车载动态称重系统的研究.pdfVIP

· 设计·计算·研究· 法，Back Propagation)建立汽车钢板弹簧的挠度一载 荷曲线模型。 设P组样本的输入、输出分别为 ，初始权 系数 为-1~1之间的随机非零值，节点i在第P 组样本输入时的输出为： (f) [ (f)] [∑W (t)／jp] (1) 式中， 为在第P组样本输入时节点i的第 个输 入。 输入层至隐层的f(x)取可微分的 型作用函 挠度／nun 数： (b)挠度一载荷特性 图1 某货车钢板弹簧前悬架及其挠度一载荷特性 ) t (2) 由图1b可以看出，当货车载有一定的货物后， 隐层至输出层的 )则取线性函数： 通过测得钢板弹簧的挠度可得出加载或卸载时悬架 ) (3) 钢板弹簧的载荷量，因此，选取加载曲线与卸载曲线 设E为在第P样本输入时网络的目标函数，取 的均值线作为悬架钢板弹簧的挠度一载荷模型，以 ： 范数，则： 反映悬架钢板弹簧的挠度一载荷特性。 (f)=争Ildp-yp(t)ll2 为解决钢板弹簧挠度一载荷特性曲线自动识别 问题，提出了一种基于自适应神经网络的车载动态 = 1 Z[dkp一 (f)]2- ∑e (f) (4) 称重的方案(图2)。通过4组钢板弹簧悬架的挠度一 k 载荷辨识获得其车载质量，再根据左、右悬架特性相 式中， 为在第 组样本输入时网P 络的目标输出； 同与前、后悬架的轴荷分配系数，对各载荷进行加权 y~At)为在第P组样本输入时经t次权值调整后网络 计算即可得到整车的实际车载质量。 的输出； 为输出层第k个节点；ekp(f)为在第P组样 这一系统主要由位移传感器、51单片机系统 本输入时网络的目标输出与实际输出的误差。 (AD转换、软件滤波、液晶显示、无线数传)和远程 网络的总目标函数： 计算机组成。 (f)=∑Ep(t) (5) P 可作为网络学习状况的评价。若 (f)≤ (6) 则算法结束；否则，调整权值后再通过BP神经 网络识别。式中，