Simcenter Amesim

机器学习模型在液压离合器控制方面优于基于物理的仿真

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。