覃健

摘 要：汽车底盘测功机通过电涡流测功器产生加载扭矩模拟汽车行驶在道路上时所受到的阻力。针对电涡流测功器输出扭矩的非线性特性，提出采用极限学习机神经网络建立电涡流测功器输出扭矩模型的方法，并利用粒子群算法优化网络结构提高模型的准确性。仿真结果显示，模型的平均相对误差为1.3%。通过与BP神经网络模型相比较，极限学习机模型显示出了更高的准确性。关键词：底盘测功机;加载力矩;超限学习机;粒子群优化中图分类号：U467.3  文献标识码：A  文章编号：1671-7988（2020）11-121-03

Abstract： The chassis dynamometer generates the load torque by the eddy current dynamometer to simulate the on road resistance of the vehicles. For the nonlinear characteristics of the load torque， a method that using extreme learning machine （ELM） neural network to model the load torque of the chassis dynamometer is proposed， and the Particle Swarm Optimization algorithm is applied to optimize the model structure to improve the model accuracy. The simulation results show that the mean absolute relatively error of the proposed model is 1.3%. Compared with the BP model，the ELM model shows better accuracy.Keywords： Chassis dynamometer; Load torque; Extreme learning machine; Particle Swarm OptimizationCLC NO.： U467.3  Document Code： A  Article ID： 1671-7988（2020）11-121-03

1 前言

汽車底盘测功机通过加载装置产生加载扭矩实现对机动车在实际路面上行驶阻力的模拟。电涡流测功器因具有易安装、结构紧凑、可控性良好等特点，被广泛用作机动车检测站环保检测汽车底盘测功机的扭力加载装置。由电涡流测功器的工作原理可知，对于确定结构的电涡流测功器其输出扭矩可表示为[1]：

其中i为测功器励磁电流，n为测功器转速。

因电涡流测功器存在铁磁性材料的磁滞、磁饱和等特性，测功器的输出扭矩表现出很强的非线性特性。因此，选择一种合适的方法描述电涡流测功器各参数之间的非线性关系，建立一个准确的输出扭矩模型，实现对底盘测功机在工作过程中输出扭矩的预测和有效的控制具有重要意义。国内外学者[2][3]采用机理分析建模方法取得了一定的成果，模型的计算推导过程具有相当的难度，公式也比较复杂。……