

已閱讀1頁,還剩97頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、耐久性虛擬試驗技術是一種全新的、綜合性的CAE分析技術,其中試驗對象的虛擬模型以及激勵信號是兩個關鍵因素。本論文采用一種新穎的PID-NN神經(jīng)網(wǎng)絡控制器,將轎車后橋的虛擬模型與PID-NN神經(jīng)網(wǎng)絡控制器進行聯(lián)合仿真,來模擬軸耦合道路模擬試驗臺的迭代過程,試圖得到與通過實際道路模擬試驗臺迭代所獲得的相似的虛擬模型激勵信號,以代替?zhèn)鹘y(tǒng)迭代試驗,達到節(jié)省人力物力財力的目的。 首先介紹了神經(jīng)網(wǎng)絡的發(fā)展情況與特點,分析了其與傳統(tǒng)PID控制
2、相比的優(yōu)勢,最后引入本文所使用的PID-NN神經(jīng)網(wǎng)絡并闡述其優(yōu)點。 其次使用單輸出PID-NN控制器與簡單1/4車身.懸架二自由度模型進行信號擬合仿真,以此來檢驗此神經(jīng)網(wǎng)絡控制器的效果,并與傳統(tǒng)PID控制方法相比較。 最后使用多輸出PID-NN控制器與轎車后橋剛柔耦合多體動力學模型進行聯(lián)合仿真,模擬實際迭代過程。首先是后橋剛柔耦合多體動力學模型的建立過程,其次介紹了傳統(tǒng)試車場道路載荷譜采集試驗以及MTS329軸耦合八通道
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于聯(lián)合神經(jīng)網(wǎng)絡的流量預測模型.pdf
- 基于神經(jīng)網(wǎng)絡的無線信道模型的研究與仿真.pdf
- 基于神經(jīng)網(wǎng)絡模型的客戶信用評價仿真研究.pdf
- 基于人工神經(jīng)網(wǎng)絡的動態(tài)系統(tǒng)仿真模型和算法研究.pdf
- 基于改進的BP神經(jīng)網(wǎng)絡預測模型及其仿真.pdf
- 基于Izhikevich神經(jīng)元模型的神經(jīng)網(wǎng)絡建模仿真.pdf
- 基于神經(jīng)網(wǎng)絡的熱軋模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡的預測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的信息挖掘模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡模型辨識的水質(zhì)預測模型研究.pdf
- 基于優(yōu)化神經(jīng)網(wǎng)絡的混合網(wǎng)絡流量預測模型仿真與實現(xiàn).pdf
- 基于神經(jīng)網(wǎng)絡的網(wǎng)絡入侵檢測模型研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡的針刺手法仿真研究.pdf
- 基于神經(jīng)網(wǎng)絡的數(shù)據(jù)融合研究和仿真.pdf
- 基于神經(jīng)網(wǎng)絡的入侵預測模型.pdf
- 基于有限元仿真和遺傳神經(jīng)網(wǎng)絡的轎車——行人碰撞再現(xiàn)研究.pdf
- 基于ADAMS和Simulink的神經(jīng)網(wǎng)絡控制4WS汽車聯(lián)合仿真研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵防御模型的研究.pdf
- 基于人工神經(jīng)網(wǎng)絡的隧道監(jiān)測數(shù)據(jù)預測模型仿真研究.pdf
評論
0/150
提交評論