10.19620/j.cnki.1000-3703.20200671
基于深度卷积-长短期记忆神经网络的整车道路载荷预测
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.
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
U462.3(汽车工程)
2021-09-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
46-51