基于EKF-BP网络的矿用自卸车轮胎材料参数辨识

张菲菲，谷正气,2，张　沙，马骁骙，朱一帆

(1.湖南大学 汽车车身先进设计制造国家重点实验室，长沙　410082;2.湖南文理学院，湖南 常德　415000)



基于EKF-BP网络的矿用自卸车轮胎材料参数辨识

张菲菲1，谷正气1,2，张沙1，马骁骙1，朱一帆1

(1.湖南大学 汽车车身先进设计制造国家重点实验室，长沙410082;2.湖南文理学院，湖南 常德415000)

轮胎材料参数对轮胎有限元模型至关重要，但轮胎材料多，结构复杂，导致轮胎材料参数难以获取，对此提出利用扩展卡尔曼(EKF)优化的BP神经网络辨识轮胎材料参数的方法。基于轮胎有限元模型，模拟了轮胎脉冲工况动态仿真，将仿真得到的轮胎垂向加速度作为网络理想输入样本，将需要辨识的轮胎材料参数作为网络理想输出样本，通过网络训练，建立两者之间的非线性映射网络模型。将经过小波去噪的轮胎垂向加速度试验数据输入训练好的网络，有效辨识出了轮胎材料参数。通过材料参数辨识的轮胎模型在相应工况下的仿真数据与试验数据的对比，显示两者最大误差为6.45%，证明了基于材料参数辨识的轮胎有限元模型垂向特性的准确性。

矿用自卸车轮胎；参数辨识；BP神经网络；扩展卡尔曼；小波去噪

目前，汽车轮胎模型分为物理模型、经验-半经验模型和有限元模型[1]。其中，物理模型并不能完全模拟轮胎结构，精度较差；经验-半经验模型的建立依赖于丰富的研究经验和大量的试验数据，而矿用自卸车轮胎体型巨大，台架投资成本高，暂无相应试验条件。……