公开(公告)号：CN118333136A

公开(公告)日：2024-07-12

申请号：CN202410764118.5

申请日：2024-06-14

Applicant: 吉林大学

Inventor： 陈国迎 ,  张云博 ,  姚军 ,  牛蕊

IPC: G06N3/096 ,  B60W40/105

Abstract: 本发明适用于车辆参数估计技术领域，提供了一种基于迁移学习的混合驱动模型的横向速度估计方法，包括以下步骤：采用运动学模型和动力学模型分别估计出横向速度#imgabs0#和#imgabs1#，将其作为LSTM神经网络的输入，形成数据‑机理混合驱动模型，即LVENN，采用此混合驱动模型估计出横向速度#imgabs2#，该融合方法可显著降低横向速度估计的均方根误差和最大误差；通过设计迁移学习算法，在特征提取层中进行参数微调和在拟合输出层中进行再训练以增加迁移学习能力，本发明可以利用源域中的训练数据，以减少目标域中的标记数据量，提高模型训练的效率。

公开(公告)号：CN118333136B

公开(公告)日：2025-02-11

申请号：CN202410764118.5

申请日：2024-06-14

Applicant: 吉林大学

Inventor： 陈国迎 ,  张云博 ,  姚军 ,  牛蕊

IPC: G06N3/096 ,  B60W40/105

Abstract: 本发明适用于车辆参数估计技术领域，提供了一种基于迁移学习的混合驱动模型的横向速度估计方法，包括以下步骤：采用运动学模型和动力学模型分别估计出横向速度#imgabs0#和#imgabs1#，将其作为LSTM神经网络的输入，形成数据‑机理混合驱动模型，即LVENN，采用此混合驱动模型估计出横向速度#imgabs2#，该融合方法可显著降低横向速度估计的均方根误差和最大误差；通过设计迁移学习算法，在特征提取层中进行参数微调和在拟合输出层中进行再训练以增加迁移学习能力，本发明可以利用源域中的训练数据，以减少目标域中的标记数据量，提高模型训练的效率。