【作者】

侯珏; 姚栋伟; 吴锋; 沈俊昊; 巢香云

【单位】

浙江大学; 浙江大学动力机械及车辆工程研究所

【摘要】

为了提高车速预测算法的预测准确度和计算速率，提出了一种基于结构自适应广义回归神经网络（GRNN）的在线车速预测算法。首先，采用固定结构的GRNN实现在线车速预测。从阶数和信号组合两方面研究了不同神经网络输入的影响。研究表明固定结构的GRNN并不能一直适应变化的驾驶条件。然后，提出了一种基于赤池信息准则（AIC）的结构确定方法（SDM），用于建立结构自适应GRNN的在线车速预测算法。基于路试数据的仿真结果表明，GRNN有实时应用的潜力。与只使用历史车速的GRNN相比，加入驱动电机扭矩之后可以提高6.1%的预测准确度，而对GRNN结构进行自适应调整之后可以进一步提高16.8%的预测准确度。

【关键词】

神经网络;车速预测;能量管理策略;广义回归神经网络;模型预测控制

【论文编号】

P0429

【论文集名称】

控制与测试

【会议名称】

第二届世界内燃机大会

【会议地点】

山东济南

【下载次数】

4

返回