[发明专利]基于LSTM速度预测优化的IA-SVM行驶工况识别方法及装置

权利要求书

1.一种基于LSTM速度预测优化的IA-SVM行驶工况识别方法，其特征在于，包括以下步骤：

S1，获取车辆历史运行数据，对所述车辆历史运行数据进行预处理，并构建运动学片段数据库，基于所述运动学片段数据库获取行驶工况在线识别训练数据；

S2，建立基于IA优化SVM算法的行驶工况在线识别模型，通过所述行驶工况在线识别训练数据对所述基于IA优化SVM算法的行驶工况在线识别模型进行训练，得到行驶工况在线识别模型；

S3，建立基于LSTM的速度预测模型，以车辆的历史行程作为速度预测训练数据对所述基于LSTM的速度预测模型进行训练，得到速度预测模型；

S4，获取实时采集到的车辆运行数据，输入所述速度预测模型实时预测得到未来速度序列，并将所述未来速度序列与历史速度序列拼接构成识别序列，将所述识别序列输入所述行驶工况在线识别模型，识别出车辆行驶工况。

2.根据权利要求1所述的基于LSTM速度预测优化的IA-SVM行驶工况识别方法，其特征在于，所述步骤S1具体包括：

S11，采用滤波降噪算法对所述车辆运行数据进行滤波降噪处理，并搭建所述运动学片段数据库，所述运动学片段数据库包括至少一个运动学片段的特征参数，以每个所述运动学片段的最高行驶速度、平均行驶速度，怠速时间比例构建特征参数矩阵；

S12，对所述特征参数矩阵进行标准化处理，得到标准化特征参数矩阵；

S13，通过聚类算法对所述标准化特征参数矩阵进行聚类分析，得到不同类型的车辆典型行驶工况，将所述标准化特征参数矩阵和所述不同类型的车辆典型行驶工况构成所述行驶工况在线识别训练数据。

3.根据权利要求2所述的基于LSTM速度预测优化的IA-SVM行驶工况识别方法，其特征在于，所述滤波降噪算法包括七点二次滤波算法，所述聚类算法包括PSO优化k均值聚类算法。

4.根据权利要求1所述的基于LSTM速度预测优化的IA-SVM行驶工况识别方法，其特征在于，所述步骤S2中在所述基于IA优化SVM算法的行驶工况在线识别模型的训练过程中通过IA算法离线训练迭代优化处理得到不同识别周期和更新周期下对应SVM算法中的最优的惩罚因子C和RBF核函数宽度g，通过Lagrange乘子法求得判别函数，以离线识别精度为适应度函数。

5.根据权利要求4所述的基于LSTM速度预测优化的IA-SVM行驶工况识别方法，其特征在于，所述步骤S2还包括确定所述行驶工况在线识别模型的最优识别周期和更新周期的长度。

6.根据权利要求4所述的基于LSTM速度预测优化的IA-SVM行驶工况识别方法，其特征在于，所述IA算法包括抗原识别和生成抗体、抗体评价以及免疫进化，其中所述抗原识别和生成抗体为确定约束条件、抗体评价函数和抗体编码方式，并产生初始抗体；所述抗体评价是通过计算抗体亲和力和浓度实现；所述免疫进化包括免疫选择、变异、克隆、抑制以及刷新种群。