本文選題：車速預(yù)測(cè) + 特征參數(shù)��； 參考：《重慶大學(xué)》2014年碩士論文

【摘要】：汽車車速預(yù)測(cè)屬于汽車節(jié)能與安全研究的重要組成部分之一，可用于汽車節(jié)能安全輔助駕駛、路線導(dǎo)航、自動(dòng)變速器檔位控制，以及混合動(dòng)力汽車預(yù)測(cè)控制。因此汽車車速預(yù)測(cè)研究有著重要的理論基礎(chǔ)和應(yīng)用價(jià)值。本文主要完成以下研究工作： ①通過Kruskal-Wallis單因素方差分析和相關(guān)性分析，確定了BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型的5個(gè)輸入特征參數(shù)：平均車速、怠速時(shí)間比例、速度乘加速度方差、速度方差、正加速度均值。通過上述5個(gè)特征參數(shù)的箱線圖分布及其統(tǒng)計(jì)數(shù)據(jù)，確定了以平均車速和怠速時(shí)間比例值為門限的6個(gè)BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)子模型的分類界線，這6個(gè)分類界線確定了6種車速預(yù)測(cè)工況。 ②根據(jù)BP神經(jīng)網(wǎng)絡(luò)理論建立8輸出節(jié)點(diǎn)和60輸出節(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型，每個(gè)車速預(yù)測(cè)模型根據(jù)車速預(yù)測(cè)工況包括6個(gè)子模型，子模型的輸入部分均包括上述5個(gè)特征參數(shù)和歷史鄰近車速。通過對(duì)兩個(gè)模型的訓(xùn)練和預(yù)測(cè)結(jié)果，結(jié)合汽車行駛工況統(tǒng)計(jì)分析，對(duì)BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型的輸入歷史鄰近車速長度和輸出節(jié)點(diǎn)個(gè)數(shù)進(jìn)行修正，建立了修正輸入輸出節(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型，該模型在訓(xùn)練和預(yù)測(cè)上均取得了優(yōu)于修正前的效果。 ③根據(jù)BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型權(quán)閾值分布范圍的差異，對(duì)遺傳算法初始種群進(jìn)行差異化初始化，利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型的權(quán)閾值進(jìn)行優(yōu)化。遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型訓(xùn)練和預(yù)測(cè)效果均好于優(yōu)化前。 ④根據(jù)粒子群算法適應(yīng)度值的變化情況提出一種自適應(yīng)的慣性權(quán)重調(diào)整公式，，對(duì)粒子群算法進(jìn)行改進(jìn)。差異化初始化粒子群算法初始種群，并在優(yōu)化過程中分別設(shè)置權(quán)閾值和速度的搜索范圍。粒子群算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型訓(xùn)練和預(yù)測(cè)效果對(duì)比優(yōu)化前有了提高。 ⑤根據(jù)遺傳算法和粒子群算法對(duì)BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型的優(yōu)化結(jié)果，提出PSO-GA聯(lián)合優(yōu)化算法模型。其中在城市擁堵和高速公路(1,2,6車速預(yù)測(cè))工況，采用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)子模型；在城市暢通和郊區(qū)(3,4,5車速預(yù)測(cè))工況，采用粒子群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)子模型。經(jīng)過訓(xùn)練和預(yù)測(cè)，證明PSO-GA聯(lián)合優(yōu)化算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)車速預(yù)測(cè)模型效果效果好于單獨(dú)采用GA或PSO算法。
[Abstract]:Vehicle speed prediction is one of the important parts of vehicle energy saving and safety research. It can be used in automobile energy saving safety auxiliary driving, route navigation, automatic transmission gear control, and hybrid electric vehicle predictive control. Therefore, the research of vehicle speed prediction has important theoretical basis and application value. The main work of this thesis is as follows: 1 through Kruskal-Wallis single factor variance analysis and correlation analysis, five input characteristic parameters of BP neural network speed prediction model are determined: average speed, idle time ratio, velocity multiple acceleration variance and positive acceleration mean. Through the box diagram distribution of the above five characteristic parameters and its statistical data, the classification boundary of six BP neural network speed prediction submodels with the average speed and idle time ratio as the threshold is determined. These six classification boundaries determine six kinds of speed prediction conditions. (2) based on BP neural network theory, BP neural network speed prediction model with 8 output nodes and 60 output nodes is established. Each speed prediction model includes 6 submodels according to the speed prediction condition. The input part of the sub-model includes the above five characteristic parameters and the historical proximity speed. Based on the training and prediction results of the two models and combined with the statistical analysis of vehicle driving conditions, the input history and the number of output nodes of the BP neural network speed prediction model are modified. A BP neural network model for predicting the speed of the modified input and output nodes is established. The model is superior to the former in training and forecasting. 3According to the difference of the distribution range of weight threshold in the speed prediction model of BP neural network, the initial population of genetic algorithm is initialized differently, and the weight threshold of speed prediction model of BP neural network is optimized by genetic algorithm. The training and prediction effect of BP neural network speed prediction model after genetic algorithm optimization are better than those before optimization. 4 according to the variation of fitness of particle swarm optimization algorithm, an adaptive formula of inertial weight adjustment is put forward, and the particle swarm optimization algorithm is improved. The initial population of particle swarm optimization algorithm is initialized and the search range of weight threshold and speed are set in the optimization process. After particle swarm optimization, the training of BP neural network speed prediction model and the prediction effect are improved. 5 according to the optimization results of BP neural network speed prediction model based on genetic algorithm and particle swarm optimization algorithm, the PSO-GA joint optimization algorithm model is proposed. In the case of urban congestion and expressway speed prediction, the BP neural network speed prediction sub-model optimized by genetic algorithm is used, and the speed prediction is carried out in urban smooth flow and suburban area. The particle swarm optimization (PSO) algorithm is used to optimize the speed prediction submodel of BP neural network. After training and forecasting, it is proved that the effect of BP neural network speed prediction model optimized by PSO-GA combined optimization algorithm is better than that using GA or PSO algorithm alone.
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP183;U491

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李林森,于海勛,韓志剛,佟明安;一類組合神經(jīng)網(wǎng)絡(luò)在協(xié)同空戰(zhàn)分析中的應(yīng)用[J];飛行力學(xué);2000年01期

2 白艷萍,楊明,吳鋼;神經(jīng)網(wǎng)絡(luò)在組合優(yōu)化問題中的應(yīng)用[J];華北工學(xué)院學(xué)報(bào);2000年03期

3 劉宇紅,龐偉正;基于神經(jīng)網(wǎng)絡(luò)的多用戶檢測(cè)器[J];哈爾濱工程大學(xué)學(xué)報(bào);2000年05期

4 劉玉萍,趙健,李勇,謝紅梅,陸堯;神經(jīng)網(wǎng)絡(luò)在模擬系統(tǒng)故障診斷中的應(yīng)用[J];南昌航空工業(yè)學(xué)院學(xué)報(bào);2000年02期

5 侯志祥,劉振聞,顏學(xué)斌;基于神經(jīng)網(wǎng)絡(luò)的我國汽車保有量建模與預(yù)測(cè)[J];內(nèi)蒙古公路與運(yùn)輸;2000年04期

6 劉占生,蘇平線,姜興渭;航天器電源模擬系統(tǒng)故障診斷的神經(jīng)網(wǎng)絡(luò)方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2001年01期

7 許進(jìn),保錚;神經(jīng)網(wǎng)絡(luò)與圖論[J];中國科學(xué)E輯:技術(shù)科學(xué);2001年06期

8 王慧,盧和,李光泉,劉寶坤;子波基神經(jīng)網(wǎng)絡(luò)及其建模[J];天津理工學(xué)院學(xué)報(bào);2001年03期

9 熊和金;大功率人工神經(jīng)網(wǎng)絡(luò)模型研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

10 喬俊偉,施光林,詹永麒;基于結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)在參數(shù)優(yōu)化中的應(yīng)用[J];上海交通大學(xué)學(xué)報(bào);2002年08期

相關(guān)會(huì)議論文 前10條

1 王雷;陳宗海;;神經(jīng)網(wǎng)絡(luò)在過程系統(tǒng)建模中的應(yīng)用綜述[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 周宗潭;胡德文;;自組織的神經(jīng)網(wǎng)絡(luò)方法和群落生長模型研究[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（上冊(cè)）[C];1995年

3 侯媛彬;易繼鍇;楊玉珍;陳雙葉;韓崇昭;;一種能消除混沌現(xiàn)象的神經(jīng)網(wǎng)絡(luò)[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1996年

4 江銘炎;江銘虎;;一種神經(jīng)網(wǎng)絡(luò)特征壓縮及分類的研究[A];1998年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

5 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識(shí)別[A];第一屆全國語言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

6 劉豐;姜建新;程俊;易克初;;一種用于語音識(shí)別的神經(jīng)網(wǎng)絡(luò)[A];第二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1992年

7 梁循;;神經(jīng)網(wǎng)絡(luò)中訓(xùn)練樣本空間的分割特性及其應(yīng)用[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

8 黃小原;肖四漢;樊治平;;神經(jīng)網(wǎng)絡(luò)預(yù)警系統(tǒng)及其應(yīng)用[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

9 李艷;邵日祥;方建安;邵世煌;;神經(jīng)網(wǎng)絡(luò)在功率電子及拖動(dòng)控制中的應(yīng)用[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

10 高文忠;顧樹生;平力;;靜態(tài)神經(jīng)網(wǎng)絡(luò)新算法及其收斂性初探[A];1994年中國控制會(huì)議論文集[C];1994年

相關(guān)重要報(bào)紙文章 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 曾U喺

本文編號(hào)：1819641