XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: HYBRID MODEL IDENTIFICATION BASED ON ARTIFICIAL NEURAL NETWORKS FOR LATERAL DYNAMICS OF MILITARY VEHICLE Autor: CAMILA LEAO PEREIRA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
HELON VICENTE HULTMANN AYALA - ADVISOR
Nº do Conteudo: 62898
Catalogação: 19/06/2023 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62898@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62898@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.62898
Resumo:
Título: HYBRID MODEL IDENTIFICATION BASED ON ARTIFICIAL NEURAL NETWORKS FOR LATERAL DYNAMICS OF MILITARY VEHICLE Autor: CAMILA LEAO PEREIRA
Nº do Conteudo: 62898
Catalogação: 19/06/2023 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62898@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62898@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.62898
Resumo:
The study of lateral dynamics is of great importance for the vehicle
behavior analysis during turning maneuvers, and it is fundamental to stability
or path control systems used in autonomous vehicles. In this context, based
on experimental measurements of a three-axle military wheeled vehicle during
double lane changes maneuvers at different speed, this work presents methods
for the identification of linear models using the CONTSID (CONTinuous-Time
System IDentification) toolbox, available in MATLAB; nonlinear models based
on artificial neural networks; and, the application of hybrid models to reduce
the error associated with the first approach, combining the linear model to the
estimated error using neural networks. Since those are data-driven methods, as
input and output parameters of the system, the wheel steering angle and the
yaw rate of the vehicle were respectively selected. Using the CONTSID toolbox,
the identification of the transfer functions for each speed was performed,
making it possible to evaluate the influence of this variable in the system s
dynamics behavior. Thereafter, a neural network approach was applied to the
same data set, changing architecture s parameters, such as number of neurons,
layers and the activation function. At last, a hybrid model approach was
presented through the combination of previous linear and nonlinear approaches
to improve the estimated model response. The proposed methods showed
satisfatory results, highlighting the improvement in the linear model through
its replacement by the hybrid model based on neural networks. Therefore, this
work aims to show the potential of the methods presented, and posteriorly
contribute to studies on the implementation of vehicle control systems to
increase safety, improve comfort and in the development of autonomous
vehicles.
Descrição | Arquivo |
COMPLETE |