基于智能轮胎与机器学习的滑移率直接估计方法
机器学习
2022-01-25 v3 系统与控制
系统与控制
摘要
轮胎滑移率的准确估计对车辆安全至关重要，因为它是车辆控制所必需的。本文提出一种智能轮胎系统，利用机器学习算法开发新颖的滑移率估计模型。安装在轮胎内衬上的三轴加速度计所产生的加速度，随轮胎转动并更新接地区域而变化。同时，滑移率参考值可由MTS Flat-Trac轮胎试验平台测得。接着，通过分析加速度与滑移率之间的变化关系，发现了极具价值的特征，这些特征尤其适用于评估垂向加速度。针对这些特征，训练机器学习（ML）算法以构建滑移率估计模型，其中ML算法包括人工神经网络（ANNs）、梯度提升机（GBMs）、随机森林（RFs）和支持向量机（SVMs）。最后，采用10折交叉验证（CV）评估估计的NRMS误差。所提出的估计模型仅利用智能轮胎系统的加速度即可连续稳定地估计滑移率，估计滑移率范围可达30%。估计结果对车速和载荷具有高鲁棒性，最佳NRMS误差可达4.88%。总之，本研究将智能轮胎系统与机器学习相融合，为不同行驶条件下轮胎滑移率的准确估计铺平了道路，为自动驾驶汽车、智能轮胎和轮胎滑移率估计创造了新机遇。
引用
@article{arxiv.2106.08961,
title = {A Direct Slip Ratio Estimation Method based on an Intelligent Tire and Machine Learning},
author = {Nan Xu and Zepeng Tang and Hassan Askari and Jianfeng Zhou and Amir Khajepour},
journal= {arXiv preprint arXiv:2106.08961},
year = {2022}
}
备注
12 pages, 25 figures, 2 tables