基于卷积神经网络的路面识别及半主动悬架控制

路面对车辆的平顺性、操纵稳定性有直接影响,实时获取路面信息对提升车辆性能具有重要意义。针对传统路面识别方法中难以精确识别多种路面类型的问题,采用卷积神经网络对路面类型进行识别,并根据不同路面输入下悬架系统的输出响应来调整控制器参数,使可控悬架在不同路面下均保持最优性能。建立车辆1/4半主动悬架模型;搭建卷积神经网络基本结构并通过所采集的4种典型城市和非城市路面图像对网络进行训练以及测试;采用遗传算法求取沥青路、弹石路、砂石路、水泥路4种不同路面激励下悬架的最优控制参数;根据路面识别结果及优化结果实现悬架控制参数的自适应调整。仿真结果表明:基于卷积神经网络的路面识别方法能够对多种路面进行准确识别;基于路面识别和遗传算法的半主动悬架控制系统可根据不同路面类型自适应调整悬架参数,有效提升车辆性能。

基于响应点计算的悬架效率分析

悬架效率指悬架功率与发动机功率的比值。响应点是车辆在不平路面行驶,由于速度过高,发生脱离路面的抛物线运动后,再落到路面瞬间对应的位置。通过受力分析、运动学分析与坡度分析的结合,计算出响应点。由于利用传统受力分析和动能定理计算发动机在单轮上消耗功率的复杂程度高,进而提出功率键合图方法。利用功率键合图理论得到悬架的键合图模型,并据其求得单轮悬架功率和悬架效率的分析公式,提出了利用悬架效率值评定悬架耗能情况的方法。