本文介绍了一种用于建模液压离合器控制压力的、数据驱动的方法，该方法解决了滞后和锁存跃迁等非线性行为。通过结合当前导数信息并使用非线性支持向量分类器（SVC）来分离操作模式，研究人员开发了一种高斯过程回归模型。与基于物理的Amesim模型相比，这种机器学习方法在重现测量压力响应和滞后方面表现出更高的准确性，表明其在硬件开发和控制器校准中的实用性。 AI
影响 这项研究展示了机器学习模型在复杂工程系统中补充传统基于物理的仿真的潜力，有望加快开发和校准过程。
排序理由 详细介绍新建模方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
