10.19620/j.cnki.1000-3703.20191500
基于极限学习机的驾驶员制动意图识别
为了更准确、实时地识别驾驶员制动意图,实现稳定的再生制动功能,通过分析车辆行驶状况和驾驶员操作特性,提出了一种基于邻域成分分析(NCA)和极限学习机(ELM)算法的制动意图分类与识别方法.对制动相关的特征参数进行邻域成分分析,选取制动踏板位移及其变化率和制动踏板力3个识别参数,运用极限学习机理论建立包含单隐层神经网络的制动意图识别模型,对其进行优化并利用试验数据开展验证.结果 表明,模型识别准确率达到95.56%,用时为0.2 s,提出的制动意图识别方法具有较好的识别准确率和实时性.
制动意图;再生制动;邻域成分分析;极限学习机
U461.3(汽车工程)
山西省科技重大专项项目;山西省研究生联合培养基地人才培养项目
2022-01-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
30-34