典型文献
基于混合神经网络的汽车运动状态估计
文献摘要：
针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法.通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计.基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证.结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性.
文献关键词：
车辆状态估计;深度学习;门控循环单元;多层感知机;混合神经网络
中图分类号：
作者姓名：
高振海;温文昊;唐明弘;张建;陈国迎
作者机构：
吉林大学,汽车仿真与控制国家重点实验室,长春 130022;中国第一汽车集团有限公司智能网联开发院,长春 130000
文献出处：
引用格式：
[1]高振海;温文昊;唐明弘;张建;陈国迎-.基于混合神经网络的汽车运动状态估计)[J].汽车工程,2022(10):1527-1536
A类：
B类：
混合神经网络,车运,运动状态估计,车辆运动状态,估计算法,模型精度,质心侧偏角,基本特性,HNN,神经网络架构,实车测试,测试工况,网络训练,测试验证,传统算法,无动力,估计精度,路面附着系数,车辆状态估计,门控循环单元,多层感知机
AB值：
0.279632
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
