[发明专利]胎-路接触三向力传感器解耦模型确定方法

权利要求书

1.一种胎-路接触三向力传感器解耦模型确定方法，其特征在于，包括：

建立胎-路接触三向力传感器解耦模型的人工神经网络结构，所述人工神经网络结构包括输入层、隐藏层和输出层，所述输入层和所述隐藏层的激活函数为ReLU激活函数；

采用Adam学习率自适应的优化算法，基于优化参数，调整所述人工神经网络结构的参数，获得优化后的胎-路接触三向力传感器解耦模型，其中，所述优化参数包括以下至少一项：步长、矩估计的指数衰减速率、用于数值稳定的小常数、和下降梯度；

采用批量更新方法，基于训练数据，迭代更新所述胎-路接触三向力传感器解耦模型的参数，直至损失函数MSE的值持续递减，获得用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型，其中，所述训练数据包括胎-路接触三向力传感器的三个方向分别对应的输入载荷量，所述三个方向分别对应的输入载荷量分别对应各自的期望输出电信号。

2.根据权利要求1所述的胎-路接触三向力传感器解耦模型确定方法，其特征在于，所述采用批量更新方法，基于训练数据，迭代更新所述胎-路接触三向力传感器解耦模型的参数，直至损失函数MSE的值持续递减，获得用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型，包括：

执行多次参数更新过程，获得多个参数更新过程中分别获得的MSE值，在确定MSE的值持续递减的情况下，停止执行参数更新过程，基于最后一次执行的参数更新过程中更新的胎-路接触三向力传感器解耦模型，确定所述用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型；

其中，所述参数更新过程包括：从训练集中三个方向的训练数据中各选择n个输入载荷量，并在三个方向分别进行单轴加载，检测输出电信号数据，根据所述输出电信号数据和所述输入载荷量分别对应的期望输出电信号，获取MSE值。

3.根据权利要求2所述的胎-路接触三向力传感器解耦模型确定方法，其特征在于，所述基于最后一次执行的参数更新过程中更新的胎-路接触三向力传感器解耦模型，确定所述用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型，包括：

将验证集中的三个方向的输出电信号数据，输入到最后一次执行的参数更新过程中更新的胎-路接触三向力传感器解耦模型中，获得最后一次执行的参数更新过程中更新的胎-路接触三向力传感器解耦模型输出的三个方向上的输入载荷；

在验证胎-路接触三向力传感器解耦模型输出的三个方向上的输入载荷与所述三个方向的输出电信号数据对应的实际载荷一致的情况下，将所述最后一次执行的参数更新过程中更新的胎-路接触三向力传感器解耦模型，作为所述用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型。

4.根据权利要求1-3所述的胎-路接触三向力传感器解耦模型确定方法，其特征在于，所述方法还包括：

将胎-路接触三向力测量系统采集到的输出电信号输入到用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型中，获得所述用于在胎-路接触三向力的实际测量中解耦的胎-路接触三向力传感器解耦模型输出的所述三个方向的输入载荷值。

5.根据权利要求1所述的胎-路接触三向力传感器解耦模型确定方法，其特征在于，所述方法还包括：

对胎-路接触三向力传感器进行静态标定，获得静态标定结果；所述静态标定结果用于表征胎-路接触三向力传感器的标定系数矩阵。

6.根据权利要求1所述的胎-路接触三向力传感器解耦模型确定方法，其特征在于，所述隐藏层分为5层，每层隐藏层分别包含的神经元数量依次为40、160、640、160、40。