原文传递
基于深度学习的鼓式制动器制动性能预测研究
| 论文题名： | 基于深度学习的鼓式制动器制动性能预测研究 |
| 关键词： | 汽车鼓式制动器;制动性能;深度学习;误差分析 |
| 摘要： | 据交通事故相关统计可知因制动器制动性能失效为成因的事故约占车辆因素的45％左右，显然制动器制动性能变化及其相关检验方法的研究对于交通安全与人身安全皆具有重要意义。本文通过对现行标准下交通事故车辆制动性能的检验方法、标准、项目、技术等进行分析，提出了一种基于深度学习的鼓式制动器制动性能预测方法。 首先，通过对该鼓式制动器进行参数化建模，构建制动器构造参数、运动参数与制动器间隙变换规律之间的三维实体模型;利用参数化模型进行运动学仿真，在此基础上研究出在一定初始条件下的制动性能的计算方法和判断依据。 其次，通过参数化模型运动仿真和制动性能的判断依据参数形成数据集，该数据集可为后续深度学习提供训练集和验证集。在此基础上，运用深度学习卷积神经网络构建制动器制动性能的预测模型，该模型输入的变量为制动初速度、执行机构时延、制动力增长时间、最大减速度、平均减速度、推杆间隙，输出结果为制动距离，符合当前的国标检测鉴定标准。 最后，对同种类型的制动器的实车路试试验数据进行采集整理，得到制动性能评价指标数据作为测试集，利用上文构建的卷积神经网络模型对其测试验证，通过对比制动距离的预测值与真实值验证预测模型的有效性，结果表明该模型效果良好，具有一定的科学性、有效性、参考性。 试验结果表明，该预测模型的均方根误差在0.3以内。此方法为相关检测人员提供了检验依据，提高了其工作科学性和检验结果的权威性;同时为其它类型制动器制动性能预测提供技术路径借鉴，亦可为制动器制造、装配以及性能劣化规律的相关研究提供理论基础和实践经验。 |
| 作者： | 吉冬青 |
| 专业： | 机械 |
| 导师： | 郝洪涛;唐博 |
| 授予学位： | 硕士 |
| 授予学位单位： | 宁夏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
