基于CANPSO-BP網絡的自卸車參數辨識與平順性優(yōu)化.pdf

1、礦用自卸車在大型露天礦山運輸工具中占有2/3的市場份額，但由于研發(fā)技術相對滯后，國內在很長一段時間內對礦用自卸車的需求主要依賴進口。為改變這種現狀，國務院將礦用自卸車確定為十六個重大技術裝備關鍵領域之一，并對礦用自卸車的性能提出了較高的要求。在政策和市場需求的驅動下，礦用自卸車的研發(fā)進入了高速發(fā)展階段。由于礦區(qū)工作條件惡劣，自卸車在行駛過程中產生的振動影響駕駛員乘坐舒適性，使其易于產生疲勞。因此，非常有必要對礦用自卸車的行駛平順性進行研

2、究和優(yōu)化。整車平順性仿真分析和研究的關鍵問題是如何提高動力學模型的建模精度，其中，準確參數的獲取方法又是動力學建模需首要解決的問題之一，例如對整車平順性具有較大影響的座椅空氣彈簧懸架非線性剛度阻尼特性、油氣懸架非線性剛度阻尼特性和礦山軟土路面不平度等相關參數均由于礦用自卸車的特殊性及各方面條件的限制，不易直接通過試驗準確獲取，或者獲取的成本較高，且傳統(tǒng)算法得到的辨識結果精度較低。因此，本文提出新的粒子群神經網絡，在整車行駛平順性試驗數據

3、的基礎上，對上述參數進行有效辨識，這對于降低車輛開發(fā)成本，提高開發(fā)水平具有重要意義，并最終在建立的基于辨識參數的整車動力學模型基礎上，考慮了不確定因素對優(yōu)化結果的影響，借助改進粒子群算法對懸架非線性參數進行區(qū)間不確定性優(yōu)化，有效改善整車行駛平順性。
　　本研究主要內容包括：⑴結合混沌初始化技術、慣性權重動態(tài)調整策略和小生境進化策略，改進了粒子群算法優(yōu)化機制，提高算法搜索速度及精度。然后將改進的粒子群算法植入神經網絡的拓撲結構，用以

4、替換網絡的BP學習算法，構建出基于改進粒子群神經網絡（CANPSO-BP網絡）的智能辨識算法。⑵在建立整車剛柔耦合模型的基礎上，利用CANPSO-BP網絡對座椅空氣彈簧懸架和油氣懸架非線性剛度阻尼參數進行辨識分析，通過與標準BP網絡和PSO-BP網絡的比較，驗證CANPSO-BP網絡的辨識能力。最終根據整車道路試驗，分別對座椅空氣彈簧懸架和油氣懸架非線性剛度阻尼參數進行辨識和驗證。⑶結合車輛地面力學理論基礎，對彈性輪胎在軟土路面上的相互

5、作用力公式進行推導。編寫出適用于ADAMS的TIRSUB輪胎子程序，建立車輛-軟土路面耦合模型。并在反映礦山軟土路面變形的基礎上，利用CANPSO-BP網絡對礦山路面不平度進行辨識研究。⑷在建立的基于辨識參數的整車動力學模型基礎上，利用區(qū)間不確定性優(yōu)化方法，以油氣懸架和座椅空氣彈簧懸架非線性剛度阻尼系數為優(yōu)化變量，載貨量、質心位置和車速作為不確定性變量，對座椅加權加速度均方根值進行優(yōu)化，并與確定性優(yōu)化結果進行對比分析，結果表明：得到的最