果蝇优化BP神经网络路面附着系数估计

在利用BP神经网络进行路面附着估计时,存在收敛速度慢和易于陷入局部最优解等问题。为此,提出一种基于果蝇算法（FruitFlyingOptimizationAlgorithmFOA）对BP神经网络进行改进并给出算法的流程。建立路面附着系数估计BP神经网络模型,将果蝇算法引入到BP神经网络,对网络的初始权值与阈值进行优化,以增强网络的全局寻优能力。利用Carsim软件获取的样本数据对网络进行训练,并与MATLAB/Simulink软件搭建联合动态仿真模型,对比实验结果表明：基于FOA优化BP神经网络的路面附着系数估计方法不受车辆模型精度的影响,定性估计精度高,能有效提高估计值的精度和稳定性。