矿用自卸车是现代矿山重要的运输设备,在大型露天矿山运输工具中占有2/3的市场份额。矿用自卸车由于装载量大且装载不均匀、行驶路况恶劣等客观情况,导致自卸车实际制动时,前轴轴荷急剧增加,轮胎和悬架变形较大,车身易产生剧烈晃动,出现明显的“制动俯仰”现象,这种现象不仅降低了部件的使用寿命,也严重影响了驾驶员乘坐的舒适性和安全性。因此,对矿用自卸车的制动舒适性进行研究和优化是非常必要的。轮胎作为汽车与道路直接接触的唯一部件,其性能参数对包括制动舒适性在内的整车行驶性能具有重要影响。但自卸车轮胎体型巨大,台架投资成本高,现阶段暂无相应试验条件,导致其参数无法通过试验获取。因此,本文提出了基于改进EKF-BP网络的轮胎参数辨识方法,对轮胎参数进行有效辨识,并在参数辨识的基础上,对整车制动舒适性进行了优化。这对于降低车辆开发成本,提高开发水平具有重要意义。本文的主要研究内容和工作如下:1、针对BP神经网络的缺陷,利用扩展卡尔曼算法替换BP网络的学习算法,并在网络中引入整定因子,构建出学习效率高、预测精度高的改进EKF-BP网络,为后续参数辨识提供辨识方法。2、设计了整车随机路面和脉冲工况行驶试验,得到了轮胎中心及座椅的垂向加速度信号。针对试验数据包含过多噪声的情况,利用小波阈值去噪方法对试验数据进行去噪处理,并对比分析傅里叶去噪、小波软/硬阈值去噪三种方法的去噪效果,从而获得最优的去噪结果,为后续工作提供较为有效的试验数据。3、在建立轮胎-脉冲路面有限元模型的基础上,模拟轮胎动态仿真,利用改进EKF-BP网络对轮胎材料参数进行辨识分析,通过与标准BP网络和EKF-BP网络的比较,验证了改进EKF-BP网络的辨识能力,根据轮胎去噪加速度信号对轮胎材料参数进行辨识和验证。基于辨识轮胎设计虚拟台架试验,分析胎压、激振频率、振幅对轮胎垂向刚度阻尼的影响,根据分析结果,最终拟合得到轮胎垂向刚度阻尼。4、在建立的基于辨识参数的整车动力学模型基础上,分析矿用自卸车制动俯仰现象,利用区间不确定性优化方法,以油气悬架参数为优化变量,以载货量、质心位置和车速作为不确定性变量,以俯仰角、俯仰角加速度为优化目标,对自卸车制动舒适性进行优化,并分析优化结果对整车平顺性的影响。