汽車制動性能檢測系統中神經網絡的應用分析

付昌星

（懷化職業技術學院 418000)

汽車制動性能檢測系統中神經網絡的應用分析

付昌星

（懷化職業技術學院 418000)

在現階段機動車交通事故中，有很多是因制動不良導致的。因此汽車必須具備良好制動性能才能正常使用，這就離不開汽車制動性能的檢測工作。本研究對神經網絡在汽車制動性能檢測系統中的應用展開分析，期望能提升汽車制動性能，為汽車安全性能提供一點助益。

汽車；制動性能；檢測系統；神經網絡

1 汽車制動性能評估的注意事項

汽車制動器屬于汽車重要安全設施，為提升制動性能，很多汽車裝配了限制閥，其作用是有效控制前后軸的制動力，對其準確分配，防止后輪突然抱死造成制動跑偏。現在很多汽車上都有四輪驅動的功能，配備有ABS防抱死系統，若要評價汽車的制動性能，必須將這些因素考慮進去。

另外，當前采用的滾筒式制動檢測臺的制動測試多是在車輛保持靜止、路面于車輪下滾動的靜態檢測，此時ABS系統不能正常工作，這只能對車輪制動器制動的能力進行檢測。而在車輛實際運行中，一旦制動，全車的重量會突然間分布到前軸，故而此時前輪制動具有十分重要的作用，應注意對這一時刻的汽車制動情況展開檢測。現代電腦技術可以使得板式制動檢測臺在每秒測量幾千次制動情況，以便獲取動態情況下的制動情況，便于檢測人員對制動和懸掛動態動作有全面了解。近年來，神經網絡模型在汽車性能檢測中也逐漸得到應用，筆者嘗試對這一技術展開分析[1]。

2 汽車制動性能檢測系統中神經網絡模型設計

本研究根據汽車制動性能檢測的需求，提出神經網絡模型來對這一問題進行解決。在本研究中，提出了一種模糊自組織神經網絡模型，將模糊等價關系、類距離閾限應用其中，以便通過分析原始數據，總結診斷規則，從而識別汽車的制動效果[2]。

2.1 數據歸一化

在檢測后獲得原始數據，在對這些數據處理時，因不同數據具有不同特征，在取值范圍上也有一定差異，表達所用單位有一定差異，故而難以直接展開分析或是聚類。在處理前，我們需要先對數據展開歸一化分析，將其特征值反映至指定區間。

2.2 模糊等價關系

模糊匹配運算是對所選取點執行模糊等價關系處理，即先分析原始數據、聚類中心特征值的模糊等價關系，求取特征值模糊等價關系平均值即可算出匹配度。

2.3 模糊自組織網絡結構

模糊自組織神經網結構復雜，包括傳統的三層自組織競爭神經網絡、改造之后的四層自組織網絡，其網絡主要包含競爭子網、匹配子網兩部分。后者充分應用模糊等價關系、類距離閾限，以便實現對偶發故障的學習，且可盡快適應不斷變化的工作環境。

2.4 網絡學習算法

獲勝節點獲得之后，需對獲勝節點相連的第一層權值適當修正，使之和輸入矢量的差距減小，之后用權值說明矢量特征，為后期矢量分類和提取制定適當的規則。

2.5 提取算法

模糊自組織神經網絡展開聚類的流程為。

(1)獲得原始數據，展開歸一化分析。

(2)設定誤差常數、參數的節點數、初始學習系數與總循環次數。

(3)對第一層、第二層神經元間權值系數進行隨機初始化。

(4)設定時刻輸入訓練樣本，計算輸入樣本的匹配度，獲得計算競爭層輸出。

(5)學習網絡權值。

(6)通過范數對誤差計算，若誤差過大則重新開始第4步。最后收集歸一化數據并獲得原始數據聚類。

3 神經網絡的實際應用

應用神經網絡可對汽車制動性能檢測，進而對汽車制動性直接而客觀的反映，也就是可對制動時的汽車剛度、軸荷轉移、懸架結構等造成的影響。這一方法檢測汽車制動性能效率較高，檢測便捷。同時，這一檢測方法在重復性方面存在一定不足，從某種程度來看，這正說明了神經網絡檢測系統可對汽車行駛中的實際制動效果加以反映，因為在實際制動中每次制動都是不同的。

4 結束語

運用神經網絡可對汽車真實的制動情況予以直觀反映，操作簡便，效率較高，可用于汽車安全性能的評估與檢測之中。

[1]陳偉東.談汽車制動性能檢測系統設計[J].工業c,2016(9)：103-103.

[2]林可春.汽車制動性能檢測系統的研究與仿真分析[J].遼寧科技學院報,2017(2)：8-10.

U461.3文獻標示碼：A

付昌星（1977—），男，講師，研究方向為汽車營銷及維修。