车轮定位参数快速检测新方法研究

对车轮侧滑量与定位参数的相互影响关系进行了理论分析,在采集的东北三省汽车综合性能检测线的检测数据基础上,建立了基于神经网络理论的车轮侧滑量信息与主要定位参数的数学模型,提出了一种汽车检测线中车轮定位参数快速检测的新方法。

基于渐近神经网络的汽车前轮定位参数反求

利用ADAMS/CAR软件建立了包含轮胎、橡胶衬套的双横臂扭杆独立悬架和转向系统的动力学模型,分析了前轮定位参数对汽车转向力矩的影响,利用渐进的神经网络方法建立前轮定位参数和转向力矩的关系.结果表明:采用渐进神经网络方法反求得到前轮定位参数能够很好满足预先设定的转向力矩要求.

基于卷积神经网络的汽车车轮定位参数自动测量方法

传统的定位参数自动测量方法四轮定位能力差,测量结果不准确。为了解决此问题,提出了一种基于卷积神经网络的汽车车轮定位参数自动测量方法。设计了测量框架,由控制模块和控制终端组成,测量工作流程分为建模初始化、数据提取、数据采集以及自动测量四步。与传统测量方法进行对比,由实验结果可知,当提取特征维数为50维时,传统方法的测量精准度在48%左右,所提方法的测量精准度为在90%左右,所涉及的方法能够精准地定位出汽车车轮定位参数,完成参数测量。