浅论人工神经网络与车辆的结合

　　人工神经网络的建立是基于对人的大脑和神经系统的分析而形成的，其主要运用于建模中，在各种工程中都能够得到广泛地应用，现在，车辆工程专业发展迅速，随着智能化技术的发展，车辆工程也朝着智能化的方向发展，实现了对车辆工程的智能化控制，车辆工程在原有的控制方案中，主要是采用数学相关的卢纶，但是还存在很多缺陷，神经网络在车辆工程中使用，使车辆工程的局限性得到了解决。
　　1 人工神经网络分析
　　1.1 人工神经网络的主要特征
　　人工神经网络是在人脑的拓扑中实现的，其特点主要有以下几点。
　　1.1.1 人工神经网络具有结构性特点
　　人工神经网络的结构比较清晰，具有清晰的框架，其是由神经元按照一定的顺序排列而成的，神经元在完成输入的过程中能够分析工程的权值，能够将不同神经元信息连接起来，能够明确连接的关系，同时能够确保连接的强度。不同的人工神经网络，其组织结构也是不同的，能够实现对不同性能的工程的运行。
　　1.2 人工神经网络具有分布式特点
　　人工神经网络能够实现各种神经元的连接，从而能够将工程的主要特点表述清楚，在获取联结的权值以后，通过模拟人脑的拓扑结果，从而能够准确地获取信息，能够将各个单元的信息进行整个，使各个单元的整体性能比较完善。人工神经网络在实现权值的联结后，还能够实现系统的相关性分析，能够实现信息的分布式存储，各部分的信息能够起到相互作用的效果，信息不是独立的，而是形成一个整体，从而能够使工程的容错能力增强，不会因为信号的干扰而造成数据不能输出。
　　1.3 人工神经网络具有并行性特点
　　当信息输入到人工神经网络中，其可以实现双向的处理，促进了信息的输入和输出，在这种模式中，人工神经网络中的各个神经元实现了结合，能够实现信息的有效传递，各个神经元在整体的控制下，能够实现信息的共享，而信息之间互不干扰，共同作用，从而能够在一定程度上提高工程处理信息的能力。
　　1.4 人工神经网络具有非线性特点
　　人工神经网络能够实现不同的变量之间的同时映射，使一个自变量能够对应多个变量。
　　2 人工神经网络在车辆工程中的应用
　　2.1 人工神经网络能够促进车辆模型的识别
　　2.1.1 人工神经网络能够促进轮胎动力学模型的识别
　　轮胎动力学能够对车辆的运行能力进行精确地描述，轮胎的构成材料是不同的，而且具有非线性特点，因此，在轮胎动力学模型建成以后，都会存在精度问题，所以，在车辆运行的过程中，运用人工神经网络可以建立精确的轮胎动力学模型，人工神经网络实现了轮胎动力学模型的层次感，分别用三个不同的神经元，实现了输入层、隐含层和输出层的设置，为了能够确保轮胎的动力学模型能够结合实际车辆的运行情况，就需要对轮胎的纵向力和侧向力进行分析，分别运用输入层和输出层的两个单元。
　　2.1.2 人工神经网络能够促进对车辆运动模型的识别
　　在车辆运行的过程中，可以借助人工神经网络进行模型的计算，在输入一定的数值后，运用此模型能够实现输出的数值的相似性，运用一个可以循环的前馈神经网络实现对车辆系统的识别。在输入的过程中，可以运用8 个神经元，能够对车辆运行的状态进行检测，分析车辆的运行速度、侧向速度和加度素，在数据输出的过程中设置8 个神经元，这样可以实现对车辆位移增量的观察。在进行车辆运动模型的识别过程中，不是运用的神经元越多就越好，当能够确保网络精度的前提下，神经元的数量越烧越好，这样可以节省成本。
　　2.1.3 人工神经网络能够促进驾驶员与车辆模型的识别
　　在对驾驶员和车辆系统的分析中，能够确保驾驶员的行为的正确性是很有必要的，所以，借助人工神经网络可以对驾驶员的思维进行模拟，通过设计输入层、隐含层和输出层，对不同距离的车辆的轨迹进行描述，从而能够实现驾驶的模拟。
　　2.2 人工神经网络在车辆运动控制中的应用
　　2.2.1 人工神经网络在车辆悬架系统中的控制
　　车辆悬架控制系统在运行的过程中流程比较复杂，而且也呈现出非线性特点，在运行的过程中随机性比较强，所以，运用神经网络可以对悬架的系统进行分析与控制。在输入层运用几个神经元，能够分析路面是否是平整的，在隐含层可以运用神经元分析悬架系统的控制能力。
　　2.2.2 人工神经网络对车辆运行轨迹的控制
　　在平整度比较差的路面上，即使是技术较为娴熟的驾驶员，进行垂直倒行也是比较难的，所以，运用人工神经网络对挂车的机组进行模拟，从而能够将停靠的位置确定下来。运用人工神经网络，将人工神经网络于逻辑运算结合起来，从而能够实现对车辆转向的控制。
　　3 人工神经网络在车辆工程运用的发展方向
　　车辆工业现在朝着智能化的方向发展，因此，在给人们提供便利的同时，其出现的问题也是越来越多，所以，原有的建模方法已经不能适用了，所以，应该针对前馈网络，使车辆工程朝着规范化和智能化的方向发展，运用软件平台实现车辆工程的控制，在BP 网络中能够实现对车辆工程的控制，可以通过力学的计算，对车辆工程进行优化设计，从而能够使RBF 网络的使用范围更加广泛，借助人工神经网络丰富的联想效果，提高车辆工程的容错能力。
　　4 结语
　　现在，车辆工程的规模越来越大，而且车辆工程越来越多，所以，将智能化技术应用到车辆工程中是很有必要的，所以，研究人工智能网络在车辆工程中的应用是很有必要的，可以借助人工智能网络实现车辆工程的智能化发展，可以将人工智能网络应用到促进轮胎动力学模型的识别，对车辆运动模型的识别，对驾驶员与车辆模型的识别，对车辆悬架系统中的控制等领域，从而促进车辆工程的发展。