基于4种典型神经网络识别路面不平度的研究*
2020-03-18郭文翠谷盛丰
汽车工程 2020年1期
关键词:评价
李 杰,郭文翠,赵 旗,谷盛丰
(吉林大学,汽车仿真与控制国家重点实验室,长春 130025)
前言
路面不平度对路面质量、车辆平顺性和乘员舒适性均有直接影响,在早期通过测量获得[1-3],但需特定的测量仪器,成本较高,有些测量仪器的测量效率较低,有些测量方法的实现较为复杂。
2007年以来,国内外学者开始应用神经网络识别路面不平度[4-9]。通过神经网络建立车辆响应和路面不平度之间的关系,既省去人为标定的工作,也省去推导车辆响应和路面不平度之间逆模型的工作,只要具有车辆响应和路面不平度就可以通过训练建立两者之间的关系。训练完成后,由车辆响应就可以识别路面不平度。
目前,识别路面不平度主要采用4种典型神经网络:BP神经网络[5]、RBF神经网络[4]、小波神经网络[6]和NARX神经网络[7-9]。这些工作推动了基于神经网络识别路面不平度研究的发展,但也存在两方面的问题。首先,国内外的研究中选择的车辆响应不同,却对此没有给出合理的解释。其次,既没有对这4种典型神经网络进行综合比较分析,也没有确定出最优的神经网络。
本文中针对上述两个问题进行研究,目的在于给出车辆响应合理选择的依据,提出比较4种典型神经网络识别路面不平度的方法,为进一步应用神经网络识别路面不平度提供理论和应用基础。
1 4种典型神经网络及其应用设计
1.1 4种典型神经网络
BP神经网络是至今为止应用最为广泛的神经网络,由输入层、隐含层和输出层组成。……
登录APP查看全文
