车辆动力学参数辨识的主要目的是在整车或部件系统试验和仿真输入输出数据的基础上,通过合适的算法,获取车辆系统的有关参数,特别是一些不能直接获取,也不能直接测量或计算的参数,是车辆动力学仿真及建模的关键环节。车辆动力学参数辨识对于降低车辆开发成本,提高开发水平以及在逆向工程中具有重要意义。本文的主要工作就是运用目前比较成熟的参数辨识方法解决车辆动力学中两个关键参数的辨识问题,分别为:基于遗传算法的整车惯性参数辨识。整车惯性参数是整车动力学建模和仿真的关键参数,传统方法为经验公式或台架试验,精度底,成本高。本文提出一种基于遗传算法的整车惯性参数辨识方法。建立了基于ADAMS平台下的整车多体动力学模型;进行了特定工况下的仿真试验产生目标输出数据;在此基础上,以系统输出和目标差值最小为目标函数,利用改进的遗传算法,迭代出整车惯量值。运用了两种方式:分步辨识和同时辨识,对结果进行了比较,对两种方法的优缺点进行了分析。最后将得到的辨识结果回代到模型中,进行了验模试验,与实车测量值进行了对比,分析了误差原因。基于神经网络的车辆质心侧偏角辨识。车辆质心侧偏角是车辆稳定性控制系统的关键参数,传统方法用传感器测得加速度,然后积分获得,误差较大且成本较高。本文提出一种基于人工神经网络的质心侧偏角辨识方法。建立了基于侧向加速度和横摆角速度为输入的车辆质心侧偏角辨识系统模型;对测试工况进行了辨识,并与试验测量值进行比较,结果吻合较好;最后,通过对比由不同样本得到的网络模型的辨识结果,探讨了影响车辆质心侧偏角辨识系统神经网络模型准确性的因素。此外,本文还介绍了常见参数辨识技术的原理及算法;归纳了车辆动力学中的参数辨识问题,指出这些参数在车辆动力学中的重要作用;对常用的车辆建模方式进行了介绍。