10.19562/j.chinasae.qcgc.2022.10.007
基于混合神经网络的汽车运动状态估计
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法.通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计.基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证.结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性.
车辆状态估计、深度学习、门控循环单元、多层感知机、混合神经网络
44
U461.6;TM711;TP273
国家自然科学基金;国家重点研发计划;吉林省自然科学基金;吉林省科技发展计划项目
2022-11-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
1527-1536