本发明涉及三轮车安全驾驶，具体而言，涉及一种电动三轮车安全驾驶系统。
背景技术：
1、电动三轮车作为一种节能环保的交通工具，近年来得到了广泛应用。尤其在城市短途交通和物流配送领域，电动三轮车因其灵活便捷、低噪音和零排放等优点，受到了市场的青睐。然而，随着电动三轮车数量的增加，相关的交通安全问题也日益凸显。特别是由于电动三轮车重心较高、车身较窄且结构简单，在转弯时极易发生侧翻事故，严重威胁驾驶员和行人的安全。因此，研究和开发能够有效防止电动三轮车侧翻的安全驾驶系统具有重要的现实意义。
2、电动三轮车的侧翻主要发生在急转弯、高速行驶或重载情况下，其主要原因包括：电动三轮车通常设计为轻量化结构，车身重心较高，当车身重心高度超过一定限度时，在急转弯时容易发生侧翻；电动三轮车在急转弯时，离心力作用较大，特别是在高速行驶和重载情况下，离心力导致车身倾斜，增加了侧翻的风险；高速行驶时，由于惯性作用，电动三轮车在转弯时更容易失去平衡，导致侧翻事故的发生；载重量的增加不仅会提升车身重心，还会增加转弯时的惯性力，进一步加剧侧翻风险；部分驾驶员缺乏安全驾驶知识，在转弯时未能减速或过快转弯，导致车辆失控和侧翻。
3、目前，为了防止电动三轮车侧翻，市场上采用了一些技术手段，如加强车架结构、增加车身稳定性控制系统等，然而，这些技术手段存在以下局限性：加强车架结构虽然能在一定程度上提高车身稳定性，但无法根本解决侧翻问题，特别是在急转弯和重载情况下，车身结构的改进效果有限；增加车身稳定性控制系统属于被动防护措施，只有在车辆发生倾斜或侧翻趋势时才起作用，无法提前预防侧翻事故的发生；采用高强度材料和复杂的车身结构设计会显著增加车辆制造成本，不利于电动三轮车的普及和推广；
4、一些稳定性控制系统在工作时会干扰驾驶员的正常操作，降低驾驶舒适性和用户体验。
5、综上所述，现有技术手段在防止电动三轮车侧翻方面存在一定的局限性，亟需一种新的技术方案来提高电动三轮车的行驶安全性和稳定性。
技术实现思路
1、本发明在于提供一种电动三轮车安全驾驶系统，其能够解决上述问题。
2、为了解决上述的问题，本发明采取的技术方案如下：
3、本发明提供了一种电动三轮车安全驾驶系统，包括车重检测模块、转弯角度检测模块、平稳度检测模块、车速控制模块和预训练的三轮车防侧翻神经网络模型；
4、所述车重检测模块用于检测三轮车载重时的重量数据；
5、所述转弯角度检测模块用于检测三轮车的实时转弯角度数据；
6、所述平稳度检测模块用于检测三轮车的平稳度数据；
7、所述预训练的三轮车防侧翻神经网络模型用于基于车速、三轮车重心高度、三轮车载重时的总重量、三轮车的实时转弯角度数据和三轮车的平稳度数据生成车速阈值，三轮车载重时的总重量基于检测到的重量数据和三轮车自重得到；
8、所述车速控制模块用于基于车速阈值限制三轮车的车速。
9、作为上述技术方案的进一步描述：所述车重检测模块包括称重传感器，安装于三轮车底盘的承重点，用于检测三轮车载重时的重量数据；所述转弯角度检测模块包括陀螺仪传感器，安装于三轮车的车架，用于检测三轮车的实时转弯角度数据；所述平稳度检测模块包括加速度计和倾斜传感器，安装在三轮车的车架或底盘，用于检测三轮车的平稳度数据；所述预训练的三轮车防侧翻神经网络模型部署于电动三轮车的中央处理单元；检测到的重量数据、实时转弯角度数据和平稳度数据传输至电动三轮车的中央处理单元。
10、作为上述技术方案的进一步描述：所述车速控制模块包括电子控制单元和执行器，在三轮转弯时，所述车速控制模块能基于车速阈值调节三轮车的电机输出，从而控制车速。
11、作为上述技术方案的进一步描述：三轮车防侧翻神经网络模型包括输入层、隐层和输出层；输入层用于接收车速、三轮车重心高度、三轮车载重时的总重量、三轮车的实时转弯角度和三轮车的平稳度；隐层采用多层感知器结构，隐层的每一层都使用relu激活函数；输出层为单神经元层，使用线性激活函数，输出车速阈值。
12、作为上述技术方案的进一步描述：隐层有两层；输入向量经过线性变换和偏置调整后，再经过relu激活函数，得到第一隐层的输出f1(x)：第一隐层的输出经过线性变换和偏置调整后，再经过relu激活函数，得到第二隐层的输出f2(f1(x))。
13、作为上述技术方案的进一步描述：车速阈值vmax的计算公式为：
14、vmax＝w3·f2(f1(x))+b3
15、其中，w3为输出层的权重矩阵，b3为输出层的偏置。
16、作为上述技术方案的进一步描述：三轮车防侧翻神经网络模型的预训练过程中使用梯度下降法最小化损失函数，对模型参数进行更新，用到的损失函数考虑了侧翻风险、过载风险和平稳度风险。
17、与现有技术相比，本发明的有益效果是：
18、1)通过车重检测模块、转弯角度检测模块和平稳度检测模块的实时监测，能够在三轮车发生侧翻风险时及时响应，防侧翻神经网络模型结合多种参数，实时生成车速阈值，确保三轮车在安全车速内行驶，从而大大提高了三轮车的行驶安全性。
19、2)通过精确的传感器数据和科学的神经网络模型，提高了系统的检测准确性和可靠性。
20、3)系统将各传感器模块的数据集中到一个中央处理单元进行处理，简化了系统的硬件设计，提高了数据处理效率，集中管理硬件和软件，使得系统的调试和维护更加方便，同时降低了系统成本。
21、4)防侧翻神经网络模型综合考虑了车速、三轮车重心高度、载重、转弯角度和平稳度等多种参数，全面评估三轮车的稳定性和侧翻风险，这样可以更准确地预测和预防侧翻事故，提高系统的安全性和稳定性。
22、5)各传感器模块的安装位置经过精心设计，确保能够准确测量相关数据，同时安装简便，集中式的数据处理方式，使得系统的调试和维护更加简便快捷。
23、6)车速控制模块基于防侧翻神经网络模型生成的车速阈值，智能地控制三轮车的加速和减速，使三轮车转弯时始终处于侧翻速度之下，避免驾驶员因操作不当导致的侧翻事故，通过智能化的控制方式，提升了用户的驾驶体验和安全感。
24、7)系统能够根据不同的载重和驾驶员情况，动态调整防侧翻模型参数和车速阈值，适应不同的行驶条件和环境，无论是在空载还是重载情况下，都能够提供稳定和安全的驾驶体验。
25、8)本发明采用多层感知器(mlp)结构的三轮车防侧翻神经网络模型，通过多个隐层和激活函数的组合，能够有效处理复杂的非线性关系，对于电动三轮车的防侧翻问题，多层感知器能够在保证模型性能的同时，保持较低的计算复杂度和资源消耗；输入层接收车速、重心高度、载重、转弯角度和平稳度等多维特征，通过隐层的逐层传递和处理，能够自动提取和组合这些特征，形成对防侧翻风险的有效表征。隐层中使用relu(rectified linearunit)激活函数，relu激活函数在处理非线性问题时具有良好的性能表现，能够有效避免梯度消失问题，确保网络在训练过程中的快速收敛和稳定性；输出层为单神经元层，使用线性激活函数，直接输出车速阈值，这种设计能够保证输出的连续性和稳定性，使得车速控制更加精准。
26、9)训练模型用到的损失函数综合考虑了侧翻风险、过载风险和平稳度风险，损失函数不仅考虑传统的预测误差，还引入了多种风险评估因素，确保模型能够全面考虑侧翻风险的不同方面，提高整体的安全性和可靠性；通过设置不同的权重参数，能够灵活调整各风险因素在损失函数中的影响程度，确保模型在多种驾驶条件下均表现良好，避免单一因素主导训练过程；损失函数在训练过程中注重减少过拟合现象，提升模型在不同环境和条件下的泛化能力，这样可以确保模型在实际应用中具有稳定的表现，减少因数据不足导致的性能下降。
27、为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明实施例，并配合所附附图，作详细说明如下。
1.一种电动三轮车安全驾驶系统，其特征在于，包括车重检测模块、转弯角度检测模块、平稳度检测模块、车速控制模块和预训练的三轮车防侧翻神经网络模型；
2.根据权利要求1所述的电动三轮车安全驾驶系统，其特征在于，所述车重检测模块包括称重传感器，安装于三轮车底盘的承重点，用于检测三轮车载重时的重量数据；所述转弯角度检测模块包括陀螺仪传感器，安装于三轮车的车架，用于检测三轮车的实时转弯角度数据；所述平稳度检测模块包括加速度计和倾斜传感器，安装在三轮车的车架或底盘，用于检测三轮车的平稳度数据；所述预训练的三轮车防侧翻神经网络模型部署于电动三轮车的中央处理单元；检测到的重量数据、实时转弯角度数据和平稳度数据传输至电动三轮车的中央处理单元。
3.根据权利要求1所述的电动三轮车安全驾驶系统，其特征在于，所述车速控制模块包括电子控制单元和执行器，在三轮转弯时，所述车速控制模块能基于车速阈值调节三轮车的电机输出，从而控制车速。
4.根据权利要求1所述的电动三轮车安全驾驶系统，其特征在于，三轮车防侧翻神经网络模型包括输入层、隐层和输出层；输入层用于接收车速、三轮车重心高度、三轮车载重时的总重量、三轮车的实时转弯角度和三轮车的平稳度；隐层采用多层感知器结构，隐层的每一层都使用relu激活函数；输出层为单神经元层，使用线性激活函数，输出车速阈值。
5.根据权利要求2所述的电动三轮车安全驾驶系统，其特征在于，隐层有两层；输入向量经过线性变换和偏置调整后，再经过relu激活函数，得到第一隐层的输出f1(x)：第一隐层的输出经过线性变换和偏置调整后，再经过relu激活函数，得到第二隐层的输出f2(f1(x))。
6.根据权利要求3所述的电动三轮车安全驾驶系统，其特征在于，车速阈值υmax的计算公式为：
7.根据权利要求4所述的电动三轮车安全驾驶系统，其特征在于，三轮车防侧翻神经网络模型的预训练过程中使用梯度下降法最小化损失函数，对模型参数进行更新，用到的损失函数考虑了侧翻风险、过载风险和平稳度风险。
