共查询到16条相似文献,搜索用时 93 毫秒
1.
基于神经网络的车辆排气噪声声音品质预测技术 总被引:1,自引:0,他引:1
通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价,考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数,使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型,对排气噪声样本的满意度进行预测,并与使用多元线性回归模型所得的预测值进行了比较。结果表明,神经网络模型预测值更接近实测值,误差在10%范围以内,对于单一噪声样本满意度的预测精度高于多元线性回归模型,能够更好地反映客观参数和主观满意度间的非线性关系,可用于车辆排气噪声声音品质的预测研究。 相似文献
2.
基于模糊神经网络的车辆制动性能预测研究 总被引:1,自引:0,他引:1
为进一步提高车辆制动性能的计算机仿真精度,以模糊理论和神经网络原理为基础,提出了一种基于模糊神经网络的制动性能的预测仿真模型。试验结果表明使用模糊神经网络模型可以提高车辆制动性能的仿真精度。 相似文献
3.
4.
5.
6.
7.
8.
9.
10.
叶运生 《农业装备与车辆工程》2019,(2):44-48
介绍了一种基于卷积神经网络的车辆识别方法。该方法首先对车道线进行边缘检测,采用车道线模型进行匹配,从而确定道路感兴趣区域。然后采集道路视频,对其中的车辆目标进行标注,制作车辆数据集,再设计一种卷积神经网络,利用车辆数据集训练检测器,使检测器适应于车辆二分类识别的任务。最后在道路感兴趣区域中检测车辆。相较于传统的车辆识别方法,该方法具有较好的准确性与鲁棒性,在复杂行驶环境下的识别效果令人满意。 相似文献
11.
12.
13.
14.
15.
为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略.对集成主动前轮转向( AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证.结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性. 相似文献