مقاله حسگر سرعت چرخ مجازی مبتنی بر شبکه‌های عصبی برای تخمین بهبود یافته حالت در سرعت‌های پایین
,

مقاله حسگر سرعت چرخ مجازی مبتنی بر شبکه‌های عصبی برای تخمین بهبود یافته حالت در سرعت‌های پایین

تومان249,950

اطلاعات دقیق سرعت چرخ برای کنترل خودرو و تخمین وضعیت آن حیاتی است. سنسورهای متداول، به ویژه در سرعت‌های پایین، از کوانتیزاسیون (گسسته‌سازی) و تأخیر رنج می‌برند، در حالی که سیگنال‌های سرعت موتور در خود…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000149 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

حسگر سرعت چرخ مجازی مبتنی بر شبکه‌های عصبی برای تخمین بهبود یافته حالت در سرعت‌های پایین

Neural Network-Based Virtual Wheel-Speed Sensor for Enhanced Low-Velocity State Estimation

نویسندگان: Hendrik Schäfke, Daniel O. M. Weber, Askar Vagapov, Christoph Schweers, Thomas Seel, Simon F. G. Ehlers

شناسه منبع: arxiv / 2605.12230

دسته: Systems and Control

چکیده (فارسی)

اطلاعات دقیق سرعت چرخ برای کنترل خودرو و تخمین وضعیت آن حیاتی است. سنسورهای متداول، به ویژه در سرعت‌های پایین، از کوانتیزاسیون (گسسته‌سازی) و تأخیر رنج می‌برند، در حالی که سیگنال‌های سرعت موتور در خودروهای الکتریکی به دلیل پیچش سیستم انتقال قدرت دچار اعوجاج می‌شوند. این پژوهش یک سنسور مجازی سرعت چرخ مبتنی بر شبکه عصبی را معرفی می‌کند که سیگنال‌های سرعت چرخ و سرعت موتور را ادغام کرده تا خطاها را از هر دو منبع کاهش دهد. این مدل که قابلیت اجرای بی‌درنگ دارد و بر روی داده‌های واقعی خودروی فولکس‌واگن ID.7 اعتبارسنجی شده است، در مقایسه با سنسور تولیدی، تا ۸۵٪ و در مقایسه با یک فیلتر بهینه‌شده بدون فاز، ۴۷٪ کاهش خطا را نشان می‌دهد و سیگنالی روان را برای عملکردهای کمک‌راننده فراهم می‌آورد. نتایج، تعمیم‌پذیری قوی در مانورهای متنوع واقعی در پلتفرم خودرو را نشان می‌دهند.

Abstract (English)

Accurate wheel speed information is crucial for vehicle control and state estimation. Conventional sensors suffer from quantization and latency, especially at low velocities, while motor-speed signals in electric vehicles are distorted by drivetrain torsion. This work presents a neural-network-based virtual wheel-speed sensor that fuses wheel-speed and motor-speed signals to reduce errors from both sources. Validated on real-world Volkswagen ID.7 data, the real-time capable model achieves an error reduction of up to 85% compared to the production sensor and 47% compared to an optimized zero-phase filter, providing a smooth signal for driver-assistance functions. The results demonstrate robust generalization across diverse real-world maneuvers within the vehicle platform.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله حسگر سرعت چرخ مجازی مبتنی بر شبکه‌های عصبی برای تخمین بهبود یافته حالت در سرعت‌های پایین”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا