论文部分内容阅读
提出了一种基于极限学习机与振动响应的行驶路面辨识系统，采集车辆在公路、碎石、越野路面的悬架动挠度、俯仰角速度及垂向振动加速度等振动状态数据，作为机器学习分类辨识的训练集和测试集；分析了极限学习机（Extreme Learning Machine, ELM）和支持向量机（Support Vector Machine, SVM）在用于路面辨识时的训练效率和辨识精度差异；探索了振动数据预处理方法及数据提取特征对辨识精度的影响规律.实车试验数据的辨识测试表明，基于极限学习机的路面辨识架构，能够在保证辨识精度的同时大幅降低计算量，为路面辨识算法的车载控制器实时运行奠定了重要基础.