基于改进极限学习机的路面附着系数估计

作     者：康谷峰 张冰战 尹晨晨 边博乾 邱明明 KANG Gufeng;ZHANG Bingzhan;YIN Chenchen;BIAN Boqian;QIU Mingming

作者机构：合肥工业大学汽车与交通工程学院安徽合肥230009 合肥工业大学安徽省数字化设计与制造重点实验室安徽合肥230009 合肥工业大学机械工程学院安徽合肥230009 合肥工业大学安徽省汽车技术与装备工程研究中心安徽合肥230009 

基　　金：国家自然科学基金项目“自动驾驶接管行为动态迁移规律及接管绩效提升方法”(52172344) 中央高校基本科研业务费专项资金项目(PA2023GDSK0065) 芜湖市科技计划项目(2223jc-04) 

出 版 物：《农业装备与车辆工程》 (Agricultural Equipment & Vehicle Engineering)

年 卷 期：2024年第62卷第8期

页      码：33-39页

摘      要：路面附着系数是车-路相互作用中最为关键的参数之一,精确识别路面附着系数可用来确定汽车最佳安全控制方式,为此,提出一种基于改进极限学习机(Extreme Learning Machine,ELM)的路面附着系数估计方法。对车辆进行动力学分析,确定神经网络模型的输入量;搭建整车模型和工况,进行仿真试验建立数据集;利用限幅递推平均滤波算法处理数据集,并利用麻雀搜索算法对极限学习机进行改进优化,提高ELM的准确性及稳定性。试验结果表明,改进后的ELM在多方面性能有综合提升,预测准确率为93.4%,提高了4.89%,收敛速度提高了41.33%。

主 题 词：极限学习机 路面附着系数估计 麻雀搜索算法 神经网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0814[工学-地质类] 0811[工学-水利类] 082301[082301] 0812[工学-测绘类] 0823[工学-农业工程类] 

D　O　I：10.3969/j.issn.1673-3142.2024.08.006

馆 藏 号：203134080...