基基于4种典型神经网络识别路面不平度的研究

• 作者: 李杰 谷盛丰 赵旗 郭文翠
• 来源期刊: 汽车工程
• 关键词: 路面不平度识别 典型神经网络 最优神经网络 输入方案优化
• 年，卷（期）: 2020,（1）
• 页码范围: 100-107
• 页数: 8页
• 字数: 4620字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.01.015

摘要

为识别路面不平度,对4种典型神经网络及其应用选择、输入方案优化和评价指标进行研究,提出4种典型神经网络输入选择和输入组合优化的解决方案.建立了汽车系统振动的4自由度平面模型,通过仿真获得神经网络的输入和输出.采用正交试验设计确定了每种神经网络的32个输入方案,在常用的B级路面和车速60 km/h下得到每种神经网络输入方案的评价指标,通过方差分析选出每种神经网络的最优输入方案和4种典型神经网络中的最优神经网络.研究结果表明,4种典型神经网络中,NARX神经网络是识别路面不平度的最优神经网络,其最优输入方案的相关系数和均方根误差分别为96.75％和0.0033.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵旗	吉林大学汽车仿真与控制国家重点实验室	37	325	11.0	17.0
2	李杰	吉林大学汽车仿真与控制国家重点实验室	159	950	17.0	24.0
3	郭文翠	吉林大学汽车仿真与控制国家重点实验室	4	4	1.0	2.0
4	谷盛丰	吉林大学汽车仿真与控制国家重点实验室	5	1	1.0	1.0