-
公开(公告)号：CN110187633A
公开(公告)日：2019-08-30
申请号：CN201910361149.5
申请日：2019-04-30
Applicant: 长安大学
IPC: G05B11/42
Abstract: 本发明属于自动控制技术领域，具体涉及一种面向汽车底盘测功机的BP～RNN变速积分PID算法，包括，步骤1：对汽车底盘测功机历史时刻的运行状态进行采样，获得历史采样数据作为训练集；步骤2：建立BP神经网络模型并进行初始化，训练BP神经网络模型并修正BP神经网络各层权系数；步骤3：建立RNN网络模型并进行初始化，训练RNN网络模型并修正RNN网络各层权系数；步骤4：对汽车底盘测功机当前时刻的运行状态进行采样，获得当前采样数据，将当前采样数据分别输BP神经网络模型和RNN网络模型，得到汽车底盘测功机PID控制器的参数；步骤5：计算控制量对汽车底盘测功机进行控制。本发明能有效解决传统变速积分PID积分项系数判断困难问题，处理数据量大大减少，有效避免累计误差。
-
公开(公告)号：CN113674524A
公开(公告)日：2021-11-19
申请号：CN202110856839.5
申请日：2021-07-28
Applicant: 长安大学
Abstract: 本发明属于交通技术领域，公开了一种基于LSTM‑GASVR的多尺度短时交通流预测建模、预测方法及系统。建模方法包括：对采样的交通流数据进行重构、归一化及工作日因素升维等步骤预处理数据；建立LSTM模型提取数据特征，训练LSTM短时交通流预测模型；使用遗传算法GA优化SVR模型中的参数，选择最优的模型参数组合，训练SVR短时交通流预测模型；利用SVR算法优化LSTM模型的预测结果，输出结果即为未来15min的交通流预测值，实现了交通流的实时高精度预测。多种预测方法比较分析表明，本发明较LSTM、GRU、CNN、SAE、ARIMA、SVR，预测精度提高了20％，R2达到了0.982，解释方差为0.982，mape为0.118。本发明的交通流预测方法为交通管理人员判断路网状态，进行交通控制及车流引导提供了有力支撑。
-
公开(公告)号：CN110223510B
公开(公告)日：2021-03-26
申请号：CN201910334053.X
申请日：2019-04-24
Applicant: 长安大学
Abstract: 本发明属于交通工程领域，公开了一种基于神经网络LSTM的多因素短期车流量预测方法，步骤1：获取一段时间内的车流量数据，并对车流量数据进行预处理，得到短时交通流数据；步骤2：对短时交通流数据根据天气记录和节假日记录进行筛选，划分数据集；步骤3：进行数据清洗、数据重构和归一化；步骤4：建立LSTM神经网络模型，根据待预测日期的天气状况和节假日状况选择数据集，利用选择的数据集训练LSTM神经网络模型并调整LSTM参数，根据建立好的LSTM神经网络模型获得预测日期的车流量。本发明提出了更加细致化的思想，排除了其他因素，如天气因素、节假日因素等对交通流的影响，相对的提高了预测精度，使得对未来某时段的交通流预测更为准确有效。
-
公开(公告)号：CN110223510A
公开(公告)日：2019-09-10
申请号：CN201910334053.X
申请日：2019-04-24
Applicant: 长安大学
Abstract: 本发明属于交通工程领域，公开了一种基于神经网络LSTM的多因素短期车流量预测方法，步骤1：获取一段时间内的车流量数据，并对车流量数据进行预处理，得到短时交通流数据；步骤2：对短时交通流数据根据天气记录和节假日记录进行筛选，划分数据集；步骤3：进行数据清洗、数据重构和归一化；步骤4：建立LSTM神经网络模型，根据待预测日期的天气状况和节假日状况选择数据集，利用选择的数据集训练LSTM神经网络模型并调整LSTM参数，根据建立好的LSTM神经网络模型获得预测日期的车流量。本发明提出了更加细致化的思想，排除了其他因素，如天气因素、节假日因素等对交通流的影响，相对的提高了预测精度，使得对未来某时段的交通流预测更为准确有效。
-
-
-
Search Results
4
records
(took 0.017 seconds)
