原文传递
基于卷积神经网络的轮胎路面作用力估算方法研究
| 论文题名： | 基于卷积神经网络的轮胎路面作用力估算方法研究 |
| 关键词： | 轮胎三向力;道路接触;卷积神经网络;加速度信号;有限元仿真 |
| 摘要： | 研究重载汽车对道路的破坏机理，能够指导道路的设计与养护，并延长其使用寿命。轮胎作为汽车与道路接触的唯一部件，测量轮胎路面作用力对开展上述研究具有重要价值。现有的轮胎三向力测量大多是基于轮胎经验公式进行间接估算，需要对大量的轮胎运动状态参数进行观测，而轮胎与路面直接接触的优势未被充分利用。为此，本文基于轮胎内衬层上加速度动态响应信号，对轮胎三向力的估算方法进行了研究，主要内容如下： 1）进行了轮胎有限元仿真的研究，获取了轮胎的加速度信号。本文以11.00R20型全钢载重子午线轮胎为研究对象，通过ABAQUS有限元仿真软件建立了其有限元模型，并对模型的有效性进行了验证。经过多种工况下的稳态滚动仿真，最终获得了轮胎内衬层上不同位置的加速度信号。 2）处理分析了轮胎加速度信号，进而建立了轮胎三向力的估算模型。首先截取了稳态滚动下的加速度信号片段，并对其进行了滤波处理；然后分别分析了轮胎三向力作用下的轮胎变形以及不同因素对加速度响应的影响，选取了轮胎内衬层上的信号观测位置，并提取了合适的加速度信号特征；最后以加速度信号特征和轮速、胎压为输入，构建了基于一维卷积神经网络的轮胎三向力估算模型。 3）对估算模型的性能指标进行了分析。以模型对测试工况的估算结果近似地描述了模型的泛化能力，并通过与传统BP神经网络估算结果比较，体现了模型的性能优越性。结果显示，该模型的轮胎三向力估算平均绝对百分比误差均在7%以内，均方误差不超过1kN，整体估算性能优于传统BP神经网络。 本文研究表明，利用轮胎内衬层上的加速度信号和一维卷积神经网络可以实现轮胎三向力的估算。该模型进一步发展了轮胎力的测量方法，为道路破坏机理研究提供了重要的参考信息。 |
| 作者： | 郭昊 |
| 专业： | 仪器仪表工程 |
| 导师： | 刘庆纲;李锁印 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
