融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型.pdfVIP

小型微型计算机系统2025年5月第5期

DOI:10.20009/ki.21-1106/TP.2024-0027

JournalofChineseComputerSystemsVol.46No.52025

融合EEMD和多通道dTCN-LSTM的车辆载重状态识别模型

徐慧琳，孙子文

（江南大学物联网工程学院，江苏无锡214122）

E-mail:3031560678@

摘要：为精确识别后装车载重状态，研究集成经验模态分解（EEMD)和多通道双重膨胀因果卷积（dTCN)-长短期记忆神经

网络(LSTM)融合的识别模型.利用滑动窗口截取载重时序特征向量构建特征向量矩阵,通过EEMD将特征向量矩阵分解为多

个子分量矩阵并筛选不含噪声的子分量矩阵，降低时序数据噪声；由不同深度dTCN堆叠而成的多通道提取不同子分量矩阵的

局部特征，各通道提取的局部特征相加送入LSTM中提取全局特征形成特征向量；最后由全连接网络将特征向量识别为装载、

卸载、运行3种运行状态.采集真实车辆运行数据作为实验数据集，实验结果表明，与支持向量机（SVM）、卷积神经网络

(CNN)、LSTM、CNN-LSTM、EMD-CNN-GRU、VMD-TCN-LSTM模型相比，识别准确率分别提高6.82%、5.66%、3.94%、

3.21%,3.52%，

关键词：集成经验模态分解；多通道；双重膨胀因果卷积；长短期记忆神经网络；载重状态识别

中图分类号：TP391文献标识码：A文章编号：1000-1220(2025)05-1112-08

VehicleLoadStateRecognitionModelBasedonEEMDandMulti-channeldTCN-LSTM

XUHuilin,SUNZiwen

(SchoolofInternetofThingsEngineering,UniversityofJiangnan,Wuxi214122,China)

Abstract:Inordertoaccuratelyidentifytheloadstateofrear-loadedvehicle,studyarecognitionmodelintegratingempiricalmodede-

composition(EEMD)andmulti-channeldualexpansioncausalConvolution(dTCN)withlongshort-termmemoryneuralnetwork

(LSTM).Theeigenvectormatrixisconstructedbyinterceptingtheloadtimesequenceeigenvectorwithslidingwindow.Toreducethe

noiseoftimesequencedata,theeigenvectormatrixisdecomposedintomulti-componentmatrixbyEEMDandthenoise-freesubcom-

ponentmatrixisselected.Thelocalfeaturesofdifferentsubcomponentmatricesareextractedbymulti-channelstackingdTCNwith

differentdepths,andthenlocalfeaturesextractedfromeachchannelareaddedandsenttotheLSTMtoextracttheglobalfeaturesto

formfeaturevectors.Finally,thefeaturevectorisidentifiedasloading,unloadingandrunningbythefullyconnectednetworkExperi