基于广义回归神经网络的车辆制动距离预测

• 作者: 侯建 强添纲 田广东 辛雨蔚 靳良真 魏文博
• 来源期刊: 森林工程
• 学科: 农学
• 关键词: 制动距离 广义回归神经网络 预测
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 装备与技术
• 页码范围: 73-75
• 页数: 3页
• 分类号: S776
• 字数: 2144字
• 语种: 中文

摘要

制动性能对车辆主动安全至关重要,其主要评价参数之一就是制动距离.以初速度、峰值附着系数、滑动附着系数和反应时间作为影响制动距离的主要因素变量,应用SIMULINK的制动模型,获得不同状况下的制动距离的结果,并将其作为神经网络的训练数据.基于广义回归神经网络(general regression neural network,GRNN)对于小样本能够实现精确预测的特点,提出应用其进行车辆制动距离的预测分析.结果表明:预测最大误差不超过11.50,预测相对误差不超过7.0％,表明预测精度较高.因此,应用GRNN可有效实现车辆制动距离的精确预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	强添纲	东北林业大学交通学院	37	116	6.0	7.0
2	田广东	东北林业大学交通学院	2	20	2.0	2.0
3	辛雨蔚	东北林业大学交通学院	1	8	1.0	1.0
4	靳良真		1	8	1.0	1.0
5	魏文博	东北林业大学交通学院	1	8	1.0	1.0
6	侯建	东北林业大学交通学院	1	8	1.0	1.0