6.根據(jù)權(quán)利要求2所述的一種基于信息融合的道路檢測車距離觸發(fā)方法，其特征在于，步驟5具體包括如下子步驟：

(5a)設(shè)置GPS信號中斷最大時長，若GPS模塊無信號輸出且無信號輸出的狀態(tài)持續(xù)時間小于GPS信號中斷最大時長，則構(gòu)造第二卡爾曼濾波器，所述第二卡爾曼濾波器的狀態(tài)預(yù)測方程為：

$\begin{array}{cc}{\left[\begin{array}{c}{\stackrel{\·}{x}}_1\\ {\stackrel{\·\·}{x}}_1\end{array}\right]}_{k+1}=\left[\begin{array}{cc}1& \mathrm{\τ}\left(1-e^{-\frac{T_1}{\mathrm{\τ}}}\right)\\ 0& e^{-\frac{T_1}{\mathrm{\τ}}}\end{array}\right]{\left[\begin{array}{c}{\stackrel{\·}{x}}_1\\ {\stackrel{\·\·}{x}}_1\end{array}\right]}_k+\left[\begin{array}{c}{T}_1-\mathrm{\τ}\left(1-e^{-\frac{T_1}{\mathrm{\τ}}}\right)\\ 1-e^{-\frac{T_1}{\mathrm{\τ}}}\end{array}\right]{\stackrel{\·\·}{x}}_{1,k}+w_1& \left(7\right)\\ y_{1,k}=\left[\begin{array}{cc}0& 1\end{array}\right]{\left[\begin{array}{c}{\stackrel{\·}{x}}_1\\ {\stackrel{\·\·}{x}}_1\end{array}\right]}_k+v_1& \left(8\right)\end{array}$

其中，為道路檢測車縱向行駛速度，為由縱向加速度傳感器測得的道路檢測車縱向加速度，T₁為縱向加速度傳感器的采樣周期，[·]_k中的下標(biāo)k表示t_k時刻，τ表示機(jī)動時間常數(shù)，v₁表示縱向加速度傳感器的觀測誤差，y_1，k表示縱向加速度傳感器的觀測量；

根據(jù)所述第二卡爾曼濾波器的狀態(tài)預(yù)測方程計算得到實時行駛速度估計值，對所述實時行駛速度估計值進(jìn)行積分得到道路檢測車的實時行駛距離；

(5b)若GPS模塊無信號輸出且無信號輸出的狀態(tài)持續(xù)時間大于或者等于GPS信號中斷最大時長，則構(gòu)造第三卡爾曼濾波器，所述第三卡爾曼濾波器的狀態(tài)預(yù)測方程為：

${\left[\begin{array}{c}{\stackrel{\·}{x}}_2\\ {\stackrel{\·\·}{x}}_2\end{array}\right]}_{k+1}=\left[\begin{array}{cc}1& \mathrm{\τ}\left(1-e^{-\frac{T_2}{\mathrm{\τ}}}\right)\\ 0& e^{-\frac{T_2}{\mathrm{\τ}}}\end{array}\right]{\left[\begin{array}{c}{\stackrel{\·}{x}}_2\\ {\stackrel{\·\·}{x}}_2\end{array}\right]}_k+\left[\begin{array}{c}{T}_1-\mathrm{\τ}\left(1-e^{-\frac{T_1}{\mathrm{\τ}}}\right)\\ 1-e^{-\frac{T_1}{\mathrm{\τ}}}\end{array}\right]{\stackrel{\·\·}{x}}_{1,k}+w_2---\left(9\right)$

$y_{2,k}=\left[\begin{array}{cc}1& 0\end{array}\right]{\left[\begin{array}{c}{\stackrel{\·}{x}}_2\\ {\stackrel{\·\·}{x}}_2\end{array}\right]}_k+v_2---\left(10\right)$

其中，y_2k為GPS模塊輸出信號的觀測量，v₂為GPS模塊的觀測噪聲；為GPS接收機(jī)估計得到的車輛速度參數(shù)，為GPS估計得到的車輛加速度參數(shù)；

根據(jù)所述第三卡爾曼濾波器的狀態(tài)預(yù)測方程計算得到實時行駛速度估計值，對所述實時行駛速度估計值進(jìn)行積分得到道路檢測車的實時行駛距離。