论文部分内容阅读
为了解决汽车行驶工况的识别问题,设计了一种基于学习向量量化模型的汽车行驶工况识别算法。选取典型工况作为初始样本,对典型工况进行分块以扩充识别样本空间。选取并计算能够充分表征工况特征的特征参数,对所有的特征参数值进行归一化处理后形成对应的标准特征参数向量。构建学习向量量化神经网络工况识别模型,给出用于模型训练的训练流程以及用于工况识别的识别流程。试验结果表明:设计的工况识别算法能够有效地对汽车的实际行驶工况进行实时识别,识别精度达到88%。