车辆急动度对神经网络油耗预测性能影响研究

打开文本图片集

摘 要：为了研究精细驾驶行为对基于单个和混合神经网络的油耗模型预测性能的影响，选择车辆急动度（Jerk）作为神经网络训练输入的重要变量。采用长短期记忆网络（LSTM）、循环神经网络（RNN）、非线性自回归带外部输入模型（NARX）、广义回归神经网络（GRNN）、卷积神经网络（CNN）、门控循环单元（GRU）、多层感知机（MLP） 以及卷积神经-长短期记忆网络（CNN-LSTM）混合神经网络共 8 种典型神经网络模型，选取（速度，加速度）、（速度，加速度和Jerk）、（发动机转速）共 3 种输入参数组合，以及校园低速、城市中速和高速公路高速共3种速度工况，累计进行了 69 组实验。（剩余2645字）