摘要：为应用NARX神经网络识别路面不平度,对NARX神经网络及其训练过程和结构设计进行了分析,采用相关系数和均方根误差作为NARX神经网络识别效果的评价指标。建立了路面不平度滤波白噪声模型和汽车平顺性4自由度平面模型,通过仿真获得路面不平度和车辆响应。以可测试的车辆响应作为NARX神经网络的输入,采用正交试验设计提出确定NARX神经网络输入方案的方法,对在常用等级路面上以常用车速行驶的某汽车的前轮路面不平度进行了识别。结果表明,将可测试的车辆响应作为NARX神经网络输入,结合正交试验设计,解决了NARX神经网络最优输入方案的确定问题。

摘要：针对路面不平度识别的问题,研究了基于车辆响应的NARX神经网络识别方法及其适用性。建立了汽车振动系统4自由度平面模型,通过仿真获得车辆响应和车轮路面不平度。对于NARX神经网络及其应用选择、输入方案优化和评价指标进行了研究,提出了车辆响应选择和组合优化的解决方案。采用NARX神经网络识别了常用的B级路面和车速为60 km/h下某轿车的前轮路面不平度,其相关系数和均方根误差分别达到96.75%和0.0033。考虑了训练采样点数、车辆响应随机噪声、车速和路面等级的变化对训练完成的NARX神经网络效果的影响,说明了基于车辆响应识别路面不平度的NARX神经网络方法的适用性。研究结果表明,采用正交试验设计确定NARX神经网络优化输入方案和基于车辆响应识别路面不平度取得了满意的结果,两者具有良好的适用性。

摘要：为识别路面不平度,对4种典型神经网络及其应用选择、输入方案优化和评价指标进行研究,提出4种典型神经网络输入选择和输入组合优化的解决方案。建立了汽车系统振动的4自由度平面模型,通过仿真获得神经网络的输入和输出。采用正交试验设计确定了每种神经网络的32个输入方案,在常用的B级路面和车速60 km/h下得到每种神经网络输入方案的评价指标,通过方差分析选出每种神经网络的最优输入方案和4种典型神经网络中的最优神经网络。研究结果表明,4种典型神经网络中,NARX神经网络是识别路面不平度的最优神经网络,其最优输入方案的相关系数和均方根误差分别为96.75%和0.003 3。

摘要：针对应用RBF神经网络识别路面不平度的输入选择、输入方案确定和识别效果评价3个问题,提出了一种解决方法。对RBF神经网络和训练过程进行了分析,选择车辆可以测试的车辆响应作为RBF神经网络输入,引入正交试验设计确定RBF神经网络输入方案,采用相关系数和均方根误差作为RBF神经网络识别效果的评价指标。通过采用车辆和路面不平度系统4自由度平面模型仿真获得车辆响应和前轮路面不平度,应用RBF神经网络对常用路面等级和常用车速行驶下某汽车的前轮路面不平度进行了识别。结果表明,所提出的方法解决了基于RBF神经网络识别路面不平度的3个问题,可以用于其它神经网络识别路面不平度。