基于RBF神经网络识别路面不平度的研究

针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题,提出了一种解决方法。对RBF神经网络和训练过程进行了分析,选择车辆可以测试的车辆响应作为RBF神经网络输入,引入正交试验设计确定RBF 神经网络输入方案,采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度,应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明,所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题,可以用于其它神经网络识别路面不平度。     

基于NARX神经网络的路面不平度识别

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。     

基于4种典型神经网络识别路面不平度的研究

为识别路面不平度,对4种典型神经网络及其应用选择、输入方案优化和评价指标进行研究,提出4种典型神经网络输入选择和输入组合优化的解决方案。建立了汽车系统振动的4自由度平面模型,通过仿真获得神经网络的输入和输出。采用正交试验设计确定了每种神经网络的32个输入方案,在常用的B级路面和车速60 km/h下得到每种神经网络输入方案的评价指标,通过方差分析选出每种神经网络的最优输入方案和4种典型神经网络中的最优神经网络。研究结果表明,4种典型神经网络中,NARX神经网络是识别路面不平度的最优神经网络,其最优输入方案的相关系数和均方根误差分别为96.75%和0.003 3。     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

考虑路面不平度神经网络的悬架参数优化

以1/4车辆模型为例,构建了考虑路面不平度的3×3神经网络系统,并进行了多种路面条件下汽车悬架参数优化。计算结果表明,将路面不平度作为神经网络输入之一的神经网络优化系统与已有神经网络系统相比,可使设计人员综合考虑路面的影响,从而得到适应条件更广泛的悬架参数。     

基于ReliefF-RBF的路面不平度识别算法研究

路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。     

基于路面不平度自功率谱密度函数计算国际不平度指数的研究

提出了一种基于路面不平度自功率谱密度函数PSD计算国际不平度指数IRI(International Roughness Index)的方法。通过建立1/4车辆模型来分析路面不平度的输入和汽车振动的响应,由动态响应模型的理论分析得到路面不平度的自功率谱密度函数PSD(Power Spectral Density),再应用随机理论等方法,推得基于路面不平度自功率谱密度函数PSD的IRI值。用PSD计算IRI,能够使车辆和道路部门比较他们对路面不平度的各自评价标准,从而作为其设计、改进产品的依据,IRI的求得,为公路运输部门对道路的养护决策提供了依据。     

基于汽车车身垂直加速度的典型道路路面谱识别研究

以1/4汽车振动模型为研究对象,推导出以汽车车身垂直振动加速度作为输入信号、路面不平度作为输出信号的数学模型及其模拟图,并利用MATLAB/SIMULINK搭建系统模型求解路面不平度,对路面不平度进行谱估计完成路谱的识别。通过实际测试和数据处理分析,说明该方法理论依据正确可行,可以为虚拟样机仿真路面的生成提供数据支持。     

基于增广卡尔曼滤波并考虑车辆加速度的路面不平度识别

为实现车辆在实际加减速行驶工况下路面不平度的准确识别,提出了一种考虑车辆加速度、基于增广卡尔曼滤波算法的路面识别方法.以车辆纵向加速度作为已知输入,车身垂向振动和俯仰振动响应作为观测向量,设计增广卡尔曼滤波观测器估计路面不平度信息;求取固定位移窗长度内的国际平整度指数,实现了对路面的等级分类.仿真结果表明在典型非匀速工...     

路面平整度及车辆振动模型的研究综述

为了在车-路或车-桥相互作用的耦合体系中更准确地模拟由路面不平整度引起的车辆动荷载,以及分析由动荷载引起的路面动响应,论述了路面平整度的各种定义,回顾了路面平整度的各项评价指标、评价方法及各种评价指标之间的关系。分类阐述了针对各种评价指标的现场检测方法及仪器,分析了路面平整度的各种数值模拟方法,并推荐了更符合实际情况的平整度数值模型,介绍了用于分析路面不平度引起的车辆动荷载的各种车辆振动模型。最后总结了研究路面平整度评价指标、不平度的数值模拟方法及车辆振动模型的发展趋势,提出了用于分析车辆与路面作用的耦合振动体系的各项参数的采用建议,为研究车辆随机动荷载作用下的路面或桥面动响应提供了理论依据。