[发明专利]基于多尺度卷积神经网络的混合动力车辆工况预测方法在审
| 申请号： | 201711137299.5 | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN107908876A | 公开（公告）日： | 2018-04-13 |
| 发明（设计）人： | 陈征 | 申请（专利权）人： | 宁波工程学院 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04 |
| 代理公司： | 北京纪凯知识产权代理有限公司11245 | 代理人： | 徐宁,刘美丽 |
| 地址： | 315211 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多尺度卷积神经网络的混合动力车辆工况预测方法，其特征在于包括内容如下步骤1)将原始的车辆工况时间序列进行减少采样率和低频滤波处理，相应得到新的关于车辆工况的时间序列；步骤2)基于多频率的关于工况的时间序列和多尺度的关于工况的时间序列数据来构造不同的卷积神经网络，得到相应工况的特征数据集；步骤3)得到的相应工况的特征数据集进行深度串联得到新的特征数据集，并利用新的特征数据集构造一个全卷积神经网络，采用全卷积神经网络完成车辆工况类型预测。本发明可以提取工况数据的不同尺度和频率的特征，有利于提高车辆类型预测的准确性。 | ||
| 搜索关键词： | 基于 尺度 卷积 神经网络 混合 动力 车辆 工况 预测 方法 | ||
【主权项】：
一种基于多尺度卷积神经网络的混合动力车辆工况预测方法，其特征在于包括内容如下：步骤1)将原始的车辆工况时间序列进行减少采样率和低频滤波处理，得到相应的关于车辆工况的时间序列；步骤2)基于不同的关于工况的时间序列序列数据构造不同的卷积神经网络，得到相应工况的特征数据集；步骤3)将相应工况的特征数据集进行深度串联得到新的特征数据集，并利用新的特征数据集构造全卷积神经网络，采用全卷积神经网络完成车辆工况类型预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于宁波工程学院，未经宁波工程学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711137299.5/，转载请声明来源钻瓜专利网。
