-
题名基于PSO-BP神经网络的轮胎负荷测量方法
- 1
-
-
作者
曹旭
张舜
许彦峰
王青春
-
机构
北京林业大学工学院
安徽路必达智能科技有限公司
-
出处
《轮胎工业》
CAS
2024年第5期312-315,共4页
-
文摘
研究基于粒子群优化(PSO)算法-BP神经网络的轮胎负荷测量方法。将采集的轮胎状态信息与提取到的加速度特征输入到BP神经网络,对轮胎负荷进行回归预测,使用PSO算法优化BP神经网络的权值与阈值,得到轮胎状态信息与轮胎负荷的关系。结果表明,采用PSO-BP神经网络预测轮胎负荷误差为1.8656%,PSO-BP神经网络预测精度较高,在转变工况条件下,预测误差为2.496%。
-
关键词
轮胎负荷
轮胎状态信息
加速度特征
粒子群优化算法
BP神经网络
-
Keywords
tire load
tire status information
acceleration characteristic
PSO algorithm
BP neural network
-
分类号
TQ336.1
[化学工程—橡胶工业]
-
-
题名基于卷积神经网络的轮胎花纹噪声值预测
- 2
-
-
作者
李志伟
苏宇
张舜
王青春
-
机构
北京林业大学工学院
安徽路必达智能科技有限公司
-
出处
《轮胎工业》
CAS
2023年第12期756-761,共6页
-
文摘
利用图像处理和卷积神经网络(CNN)搭建轮胎花纹结构与轮胎花纹噪声值之间的数学模型,分别采用CNN模型和BP神经网络对轮胎花纹噪声值进行预测,并对比预测精度。结果表明:采用CNN模型,轮胎花纹噪声的预测值与实测值的平均绝对误差为0.591 dB,平均相对误差为0.81%;采用BP神经网络,轮胎花纹噪声的预测值与实测值的平均绝对误差为0.713 dB,平均相对误差为0.95%;相较于BP神经网络,CNN模型对轮胎花纹噪声值的预测精度更高。
-
关键词
轮胎花纹
图像处理
卷积神经网络
BP神经网络
噪声值预测
-
Keywords
tire pattern
image processing
CNN
BP neural network
noise value prediction
-
分类号
TQ336.1
[化学工程—橡胶工业]
-
