| Titre : | A Hybrid Neural Network Approach for the Development of Friction Component Dynamic Model (2006) |
| Titre original : | Une Approche Hybride de Réseau Neurologique pour le Développement du Modèle Dynamique Composant de Frottement |
| Auteurs : | Cao, M., Auteur ; Wang, K. W., Auteur ; Fujii, Y. ; Tobler, W. E. |
| Type de document : | Article : texte imprimé |
| Dans : | Transactions of the ASME . Journal of dynamic systems, measurement, and control (Vol. 126 N° 1, Mars 2004) |
| Article en page(s) : | 144-153 p. |
| Note générale : | Génie Mécanique |
| Langues : | Anglais |
| Index. décimale : | 629.8 |
| Tags : | Réseau neurologique hybride Comportement d'enclenchement Frottement de transmission véhicule Modèle conventionnel |
| Résumé : |
In this research, a new hybrid neural network is developed to model engagement behaviors of automotive transmission wet friction component. Utilizing known first principles on the physics of engagement, special modules are created to estimate viscous torque and asperity contact torque as preprocessors to a two-layer neural network. Inside these modules, all the physical parameters are represented by neurons with various activation functions derived from first principles. These new features contribute to the improved performance and trainability over a conventional two-layer network model. Both the hybrid and conventional neural net models are trained and tested with experimental data collected from an SAE#2 test stand. The results show that the performance of the hybrid model is much superior to that of the conventional model. It successfully captures detailed characteristics of the friction component engagement torque as a function of time over a wide operating range.
Dans cette recherche, un nouveau réseau neurologique hybride est développé pour modeler des comportements d'enclenchement de composant humide de frottement de transmission des véhicules à moteur. Utilisant les premiers principes connus sur la physique de l'enclenchement, des modules spéciaux sont créés pour estimer le couple visqueux de contact de couple et d'aspérité comme préprocesseurs à un réseau neurologique de deux-couche. À l'intérieur de ces modules, tous paramètres physiques sont représentés par des neurones avec de diverses fonctions d'activation dérivées des premiers principes. Ces nouveaux dispositifs contribuent à l'exécution et au trainability améliorés au-dessus d'un modèle conventionnel de réseau de deux-couche. Les modèles nets neuraux hybrides et conventionnels sont formés et examinés avec des données expérimentales rassemblées d'un banc d'essai SAE#2. Les résultats prouvent que l'exécution du modèle hybride est beaucoup supérieure à celle du modèle conventionnel. Elle capture avec succès des caractéristiques détaillées du couple composant d'enclenchement de frottement en fonction du temps sur une plage large de fonctionnement. |
