车联网数据的PCA-LVQ行驶工况识别方法与测试

作     者：郑国峰 林鑫 张承伟 肖攀 张学东 ZHENG Guofeng;LIN Xin;ZHANG Chengwei;XIAO Pan;ZHANG Xuedong

作者机构：中国汽车工程研究院股份有限公司重庆401122 重庆交通大学机电与车辆工程学院重庆400074 

基　　金：重庆市教委科学技术研究计划项目(KJQN2021000713) 公共交通装备设计与系统集成重庆市重点实验室项目(CKLPTEDSI-KFKT-202108) 

出 版 物：《重庆理工大学学报（自然科学）》 (Journal of Chongqing University of Technology：Natural Science)

年 卷 期：2022年第36卷第6期

页      码：96-104页

摘      要：提出了基于主成分分析-学习向量量化(PCA-LVQ)神经网络智能算法的行驶工况的识别方法。基于用户车联网数据,通过运动学片段划分后,首先对速度、刹车频次、驾驶时间等多维度特征参数进行主成分分析(principal component analysis,PCA),实现输入信息降维处理,避免冗余信息带来的识别误差。其次将降维后的信息输入到LVQ神经网络模型中进行训练,并将模型用于用户典型驾驶工况的识别,分别对模型识别的影响因素进行研究。结果表明:基于PCA-LVQ智能算法的行驶工况识别方法能够有效进行工况识别,工况识别的精度与运动学片段长度相关,还受训练样本量和识别量的影响,但不受工况顺序影响。

主 题 词：主成分分析 学习向量量化神经网络 工况识别 车联网数据 

学科分类：08[工学] 082304[082304] 080204[080204] 0802[工学-机械学] 0823[工学-农业工程类] 

D　O　I：10.3969/j.issn.1674-8425(z).2022.06.012

馆 藏 号：203113415...