کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947844 1439592 2017 33 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel recurrent neural network soft sensor via a differential evolution training algorithm for the tire contact patch
ترجمه فارسی عنوان
یک حسگر جدید نرم افزاری جدید عصبی مصنوعی با استفاده از یک الگوریتم آموزش تفاضلی تداخل برای پچ تماس با تایر
کلمات کلیدی
شبکه های عصبی مجازی سنسور نرم تکامل دیفرانسیل، پچ تماس با تایر،
ترجمه چکیده
در این مقاله، یک سنسور جدید نرم افزاری شبکه عصبی رقیب جدید طراحی شده است که برآورد و پیش بینی منطقه تماس با آن که لاستیک های خودرو با زمین ساخته می شوند. این یکی از مهمترین مسائل مربوط به مدلسازی خودرو برای بهبود عملکرد آن است. سنسور پیشنهاد شده برای تعلیق فعال بسیار مفید است زیرا اجازه می دهد تا تعلیق آن به جای واکنش به اختلال آماده شود. شبکه عصبی مکرر سنسور نرم را قادر می سازد پیش بینی درستی از منطقه تماس تایر را داشته باشد. این سنسور با استفاده از داده های 11 سنسور نصب شده بر روی خودرو در حالی که پچ تماس با تایر با استفاده از پدیده بازتاب داخلی داخلی خسته شده است. روند آموزش شبکه عصبی مجاور چندین مشکل ناشی از وجود دره های جعلی را ارائه می دهد. به همین دلیل، ما این مشکل را به عنوان یک مشکل بهینه سازی حل می کنیم، که با استفاده از یک الگوریتم تکامل تکاملی تغییر یافته حل می شود. عملکرد سنسور نرم ما با آزمایش های فیزیکی تحت عملیات واقعی با موفقیت تایید شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک حسگر جدید نرم افزاری جدید عصبی مصنوعی با استفاده از یک الگوریتم آموزش تفاضلی تداخل برای پچ تماس با تایر
چکیده انگلیسی
In this paper we propose a novel Recurrent Neural Network Soft Sensor designed to estimate and predict the contact area that tires of a car are making with the ground. This is one of the most critical issues regarding car modelling for improving its performance. The proposed sensor is particularly useful for an active suspension because it allows its suspension to be prepared instead of reacting to a disturbance. The recurrent neural network enables the Soft Sensor to have a correct prediction of the contact area of the tire. This sensor uses data from 11 sensors mounted on the car while the tire contact patch is obtained by means of frustrated total internal reflection phenomenon. The training process of the Recurrent Neuronal Network presents several difficulties caused by the existence of spurious valleys. For this reason, we address this problem as an optimization problem, solved by using a modified differential evolution algorithm. Our Soft Sensor performance is successfully validated by physical experiments under real operation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 235, 26 April 2017, Pages 71-82
نویسندگان
, , , , , ,