科研之友
微信
新浪微博
Facebook
分享链接
摘要
多轴特种车辆的动力学模型具有强非线性，精细化的物理建模需要准确的模型参数和动力学方程以映射车辆动力学的特性。在无精确的车辆先验物理参数信息和动力学函数关系条件下，为提高车辆动力学建模的保真度，针对某型五轴特种车辆的横向动力学行为，提出了一种基于神经网络的数据建模方法。网络框架主体呈闭环结构，网络输出的状态信息同时作为输入用于预测下一时刻的状态，实现了数据建模递归更新；针对闭环网络模型，设计了闭环结构的训练策略，在网络模型中引入中间变量，使得网络在训练阶段仍然保持闭环结构；网络模块采用循环门控单元(Gate Recurrent Unit)和全连接网络(Full Neural Networks)的组合方式；数据集由经过实车验证的Trucksim仿真模型生成，分析结果表明：在无精确车辆先验信息条件下，物理建模难以准确预测出车辆的状态信息，数据模型具有更好的保真度。闭环训练方法可以使得闭环结构的网络具有更好的保真度，对于横向速度和横摆角速度预测的最大绝对值误差仅为0.079 km/h和0.342°/s,相比于开环训练的结果，最大误差降低了58.40%和49.48%。
