一种混合动力车辆行驶工况基于片段波形训练的工况预测方法

    公开(公告)号:CN107463992A

    公开(公告)日:2017-12-12

    申请号:CN201710645983.8

    申请日:2017-08-01

    CPC classification number: G06N3/084

    Abstract: 本发明公开了一种车辆行驶工况的工况预测方法,该方法包括:将整个车辆行驶工况分成数个行驶工况片段的组合,其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程,包括起动阶段、行驶阶段、制动阶段三部分组成;利用行驶工况片段对神经网络进行训练,然后通过神经网络强大的拟合能力,对输入的行驶工况历史信息进行分析计算,将历史信息与训练行驶工况片段进行匹配;在训练行驶工况片段中找到与历史信息最为相近的部分,将该部分接下来的工况信息作为预测结果输出,完成对未来行驶工况的预测。

    一种混合动力车辆行驶工况基于片段波形训练的工况预测方法

    公开(公告)号:CN107463992B

    公开(公告)日:2021-03-23

    申请号:CN201710645983.8

    申请日:2017-08-01

    Abstract: 本发明公开了一种车辆行驶工况的工况预测方法,该方法包括:将整个车辆行驶工况分成数个行驶工况片段的组合,其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程,包括起动阶段、行驶阶段、制动阶段三部分组成;利用行驶工况片段对神经网络进行训练,然后通过神经网络强大的拟合能力,对输入的行驶工况历史信息进行分析计算,将历史信息与训练行驶工况片段进行匹配;在训练行驶工况片段中找到与历史信息最为相近的部分,将该部分接下来的工况信息作为预测结果输出,完成对未来行驶工况的预测。

    一种混合动力车辆行驶工况的工况预测方法

    公开(公告)号:CN107527113B

    公开(公告)日:2021-03-23

    申请号:CN201710645984.2

    申请日:2017-08-01

    Abstract: 本发明公开了一种车辆行驶工况的工况预测方法,该方法包括:用若干个历史数据点表示历史工况信息,对这些历史数据点进行函数曲线拟合,拟合得到的函数代表了短期内历史工况的变化趋势;然后利用这个函数在时间坐标上的差值结果,得到未来时域内的工况预测值;其中当前时刻tc的车辆当前的行驶状态以及行驶过的历史工况,是由车载传感器提供;Δt表示两次预测的时间间隔,每次预测结果都是根据最近的历史工况唯一确定的,预测结果之间没有相互影响。

    一种基于波形训练的混合动力车辆行驶工况的工况预测方法

    公开(公告)号:CN107512266A

    公开(公告)日:2017-12-26

    申请号:CN201710645893.9

    申请日:2017-08-01

    CPC classification number: B60W40/105 B60W50/0097 B60W2520/10 B60W2530/14

    Abstract: 本发明公开了一种车辆行驶工况的工况预测方法,该方法包括:将整个车辆行驶工况分成数个行驶工况片段的组合,其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程,包括起动阶段、行驶阶段、制动阶段三部分组成;对速度样本工况进行数据处理,将速度工况转变为加速度工况;利用加速度工况片段对神经网络进行训练,然后通过神经网络强大的拟合能力,对输入的加速度工况历史信息进行分析计算,将历史信息与训练加速度工况片段进行匹配;在训练加速度工况片段中找到与历史信息最为相近的部分,将该部分接下来的工况信息作为预测加速度工况信息输出;通过预测加速度工况信息和当前车速计算得到未来的速度工况信息。

    一种混合动力车辆行驶工况的工况预测方法

    公开(公告)号:CN107527113A

    公开(公告)日:2017-12-29

    申请号:CN201710645984.2

    申请日:2017-08-01

    CPC classification number: G06Q10/04 G06N3/04 G06N3/084

    Abstract: 本发明公开了一种车辆行驶工况的工况预测方法,该方法包括:用若干个历史数据点表示历史工况信息,对这些历史数据点进行函数曲线拟合,拟合得到的函数代表了短期内历史工况的变化趋势;然后利用这个函数在时间坐标上的差值结果,得到未来时域内的工况预测值;其中当前时刻tc的车辆当前的行驶状态以及行驶过的历史工况,是由车载传感器提供;Δt表示两次预测的时间间隔,每次预测结果都是根据最近的历史工况唯一确定的,预测结果之间没有相互影响。

Patent Agency Ranking