重载车辆悬架时变特性辨识方法及系统技术方案

一种重载车辆悬架时变特性辨识方法及系统，由传感器收集矿用卡车操纵的序列状态，通过深度学习网络根据序列状态预测得到参数相关因子；同时通过考虑纵向‑垂直耦合效应的线性动力学模型粗略估计得到刚度和阻尼系数作为关键悬架参数，再由考虑纵向‑垂直耦合效应的非线性动力学模型根据参数相关因子和关键悬架参数预测得到下一时间步的状态。本发明专利技术将深度学习网络集成到矿用卡车的物理模型中，建立精确的矿用卡车纵向‑垂直动力学模型并识别精确的悬架参数，通过物理模型‑数据驱动的方法给出矿卡悬架刚度阻尼时变特性，且模型自身具备一定的可解释性和泛化性；只通过簧上信息即获取四个悬架刚度和阻尼，具有架构简单、便于实现等优点。

【技术实现步骤摘要】

本专利技术涉及的是一种矿用卡车控制领域的技术，具体是一种重载车辆悬架时变特性辨识方法及系统。

技术介绍

1、现有矿用卡车悬架仿真技术无法对悬架时变刚度和阻尼特性进行仿真和定量计算，多数文献中只是出现统计量。

技术实现思路

1、本专利技术针对现有技术存在的上述不足，提出一种重载车辆悬架时变特性辨识方法及系统，将深度学习网络集成到矿用卡车的物理模型中，建立精确的矿用卡车纵向-垂直动力学模型并识别精确的悬架参数，通过物理模型-数据驱动的方法给出矿卡悬架刚度阻尼时变特性，且模型自身具备一定的可解释性和泛化性；只通过簧上信息(一个imu)即获取四个悬架刚度和阻尼，具有架构简单、便于实现等优点。

2、本专利技术是通过以下技术方案实现的：

3、本专利技术涉及一种重载车辆悬架时变特性辨识方法，由传感器收集矿用卡车操纵的序列状态，通过深度学习网络根据序列状态预测得到参数相关因子；同时通过考虑纵向-垂直耦合效应的线性动力学模型粗略估计得到刚度和阻尼系数作为关键悬架参数，再由考虑纵向-垂直耦合效应的非线性动本文档来自技高网...

【技术保护点】

1.一种重载车辆悬架时变特性辨识方法，其特征在于，由传感器收集矿用卡车操纵的序列状态，通过深度学习网络根据序列状态预测得到参数相关因子；同时通过考虑纵向-垂直耦合效应的线性动力学模型粗略估计得到刚度和阻尼系数作为关键悬架参数，再由考虑纵向-垂直耦合效应的非线性动力学模型根据参数相关因子和关键悬架参数预测得到下一时间步的状态；

2.根据权利要求1所述的重载车辆悬架时变特性辨识方法，其特征是，根据IMU的非线性映射关系计算重心位置的垂直加速度和速度具体包括：

3.根据权利要求1所述的重载车辆悬架时变特性辨识方法，其特征是，所述的关键悬架参数，即悬架刚度和阻尼系数，通过...

【技术特征摘要】

1.一种重载车辆悬架时变特性辨识方法，其特征在于，由传感器收集矿用卡车操纵的序列状态，通过深度学习网络根据序列状态预测得到参数相关因子；同时通过考虑纵向-垂直耦合效应的线性动力学模型粗略估计得到刚度和阻尼系数作为关键悬架参数，再由考虑纵向-垂直耦合效应的非线性动力学模型根据参数相关因子和关键悬架参数预测得到下一时间步的状态；

2.根据权利要求1所述的重载车辆悬架时变特性辨识方法，其特征是，根据imu的非线性映射关系计算重心位置的垂直加速度和速度具体包括：

3.根据权利要求1所述的重载车辆悬架时变特性辨识方法，其特征是，所述的关键悬架参数，即悬架刚度和阻尼系...

【专利技术属性】
技术研发人员：邬明宇，王亚飞，杨孟，李泽星，李若尧，章翼辰，张睿韬，汪博文，王帅，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：