1.一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法,其特征在于:包括以下步骤:步骤一,在轮胎内壁布置PVDF应变传感器,将轮胎安装到轮胎六分力试验机上,根据试验需求设定试验条件,进行纯侧偏工况下轮胎力学特性试验,获取纯侧偏工况下轮胎力学特性试验数据和PVDF应变传感器试验数据;
步骤二,利用纯侧偏工况下轮胎垂直载荷、印迹更新速度、侧偏角和侧向力试验数据,辨识获得纯侧偏工况下UniTire稳态轮胎模型,对轮胎侧向力进行建模;
步骤三,建立神经网络模型,UniTire稳态轮胎模型根据神经网络模型输出的轮胎垂向力和侧偏角计算轮胎侧向力,将UniTire稳态轮胎模型计算的轮胎侧向力与试验值的误差融入神经网络损失函数中,约束神经网络训练输出的轮胎侧偏特性,得到嵌入轮胎模型约束的神经网络模型;
步骤四,提取轮胎滚动接地印迹内PVDF应变传感器试验数据,以轮胎滚动接地印迹内PVDF应变传感器试验数据为输入,以智能轮胎侧偏特性为输出,训练嵌入轮胎模型约束的神经网络模型;
步骤五,采用训练后的神经网络模型,根据轮胎滚动接地印迹内PVDF应变传感器数据,估计纯侧偏工况下智能轮胎的侧偏特性。
2.根据权利要求1所述的一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法,其特征在于:步骤一纯侧偏工况下轮胎力学特性试验设定如下试验条件:
1)轮胎气压设定为250kPa;
2)轮胎侧倾角设定为0°;
3)试验速度分别设定为30km/h、60km/h和90km/h;
4)轮胎垂直载荷分别设定为:2000N、4000N和6000N;
5)轮胎侧偏角采用准稳态扫掠方法,以3°/s的速率从起始点0°扫掠至10°,然后以同样速率扫掠至-10°,最后回到0°侧偏角。
3.根据权利要求1所述的一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法,其特征在于:步骤三神经网络模型采用BP神经网络模型,包括输入层、两个隐藏层和输出层,损失函数采用均方误差函数。
4.根据权利要求1所述的一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法,其特征在于:步骤三将UniTire稳态轮胎模型计算的轮胎侧向力与试验值的误差融入神经网络损失函数中,约束神经网络模型训练输出的轮胎侧偏特性。
5.根据权利要求1所述的一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法,其特征在于:步骤四神经网络模型训练输出的智能轮胎侧偏特性数据包括轮胎垂向力、侧向力和侧偏角。
6.根据权利要求1所述的一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法,其特征在于:步骤五嵌入轮胎模型约束的神经网络模型估计纯侧偏工况下智能轮胎的侧偏特性包括轮胎垂向力、侧向力和侧偏角。
7.根据权利要求1-6任意一项权利要求所述的一种基于轮胎模型嵌入神经网络的智能轮胎侧偏特性估计方法在纯侧偏工况下智能轮胎垂向力、侧向力和侧偏角估计中的应用。