履带式车辆因接地面积大、附着能力强、负荷作业重、跨沟能力强等特点,在农业、工业及军事领域应用极其广泛。主动轮作为履带车辆传动系统提供能量的最终环节,为整个传动系统提供动力,如果能够对主动轮进行扭矩与转速参数的获取,对研究发动机的传递效率,以及主动轮的结构优化等都有很重要的意义。本文根据主动轮的受力规律以及应力分布分别制定了一套适用于主动轮的扭矩测试方法以及转速测试方法,结合存储测试技术收集履带车辆行进过程中主动轮的应变数据。根据应变数据以及物理模型设计解算算法,将深度学习应用到扭矩信息提取中,将短时傅里叶以及LM结合应用到转速信息提取中。论文的主要研究内容:主动轮受力分析,硬件功能实现,扭矩标定方案设计,实测数据解算。(1)在主动轮受力分析部分,使用NX软件完成仿真,根据应力分布确定应变片布点方案,根据布点方案初步确定深度学习算法架构,仿真的数据作为学习算法的样本数据,为后续方案验证和电路设计提供参考。(2)在硬件功能实现部分,根据主动轮的受力规律和应力分布做被测信号特征估计。根据估计特征和全桥电路特性计算了电路的最大误差,并详细介绍了如何避免误差失真的放大策略以及滤波策略等参数的计算过程参数,实现了小信号提取功能。(3)在扭矩标定方案设计部分,将仿真数据作为样本值,利用深度学习算法验证标定方案可行性。并且设计标定校准试验台结构。利用NX和Ansys联合仿真分别对台架主体,力臂,主动轮传动轴,和转接轴等部件做强度校核。(4)在实测数据解算部分,将标定试验的数据利用深度学习算法训练并结合理论推导找到较为适合样本数据的学习算法。将短时傅里叶与LM算法结合处理实际跑车数据。研究了在高低频混杂的噪声中提取期望信号的算法,将转速信息提取解算,并与转速传感器的量测值做对比,以验证算法的有效性。