本文選題：汽車(chē)載重測(cè)量　切入點(diǎn)：BP神經(jīng)網(wǎng)絡(luò)　出處：《機(jī)械設(shè)計(jì)與制造》2017年12期 　論文類(lèi)型：期刊論文

【摘要】：針對(duì)當(dāng)前汽車(chē)載重量測(cè)量精度低的問(wèn)題,;提出了基于BP神經(jīng)網(wǎng)絡(luò)信息融合算法的汽車(chē)載重測(cè)量方案。首先分析了現(xiàn)有的兩種載重測(cè)量方法,即疊板彈簧形變量測(cè)量法和胎壓變化量測(cè)量法,并分別建立了汽車(chē)載重量與疊板彈簧變化量、輪胎氣壓變化量的數(shù)學(xué)模型;然后提出了使用BP神經(jīng)網(wǎng)絡(luò)算法將這兩種測(cè)量方法的測(cè)量信息進(jìn)行融合;通過(guò)樣本數(shù)據(jù)的訓(xùn)練,確立了BP神經(jīng)網(wǎng)絡(luò)三層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和參數(shù)。設(shè)計(jì)了10組載重試驗(yàn)對(duì)此算法進(jìn)行驗(yàn)證,結(jié)果表明基于BP神經(jīng)網(wǎng)絡(luò)信息融合的汽車(chē)載重測(cè)量方法可以有效地測(cè)量汽車(chē)載重,最大測(cè)量誤差為0.91%。
[Abstract]:In order to solve the problem of low precision of vehicle load measurement, a vehicle load measurement scheme based on BP neural network information fusion algorithm is proposed. Firstly, two existing load measurement methods are analyzed. That is to measure the variable of plate spring and the change of tire pressure, and establish the mathematical model of the change of truck load, plate spring and tire pressure, respectively. Then the BP neural network algorithm is used to fuse the measurement information of the two methods, and the training of the sample data is carried out. The topological structure and parameters of BP neural network three-layer network are established. Ten groups of load tests are designed to verify the algorithm. The results show that the vehicle load measurement method based on BP neural network information fusion can effectively measure vehicle load. The maximum measurement error is 0.91cm.
【作者單位】： 聊城大學(xué)東昌學(xué)院;
【基金】：山東省高等學(xué)校科技計(jì)劃項(xiàng)目(J15LN77)
【分類(lèi)號(hào)】：TP183;U492.321

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵先勝;沈正偉;李之波;;基于BP神經(jīng)網(wǎng)絡(luò)的瀝青路面使用性能評(píng)價(jià)模型[J];河南科技;2011年06期

2 陳君;李聰穎;丁光明;;基于BP神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評(píng)價(jià)[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年07期

3 樊�，|;張國(guó)翊;丁愛(ài)玲;謝昌榮;徐婷;;BP改進(jìn)算法及其在路面裂縫檢測(cè)中的應(yīng)用[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

4 馬黎;趙麗紅;傅惠;;基于BP神經(jīng)網(wǎng)絡(luò)的交通異常事件自動(dòng)檢測(cè)算法[J];交通科技與經(jīng)濟(jì);2010年06期

5 徐杏,史喜軍;深圳港基于BP神經(jīng)網(wǎng)絡(luò)的集裝箱預(yù)測(cè)模型[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

6 房東升;陳洋洋;;基于BP神經(jīng)網(wǎng)絡(luò)的瀝青路面使用性能評(píng)價(jià)[J];交通標(biāo)準(zhǔn)化;2009年19期

7 雷敏;斯郎擁宗;;BP神經(jīng)網(wǎng)絡(luò)在大型斜拉橋施工控制中的應(yīng)用研究[J];四川建筑;2009年04期

8 茆訓(xùn)超;大哥大、BP機(jī)不宜握在司機(jī)手中[J];交通與運(yùn)輸;1995年02期

9 李懷國(guó);;BP神經(jīng)網(wǎng)絡(luò)與模糊控制在隧道施工中的預(yù)測(cè)與應(yīng)用[J];今日科苑;2008年20期

10 楊霖濤;;利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)隧道周邊位移[J];價(jià)值工程;2012年25期

相關(guān)會(huì)議論文 前2條

1 焦金星;趙建輝;王福釗;;基于BP神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別算法研究[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

2 傅佳;胡紹海;;基于LM算法的BP神經(jīng)網(wǎng)絡(luò)的擁堵預(yù)測(cè)[A];全國(guó)第一屆信號(hào)處理學(xué)術(shù)會(huì)議暨中國(guó)高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理分會(huì)籌備工作委員會(huì)第三次工作會(huì)議專(zhuān)刊[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 通訊員 王孟霞;CCS獲BP的CAP資格認(rèn)可[N];中國(guó)船舶報(bào);2013年

相關(guān)碩士學(xué)位論文 前7條

1 謝文平;基于BP神經(jīng)網(wǎng)絡(luò)的公共自行車(chē)站點(diǎn)服務(wù)水平評(píng)價(jià)研究[D];東南大學(xué);2017年

2 肖啟俊;基于BP神經(jīng)網(wǎng)絡(luò)的船舶價(jià)格評(píng)估方法研究[D];上海交通大學(xué);2013年

3 范靜;基于BP神經(jīng)網(wǎng)絡(luò)的航運(yùn)上市公司財(cái)務(wù)業(yè)績(jī)?cè)u(píng)價(jià)研究[D];大連海事大學(xué);2008年

4 張亭;基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)動(dòng)車(chē)保有量預(yù)警模型研究[D];遼寧師范大學(xué);2014年

5 肖先波;基于BP神經(jīng)網(wǎng)絡(luò)的公路建設(shè)項(xiàng)目風(fēng)險(xiǎn)分析[D];浙江大學(xué);2006年

6 陳姿穎;BP神經(jīng)網(wǎng)絡(luò)在港口績(jī)效評(píng)價(jià)中的應(yīng)用研究[D];北京交通大學(xué);2015年

7 劉瑋;基于BP神經(jīng)網(wǎng)絡(luò)下的深長(zhǎng)隧道突水預(yù)測(cè)分析與數(shù)值模擬研究[D];中南大學(xué);2014年

，

本文編號(hào)：1615583