[发明专利]一种基于工况识别的变衰减因子指数预测模型方法

摘要

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。

主权项

1.一种基于工况识别的变衰减因子指数预测模型方法，其特征在于，主要包括以下步骤：1)确定汽车行驶工况特征参数的类别；2)确定所述标准循环工况；3)将标准循环工况分割成m个工况块I，每个工况块I的时间长度为120s；4)分别计算m个工况块I的特征参数，并提取m个工况块I的最优衰减因子Td。5)将所有最优衰减因子Td对应的工况块I分为10类，并统计每一类工况块I的样本数据个数；所有工况块I中包含的样本数据记为数据集X；6)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；7)将训练样本数据集A作为训练样本，对SVM识别器进行训练，得到训练后的SVM识别器；8)将测试样本数据集B输入到训练后的SVM识别器中，对训练后的SVM识别器进行测试；9)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，每个工况块II的时间长度为120s；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T′d；10)建立指数衰减预测模型；11)将最优衰减因子T′d输入到指数衰减预测模型中，从而得到变衰减因子指数预测模型；12)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。