HMM与神经网络相结合的车辆侧翻预警研究
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
380KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
提出一种基于多维高斯隐马尔可夫模型(MGHMM)和BP人工神经网络(ANN)的SUV车辆侧翻预警方法,采用侧倾角和侧向加速度作为隐马尔可夫(HMM)的可观测序列,车辆行驶运动状态作为HMM的状态序列,采用BaumWelch算法对模型进行训练,运用马尔可夫预测算法对未来3s内车辆的行驶运动状态进行预测,用预测出的车辆运动状态作为指引,使ANN有目的学习,减少不必要的ANN训练,提高训练效率和预测精度。仿真结果表明,建立的侧翻预警方法所需参数少,效率高,不仅能预测车辆行驶运动状态而且能预测具体的运动参数,可使驾驶员量化判断侧翻,也可为抗侧翻电子控制系统提供数据。相关论文
- 2021-02-16卷积神经网络算法在工件抓取中的应用
- 2021-05-022000 t大型液压机泵站节能降噪改造
- 2021-02-07基于ES-MLSTM的液压机故障诊断系统设计
- 2020-07-24基于机器视觉的工件自动分拣系统的研究
- 2021-03-04基于机器视觉的活塞杆表面微裂纹查数系统设计
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。