摘要
提出了一种基于参数自适应调整的在线径向基函数神经网络(adaptive radial basis function neural network,ARBF-NN)的车速预测方法,实现车速高精度预测.首先,基于车速采集系统获得实际工况车速数据,采用滑动时间窗口方法对车速数据进行样本化处理,建立预测模型训练样本库.其次,在分析输入层神经元数目和基函数标准差对RBF-NN车速预测精度影响的基础上,结合赤池信息准则对结构参数进行在线调整;最后,提出基于ARBF-NN的车速在线预测方法,实现了基于自车历史数据的车速高精度在线预测.仿真结果表明:所提出的ARBF-NN车速预测方法具有较高精度,相比于BP-NN精度提高53.36％,相比于RBF-NN精度提高54.47％,可为电动汽车车辆能量管理提供参考.
基金项目
北京市自然科学基金(3212005)
北京市自然科学基金(3174049)
国家自然科学基金(51608040)
公共安全行为科学与工程科技创新项目(2022KXGCKJ06)
国家科技期刊平台
NSTL
万方数据