基于支持向量机的道路坡度实时预测方法试验

• 作者: 宋健 张小龙 潘登 陈彬
• 来源期刊: 农业机械学报
• 学科: 交通运输
• 关键词: 道路坡度 实时预测 道路试验 支持向量机
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 车辆与动力工程
• 页码范围: 14-19
• 分类号: U467.1+1|TP23
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2014.11.003

摘要

道路坡度预测是汽车ABS、AMT、混合动力汽车扭矩分配等实时控制的关键技术.提出一种基于支持向量机(SVM)的道路坡度实时预测方法,输入参数为发动机转速、输出扭矩、纵向车速和纵向加速度,均从控制器CAN网络中实时提取.分别构建实车道路试验系统和CarSim仿真平台,通过系统试验分别得到的样本对SVM模型进行学习和泛化能力测试.结果表明:CarSim试验数据建立的SVM模型预测平方相关系数达到0.99,实车试验数据建立的SVM模型预测平方相关系数在0.9左右,二者差异的主要原因是实车试验GPS方法获取道路坡度信息时叠加了不易消除的车体俯仰角的影响.基于LabVIEW编程将实车试验SVM模型导入虚拟仪器PXIe实时控制器中,其预测一个点的耗时等效到汽车电控ECU单片机为1.33 ms,完全满足实时控制要求.证明所提出道路坡度预测方法是有效、可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋健	清华大学汽车安全与节能国家重点实验室	195	3249	31.0	48.0
2	张小龙	安徽农业大学工学院	39	267	11.0	14.0
3	陈彬	安徽农业大学工学院	5	34	3.0	5.0
4	潘登	安徽农业大学工学院	3	27	3.0	3.0