基于深度学习的高平顺性汽车起重机悬架设计方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的高平顺性汽车起重机悬架设计方法及装置，涉及起重机悬架设计技术领域，该方法包括：针对每一种路面谱，分别获取第一训练数据集；利用不同路面谱对应的第一训练数据集训练预先构建的路面振动曲线预测模型，得到不同路面谱对应的已训练的路面振动曲线预测模型；利用已训练的路面振动曲线预测模型，以最小化平顺性指标作为优化目标，求解各个路面谱对应的最优悬架结构参数；根据各个路面谱对应的最优悬架结构参数，构建第二训练数据集；利用第二训练数据集训练预先构建的最优悬架结构参数预测模型；利用已训练的最优悬架结构参数预测模型进行悬架结构设计。本发明专利技术能够实现高平顺性的起重机悬架结构的快速优化设计。

【技术实现步骤摘要】

本专利技术涉及起重机悬架设计，尤其涉及一种基于深度学习的高平顺性汽车起重机悬架设计方法及装置。

技术介绍

1、汽车起重机在作业和行驶过程中，其悬架系统的性能直接影响车辆的平顺性、稳定性和操控性。传统的起重机悬架设计方法基于大量试验和经验数据进行优化设计，存在设计周期长、适应性差的问题。尤其是当车辆运行工况涉及复杂的振动频谱时，传统的起重机悬架设计方法难以高效地确定最佳设计参数。同时，随着车辆负载和道路状况的多样化，对悬架设计的精细化和智能化需求日益提高。

2、因此，亟需一种能够快速响应频谱输入并优化设计参数的汽车起重机悬架设计方法。

技术实现思路

1、为解决上述现有技术中存在的部分或全部技术问题，本专利技术提供一种基于深度学习的高平顺性汽车起重机悬架设计方法及装置。

2、本专利技术的技术方案如下：

3、第一方面，提供了一种基于深度学习的高平顺性汽车起重机悬架设计方法，包括：

4、针对每一种路面谱，分别获取第一训练数据集，所述第一训练数据集包括多个第一训练数据，所本文档来自技高网...

【技术保护点】

1.一种基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，所述第一训练数据集通过以下方式获取：

3.根据权利要求1所述的基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，所述悬架结构参数包括：悬架的刚度、簧上质量、簧下质量、钢板弹簧的类型、钢板弹簧的材料、钢板弹簧的片数、钢板弹簧的厚度、钢板弹簧的预应力、钢板弹簧的夹紧距、钢板弹簧的长度、钢板弹簧的满载载荷、减振器的阻尼力、减振器的行程和车轴轴距中的多个。

4.根据权利要求1所述的基于深度学习的高平...

【技术特征摘要】

1.一种基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，所述第一训练数据集通过以下方式获取：

3.根据权利要求1所述的基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，所述悬架结构参数包括：悬架的刚度、簧上质量、簧下质量、钢板弹簧的类型、钢板弹簧的材料、钢板弹簧的片数、钢板弹簧的厚度、钢板弹簧的预应力、钢板弹簧的夹紧距、钢板弹簧的长度、钢板弹簧的满载载荷、减振器的阻尼力、减振器的行程和车轴轴距中的多个。

4.根据权利要求1所述的基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，对第一训练数据集的预处理包括：对第一训练数据中的悬架结构参数进行归一化处理；

5.根据权利要求1所述的基于深度学习的高平顺性汽车起重机悬架设计方法，其特征在于，所述路面振动曲线预测模型采用多层...

【专利技术属性】
技术研发人员：宋帅，王振兴，丁兆义，董栋，闫琦，苏新亮，李嘉琦，孙智慧，李永亮，
申请(专利权)人：太原重工股份有限公司，
类型：发明
国别省市：