基于自主漂移的自动驾驶车辆极限工况轨迹规划与控制

为兼顾自动驾驶车辆在极限工况下的稳定性与轨迹跟踪性能,提出了一种基于自主漂移的自动驾驶车辆轨迹规划与控制方法。基于神经网络设计了神经网络轮胎动力学模型,提升了传统魔术轮胎公式的精度。为进一步拓展自动驾驶车辆极限工况下的稳定边界,基于漂移时轮胎饱和及最大侧滑特性结合质心侧偏角-横摆角速度相平面约束设计了漂移稳定边界,采用非线性模型预测控制(NMPC)在更大稳定范围内规划了安全漂移轨迹,并对规划轨迹进行了漂移跟踪控制。Simulink/CarSim联合仿真结果表明,该方法可充分利用漂移运动优势,在极限工况下确保车辆不发生失控,同时准确跟踪期望轨迹。

汽车轮胎侧偏特性的研究现状及其发展

汽车动力学的研究中必须考虑轮胎模型，轮胎侧偏特性直接影响到汽车的操纵稳定性和安全性．综述了轮胎的稳态与非稳态侧偏特性的研究现状及其特点，介绍了轮胎侧偏特性的试验研究方法以及人工神经网络模型在轮胎侧偏特性研究中的应用．指出了轮胎力学模型应满足的主要要求。

基于人工神经网络的汽车闭环系统的研究

对于驾驶员 -轮胎 -汽车闭环系统的研究是全面评价和预估汽车操纵稳定性能的一条有效途径 ,但用一般数学方法难以精确描述轮胎和驾驶员的非线性特性 .利用人工神经网络反映轮胎和驾驶员输入、输出特性之间的非线性映射关系 ,并将它们与相应的汽车模型结合进行闭环系统仿真 .结果表明 ,人工神经网络可以产生出具有相当准确性及很高计算效率的驾驶员模型和轮胎侧偏特性模型 .

轮胎纵向力的神经网络模型

将人工神经网络方法用于轮胎纵向力特性的建模,建立了以滑移(转)率为变量,以垂直载荷为参变量的轮胎纵向力神经网络模型。对轮胎实测数据与神经网络模型预测结果的对比表明,轮胎神经网络模型的精度能满足工程要求,BP前馈神经网络可有效地应用于车辆轮胎纵向力特性的数学建模,且建模过程简单,模型计算较快,预测精度较高。

基于人工神经网络的轮胎侧偏特性模型

采用多层前馈神经网络系统建立轮胎侧偏特性模型，用ＬＭ 算法作为学习算法，利用人工神经网络反映轮胎输入和输出特性之间的非线性映射关系。试验结果表明，人工神经网络可以产生出具有很高的准确性和计算效率的轮胎侧偏特性模型。

典型轮胎模型及其发展趋势

针对几种典型轮胎模型进行分类介绍,包括Taehyun分析轮胎模型、“magicformula”轮胎经验模型、幂指数半经验轮胎模型、神经网络自适应轮胎模型和计算机轮胎模型,并指出轮胎自适应模型和计算机模型将可能替代传统轮胎模型。

基于RBF神经网络的轮胎滚动阻力建模研究

建立径向基函数(RBF)神经网络轮胎滚动阻力模型,充分利用RBF神经网络模型逼近精度高、训练速度快、无局部极小等优点,对轮胎滚动阻力进行全面、准确的预测。结果表明,轮胎滚动阻力RBF与反向传播算法(BP)神经网络模型预测值的平均相对误差分别为2%和6%左右,RBF神经网络模型在训练和预测结果上均有更大优势,能够有效预测轮胎滚动阻力。

废胎橡胶用量对保温砂浆导热系数的影响与神经网络预测

在利用和有效处置废胎橡胶的背景下，研究了以废胎橡胶颗粒作为骨料的砂浆导热系数随废胎橡胶颗粒用量的变化规律。在砂浆配合比设计中，保持废胎橡胶颗粒和玻化微珠的堆积体积之和为1m^3，其中废胎橡胶颗粒用量分别为0、125、250、375和500kg/m^3。试验结果表明：以废胎橡胶颗粒和玻化微珠作为骨料的砂浆28d抗压强度在0．32-2．64MPa；该类砂浆的热导系数为0．080-0．152W/（m·K），并随着废胎橡胶颗粒和水泥用量的增加而增大。根据废胎橡胶粉、玻化微珠、水泥、乳胶粉、减水剂和水灰比等因素建立的BP神经网络导热系数预测模型，得出的预测值与试验的实际数值比较吻合，预测精度能满足要求。

神经网络车辆轮胎模型的分析与研究

轮胎力学特性的分析是研究车辆振动分析的基础,但使用经典的数学方法来解决非线性问题是很难实现的,因此我们论述把神经网络理论应用到汽车动力特性控制上,主要使用BP神经网络对汽车轮胎的力学特性进行建模分析.

基于模糊神经网络道路纵向附着系数预测

为了研究路面状况及使用年限对道路纵向附着系数的影响,通过对不同年限、不同干湿状况的路面进行测试纵向附着系数,建立了基于模糊神经网络道路纵向附着系数预测模型,并通过实车制动试验进行验证。试验结果表明:预测模型误差率小于6%,实车制动试验制动车速与实际车速误差也在6%内,验证了模型的有效性和实用性。因此,为交通事故再现提供了一个快速有效的方法。

基于神经网络算法的自适应轮胎建模研究

本文依托于轮胎六分力测试数据,基于多层前馈MLP神经网络,建立了轮胎侧偏纵滑不同工况下的自适应轮胎模型。并进一步通过设计结合下山单纯形法与随机值法的混合优化算分进行神经网络模型的超参数调优,得到强化的学习模型。另外利用PAC2002魔术公式进行半经验轮胎模型的建模求解,以此对上述不同形式模型的侧偏力、纵向力及回正力矩结果进行对比分析。发现神经网络算法在处理轮胎六分力的非线性特征方面能力较好,而应用混合优化算法进行超参数调优后则进一步提升了轮胎模型的拟合精度。