10.13229/j.cnki.jdxbgxb20221273
基于Transformer的轮式里程计误差预测模型
针对利用轮式里程计定位时会产生难以预测和多变误差的问题,提出 了使用Transformer神经网络建立轮式里程计误差预测模型,以准确预测变化的里程误差,提高了轮式里程计的定位精度.首先,建立不考虑工况特征和考虑工况特征两种模型.然后,在多种工况下与LSTM模型进行对比实验,结果表明:在常规和挑战性工况下,本文模型相比LSTM模型具有更高的精度、稳定性和可靠性.同时,相比于不考虑工况特征,考虑工况特征能有效提高模型的整体性能.
车辆工程、自动驾驶、定位、轮式里程计、深度学习、Transformer模型
53
U469.79(汽车工程)
国家自然科学基金U1864206
2023-05-04(万方平台首次上网日期,不代表论文的发表时间)
共10页
653-662