Resumen

Con el objetivo de mejorar la precisión de la estimación del ángulo de deslizamiento lateral del centro de masas del vehículo, se ha propuesto un método de estimación del ángulo de deslizamiento basado en una red neuronal de regresión general (GRNN) y un sistema de bucle cerrado conductor-vehículo: considerando el ángulo de deslizamiento lateral del vehículo como una serie temporal de la velocidad de guiñada y la aceleración lateral; utilizando un proyecto de diseño homogéneo para optimizar las muestras de entrenamiento; construyendo la relación de mapeo entre el ángulo de deslizamiento lateral, la velocidad de guiñada y la aceleración lateral; al mismo tiempo, utilizando un método experimental para medir el ángulo de deslizamiento lateral del vehículo para verificar la validez de este método. Los resultados de la estimación de la red neuronal y del experimento del vehículo real muestran la misma tendencia de cambio. La media de error está dentro del 10% de la amplitud del resultado de la prueba. Los resultados muestran que GRNN puede estimar correctamente el ángulo de deslizamiento lateral del vehículo. Puede ofrecer una referencia para la aplicación del sistema de control de estabilidad del vehículo en la estimación del estado del vehículo.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Precisión; estimación; ángulo de deslizamiento lateral del centro de masa del vehículo; ángulo de deslizamiento; red neuronal de regresión general (GRNN); sistema de bucle cerrado conductor-vehículo.
• Keywords:Accuracy; estimation; vehicle's mass center sideslip angle; slip angle; general regression neural network (GRNN); driver-vehicle closed-loop system