基于RBF神经网络的车轮定位参数识别

结合在侧滑试验台上做试验确定的车辆侧滑量与车轮外倾角及前束值间的映射关系，提出利用RBF神经网络对车轮定位参数优化识别的方法，并编制相应的程序。试验结果表明该方法能快速识别出车轮定位参数，并能指导检修人员进行车轮外倾角和车轮前束值调整。     

车轮外倾角与前束值的设计匹配

车轮外倾角与车轮前束值是车轮定位中的两个重要参数,车轮前束是为了抵消车轮外倾产生的侧滑不利影响,因此前束值要与车轮的外倾角有合理的匹配。综合考虑车辆的结构参数和轮胎特性,基于车轮的侧滑机理,推导出车轮外倾角与前束值的合理匹配关系模型,用试验结果验证了模型的正确性,为在车辆的设计开发过程中,合理的确定车轮的外倾角与前束值提供理论参考。     

遗传算法在车轮定位参数测量中的应用

结合在侧滑试验台上做试验确定的车辆前进或后退时的侧滑量与车轮外倾角及前束值间的映射关系，介绍遗传算法在车轮定位参数测量中的应用。计算结果表明，该方法不仅可以快速测量出两车轮定位参数，并可有效地指导车辆检修人员进行车轮定位参数的调整。     

基于轮胎磨损的外倾角与前束值匹配研究

外倾角与前束值匹配关系对车辆轮胎磨损及高速直线行驶稳定性有很大影响。采用多项式逐步回归方法分析车辆行驶里程与外倾角、前束值之间的函数关系,采用Adams/car建模分析车轮跳动对定位参数的影响并找出轮胎异常磨损的主要因素,运用双滑板侧滑试验得出车辆侧滑量最小时的前束值,并对外倾角和前束值进行了调整优化。     

侧滑实验后的结构、原理、使用及维护

为保证汽车转向车轮无横向滑移的直线滚动，要求车轮外倾角和车轮前束有适当配合，当车轮前束值与车轮外倾角匹配不当时，车轮就可能在直线行驶过程中不作纯滚动，产生侧向滑移现象。当这种滑移现象过于严重时，将破坏车轮的附着条件，丧失定向行驶能力，引发交通事故并导致轮胎的异常磨损。侧向滑移量的大小与方向可用汽车车轮侧滑检验台来检测。     

前轮定位参数的匹配设计方法研究

汽车前轮外倾角与前束值匹配关系对车辆轮胎磨损及高速直线行驶稳定性有很大影响。在直线行驶过程中路面激励使得车轮相对于车身上下跳动,前轮的前束和外倾必然会随着车轮跳动而发生变化。文章通过前束角和外倾角的几何关系,采用Adams/car分析前轮跳动对前束和外倾的变化,对悬架结构进行了调整,使得车轮跳动时外倾角与前束角得到合理的匹配。     

双板联动侧滑仪对独立悬挂车辆转向轮侧滑量检测结果的分析

汽车转向轮具有的保持自动返回直线行驶的能力称为转向轮的稳定效应。它是通过转向轮的定位角来实现的。研究表明,转向轮定位参数中车轮前束与外倾角对车轮侧滑的影响比较大。当车轮前束值与外倾角匹配不当时,车轮就可能在直线行驶过程中不做纯滚动,产生侧向滑移现象。当这种滑     

侧滑试验台的使用和维护

侧滑是指由于前束与车轮外倾角配合不当,在汽车行驶过程中,车轮与地面之间产生一种相互作用力,这种作用力垂直于汽车行驶方向,使轮胎处于边滚边滑的状态,它使汽车的操纵稳定性变差,增加油耗和加速轮胎的磨损.为保证汽车转向车轮无横向滑移地直线滚动,要求车轮外倾角和车轮前束有适当配合,当车轮前束值与车轮外倾角匹配不当时,车轮就可能在直线行驶过程中不作纯滚动,而产生侧向滑移现象.当这种滑移现象过于严重时,将破坏车轮的附着条件,丧失定向行驶能力,引发交通事故并导致轮胎的异常磨损.     

在用汽车侧滑检验方法

根据汽车侧滑试验结果，调整车轮前束值，使汽车侧滑动态检验符合国家标准。     

前轮定位对轮胎磨耗的影响分析

在车辆安全检测中，侧滑量的检测是检查前轮定位参数中外倾角和前束的配合是番恰当，其标准为车辆通过侧滑板时侧滑量不得超过5m／km。若超出标准，则表明车轮外倾角与前束的匹配不合适，轮胎会出现异常磨耗。但在实际检测中，经常遇到侧滑量在规定的范围内，但驾驶员仍反映“吃胎”严重，检查轮胎，也会发现在接近胎面的边缘处沿轮胎圆周有异常磨耗痕迹。本文即根据车轮外倾角和前束对轮胎磨耗的影响，分析产生这种现象的机理。     

基于时序-神经网络的车辆变速器齿轮故障诊断

采用时序分析和BP神经网络，建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状念特征信号进行时序分析和特征向量提取，并以此作为BP神经网络的输入向量进行网络训练，从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中，能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。     

汽车四轮转向非线性系统的神经网络控制

考虑了轮胎的非线性特性，引入Magic Formula建立汽车非线性力学模型，利用前向BP神经网络来辨识该非线性模型，并利用另一个神经网络进行PID参数的整定，进行离散控制系统和控制算法的设计，有效地提高了汽车四轮转向的稳定性。     

基于BP神经网络的二手车价格评估影响因素研究

为了高效客观准确评估二手车价格,以影响二手车价格评估的因素为研究对象,采用文献法分析筛选出二手车评估价格的11个影响因素并建立了BP神经网络二手车价格评估模型。通过BP神经网络二手车价格评估模型的计算结果显示模型预测价格与实际价格相关系数达到0.96,根据所建模型的连接权值得出了二手车价格评估影响权重值较大的7个因素。最后将影响二手车价格评估的7个主要因素作为输入重构了价格评估模型并重新计算二手车价格得出BP-11模型与BP-7模型计算结果基本一致且Pearson相关性度到0.83。因此本文的研究结果表明:二手车价格评估主要受综合油耗、车辆售后满意度、车龄、车辆可靠性、舒适性、外观、当前里程数的影响,BP神经网络二手车价格评估模型可由这7个因素描述。     

基于小波控制的电动汽车稳定性研究（双语出版）

针对前轮独立驱动电动汽车,研究一种基于小波控制器的驱动稳定性控制系统。为提高车辆对开路面的行驶稳定性,根据驱动轮等转矩分配控制策略,提出基于神经网络PID的驱动轮滑移率相近为目标控制策略。针对矢量控制中的电流控制,提出基于离散小波变换的电流控制器。通过CarSim/Simulink建立前轮独立驱动电动汽车联合仿真平台,进行不同工况整车性能仿真与分析,并基于A&D5435快速原型开发平台进行实车试验。仿真与试验结果表明：基于小波控制器的驱动控制系统不仅提高了车辆对开路面行驶的稳定性,而且具有更平滑、更快速的转矩响应;对开路面工况下,提出的控制策略左侧、右侧驱动轮速度仿真结果与试验结果最大偏差分别为3.43%和3.56%;等转矩分配控制策略下,左侧、右侧驱动轮速度仿真结果与试验结果最大偏差分别为3.86%和3.25%,表明了试验与仿真的一致性;对开路面仿真工况下,相比于驱动轮等转矩分配控制策略,基于神经网络PID的驱动轮滑移率相近为目标控制策略的车辆峰值质心侧偏角降低了79.57%,侧向跑偏距离降低了73.39%。     

盾构施工引起地表沉降的BP神经网络预测

根据盾构施工引起地表沉降的具体问题，结合广州地铁三号线某区间地质资料，建立了地表沉降预测的BP神经网络模型，并对网络进行了训练和测试，测试结果表明，利用神经网络进行盾构隧道施工的地表沉降预测是可行的，可用于工程实践。     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。     

双横臂独立悬架ADAMS建模及运动特性分析

利用ADAMS建立了某轻型车完整的双横臂独立悬架运动学仿真模型,为反映车辆的真实行驶工况,对左、右车轮测试平台分别创建了随机激励。通过仿真分析,揭示了运动特性参数在悬架运动过程中的变化规律,并对原导向机构存在的问题进行了优化计算。结果表明,前轮定位参数在优化前、后的变化量较小,均在设计要求的范围内;轮距和前轮侧向滑移量的变化较大,优化后二者都在理想的范围内变动,达到了预期优化目标。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。