基于遗传算法优化的BP神经网络侧翻预警算法

针对轮毂液压混合动力重型商用车,引入基于遗传算法优化的BP神经网络算法建立侧翻预警控制策略.首先,建立重型车辆3自由度侧翻参考模型,选取车辆侧翻预警算法的侧翻指标,并结合参考模型建立侧翻指标观测器;然后,在传统TTR(Time-To-Rollover)侧翻预警算法研究的基础上,引入遗传算法优化的BP神经网络(GANN)对传统的TTR预警算法进行优化,建立基于GANN-TTR的侧翻预警算法;最后,利用Truck Sim仿真软件建立整车模型,利用AMESim仿真软件建立轮毂液压系统模型,在Matlab/Simulink环境下实现侧翻预警算法,并通过Matlab/Simulink、Trucksim和AMESim三软件搭建联合仿真平台,选取阶跃转向和鱼钩转向两种典型工况进行仿真,对比传统TTR、传统BP神经网络以及基于GANN-TTR的侧翻预警算法的预警精度.仿真结果表明,基于GANNTTR的侧翻预警算法能够有效提高预警精度,通过方向盘转角和纵向车速进行算法修正后得到的曲线与理想预警曲线误差最小达5%.