基于NAR神經(jīng)網(wǎng)絡(luò)的車(chē)速預(yù)測(cè)及應(yīng)用.pdf

1、車(chē)速預(yù)測(cè)作為車(chē)輛智能化的重要組成部分，可為車(chē)輛的決策系統(tǒng)提供未來(lái)的行駛數(shù)據(jù)，對(duì)智能車(chē)輛、安全輔助駕駛及動(dòng)力系統(tǒng)控制等研究有著重要意義。由于車(chē)速受多種因素的影響，具有顯著的時(shí)變性與非線性，所以對(duì)預(yù)測(cè)有較高的要求。本文以本車(chē)車(chē)速預(yù)測(cè)為研究對(duì)象，分析車(chē)速數(shù)據(jù)時(shí)間序列特性，利用NAR神經(jīng)網(wǎng)絡(luò)在處理非線性與時(shí)變性時(shí)間序列上的優(yōu)勢(shì)建立預(yù)測(cè)模型對(duì)車(chē)速進(jìn)行預(yù)測(cè)，并將建立的預(yù)測(cè)模型應(yīng)用于防碰撞預(yù)警系統(tǒng)，對(duì)預(yù)測(cè)方法的有效性進(jìn)行驗(yàn)證。
　　本文首先通過(guò)

2、車(chē)載OBD-Ⅱ設(shè)備與單目視覺(jué)相機(jī)采集本車(chē)車(chē)速數(shù)據(jù)及前車(chē)距離數(shù)據(jù)，并通過(guò)卡爾曼濾波對(duì)采集的數(shù)據(jù)進(jìn)行濾波，為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練提供數(shù)據(jù)支持。然后，建立了基于車(chē)速自回歸的NAR網(wǎng)絡(luò)結(jié)構(gòu)，并通過(guò)反向傳播算法以串聯(lián)的形式對(duì)網(wǎng)絡(luò)參數(shù)訓(xùn)練優(yōu)化，通過(guò)與HMM車(chē)速預(yù)測(cè)方法的對(duì)比以及城市公交車(chē)工況的預(yù)測(cè)分析，驗(yàn)證NAR網(wǎng)絡(luò)具有很好的預(yù)測(cè)精度、時(shí)變性能和長(zhǎng)期預(yù)測(cè)能力。最后，將NAR神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法應(yīng)用在防碰撞預(yù)警系統(tǒng)中，以臨界跟車(chē)安全距離模型為碰撞判斷依據(jù)，預(yù)測(cè)