[发明专利]一种基于神经网络的多轴特种车辆的数据建模方法

权利要求书

1.一种基于神经网络的多轴特种车辆的数据建模方法，其特征在于：包括

步骤1.简化多轴特种车辆动力学模型，建立基于物理规律的单轨模型；

步骤2.在单轨模型的基础上，参考物理模型的递归性质，建立能够预测车辆的状态变量的闭环结构的网络模型；

步骤3.利用Trucksim仿真模型生成模拟训练用数据集；

步骤4.根据步骤3得到的数据集对步骤2建立的闭环网络模型进行闭环训练，得到训练后的闭环网络模型。

2.根据权利要求1所述的一种基于神经网络的多轴特种车辆的数据建模方法，其特征在于：步骤1所述的单轨模型的建立过程包括

步骤1.1.对多轴特种车辆进行受力分析，建立车辆的横向动力学模型：

其中在式(1)和式(2)中，m是整车质量；F_i,lat是第i轴的轮胎横向力；I_z是转动惯量；V_x是车辆纵向速度；γ是车辆横摆角速度；L_i是轴心至质心的纵向距离；V_y是车辆的横向速度；

步骤1.2.对式(1)和式(2)所示的轮胎模型进行线性化处理，在侧偏角较小时，轮胎模型与侧偏角近似线性的关系如：

F_i,lat(α)＝C_iα_i(3)

其中在式(3)中，C_i是特定垂向载荷下的轮胎侧向刚度，式(4)和式(5)中δ_i是轮胎转向角；

步骤1.3.设行驶过程中轮胎与地面始终保持纯滚动接触关系，各个车轮仅有一个转向中心，建模车辆除第三车轴通过机械锁死，三轴车轮转向角始终为0，其余轮胎均可自由转向，车辆行驶过程中各个车轮的转向角为：

δ₃＝0 (7)

单轨模型中，车轮各个转向角均用方向盘转角δ计算；

步骤1.4.将式(3)至式(9)代入式(1)和式(2)中，基于线性化轮胎模型的横向动力学模型进行欧拉前向展开，得离散化的横向动力学模型为：

X(k+1)＝AX(k)+BU(k) (10)

其中在式(10)中，

X(k+1)＝[V_y(k+1)，γ(k+1)]^T，

X(k)＝[V_y(k)，γ(k)]^T，

δ(k)是k时刻控制信号方向盘转角，V_y(k)和γ(k)是k时刻动力模型预测的横向速度和横摆角速度，V_x(k)是k时刻采集的车辆纵向速度。

3.根据权利要求1所述的一种基于神经网络的多轴特种车辆的数据建模方法，其特征在于：步骤2所述的闭环结构的网络模型包括一个递归网路模块GRU和一个全连接层FNN，所述递归网路模块GRU包括即一个重置门和一个更新门，其中

所述递归网路模块GRU的初始状态为h₀，且递归网路模块GRU的输入序列为x驱动网络，其中所述x驱动网络包括车辆方向盘转角δ、纵向速度V_x和全连接层FNN输出的横向速度V_y和横摆角速度γ；

所述全连接层FNN的输入为递归网路模块GRU的输出，全连接层FNN的输出为车辆的横向速度V_y和横摆角速度γ。