基于nar神经网络的车速预测及应用

《基于nar神经网络的车速预测及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、乂？ｉｌ键大葦口ＡＬＩＡＮＵＮＳＯＦＩＶＥＲＩＴＹＴＥＣＨＮＯＬＯＧＹＩ福损±导值巧交ＭＡＳＴＥ民ＡＬＤＩＳＳＥＲＴＡＴＩＯＮ幽基于ＮＡ民神经网络的车速预测及应用工程领域车辆Ｘ程作者姓名袁鲁山悼县教师李渐辉副教授２０１６年６月答辩日期＿＿＿＿专业学位硕±学位论文基于ＮＡＲ神经网络的车速预测及应用ＶｅｈｉｃｌｅＳｐｅｅｄＰｒｅｄｉｃｔｉｏｎａｎｄＡｐｐｌｉｃａｔｉｏｎＢａｓｅｄｏｎＮＡＲＮｅｕｒａｌＮｅｔｗｏｒｋ作者姓名；袁鲁山学科、专业；车辆工程：３１４２２０２

2、５学号指导教师：李琳辉副教授完成日期２０１６．０５．０３：乂金巧义夫＃ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中臣经注明引用内容和致谢的地方外，本论文不包含其他个人或集体巴经发表的研究成果，也不包含其他＆申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贾献均邑在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。：基于ＭＲ神经网络的车洁预测

3、及应用学位论文题目山：兔４日期＝年月８日作者签名大连理工大学专业学位硕±学位论文摘要车速预测作为车辆智能化的重要组成部分，可为车辆的决策系统提供未来的行驶数据，对智能车辆、安全辅助驾驶及动为系统控制等研巧有着重要意义。由于车速受多种因素的影响，具有虽著的时变性与非线性，所Ｗ对预测有较高的要求。本文Ｗ本车车速预测为研究对象，分析车速数据时间序列特性，利用ＮＡＲ神经网络在处理非线性与时变性时间序列上的优势建立预测模型对车速进行预测，并将建立的预测模型应用于防碰挂预警系统，对预测方法的有效性进行验证。－本文首先通过车载ＯＢＤＩＩ设备与单

4、目视觉相机采集本车车速数据及前车距离数据，并通过卡尔曼滤波对采集的数据进行滤波，为神经网络的训练提供数据支持。然后，建立了基于车速自回归的ＮＡＲ网络结构，并通过反向传播算法Ｗ串联的形式对网络参数训练优化，通过与ＨＭＭ车速预测方法的对比Ｗ及城市公交车工况的预测分析，验证ＮＡＲ网络具有很好的预测精度、时变性能和长期预测能力。最后，将ＮＡＲ神经网络预测算法应用在防碰撞预警系统中，临界跟车安全距离模型为碰撞判断依据，预测模型预测的车速及车距用于计算临界车距，从而将预警时间提前。试验结果表明ＮＡＲ神经网络预测模型可对车速有效预测。关键巧：车速预测，卡尔曼滤波，

5、ＮＡＲ神经网络，防碰撞预警－－Ｉ基于ＮＡＲ神经网络的车速预测及应用ＶｅｈｉｃｌｅＳｅｅｄＰｒｅｄｉｃｔｉｏｎａｎｄＡｌｉｃａｔｉｏｎＢａｓｅｄｏｎＮＡＲＮｅｕｒａｌＮｅｔｗｏｒｋｐｐｐＡｂｓｔｒａｃｔＶｅｈｉｃｌｅｓｅｅｄｒｅｄｉｃｔｉｏｎａｓａｎｉｍｏｒｔａｎｔａｒｔｏｆｉｎｔｅｌｌｉｅｎｔｖｅｈｉｃｌｅｃａｎｒｏｖｉｄｅｔｈｅｆｕｔｕｒｅｐｐｐｐｇ，ｐｔｒａｖｅｌｉｎｇｄａｔａｆｏｒｔｈｅｄｅｃｉｓｉｏ打ｓｙｓｔｅｍｏｆｔｈｅｖｅｈｉｃｌｅ．Ｉｔｈａｓｒｅａｔｓｉｎｉｆｉｃａｎｃｅｆ

6、ｏｒｉｎｔｅｌｌｉｅｎｔｇｇｇｎｎ＊ｎｃｅｖｅｈｖｅｈｉｃｌｅｓａｆｅｔａｓｓｉ巧ａｔｄｒｉｖｉａｎｄｏｗｅｒｔｒａｉｎｃｏｎｔｒｏｌｓｓｔｅｍｉｅｓｅａｒｃｈ．Ｓｉｉｃｌｅｓｅｅｄ，ｙｇｐｙｐｅｃｅｄｂｒｓ－ｖａｒｎａｎｄｎｏｎｎｅａｒｆｅａｕｒｅａｋｅｉｓａｆｆｔｍａｎｙｆａｃｔｏｈｉｔｉｍｅｉｌｉｔｓｍｉｔｄｉｆｆｉｃｕｌｔｔｏｙ，ｇｈｙｇｒｅｄｉｃｔ．Ｉ打ｔｈｉｓａｅｒｗｅｓｔｕｄｆｏｒｔｈｅｓｅｅｄｒｅｄｉｃｔｉｏｎｏｆｔｈｅｖｅｈｉｃｌｅｉｔｓｅｌｆｎｏｔｔｈｅｔｒａｆｉｃｆｌｏｗｐ

7、ｐｐ，ｙｐｐ，ａｎａｌｙｚｉｎｇｔｈｅｓｐｅｅｄｄａｔａｔｉｍｅｓｅｒｉｅｓｆｅａｔｕｒｅｓ，ｕｓｉｎｇＮＡＲｎｅｕｒａｌｎｅｔｗｏｒｋａｄｖａｎｔａｇｅｓｏｆｗ－ｄｅａｌｉｎｇｉｔｈｔｈｅｎｏｎｌｉｎｅａｒａｎｄｎｏｎｓｔａｔｉｏｎａｒｔｉｍｅｓｅｒｉｅｓｔｏｅｓｔａｂｌｉｓｈｔｈｅｒｅｄｉｃｔｉｏｎｍｏｄｅｌｔｏｙｐｅｎ－ｆｂｒｅｃａｓｔｔｈｓｅｅｄ．Ｔｈｅｒｅｄｉｃｔｉｏ打ｍｏｄｅｌ