[发明专利]一种汽车环境风洞风速和风机转速的预测方法及装置

权利要求书

1.一种汽车环境风洞风速和风机转速的预测方法，其特征在于，包括：

从预设的汽车环境风洞试验数据库中确定出训练样本数据，根据所述训练样本数据和预设阈值对预设初始神经网络模型进行训练学习得到优化后的神经网络模型，其中，所述优化后的神经网络模型输出参数为风洞风速和风机转速；

采集当前汽车环境风洞中与风洞风速和风机转速有关联关系的参数数据，将所述参数数据输入到所述优化后的神经网络模型中得到当前风洞风速和风机转速。

2.如权利要求1所述的方法，其特征在于，所述参数数据均包括：气流温度、湿度、大气压力、皮托管动压、驻室法采集的压差信号，车型，车辆截面尺寸，车头离喷口距离以及喷口状态。

3.如权利要求2所述的方法，其特征在于，所述预设阈值，包括：预设的学习速率阈值和/或预设的均方差阈值。

4.如权利要求1～3任一项所述的方法，其特征在于，根据所述训练样本数据和预设阈值对预设的初始神经网络模型进行训练学习得到优化后的神经网络模型，包括：

对所述初始神经网络模型中的参数进行初始化处理得到初始化后的神经网络模型，其中，所述参数包括输入层到隐含层的第一权重，隐含层到输出层的第二权重，输入层到隐含层的第一偏置，隐含层到输出层的第二偏置；

根据所述训练样本数据以及所述初始化后的神经网络模型得到初始风机转速和初始风洞风速，分别计算所述初始风机转速和所述初始风洞风速的均方误差；

判断所述均方误差是否大于所述预设的均方差阈值；

若大于，则根据所述均方误差调整所述参数，并根据调整后的参数重新计算风机转速和风洞风速，直到所述均方误差不大于所述预设的均方差阈值为止，确定最后一次调整后的参数，根据所述最后一次调整后的参数得到所述优化后的神经网络模型。

5.如权利要求1～3任一项所述的方法，其特征在于，所述预设的神经网络模型为BP神经网络模型。

6.一种汽车环境风洞风速和风机转速的预测装置，其特征在于，包括：

训练单元，用于从预设的汽车环境风洞试验数据库中确定出训练样本数据，根据所述训练样本数据和预设阈值对预设初始神经网络模型进行训练学习得到优化后的神经网络模型，其中，所述优化后的神经网络模型输出参数为风洞风速和风机转速；

预测单元，用于采集当前汽车环境风洞中与风洞风速和风机转速有关联关系的参数数据，将所述参数数据输入到所述优化后的神经网络模型中得到当前风洞风速和风机转速。

7.如权利要求6所述的装置，其特征在于，所述参数数据均包括：气流温度、湿度、大气压力、皮托管动压、驻室法采集的压差信号，车型，车辆截面尺寸，车头离喷口距离以及喷口状态。

8.如权利要求7所述的装置，其特征在于，所述预设阈值，包括：预设的学习速率阈值和/或预设的均方差阈值。

9.如权利要求6～8任一项所述的装置，其特征在于，所述训练单元，具体用于：

对所述初始神经网络模型中的参数进行初始化处理得到初始化后的神经网络模型，其中，所述参数包括输入层到隐含层的第一权重，隐含层到输出层的第二权重，输入层到隐含层的第一偏置，隐含层到输出层的第二偏置；

根据所述训练样本数据以及所述初始化后的神经网络模型得到初始风机转速和初始风洞风速，分别计算所述初始风机转速和所述初始风洞风速的均方误差；

判断所述均方误差是否大于所述预设的均方差阈值；

若大于，则根据所述均方误差调整所述参数，并根据调整后的参数重新计算风机转速和风洞风速，直到所述均方误差不大于所述预设的均方差阈值为止，确定最后一次调整后的参数，根据所述最后一次调整后的参数得到所述优化后的神经网络模型。

10.如权利要求6～8任一项所述的装置，其特征在于，所述预设的神经网络模型为BP神经网络模型。