公开(公告)号：CN109284540B

公开(公告)日：2022-11-15

申请号：CN201811013106.X

申请日：2018-08-31

Applicant: 重庆大学

Inventor： 刘永刚 ,  刘俊骏 ,  陈达奇 ,  秦大同

IPC: G06F30/27 ,  G06K9/62 ,  G06N20/10

Abstract: 本发明公开了一种基于工况识别的变衰减因子指数预测模型方法，主要步骤为：1)确定标准循环工况。2)将标准循环工况分割成m个工况块I。3)提取m个工况块I的最优衰减因子Td。4)所有工况块I中包含的样本数据记为数据集X。5)将数据集X分解为训练样本数据集A和测试样本数据集B。6)对SVM识别器进行训练和测试。7)将待检测的汽车实际行驶的综合循环工况分割成n个工况块II。将n个工况块II输入到测试完成的SVM识别器中，从而得到最优衰减因子Td'。8)得到变衰减因子指数预测模型。9)将n个工况块II输入到变衰减因子指数预测模型中，得到车速预测结果。本发明具有自适应性、高预测精度、不易陷入局部最优且能适用多种行驶工况。

公开(公告)号：CN109284540A

公开(公告)日：2019-01-29

申请号：CN201811013106.X

申请日：2018-08-31

Applicant: 重庆大学

Inventor： 刘永刚 ,  刘俊骏 ,  陈达奇 ,  秦大同

IPC: G06F17/50 ,  G06K9/62

Abstract: 本发明公开了一种基于工况识别的变衰减因子指数预测模型方法，主要步骤为：1)确定标准循环工况。2)将标准循环工况分割成m个工况块I。3)提取m个工况块I的最优衰减因子Td。4)所有工况块I中包含的样本数据记为数据集X。5)将数据集X分解为训练样本数据集A和测试样本数据集B。6)对SVM识别器进行训练和测试。7)将待检测的汽车实际行驶的综合循环工况分割成n个工况块II。将n个工况块II输入到测试完成的SVM识别器中，从而得到最优衰减因子Td'。8)得到变衰减因子指数预测模型。9)将n个工况块II输入到变衰减因子指数预测模型中，得到车速预测结果。本发明具有自适应性、高预测精度、不易陷入局部最优且能适用多种行驶工况。