《表3 车辆参数：基于深度学习的极限工况下车辆的状态估计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的极限工况下车辆的状态估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在Carsim与Matlab/Simulink环境下建立联合仿真平台，如图5所示。EKF算法利用s-function函数实现，carsim模型输入是方向盘转角，输出的前轮转角、纵向和横向加速度作为EKF的输入，carsim输出的横摆角速度、质心侧偏角、纵向车速通过“From”和“Goto”模块与EKF输出做相应对比。选择普通前驱D级Sedan车型进行仿真，用于EKF算法的估计。整车的参数如表3所示。多层LSTM估计模型在深度学习框架keras下搭建并训练模型。多层LSTM为5层，每层输出数据分别为7维、16维、12维、10维和9维，最后一层为感知器，激活函数为“linear”。多层LSTM车辆模型的优化方法为Adam[10]，损失函数为均方误差（MSE）。