汽车磁流变减振器神经网络模型研究

提出了用3个输入单元、1个输出单元和7个隐含单元的神经网络来摸拟汽车磁流变减振器的动力学特性,采用实验室测试得到的数据和基于高斯—牛顿法的改进算法对神经网络的连接权值进行优化。神经网络预测结果与试验测试结果比较表明:提出的神经网络模型能够比较准确地预测磁流变减振器的动力学特性。     

馈能式磁流变减振器自供电特性研究

本文设计了集馈能与减振功能于一体的磁流变减振器,从能量传递的角度出发,分析了馈能式磁流变悬架系统能量流动路径,提出了馈能式磁流变减振器自供电准则。通过建立1/4馈能式悬架系统模型和基于广义回归神经网络的减振器控制器进行仿真分析,以确定所设计的磁流变减振器在不同路面激励下的自供电工作范围。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。     

基于神经网络的发动机空载模型辨识

发动机空载工况的辨识在车辆动力学传动系统仿真和车辆的起步，换档自动控制中起着得要的作用，分析了发动机空载工况的特点和神经网络在非线性系统辨识中的优越性，建立了发动机空载工况辨识的神经网络模型，并根据实验所得数据对４９２汽油空载工况进行了辨识，取得了满意的效果。     

基于神经网络的汽车磁流变减振器非参数化建模

结合汽车用减振器的工作特点,按照国产某微型轿车后悬架的技术要求,设计了基于混合工作模式的单出杆单筒磁流变减振器,并进行了实物样品研制。根据流体力学理论,建立混合工作模式下磁流变减振器计算模型,并对磁流变减振器的阻尼力、动态响应时间及其影响因素进行了理论分析。对设计的磁流变减振器进行台架动态特性测试,试验结果表明：单出杆...     

基于磁流变悬置的整车建模与振动控制的研究

以磁流变悬置动态性能试验结果为数据样本,利用广义回归神经网络(GRNN)辨识方法建立了磁流变悬置的正、逆模型,并将辨识模型用于悬置系统的控制;建立了基于磁流变悬置的整车10自由度动力学模型,以发动机转速和悬置点处的加速度信号为输入,设计了模糊控制器,对磁流变悬置进行半主动控制的仿真。结果表明:该模糊控制器具有较好的宽频隔振效果,悬置点处的振动加速度峰值明显减小,验证了GRNN模型和模糊控制器算法的正确性和有效性。     

某磁流变减振器活塞杆静力学分析

磁流变阻尼器具有简单的结构,消耗能量低,可控可逆等优点,可以应用到汽车的悬架系统中,使得汽车行驶的安全性和舒适性得到很大的提高。文章在CATIA中绘制模型,然后将其导入到ANSYS workbench工作台中,然后设置材料、网格,选择接触点,施加载荷,最后对模型进行有限元仿真分析。经过分析可得磁流变减振器活塞杆因外力产生的应力均在材料的屈服极限之内,满足强度设计要求。     

关于汽车液压减振器神经网络模型建立的探讨

本文主要探讨了采用ＢＰ网络建立汽车液压减振器调试模型的理论和方法，并通过模拟国产轿车的速度特性证明其可行性，经对比表明该模型模拟精度提高明显，实用性强且容易控制和拓展。     

基于模糊PlD开关控制器的磁流变减振器控制

依据车辆悬架的1/4车体模型,对装有磁流变减振器的悬架系统进行了理论研究,设计了模糊PID开关控制算法.在所建模型的基础上,借助MATLAB可视化的动态仿真平台,对控制系统进行了数值仿真,通过仿真验证了算法的有效性.设计了硬件控制电路,通过编制控制软件实现了控制算法,并进行了台架试验.试验结果表明,模糊PID开关控制器应用于磁流变减振器可以实现良好的车身振动控制.     

汽车磁流变液减振器阻尼力计算方法

针对磁流变液在剪切流动中存在剪切稀化特性,根据流体力学N-S方程,建立了基于Her-schel-Bulkley模型的准稳态平板Poiseuille流动方程,得出了磁流变液在阻尼通道中流动的速度分布函数,分析了磁流变液的剪切稀化效应对阻尼通道磁流变液流动的影响,推导了汽车磁流变液减振器阻尼力计算表达式,对汽车磁流变液减振器产生的阻尼力进行理论预测研究。按照长安之星微型汽车技术要求,设计和制作了微型汽车磁流变液减振器,并对其进行了试验测试,测试结果表明:所提出的分析方法是可行的。     

基于投影寻踪神经网络模型的短时交通量预测研究

准确有效地预测短时交通流量是实施交通诱导及控制的前提与关键,但由于短时交通流量具有高度复杂性、随机性、非线性和不确定性等特性,导致预测难度高、准确度低、实时性差。基于此,文中综合利用投影寻踪技术和BP神经网络的优点,提出了运用投影寻踪回归模型和BP神经网络技术相结合建立组合模型的预测方法,并编写出模型的算法程序。将该组合模型应用于路段短时交通量的实时预测实例,实验结果证实该组合模型具有较好的预测能力和较强的时效性。     

一种用于车辆半主动悬架控制的磁流变阻尼器模型

文中对适用于车辆半主动悬架控制器设计的磁流变阻尼器模型进行研究.首先分析阻尼力与位移、速度以及输入电流之间的关系,并结合现有阻尼器模型的优点,提出一种精确的便于控制的双曲正切磁滞模型.接着,将磁流变阻尼器安装在硬件在环仿真平台上进行试验,利用试验得到的阻尼器动态特性数据,进行阻尼器模型的参数辨识和曲线拟合.最后,将基于拟合参数的模型仿真结果与试验数据进行比较,验证了模型的正确性.     

混合神经网络跟驰模型的建立

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型通过实测数据对混合模型的信用值进行调整,从而组合得到较高的精确度。通过对预测效果的比较,可以发现混合神经网络跟驰模型可以取得比单一神经网络模型更好的预测效果。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

基于小波神经网络的隧道变形预测模型研究

针对单一模型在隧道变形预测上精度不高的问题,提出了一种基于小波分析理论的神经网络模型,该模型克服了BP神经网络模型存在的收敛速度慢、结构设计盲目、易陷入局部极小点的缺陷,通过将该模型与时间序列模型、Levenberg-Marquardt法BP神经网络模型、遗传神经网络模型预测的结果比较,可以看出小波神经网络在隧道的变形预测中网络结构更简单、收敛速度更快、预测精度更高。     

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。     

磁流变阻尼器在洪山大桥拉索减振中的应用

介绍了一种新型磁流变（MR）阻尼器——永磁调节装配式磁流变阻尼器在长沙洪山大桥拉索减振的应用及试验研究情况，得到了安装阻尼器前后拉索的动力特性，结果表明这种新型磁流变阻尼器能有效地提高拉索的模态阻尼比，抑制拉索的大幅振动。由于该阻尼器无需供电，装配简单，维修方便，与其他的磁流变阻尼器相比，具有较高的推广应用价值。     

基于BP神经网络的交通事故预测模型及仿真

交通事故的发生,受人、车、路、环境、管理等多方面因素的影响,存在很大的不确定性。利用BP神经网络,建立交通事故预测模型,并用Matlab仿真,验证模型的精确性。     

车辆侧向运动的人工神经网络辨识

利用一个带有循环的前馈多层人工神经网络模型对车辆的侧向操纵运动进行辨只。该辨识网络经过训练之后，可以较精确地描述车辆运动系统的输入－输出非线性动态映射关系，从而为车辆运动学建模提供了一条新的有效途径。