基于组合聚类的智能汽车横向稳定性判别方法

作者：谷先广; 孟科委; 姚鑫鑫; 汪洪波^*

来源：汽车工程, 2020, 42(11): 1497-1505.

DOI：10.19562/j.chinasae.qcgc.2020.11.007

• 智能汽车
• 稳定性判别
• 数据挖掘
• 自组织特征映射
• K均值聚类 intelligent vehicle
• stability judgement
• data mining
• SOFM
• K-means clustering

在研究传统车辆稳定性判别方法的基础上,基于神经网络和聚类分析的理论,提出了一种车辆横向稳定性判别方法。采用SOFM神经网络和K均值聚类相结合的组合聚类法,对采集的车辆行驶参数进行离线聚类分析,得到各聚类中心及其稳定性等级。应用均值法在线更新聚类中心,计算实时数据与聚类中心的距离,根据距离最小准则进行车辆稳定性实时判别。以轮胎力法为基准对该稳定性判别方法性能进行分析,最后将判别结果作为稳定性控制策略介入控制的依据,通过CarSim/Simulink联合仿真和硬件在环试验,验证了该稳定性判别方法的有效性和准确性。

• 单位
  合肥工业大学; 合肥工业大学智能制造技术研究院