基于XG-Boost SHAP的动力学信息融合路面附着系数估计

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘 要：稳定准确地估计路面附着系数是车辆安全行驶的关键因素之一。文章基于整车七自由度模型和魔术公式轮胎模型，结合XG-Boost通过SHAP筛选特征建立具有可解释性的贝叶斯神经网络和支持向量机融合的路面附着系数估计模型，并设计了一种数据融合策略。最后通过仿真试验验证在车速变化或路面状况变化时，融合估计模型的鲁棒性和预测精度都优于单一估计模型。（剩余2815字）

试读结束

目录
monitor