为了解决汽车行驶工况的识别问题,设计了一种基于学习向量量化模型的汽车行驶工况识别算法。选取典型工况作为初始样本,对典型工况进行分块以扩充识别样本空间。选取并计算能够充分表征工况特征的特征参数,对所有的特征参数值进行归一化处理后形成对应的标准特征参数向量。构建学习向量量化神经网络工况识别模型,给出用于模型训练的训练流程以及用于工况识别的识别流程。试验结果表明:设计的工况识别算法能够有效地对汽车的实际行驶工况进行实时识别,识别精度达到88%。
类型: 期刊论文
作者: 王跃飞,章楠,孙召辉,吴源,刘白隽
关键词: 神经网络,行驶工况,模型训练,综合工况,实时识别
来源: 农业装备与车辆工程 2019年05期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑,信息科技
专业: 汽车工业,自动化技术
单位: 合肥工业大学
基金: 国家自然科学基金资助项目(61202096),安徽省自然科学基金资助项目(1708085MF157)
分类号: U463.6;TP183
页码: 1-4+8
总页数: 5
文件大小: 1257K
下载量: 1218
本文来源: https://www.lunwen66.cn/article/28215def27d3c703786dfe48.html