基于辨识路面的矿用自卸车平顺性优化

摘要：

矿用自卸车行驶路况恶劣，路面激励是平顺性研究中的重要因素。结合整车刚柔耦合模型，提出一种利用遗传算法优化的 BP 神经网络（GA-BP）辨识矿山路面不平度的方法，与标准 BP 网络相比预测能力得到极大提高，并通过整车道路试验验证了该方法辨识路面的准确性。通过与矿用自卸车常用 C 级、D 级路面平顺性仿真结果对比显示，基于辨识路面的模型仿真精度提高了12．3％。在此基础上，以座椅垂直方向加速度均方根值为目标，将簧载质量和轮胎刚度阻尼作为不确定量，通过建立 Kriging 近似模型，运用多岛遗传算法对油气悬架和座椅结构参数进行不确定性优化，优化后目标值下降了37．4％，从而达到提高矿用自卸车平顺性能的目的。

关键词：矿山路面、辨识、GA-BP 神经网络、刚柔耦合模型、平顺性

分类号：TD57(矿山运输与设备)

资助基金：国家高技术研究发展计划863计划项目大吨位电动轮自卸车开发2012AA041805；交通运输部新世纪十百千人才培养项目20120222；湖南大学汽车车身先进设计与制造国家重点实验室自主课题资助项目734215002；财政部创新团队20036017

在线出版日期：2015-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：24-30