[发明专利]一种基于前馈神经网络的汽车整车质量动力学获取方法

说明书

本发明涉及一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：1)获取车辆行驶过程中的动力学信息；2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值M_NN(k)；3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值M_Dynamic(k)；4)将当前采样时刻整车质量的神经网络估计值M_NN(k)和动力学估计值M_Dynamic(k)，以及上一采样时刻整车质量的最终估计值M_Fusion(k‑1)，进行加权融合，得到当前采样时刻整车质量的最终估计值M_Fusion(k)，与现有技术相比，本发明具有适用范围广、成本低、鲁棒性好等优点。

技术领域

本发明涉及电动汽车控制领域，尤其是涉及一种基于前馈神经网络的汽车整车质量动力学获取方法。

背景技术

整车质量是车辆系统动力学控制中的重要参数，估计的准确性将极大地影响车辆的控制响应，如果能够准确地实时获取整车质量大小，则可以大大提高车辆的运动控制性能，从而提高车辆的主动安全性。

目前整车质量的获取方法研究方法大致可分为三种：

第一种方法是基于车辆动力学估计器估计整车质量。这种方法的优点是，其主要基于车辆的电控系统提供的加速度和力信号，不需要额外设置传感器，实现整车质量估计所需的硬件需求相对较小，实用性较高，在适用工况下的精度也较高。然而，为了获得准确的估计结果，需要车辆处在较大激励下。若在车辆加速度较小时，由于加速度信号的信号质量不高，会导致整车质量估计结果的误差较大。

第二种方法是利用额外的传感器信号估算整车质量，例如使用轮胎力传感器。这种方法的优点是检测范围广和测量精度通常较高。但是，使用的传感器往往非常昂贵，很难应用于汽车生产当中。

第三种方法是基于神经网络估计整车质量。这种方法的优点是，其主要基于车辆的电控系统提供的加速度和力信号，不需要额外设置传感器，且算法的适用范围较广，测量精度通常较高。但是，这种方法对所利用的车辆动力学信号的噪声和扰动较为敏感，在噪声和扰动较大的情况下，其稳定性还有待提高。

以上第一种和第三种整车质量的获取方法，受客观条件影响大，适用范围小，无法保证估计值的稳定性和精确性，第二种方法成本高，实用性低，因此亟需提供一种适用范围广、精确性高且成本低的整车质量获取方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种适用范围广、成本低且鲁棒性强的基于前馈神经网络的汽车整车质量动力学获取方法，该方法将神经网络估计值与动力学估计值进行融合，在各工况下均能得到高精度的整车质量估计值，实现整车质量的可靠获取。

本发明的目的可以通过以下技术方案来实现：

一种基于前馈神经网络的汽车整车质量动力学获取方法，包括以下步骤：

1)获取车辆行驶过程中的动力学信息；

2)将动力学信息输入训练完成的前馈神经网络，得到当前采样时刻整车质量的神经网络估计值M_NN(k)；

3)利用整车质量动力学估计器，获取当前采样时刻整车质量的动力学估计值M_Dynamic(k)；

4)将当前采样时刻整车质量的神经网络估计值M_NN(k)和动力学估计值M_Dynamic(k)，以及上一采样时刻整车质量的最终估计值M_Fusion(k-1)，进行加权融合，得到当前采样时刻整车质量的最终估计值M_Fusion(k)。

进一步地，所述的步骤4)中，加权融合时，各参数对应的权值通过结合动力学信息，并利用模糊推理规则得到。