汽车工程 ›› 2023, Vol. 45 ›› Issue (9): 1765-1771.doi: 10.19562/j.chinasae.qcgc.2023.09.024
所属专题: 底盘&动力学&整车性能专题2023年
管欣1,仲昭辉1,詹军1(),奚腾龙1,叶昊1,高深圳1,成健2,3,廖世辉2,3,蔡均2,3
Xin Guan1,Zhaohui Zhong1,Jun Zhan1(),Tenglong Xi1,Hao Ye1,Shenzhen Gao1,Jian Cheng2,3,Shihui Liao2,3,Jun Cai2,3
摘要:
针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求,提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上,建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化(Max-pooling)层、5个线性整流函数(ReLU)层、3个全连接层、2个活化(Dropout)层、1个激活函数(Softmax)层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证,类型分类准确率为99.33%,平均识别时间为0.05 s。结果表明,本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型,可用于汽车操纵稳定性试验结果的自动处理,显著提升汽车操纵稳定性试验自动化处理水平。