基于遗传算法优化的BP神经网络侧翻预警算法

针对轮毂液压混合动力重型商用车,引入基于遗传算法优化的BP神经网络算法建立侧翻预警控制策略.首先,建立重型车辆3自由度侧翻参考模型,选取车辆侧翻预警算法的侧翻指标,并结合参考模型建立侧翻指标观测器;然后,在传统TTR(Time-To-Rollover)侧翻预警算法研究的基础上,引入遗传算法优化的BP神经网络(GANN)对传统的TTR预警算法进行优化,建立基于GANN-TTR的侧翻预警算法;最后,利用Truck Sim仿真软件建立整车模型,利用AMESim仿真软件建立轮毂液压系统模型,在Matlab/Simulink环境下实现侧翻预警算法,并通过Matlab/Simulink、Trucksim和AMESim三软件搭建联合仿真平台,选取阶跃转向和鱼钩转向两种典型工况进行仿真,对比传统TTR、传统BP神经网络以及基于GANN-TTR的侧翻预警算法的预警精度.仿真结果表明,基于GANNTTR的侧翻预警算法能够有效提高预警精度,通过方向盘转角和纵向车速进行算法修正后得到的曲线与理想预警曲线误差最小达5%.

重型车辆侧翻预警算法研究

针对重型车辆在行驶过程中非绊倒型侧翻预警实现问题,建立了三自由度车辆侧翻模型并设计了以侧翻时间(TTR)为预警标准的算法。考虑到预警算法中动态门限值中某些参数难于直接测取的问题,将Kalman滤波技术融合于其中,提出了基于车身侧倾角估计的TTR侧翻预警算法,实现车辆动态侧翻特性的精确预测。而后利用Matlab/Simulink与Trucksim软件联合仿真对侧翻预警算法进行验证。结果表明,基于车身侧倾角估计的重型车辆侧翻预警算法能够顺利运行,为非绊倒型侧翻预警问题提供了一种新的设计思路。

方向盘转角TTR与动态质心高度的侧翻预警算法

为了消除传统Time to Rollover侧翻预警算法中,方向盘与汽车动态响应之间的滞后性以及质心高度变化对算法精度的影响,本文中提出了方向盘转角TTR和动态质心高度预警算法。建立三自由度的动态模型,用Maple求解出方向盘转角与各个运动参量的关系,接着将数学模型导入动力学软件Truck Sim中,在数个典型工况下进行仿真实验。对比传统算法的运动参量和改进算法的TTR,并将仿真的质心高度和理论算法计算结果比较。仿真实验结果表明,动态模型计算结果准确,改进后的侧翻预警算法提前于传统算法,有效改善了TTR算法的滞后问题,提前了预警时间,研究成果具有工程应用前景。

基于MEMS的车辆预警系统及其姿态算法设计

针对车辆倾斜角度过大时产生侧翻和车辆在侧翻时能够得到及时救援这一现象,设计了基于嵌入式技术,无线网络通信技术,车辆实时定位技术以及车辆侧翻预警算法的综合系统。为验证系统算法的有效性,将MLR建模预测方法与自回归模型预测方法在未来1 s^2 s的LTR预测值并与车辆实际LTR值作对比。实验结果显示,MLR建模预测方法在两种极端情况下的平均相对误差比自回归模型预测方法的平均相对误差分别低了0.66%、1.35%。