吉林大学汽车仿真与控制国家重点实验室研究成果：基于混合神经网络的汽车运动状态估计( 二 ) _知识百科

图8 路面摩擦因数0.5扫频工况下的估计结果

文章插图
图9 路面摩擦因数0.3扫频工况下的估计结果
2. 实车验证：在83km/h车速DLC工况下，通过实车数据的训练，HNN 算法可很好地适应实车环境，估计性能优于扩展卡尔曼滤波算法。

文章插图
图10 实车DLC工况对比
创新点和意义
论文为准确进行汽车运动状态估计，设计了适合于表征车辆动力学特性的神经网络结构；在不同车速、不同路面以及实车环境下对比验证了该算法的有效性；为智能汽车运动控制算法从常规线性工况扩展到非线性工况奠定一定的基础。论文具有重要的科学指导意义与工程应用价值。
扫描上方二维码，免费获取全文
关于《汽车工程》
1. 行业声誉：汽车工程领域高质量科技期刊分级目录T1级别期刊
2. 检索收录：Ei核心
3. 首轮评审： 30工作日
4. 在线投稿：
联系我们
联系人：杨老师
电话: 86-10-50950106
邮箱: sae860@sae-china.org
《汽车工程》 2022年微网刊
2022年第1期全文获取
2022年第2期全文获取
2022年第3期全文获取
2022年第4期全文获取
2022年第5期全文获取
2022年第6期全文获取
2022年第7期全文获取
2022年第8期全文获取
2022年第9期全文获取
2022年第10期全文获取

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：