基于E KF-B P网络的矿用自卸车轮胎材料参数辨识

摘要：

轮胎材料参数对轮胎有限元模型至关重要，但轮胎材料多，结构复杂，导致轮胎材料参数难以获取，对此提出利用扩展卡尔曼（EKF）优化的BP神经网络辨识轮胎材料参数的方法。基于轮胎有限元模型，模拟了轮胎脉冲工况动态仿真，将仿真得到的轮胎垂向加速度作为网络理想输入样本，将需要辨识的轮胎材料参数作为网络理想输出样本，通过网络训练，建立两者之间的非线性映射网络模型。将经过小波去噪的轮胎垂向加速度试验数据输入训练好的网络，有效辨识出了轮胎材料参数。通过材料参数辨识的轮胎模型在相应工况下的仿真数据与试验数据的对比，显示两者最大误差为6．45％，证明了基于材料参数辨识的轮胎有限元模型垂向特性的准确性。

关键词：矿用自卸车轮胎、参数辨识、BP神经网络、扩展卡尔曼、小波去噪

所属期刊栏目：35

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2012AA041805；中央财政支持地方高校专项资金项目－创新团队0420036017；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

在线出版日期：2016-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：71-76