[发明专利]一种基于向量量化训练模型的燃油汽车路况识别方法

说明书

技术领域

本发明涉及一种车辆技术，特别涉及一种通过特征参数近似来用典型路况识别随机路况的路况识别方法，具体地说是一种基于向量量化训练模型的燃油汽车路况识别方法。

背景技术

车辆实际行驶过程中，道路路况是随机变化的，无法等同于任何一种典型路况。然而，针对燃油汽车用电系统能量管理策略的相关研究，通常需要维持车辆在某种已知的典型路况下。因此十分有必要对燃油汽车实际行驶过程中的随机路况进行路况识别，为能量管理策略的实施奠定基础。

至今为止，已经有一些学者针对行驶路况的路况识别进行了相关研究。秦大同等通过欧几里得帖进度来表示待识别样本与标准样本的贴近程度，进行路况识别；刘永刚等选取23个典型的循环工况，用聚类分析方法将其划分为五类，进行路况识别；詹森等将遗传优化方法和K均值聚类算法相结合，在参数优化的基础上实现路况识别。以上路况识别方法都存在一定程度上的不足，如典型路况样本过少影响识别精度，识别模型自身系统误差过大，模型的关键参数不明确进而不利于实际应用等问题，因而将这些方法运用到燃油汽车的路况识别上时，识别效果较差，识别精度较低。

因此，在燃油汽车路况信息事先未知的情况下，针对复杂且随机的实际行驶路况，如何在线地识别出与燃油汽车所处的随机路况近似的典型路况，实现路况识别，为燃油汽车用电系统能量管理策略的有效实施奠定基础，已经成为一个急需解决的问题。

发明内容

本发明为了克服上述现有技术的不足，提出了一种基于向量量化训练模型的燃油汽车路况识别方法，以期能够在线地识别出与燃油汽车所处的随机路况近似的典型路况，实现路况的有效识别，为燃油汽车用电系统能量管理策略在随机路况下的在线实施奠定基础。

为实现上述目的，本发明采用了以下技术方案：

本发明一种基于向量量化训练模型的燃油汽车路况识别方法的特点是按如下步骤进行：

步骤1、选取典型路况类；

按照交通状况以及行驶地域的不同，选取m种典型路况类作为识别样本，从而构成典型路况类集合DC＝{DC₁,DC₂,...,DC_r,...,DC_m}，DC_r表示第r种典型路况类，1≤r≤m；

步骤2、对每种典型路况类进行分块；

对第r种典型路况类DC_r进行分块，得到M个典型路况块并构成集合DC_r＝{dc_r,1,dc_r,2,...,dc_r,p,...,dc_r,M}，dc_r,p表示第r种典型路况类对应的第p个典型路况块，1≤p≤M；从而得到mM个典型路况块并构成集合{dc_1,1,...,dc_1,m,...,dc_r,p,...,dc_m,1,...,dc_m,M}，记为{dc₁,dc₂,...,dc_i,...,dc_mM}，dc_i表示第i个典型路况块，1≤i≤mM；

步骤3、选取并标准化计算相关特征参数来表征每一个典型路况块的特征；

对第i个典型路况块dc_i选取R个特征参数并进行归一化处理，得到第i个标准特征参数向量U_i＝[u_i,1,u_i,2,...,u_i,j,...,u_i,R]^T，u_i,j表示第i个典型路况块dc_i对应的第j个标准特征参数，从而得到mM个标准特征参数向量并构成集合U＝{U₁,U₂,…,U_i,…,U_mM}，1≤j≤R；

步骤4、构建向量量化训练模型；

定义所述向量量化训练模型由输入层、竞争层和输出层构成；

定义所述向量量化训练模型的输入向量为X＝[x₁,x₂,...,x_j,...,x_R]^T；

定义所述向量量化训练模型的输入层与竞争层间的连接矩阵为