基于BP神经网络的路面不平度识别

论文摘要

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP神经网络的输入和输出。采用3层BP神经网络识别路面不平度,先后构造了44种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。

论文目录

• 1 BP神经网络基本原理和评价指标
•   1.1 BP神经网络基本原理
•   1.2评价指标
• 2路面不平度和平顺性的模型
•   2.1前后轮路面不平度的滤波白噪声模型
•   2.2汽车平顺性4自由度平面模型
• 3 路面不平度的BP神经网络识别
•   3.1 BP神经网络输入和输出的仿真获得
•   3.2 BP神经网络结构设计
•   3.3 输入方案确定
•   3.4 最优方案的识别结果
• 4 结论

文章来源

类型: 期刊论文

作者: 谷盛丰,顾久,郑玲玲,赵旗,李杰

关键词: 路面不平度,识别,神经网络,平顺性

来源: 汽车工程学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 吉林大学汽车仿真与控制国家重点实验室,一汽-大众汽车有限公司

基金: 中国汽车产业创新发展联合基金重点项目(U1564213),国家自然科学基金国际(地区)合作与交流重点项目(61520106008),省校共建项目(SXGJSF2017-2)

分类号: U463.6

页码: 252-259

总页数: 8

文件大小: 1020K

下载量: 198