1.一种考虑车速的路面不平度等级识别方法，其特征在于：其包括以下步骤：

步骤1：根据路面空间功率谱，将路面不平度分为N个等级，分别仿真模拟出N个随机路面，N个随机路面分别对应N个等级的路面不平度，N个随机路面的仿真时间都设定为t秒，采样周期为t1秒；

步骤2：初始化车速分段数据和循环计数j值；

将车速行程0‑Vmax的试验车分为n级车速，分别为V1～V2，V2～V3，V3～V4，…，Vi～Vi+1，…，V n～ V n + 1 ，i ＝ 1，2 ，3 ，… ，n ；其 中 V m a x 为 车 速 最大 值 ，V 1 ＝ 0 ，循环计数j值初始化为1，即j＝1；

步骤3：取Vj～Vj+1范围内任意速度W在所述N个随机路面上进行仿真得出悬架动行程和车身加速度信号数据；

仿真时，首先根据现有车辆动力学建立系统动力学模型，然后根据系统动力学模型使用速度W在N个随机路面上进行仿真，每个随机路面分别仿真得出悬架动行程的时域信号和车身垂向加速度的时域信号，速度W在仿真过程中能在Vj～Vj+1范围内随意变化；

步骤4：将同一个随机路面得到的悬架动行程的时域信号记作第一时域信号A1，车身垂向加速度的时域信号记作第二时域信号A2，将所述悬架动行程数据经验模态分解(EMD)，得到内涵模态分量IMF11、IMF12、…、IMF1h、…、IMF1m，m为正整数，h＝1，2，3，…，m，将所述车身垂向加速度数据经验模态分解(EMD)，内涵模态分量IMF21、IMF22、…、IMF2h、…、IMF2m；

步骤5：对时域信号和内涵模态分量进行特征提取；

对第一时域信号A1、第二时域信号A2、内涵模态分量IMF11、IMF12、…、IMF1h、…、IMF1m、IMF21、IMF22、…、IMF2q、…、IMF2m，共所述2(m+1)个信号每隔t2秒进行一次特征提取，每次同时提取p个特征，p为正整数；

步骤6：时域得到特征样本数I，每个样本包含L个样本数据；

步骤7：j＝j+1，j为正整数，判断j≤n返回步骤4，否则执行步骤9；

通过循环在N个随机路面上进行了不同速度范围内的仿真，因为有n级车速，因此得到n组含有I个特征样本的特征样本组，为神经网络线下训练做准备；

步骤8：将n个特征样本组输入n个神经网络中进行训练，每个神经网络对应一级车速区间，得到路面不平度等级，同时得到n个训练完成的神经网络；

记作第一神经网络分类、第二神经网络分类、…、第i神经网络分类…、第n神经网络分类，分别对应车速V1～V2，V2～V3，V3～V4，…，Vi～Vi+1，…，Vn～Vn+1；

步骤9：通过车辆传感器获取车速信号v、悬架动行程信号d、以及车身垂向加速度信号a，根据车速信号v所在车速区间，将信号d、a经所述步骤4、5进行特征值提取后直接执行步骤8进入相应车速区间的神经网络分类，即：若Vi≤v

其中，悬架动行程信号d、以及车身垂向加速度信号a分别对应第一时域信号A1和第二时域信号A2；

步骤10：第i神经网络给出路面不平度等级。

2.根据权利要求1所述的考虑车速的路面不平度等级识别方法，其特征在于：所述步骤

5中，对时域信号和内涵模态分量提取的特征样本具体为：

提取所述第一时域信号A1经特征提取得到特征样本a11、a12、…a1p；依次对内涵模态分量IMF11、IMF12、…、IMF1h、…、IMF1m使用选取的特征进行特征提取，得到特征样本，IMF1h经特征提取得到特征样本a(h+1)1、a(h+1)2、…a(h+1)p；如：IMF11经特征提取得到特征样本a21、a22、…a2p；

IMF1m经特征提取得到特征样本a(m+1)1、a(m+1)2、…a(m+1)p；所述时域信号A2、IMF21、IMF22、…、IMF2q、…、IMF2m同样经上述特征提取过程，所述第二时域信号A2经特征提取得到特征样本b11、b12、…b1p；依次对内涵模态分量IMF21、IMF22、…、IMF2h、…、IMF2m，进行特征提取得到特征样本，IMF2q经特征提取得到特征样本b(h+1)1、b(h+1)2、…b(h+1)p。

3.根据权利要求1所述的考虑车速的路面不平度等级识别方法，其特征在于：所述步骤

6中：

特征样本通过对2(m+1)个信号每隔t2秒进行一次特征值提取，选取特征个数为p，因此特征样本数I＝2×(m+1)×p；

因为t在所述N个随机路面上进行仿真，N个随机路面的仿真时间都设定为t秒，采样周期为t1秒，对2(m+1)个信号每隔t2秒进行一次特征值提取，因此每个样本包含个样本数据。

4.根据权利要求1所述的考虑车速的路面不平度等级识别方法，其特征在于：所述步骤

1中具体为：

将路面不平度分为8个等级，分别使用ISO LevelA～ISO Level H对应路面不平度等级

1～8，分别模拟出8个随机路面，8个随机路面分别对应8个等级的路面不平度，8个随机路面的仿真时间都设定为t＝1000秒，采样周期为t1＝0.001秒。

5.根据权利要求1所述的考虑车速的路面不平度等级识别方法，其特征在于：所述步骤

5中每隔t2秒进行一次特征提取，t2＝0.1秒。

6.根据权利要求1所述的考虑车速的路面不平度等级识别方法，其特征在于：所述步骤

9中，车速信号v通过速度传感器获得，悬架动行程信号d通过位移传感器获得，车身垂向加速度信号a通过加速度传感器获得。

7.根据权利要求1所述的考虑车速的路面不平度等级识别方法，其特征在于：所述步骤

2中具体为：将车速0‑180km/h的试验车分成18级车速分级。

8.一种用于权利要求1所述的考虑车速的路面不平度等级识别方法的考虑车速的路面不平度等级识别系统，其特征在于：所述考虑车速的路面不平度等级识别系统包括以下模块：仿真路面生成模块、初始化模块、信号仿真模块、经验模态分解模块、特征获取模块、训练数据模块、神经网络模块和车辆传感器模块；其中，仿真路面生成模块、初始化模块都将数据发送到信号仿真模块，信号仿真模块生成时域信号并发送到经验模态分解模块、经验模态分解模块再将时域信号和内涵模态分量发送到特征获取模块，特征获取模块进行特征提取后根据时域信号的来源，发送到训练数据模块或神经网络模块，训练数据模块保存训练样本，并对神经网络模块进行训练，车辆传感器模块采集车辆的实时信号并发送到经验模态分解模块，下面对各个模块进行详细说明：仿真路面生成模块，用于根据路面空间功率谱，模拟出N个不同等级的随机路面，N个随机路面的仿真时间都设定为t秒，采样周期为t1秒；

初始化模块，用于将车速分为连续的互不相交的n个车速分段，以及初始化循环计数j值；

信号仿真模块，用于将每一个车速分段范围内的任意速度在所述N个随机路面上，根据系统动力学模型进行仿真得出悬架动行程的时域信号和车身垂向加速度的时域信号；系统动力学模型是根据现有车辆动力学建立的，速度在仿真过程中能在分段范围内随意变化；

经验模态分解模块，用于对悬架动行程的时域信号和车身垂向加速度的时域信号进行经验模态分解，分别得到m个相应的内涵模态分量；将同一个随机路面得到的悬架动行程的时域信号记作第一时域信号A1，车身垂向加速度的时域信号记作第二时域信号A2，将所述悬架动行程数据经验模态分解(EMD)，得到内涵模态分量IMF11、IMF12、…、IMF1h、…、IMF1m，m为正整数，h＝1，2，3，…，m，将所述车身垂向加速度数据经验模态分解(EMD)，内涵模态分量IMF21、IMF22、…、IMF2h、…、IMF2m；

特征获取模块，用于对悬架动行程的时域信号、车身垂向加速度的时域信号、以及它们的内涵模态分量进行特征提取；所述2(m+1)个信号每隔t2秒进行一次特征值提取，所述特征值包括均值、方差、方根幅值、均方根值、峰值、斜偏度或峭度，从所述特征值中选取p个特征值，p为正整数；

训练数据模块，用于保存特征获取模块中提取的特征样本，共得到特征样本数I＝2×(m+1)×p，每个样本包含 个样本数据，将同一车速段内的特征样本放在同一个特征样本组中，共有n个特征样本组；

神经网络模块，用于给出路面不平度等级，神经网络模块包括第一神经网络分类、第二神经网络分类、…、第i神经网络分类…、第n神经网络分类，分别对应n个车速分段，n个神经网络分类分别使用相应车速分段的特征样本组进行训练；

车辆传感器模块，车辆传感器模块包括速度传感器、位移传感器和加速度传感器，分别用于获得车速信号v、悬架动行程信号d和车身垂向加速度信号a；悬架动行程信号d、以及车身垂向加速度信号a分别对应第一时域信号A1和第二时域信号A2。

9.根据权利要求8所述的考虑车速的路面不平度等级识别系统，其特征在于：使用仿真路面生成模块、初始化模块、信号仿真模块、经验模态分解模块、特征获取模块、训练数据模块和判断模块在对神经网络模块训练完成后，只将神经网络模块、经验模态分解模块、特征获取模块安装在车身上，车辆传感器模块使用现有车辆中的传感器。