車輛急動度對神經(jīng)網(wǎng)絡(luò)油耗預(yù)測性能影響研究

打開文本圖片集

摘 要：為了研究精細駕駛行為對基于單個和混合神經(jīng)網(wǎng)絡(luò)的油耗模型預(yù)測性能的影響，選擇車輛急動度（Jerk）作為神經(jīng)網(wǎng)絡(luò)訓練輸入的重要變量。采用長短期記憶網(wǎng)絡(luò)（LSTM）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、非線性自回歸帶外部輸入模型（NARX）、廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、門控循環(huán)單元（GRU）、多層感知機（MLP） 以及卷積神經(jīng)-長短期記憶網(wǎng)絡(luò)（CNN-LSTM）混合神經(jīng)網(wǎng)絡(luò)共 8 種典型神經(jīng)網(wǎng)絡(luò)模型，選取（速度，加速度）、（速度，加速度和Jerk）、（發(fā)動機轉(zhuǎn)速）共 3 種輸入?yún)?shù)組合，以及校園低速、城市中速和高速公路高速共3種速度工況，累計進行了 69 組實驗。（剩余2645字）