基于bp神经网络及其优化算法的汽车车速预测-车辆工程专业论文.docxVIP

中文 中文摘要 重庆大 重庆大学硕士学位论文 I I PAGE PAGE VI 摘 要 汽车车速预测属于汽车节能与安全研究的重要组成部分之一，可用于汽车节能 安全辅助驾驶、路线导航、自动变速器档位控制，以及混合动力汽车预测控制。 因此汽车车速预测研究有着重要的理论基础和应用价值。本文主要完成以下研究 工作： ① 通过 Kruskal-Wallis 单因素方差分析和相关性分析，确定了 BP 神经网络车 速预测模型的 5 个输入特征参数：平均车速、怠速时间比例、速度乘加速度方差、 速度方差、正加速度均值。通过上述 5 个特征参数的箱线图分布及其统计数据， 确定了以平均车速和怠速时间比例值为门限的 6 个 BP 神经网络车速预测子模型的 分类界线，这 6 个分类界线确定了 6 种车速预测工况。 ② 根据 BP 神经网络理论建立 8 输出节点和 60 输出节点的 BP 神经网络车速 预测模型，每个车速预测模型根据车速预测工况包括 6 个子模型，子模型的输入 部分均包括上述 5 个特征参数和历史邻近车速。通过对两个模型的训练和预测结 果，结合汽车行驶工况统计分析，对 BP 神经网络车速预测模型的输入历史邻近车 速长度和输出节点个数进行修正，建立了修正输入输出节点的 BP 神经网络车速预 测模型，该模型在训练和预测上均取得了优于修正前的效果。 ③ 根据BP神经网络车速预测模型权阈值分布范围的差异，对遗传算法初始种 群进行差异化初始化，利用遗传算法对BP神经网络车速预测模型的权阈值进行优 化。遗传算法优化后的BP神经网络车速预测模型训练和预测效果均好于优化前。 ④ 根据粒子群算法适应度值的变化情况提出一种自适应的惯性权重调整公 式，对粒子群算法进行改进。差异化初始化粒子群算法初始种群，并在优化过程 中分别设置权阈值和速度的搜索范围。粒子群算法优化后的BP神经网络车速预测 模型训练和预测效果对比优化前有了提高。 ⑤ 根据遗传算法和粒子群算法对BP神经网络车速预测模型的优化结果，提出 PSO-GA联合优化算法模型。其中在城市拥堵和高速公路(1,2,6车速预测)工况，采 用遗传算法优化的BP神经网络车速预测子模型；在城市畅通和郊区(3,4,5车速预测) 工况，采用粒子群算法优化的BP神经网络车速预测子模型。经过训练和预测，证 明PSO-GA联合优化算法优化后的BP神经网络车速预测模型效果效果好于单独采 用GA或PSO算法。 关键词：车速预测，特征参数，BP 神经网络，遗传算法，改进粒子群算法 英文摘 英文摘要 重庆大 重庆大学硕士学位论文 III III PAGE PAGE IV ABSTRACT The speed prediction of vehicles ,as one of the important research subfields of energy saving and security , can be used for auxiliary driving of energy saving and safety , route guidance, gears control of AT (automatic transmission),and the predictive control of HEVs(hybrid electric vehicles).So the speed prediction has important theoretical basis and practical value. The major contributions of the thesis are as follows: ① Base on analysis of variance of single factor and correlation analysis, five input characteristic parameters of BP neural network speed prediction model are determined as below: average speed, ratio of idling time , value of speed multiplying acceleration variance, velocity variance and average value of positive accelerations.By the distribution of boxplots and statistical data of the above five characteristic parameters, 6 kinds of conditions of the sp