基于GABP神经网络的液压互联悬架建模研究

摘要：

液压互联悬架(hydraulically interconnected suspension,HIS)是一种非线性系统,运用机理分析法建模存在建模精度和速度不可兼得的缺点.为解决上述矛盾,提出了一种基于遗传算法(genetic algorithm,GA)优化的反向传播(back propagation,BP)神经网络对HIS系统进行建模的方法.首先,通过Simulink建立的液压互联悬架模型仿真获取网络的训练数据.其次,使用遗传算法优化BP神经网络的初始权值和阈值;然后,两种建模方法对比验证GABP建模方法优点;最后,通过液压互联悬架台架实验获取实验数据,与神经网络训练结果进行比较分析.结果表明:在垂向模态下,低、中、高3种频率下相对误差百分数分别为4.12％、2.27％、1.51％;在侧倾模态下,低、中、高3种频率下相对误差百分数分别为7.64％、4.07％、4.35％.与机理建模法相比,GABP建模方法兼具较好的建模精度和速度.

关键词：液压互联悬架(HIS)、遗传算法(GA)、反向传播(BP)神经网络、非线性系统

所属期刊栏目：22

分类号：U461.4(汽车工程)

资助基金：国家自然科学基金51675152

在线出版日期：2022-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：6702-6710