基于NARX神经网络的路面不平度识别

论文摘要

为应用NARX神经网络识别路面不平度,对NARX神经网络及其训练过程和结构设计进行了分析,采用相关系数和均方根误差作为NARX神经网络识别效果的评价指标。建立了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,通过仿真获得路面不平度和车辆响应。以可测试的车辆响应作为NARX神经网络的输入,采用正交试验设计提出确定NARX神经网络输入方案的方法,对在常用等级路面上以常用车速行驶的某汽车的前轮路面不平度进行了识别。结果表明,将可测试的车辆响应作为NARX神经网络输入,结合正交试验设计,解决了NARX神经网络最优输入方案的确定问题。

论文目录

• 前言
• 1 NARX神经网络和评价指标
•   1.1 NARX神经网络
•   1.2 NARX神经网络训练过程
•   1.3 NARX神经网络结构设计
•   1.4 评价指标
• 2 平顺性模型
•   2.1 前后轮路面不平度模型
•   2.2 汽车平顺性4自由度平面模型
•   2.3 平顺性和路面不平度平面模型
• 3 路面不平度NARX神经网络识别
•   3.1 输入选择
•   3.2 输入方案的正交试验设计
•   3.3 输入和输出的获得
•   3.4 路面不平度识别
• 4 讨论
•   4.1 NARX神经网络的离线训练和在线应用
•   4.2 NARX神经网络识别结果的适应性分析
• 5 结论

文章来源

类型: 期刊论文

作者: 李杰,郭文翠,谷盛丰,赵旗

关键词: 路面不平度识别,神经网络,正交试验设计,平顺性

来源: 汽车工程 2019年07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

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(SXGJSF2017-2-1-1)资助

分类号: U463.6

DOI: 10.19562/j.chinasae.qcgc.2019.07.012

页码: 807-814

总页数: 8

文件大小: 1469K

下载量: 258