四轮路面激励生成工具开发及应用

为了在平顺性研究中应用路面激励,基于滤波白噪声方法建立了四轮路面激励模型。采用Matlab开发了四轮路面激励生成工具,可以通过图形用户界面自动生成不同路面类型和车速组合下的四轮路面激励数据。将生成的路面激励数据输入到四轮汽车11自由度系统振动模型中,获得了B级路面上不同座椅位置人体质心加速度与车速的关系。研究结果表明,基于滤波白噪声方法建立的四轮路面激励模型和开发的四轮路面激励生成工具,既可以自动生成四轮路面激励数据,也可以有效用于汽车平顺性仿真。     

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BP神经网络的路面不平度识别

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。