基于駕駛習慣識別的自動變速智能控制研究
發(fā)布時間:2025-07-07 02:52
隨著中國汽車市場的蓬勃發(fā)展,中國汽車保有量不斷增加,車輛使用者對整車舒適性、換擋自動操縱等要求不斷提高,不同駕駛員對車輛性能的要求也不盡相同,因此車輛自動變速技術智能化的研究具有非常重要的意義。論文以合肥工業(yè)大學汽車工程技術研究院自主研發(fā)的雙離合自動變速器為對象,進行自動變速智能控制研究,主要研究工作如下:(1)在對駕駛員的駕駛行為和駕駛意圖進行分析的基礎上,制定基于小波神經網絡及貝葉斯融合決策的駕駛習慣識別方法進行駕駛習慣識別,首先采用小波神經網絡進行駕駛風格辨識,然后基于貝葉斯融合決策對駕駛風格辨識結果進行數據融合決策,識別出駕駛習慣。(2)目前大多采用頻域或時域分析方法對駕駛習慣進行定性的分類和識別,針對這一問題,制定一種定量分析的駕駛習慣識別方法,首先對駕駛操縱行為混沌時間序列進行相空間重構處理,然后采用G-P算法計算混沌時間序列的特征量并進行分析,制定一種基于關聯(lián)維數和Kolmogorov熵的駕駛習慣評價指標,該指標可以定量評估駕駛員的激進程度,進行駕駛習慣的識別。(3)依據解析法計算得到車輛的基本換擋規(guī)律;針對不同駕駛習慣對自動變速換擋控制有不同的需求,提出基于駕駛習慣識別的...
【文章頁數】:89 頁
【學位級別】:碩士
【部分圖文】:
本文編號:4056371
【文章頁數】:89 頁
【學位級別】:碩士
【部分圖文】:
圖2.3神經網絡訓練誤差圖
maxminijjjxx、、.14)中:i為數據序號,i=1,2,3,…,150;ijx、為樣本中任意一組值;jx為數據分量,j=1,2,3,4;jminx、和jmaxx、分別為最大值和最后的指標。、C、D、E如上所述做相同處理。神經網絡訓練與辨識幅有限及各工況樣....
圖2.5辨識結果圖
誤差符合要求預測結果小波神經網絡預測預測數據YN圖2.4小波神經網絡辨識流程圖Fig2.4Theidentificationflowchartofwaveletneuralnetwork風格分為五種:駕駛風格1~駕駛風格5,其中駕駛風格1代表最代表....
圖3.5互信息法求延遲時間Fig3.5Mutualinformationmethodfordelaytime
合肥工業(yè)大學碩士學位論文快速上升,且整個過程中變化劇烈。常規(guī)型駕駛習慣的節(jié)氣門比較正常,符合一般人的駕駛習慣。據互信息法求取延遲時間。定義:s,qx(t),x(t)0)中s代表節(jié)氣門信號時間序列x(t),q代表延遲時間序列的定義,....
圖3.17HabIn、DR、Kol對駕駛習慣的分類結果
分類的準確率均為100%,常規(guī)型各有1個被誤分類到保守型和冒險型,分確率為[100%,80%,100%]。分類錯誤存在的原因是鄰近類別的小部分駕駕駛習慣很相似,并且原有數據的分類具有主觀色彩,數據本身就有可能存差。表3.4基于HabIn的駕駛習慣分類結果Tab3.....
本文編號:4056371
本文鏈接:http://www.lk138.cn/kejilunwen/qiche/4056371.html
最近更新
教材專著