基于LSTM网络的路面不平度辨识方法

摘要：

路面不平度的辨识是半主动悬架控制等智能底盘技术的难点,目前缺乏成本低、可靠性高且精确快速的方法.本文提出一种新的基于长短期记忆(long short?term memory,LSTM)网络和时序轮心加速度的实时路面不平度等级辨识方法.该方法利用轮心加速度的时序信号,而非传统的统计特征,基于LSTM网络对时序信号的强特征捕捉能力,无需信号预处理就能快速得到路面分类特征,大大减少辨识算法的计算量,可以实现实时辨识.训练集数据可以通过不同功率谱密度等级的白噪声生成路面,然后通过车辆传递特性获得加速度信号,也可集成试验数据.此方法仅需要一个时域加速度信号,且无需复杂预处理,鲁棒性高,能够实现不同车速、减振器阻尼系数、簧上质量和采样时长下的路面不平度等级的快速辨识.

关键词：路面辨识、LSTM、信号处理、深度学习、悬架控制

所属期刊栏目：43

分类号：U461.1;TP391;TN918.91

资助基金：国家自然科学基金;国家自然科学基金;汽车安全与节能国家重点实验室项目

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：509-517,628