基于深度卷积-长短期记忆神经网络的整车道路载荷预测 |
| |
作者单位: | 广州汽车集团股份有限公司汽车工程研究院,广州511434 |
| |
摘 要: | 针对传统道路载荷获取方法耗费周期长、成本高,且无法高效应用于整车参数变化后的新车型的问题,利用现有多款车型的载荷数据库,通过建立可确定整车结构参数、运行工况与道路载荷之间关联关系的深度卷积-长短期记忆神经网络(DCNN-LSTM)模型,提出了基于数据驱动的整车轮心载荷预测方法。对比试验结果表明,该方法预测的整车轮心载荷与试验场采集数据非常接近,有利于逐步取消路谱采集试验并极大地提高整车耐久性分析的效率。
|
关 键 词: | 道路载荷 深度学习 数据库 疲劳耐久分析 深度卷积神经网络 长短期记忆 |
本文献已被 CNKI 万方数据 等数据库收录! |
|