Riassunto analitico
Questo studio ha sviluppato un modello veicolo utilizzando un approccio misto, analitico e reti neurali dinamiche di tipo NARX (nonlinear autoregressive network with exogenous inputs). L'obiettivo è rappresentare le accelerazioni longitudinale e laterale di una vettura da competizione, considerando input del pilota e condizioni iniziali del veicolo. Sono stati creati due modelli distinti per valutare l'affidabilità del metodo su asfalto asciutto e bagnato. I risultati, ottenuti tramite dati sintetici, riportano un R^2 medio del 95.63% per la configurazione Open-Loop (OL) e del 74.39% per la configurazione Close-Loop (CL). I modelli OL, utilizzando dati telemetrici, hanno mostrato una maggiore capacità di gestire situazioni di instabilità rispetto ai modelli CL, che operano "ciecamente" rispetto al sistema reale. Sono state suggerite diverse applicazioni per i modelli ottenuti: La configurazione OL potrebbe essere utilizzata per sistemi di controllo dei veicoli autonomi/assistiti, mentre i modelli CL potrebbero essere impiegati per virtualizzare accelerometri di bordo in caso di guasti o per simulare veicoli di cui non si hanno dati in tempo reale o informazioni sui parametri costruttivi, ad esempio nel benchmarking.
|
Abstract
This study has developed a vehicle model using a mixed approach, combining analytical methods and dynamic neural networks of the NARX type (nonlinear autoregressive network with exogenous inputs). The aim is to represent the longitudinal and lateral accelerations of a competition vehicle, considering pilot inputs and initial vehicle conditions. Two separate models were created to assess the method's reliability on both dry and wet asphalt. Results obtained using synthetic data report an average R^2 of 95.63% for the Open-Loop (OL) configuration and 74.39% for the Close-Loop (CL) configuration. OL models, utilizing telemetric data, demonstrated a greater ability to handle instability situations compared to CL models, which operate "blindly" with respect to the real system. Various applications were suggested for the models obtained: The OL configuration could be used for autonomous/assisted vehicle control systems, while CL models could be employed to virtualize onboard accelerometers in case of failures or to simulate vehicles for which real-time data or construction parameter information is not available, such as in benchmarking scenarios.
|