《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》
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)。
图表编号 | XD007437700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.15 |
作者 | 张凤娇、汪、赵万忠 |
绘制单位 | 常州机电职业技术学院、东南大学机械工程学院、南京航空航天大学 |
更多格式 | 高清、无水印(增值服务) |