文献

J-GLOBAL ID：201202219510000101   整理番号：11A1959384

改良したRBFニューラルネットワークに基づく自動車横滑りアングル推定に関する実験研究

Experimental Research on Vehicle Sideslip Angle Estimation Based on Improved RBF Neural Networks

著者 (5件)： Zhang Xiaolong (State Key Lab. of Automotive Safety and Energy, Tsinghua Univ., Beijing) ,  Li Liang (State Key Lab. of Automotive Safety and Energy, Tsinghua Univ., Beijing) ,  Li Hongzhi (State Key Lab. of Automotive Safety and Energy, Tsinghua Univ., Beijing) ,  He Lin (State Key Lab. of Automotive Safety and Energy, Tsinghua Univ., Beijing) ,  Song Jian (State Key Lab. of Automotive Safety and Energy, Tsinghua Univ., Beijing)
資料名： Jixie Gongcheng Xuebao  (Jixie Gongcheng Xuebao)
巻： 46  号： 22  ページ： 105-110  発行年： 2010年 
JST資料番号： W0292A  ISSN： 0577-6686  CODEN： CHHKA2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 改良した動径基底関数ニューラルネットワーク(IRBF NN)の理論とアルゴリズムは,自動車組織体と車輪横滑りアングルの推定において適用して,電子化安定性プログラム(ESP)システムの形態センサー信号に基づかいた。RBF NN構成を単純化して,その一般化とリアルタイム計算性能を改良するために,3つの方式は,動径基底関数ネットワーク直交性最小二乗法(OLS)学習アルゴリズムを修正するために提唱した。ロード試験システムは,主に組織体と車輪横滑りアングルと,ESP形態センサーの運動論要因の信号を得るように設計した。いくつかの典型的自動車操作可能試験は,高いμ付着ロードに関して実施して,試験データは列車に使用してNN構成を設計した。最終のNN構成と学習要因は,交差-検証方式によって測定して,ネットワーク構築のような個々に,4-12-2,拡張定数9,目標学習誤差とその勾配0.025と0.05であった。組織体と車輪横滑りアングルの推定正確さは,検証試験データによって証明する0.5°と0.8°であった。最後に,NNリアルタイム予測性能は,PC装置に関して試験した。研究は,その優れた正確さとリアルタイム計算性能によって構成したRBF NNが,横滑りアングルをモニタリングするために,ESP制御装置の要求事項に適合することができることを示した。

シソーラス用語： *ニューラルネットワーク ,  動径基底関数ネットワーク ,  学習アルゴリズム ,  監視 ,  最小二乗法 ,  走行試験
準シソーラス用語： *RBFニューラルネットワーク ,  モニタリング ,  ロード試験

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (7件)： RBFニューラルネットワーク ,  自動車 ,  横滑り ,  アングル ,  推定 ,  実験 ,  研究