[发明专利]基于Stacked LSTM神经网络的电动汽车短程车速预测方法有效
| 申请号： | 201910965280.2 | 申请日： | 2019-10-11 |
| 公开（公告）号： | CN110682919B | 公开（公告）日： | 2021-02-02 |
| 发明（设计）人： | 周道武;涂家毓;陈傲文;李伟东;杨林;胡芮平;陈方明 | 申请（专利权）人： | 博雷顿科技有限公司;上海交通大学 |
| 主分类号： | B60W50/00 | 分类号： | B60W50/00 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人： | 张宁展 |
| 地址： | 201108 上海市闵*** | 国省代码： | 上海;31 |
| 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Stacked LSTM神经网络的电动汽车短程车速预测方法，其特征在于包括以下步骤：S1、构建加速驾驶意图模糊推理器；S2、构建制动驾驶意图模糊推理器；S3、构建训练集、验证集和测试集；S4、构建用于电动汽车短程车速预测的Stacked LSTM神经网络；S5、用构建好的训练集对所述Stacked LSTM神经网络进行训练；S6、向所述Stacked LSTM神经网络输入实时的电动汽车速度、电动汽车加速踏板开度和加速踏板开度变化率、电动汽车制动踏板开度和制动踏板开度变化率，进行电动汽车短程车速预测，输出电动汽车短程车速序列。有益效果是能够有效提高车速预测精度、缩短预测时间。 | ||
| 搜索关键词： | 基于 stacked lstm 神经网络 电动汽车 短程 车速 预测 方法 | ||
【主权项】：
1.一种基于Stacked LSTM的电动汽车短程车速预测方法，其特征在于包括以下步骤：/nS1、构建以电动汽车加速踏板开度、加速踏板开度变化率为输入的加速驾驶意图模糊推理器，输出加速驾驶意图；/nS2、构建以电动汽车制动踏板开度、制动踏板开度变化率为输入的制动驾驶意图模糊推理器，输出制动驾驶意图；/nS3、基于电动汽车速度、加速度、加速度变化率的连续样本数据以及加速驾驶意图模糊推理器输出的加速驾驶意图样本数据、制动驾驶意图模糊推理器输出的制动驾驶意图样本数据，构建训练集、验证集和测试集；/nS4、构建用于电动汽车短程车速预测的Stacked LSTM神经网络；/nS5、用构建好的训练集对所述Stacked LSTM神经网络进行训练，根据所述StackedLSTM神经网络在验证集上的表现调整所述Stacked LSTM神经网络超参数，直到所述Stacked LSTM神经网络收敛并在测试集上的预测精度达到要求；/nS6、向所述Stacked LSTM神经网络输入实时的电动汽车速度、电动汽车加速踏板开度和加速踏板开度变化率、电动汽车制动踏板开度和制动踏板开度变化率，进行电动汽车短程车速预测，输出电动汽车短程车速序列。/n
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博雷顿科技有限公司;上海交通大学，未经博雷顿科技有限公司;上海交通大学许可，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/201910965280.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种控制车辆方法及装置
- 下一篇：一种自动驾驶控制系统、控制方法及设备
