10.3969/j.issn.1004-132X.2023.03.013
融合一维卷积神经网络和双向门控循环单元的APM车辆轮胎径向载荷识别方法
针对轮胎载荷直接测量昂贵复杂及传统载荷识别方法精度低、鲁棒性差的现实,提出了一种融合一维卷积神经网络(1D CNN)和双向门控循环单元(BiGRU)的胶轮车辆轮胎径向载荷识别方法.充分考虑轮胎径向载荷数据的先验信息,以车辆振动响应、车体位姿、运行状态等多源信息构建特征集并经特征选择保留有效的特征子集,构造多时间步输入-单时间步输出的样本用以网络训练.运用1D CNN提取信号的多维度空间特征并输入BiGRU中双向捕获时序特征,得到载荷预测的结果,结合预测精度、泛化性能、鲁棒性能修正理论模型.以APM300型车辆为例进行载荷识别,与传统算法相比,所提方法有效降低了载荷识别的误差,适用于不同运行工况,且能克服不同程度的测量噪声,在工程领域有现实应用价值.
载荷识别、胶轮车辆、一维卷积神经网络、双向门控循环单元
34
U270.1(车辆工程)
国家自然科学基金;博士后创新人才支持计划;中国博士后科学基金
2023-02-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
359-368