基于深度学习的多轴车辆悬挂动态性能预测
原文中文，约200字，阅读约需1分钟。发表于：。本文针对多轴车辆悬挂系统动态性能预测中的研究空白，提出了一种基于深度学习的框架，结合传统车辆动力学建模。研究开发了多任务深度置信网络深度神经网络（MTL-DBN-DNN），较传统模型表现出更高的预测准确性，并引入了悬挂动态性能指数（SDPI）作为整体性能评估指标，显示了多任务学习在复杂车辆系统预测中的有效性。
本文提出了一种结合深度学习与传统车辆动力学建模的框架，用于预测多轴车辆悬挂系统的动态性能。研究开发了多任务深度置信网络（MTL-DBN-DNN），提高了预测准确性，并引入悬挂动态性能指数（SDPI）作为评估指标，展示了多任务学习在复杂车辆系统预测中的有效性。
