基于EEMD和熵理论的电动汽车制动意图识别方法

摘要：

为抑制制动踏板信号中存在的间歇性成分或脉冲成分所造成的信号分解过程中的模式混叠现象,进一步提高制动意图识别的准确率和实时性,本文中提出了基于平均经验模式分解(EEMD)和熵理论的电动汽车驾驶员制动意图聚类识别法.首先,运用EEMD算法将制动踏板信号分解为IMF分量,以抑制模式混叠现象,更准确地提取制动踏板信号特征.接着,运用Shannon熵对IMF分量进行筛选,以减少特征提取的计算量.再用样本熵提取筛选后的制动踏板信号IMF分量的特征,得到不同制动意图的制动踏板信号特征向量.最后,运用聚类算法对制动意图进行识别.离线试验和实时试验的结果表明,基于EEMD和熵理论的制动意图聚类识别法比基于HHT的制动意图识别法具有更高的识别准确率和更好的实时性.

关键词：电动汽车、制动意图、平均经验模式分解、熵理论、聚类识别

所属期刊栏目：40

资助基金：国家自然科学基金青年基金51505414;国家自然科学基金面上项目51675462;河北省研究生创新项目CXZZBS2017042;河北省高等学校科学技术研究重点项目ZD2016012

在线出版日期：2018-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：935-941