摘要
本发明属于轮胎力估计领域，特别涉及一种基于物理信息融合循环神经网络的轮胎力估计方法，包括以下步骤：1)设计基于数据标签的损失函数，利用循环神经网络算法捕捉轮胎力与车辆状态序列之间的内在联系；2)结合车辆动力学模型，开发基于物理信息的损失函数，确保估计过程遵循物理规律；3)融合上述两种损失函数，形成一种综合考虑数据驱动和物理约束的轮胎力估计方法。通过循环神经网络深入挖掘轮胎力与车辆状态的关系，并融入基于车辆动力学的损失函数，从先验知识中提取有用信息，提高在多变道路条件下的估计效果；本发明结合了数据驱动的灵活性和物理模型的严谨性，不仅提升了轮胎力估计的准确性，还增强了模型的泛化能力和可解释性。
