详情

原文传递一种基于马尔可夫链与神经网络的汽车行驶工况预测方法

专利名称：	一种基于马尔可夫链与神经网络的汽车行驶工况预测方法
摘要：	本发明公开了一种基于马尔可夫链与神经网络的汽车行驶工况预测方法，主要步骤为：1)获取表征汽车行驶工况的特征参数和n个历史临近车速V_t‑11、V_t‑12、……V_t‑1n。2)得到马尔可夫链车速趋势预测模型；3)输出第二组数据的趋势预测结果。4)利用主成分分析法对第一组数据、第三组数据进行降维。5)得到神经网络ANN1车速初始预测模型；6)输出第二组数据的初始预测数据。7)得到神经网络ANN2融合器模型；8)得到第三组数据的初始预测数据和第三组数据的趋势预测结果。9)得到神经网络ANN2融合器的输出，即汽车行驶工况的预测结果。本发明为混合动力汽车预测能量管理策略中的关键问题——短期工况预测提供了一种更加有效的预测算法。
专利类型：	发明专利
国家地区组织代码：	重庆;50
申请人：	重庆科技学院
发明人：	雷贞贞;隋毅;黄棋;刘娟;张宓;高俊
专利状态：	有效
申请号：	CN201810794250.5
公开号：	CN109159785A
代理机构：	重庆缙云专利代理事务所(特殊普通合伙) 50237
代理人：	王翔
分类号：	B60W50/00(2006.01)I;B;B60;B60W;B60W50
申请人地址：	401331 重庆市沙坪坝区大学城东路20号
主权项：	1.一种基于马尔可夫链与神经网络的汽车行驶工况预测方法，其特征在于，主要包括以下步骤：1)获取表征汽车行驶工况的所述特征参数和n个历史临近车速Vt‑1、Vt‑2、……Vt‑n；将特征参数分为两组，第一组数据记为X(n)，第二组数据记为S(n)；将n个历史临近车速Vt‑31、Vt‑32、……Vt‑3n记为第三组数据；2)将第一组数据和第二组数据作为马尔可夫链模型的输入，对马尔可夫链模型进行训练，从而得到马尔可夫链车速趋势预测模型；3)将第二组数据作为马尔可夫链车速趋势预测模型的输入，输出第二组数据的趋势预测结果Vt+21、Vt+22、……、Vt+2m；4)利用主成分分析法得到第一组数据的p个瞬时主成分；利用主成分分析法对第三组数据进行降维，从而得到第三组数据的l个瞬时主成分；4)利用第一组数据的p个瞬时主成分和历史临近车速Vt‑11、Vt‑12、……Vt‑1n训练神经网络ANN1，从而得到神经网络ANN1车速初始预测模型。6)对神经网络ANN1车速初始预测模型进行测试，并输出第二组数据的初始预测数据Vt+11、Vt+12、……、Vt+1m；7)将第二组数据的初始预测数据Vt+11、Vt+12、……、Vt+1m和趋势预测结果Vt+21、Vt+22、……、Vt+2m作为神经网络ANN2融合器的输入，第二组数据作为神经网络ANN2融合器的输出，对神经网络ANN2融合器进行训练，从而得到神经网络ANN2融合器模型；8)将第三组数据和第三组数据的l个瞬时主成分输入到神经网络ANN1车速初始预测模型中，得到第三组数据的初始预测数据V’t+11、V’t+12、……、V’t+1m；将第三组数据和第三组数据的l个瞬时主成分输入到马尔可夫链车速趋势预测模型中，得到第三组数据的趋势预测结果V’t+21、V’t+22、……、V’t+2m；9)将第三组数据的初始预测数据V’t+11、V’t+12、……、V’t+1m和趋势预测结果V’t+21、V’t+22、……、V’t+2m输入到神经网络ANN2融合器中，得到神经网络ANN2融合器的输出，即汽车行驶工况的预测结果。
所属类别：	发明专利