【摘 要】
：
运用Python语言对OBD采集的车辆运行数据搭建油耗预测模型.以车速v,发动机转速n,进气管绝对压力P,节气门位置TP,冷却液温度CT,负荷率L,怠速时间IT及加速度a等作为自变量,百公里油耗作为因变量,用SelectKbest函数将参数与因变量相关性强度进行排序并做简要分析,用基于Tensorflow的多层感知机(MLP)神经网络模型以及支持向量机(SVM)多元线性回归模型同时对油耗进行预测.支持向量机模型RMSE为0.088,MAE为0.56;Tensorflow神经网络模型RMSE为0.132,M
【机 构】
：
东北林业大学交通学院 哈尔滨150040
论文部分内容阅读
运用Python语言对OBD采集的车辆运行数据搭建油耗预测模型.以车速v,发动机转速n,进气管绝对压力P,节气门位置TP,冷却液温度CT,负荷率L,怠速时间IT及加速度a等作为自变量,百公里油耗作为因变量,用SelectKbest函数将参数与因变量相关性强度进行排序并做简要分析,用基于Tensorflow的多层感知机(MLP)神经网络模型以及支持向量机(SVM)多元线性回归模型同时对油耗进行预测.支持向量机模型RMSE为0.088,MAE为0.56;Tensorflow神经网络模型RMSE为0.132,MAE为0.70.结论 说明模型比较可靠,可为进一步分析汽车油耗与车辆运行状态参数之间的关系提供理论依据.
其他文献
针对长输油气管道泄漏检测过程中泄漏信号特征信息提取困难,提出一种新的管道负压波信号特征提取方法.采用添加自适应噪声的完备集合经验模态分解算法对采集的负压波信号进行去噪,通过评估CEEMDAN分解后分量与原始信号的概率密度之间的豪斯多夫距离选取有效模态并重构.计算重构信号的云模型特征熵、峭度作为特征参数,用支持向量机进行分类识别.通过实验室数据验证,CEEMDAN、豪斯多夫距离与云模型特征熵结合的方法可以有效提高油气管道泄漏检测的准确性,实现了对流量小于43 m/h的微小泄漏信号的识别,具有一定的现场应用价
针对柴油机系统故障特征信息微弱、识别率低的问题,提出一种基于多特征提取和核熵成分分析(KECA)的柴油机关键部件故障识别方法.首先对采集的信号经集合经验模态分解重构降噪后提取方差、峭度、方根幅值、峰值因子和排列熵作为特征参量,选择KECA对其高维降成低维特征,最后由支持向量机对新的低维特征进行故障识别,并对比用其他降维方法的分类结果.结果 显示,此分类结果显著比其他方法好,识别准确率为96.67％,说明所提方法可对柴油机关键部件进行故障识别,且拥有良好的应用前景.
在电力系统实际工作的过程中,电缆导体的温度过高往往会造成电力系统出现故障,但由于电缆的缆芯温度不易监测,因此提出一种基于LSTM的滚动预测方法对电缆的缆芯温度进行预测.根据采集到的缆芯温度数据集,利用该算法对模型进行训练,动态调节网络模型参数,学习数据变化的规律,从而实现缆芯温度的预测.结果 表明该算法模型的RMSE为0.1979℃,与BP、LSTM算法模型进行对比,验证了该算法模型可以有效的预测短期缆芯温度变化趋势,表明该算法在电力系统安全运行方面具有一定的实际应用意义.
轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限.针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果.最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号
该文提出了一种基于超表面的低吸高透的频率选择吸波体的设计思路,其主要目的 是实现双站雷达散射截面缩减,从而增加天线系统的隐身功能.该频率选择吸波体(FSR)结构由上层的电阻层和下层的频率选择层组成,两层中间由11 mm高的塑料隔离柱隔开,两层结构均采用中字型结构进行设计.文中分析了FSR的等效电路吸波原理和透波原理,并通过参数优化查看了不同电阻值时FSR的吸波效果.通过分析不同频率下的电流分布,从物理层面解释了透波功能和吸波功能.仿真结果表明,传输带的-3 dB带宽从9.6 GHz到12 GHz.在通带中
目前信号采集技术在某些领域如金属测伤、生物医疗中,主要关注偶发信号.如果采用传统固定频率采集信号的方法会造成存储资源严重的浪费.针对这一问题,提出一种基于DDS时钟分相合成的变采样率偶发信号采样方法.该方法结合了DDS技术和波形分相合成技术,并根据信号特征自适应地切换采样频率.在保证信号信息完整性的同时,减少了无用信号的数据存储.经过仿真与实验验证结果表明,此方法在FPGA平台上很好的实现了采样率12 MHz与96 MHz的实时切换控制,完整还原了最高频率为10 MHz的探伤检测波形细节,同时在FPGA的
针对传统的绩效预测方法没有区别性地对待各属性特征对学生成绩的重要程度、学生在线学习的低完成率的问题,提出了一种融入注意力机制的关系图卷积神经网络和门控循环单元(AR-GCN-GRU)的学生绩效预测方法.其融入的注意力机制用于捕获学生之间的关系属性特征,同时提取学生重要属性特征并进行可视化,且该方法综合了关系图卷积神经网络(R-GCN)和门控循环单元(GRU)的优点,既能捕捉节点之间的内部关联、又能很好地抽取最具代表性的学生行为属性特征信息.在公开数据集上对模型进行了对比验证和消融实验,模型F值和精确率分别
经颅磁声电刺激方法在颅内产生的感应电场分布是决定神经调控精度的关键因素.相控阵可产生高聚焦度声场,但其结构参数与颅内感应电场之间关系尚不明确.本文建立了包含相控阵的三维有限元模型,计算了声场分布并采用焦区横截面积、焦区深度、声强和电场强度为评价指标.设计仿体实验测量了焦点处实际电场强度.以Wistar大鼠为实验对象,考察了相控阵在0.8 MHz中心频率,不同阵元数下与0.3T静磁场耦合作用对大鼠局部场电位的作用规律.结果 表明,增加阵元数目可提高焦区电场强度,进而降低局部场电位低频段(4～30 Hz)振荡
导轮作为液力变矩器的重要组成零件,其三维模型对导轮的性能参数的研究有非常重要的作用.针对结构复杂的导轮叶片检测与重建问题,利用线激光扫描仪获取导轮的三维点云数据,利用K-D Tree结合双边滤波算法对点云进行降噪处理,在K-menas聚类算法的基础上引入基于高斯球的Mean Shifting聚类算法对点云进行精简处理,将精简后的数据进行曲面重建并与CATIA软件结合使用,实现液力变矩器导轮三维模型的重建.实验结果表明所提方法具有良好的滤波降噪效果,精简的点云既保留了导轮的几何特征,又使重建算法的计算效率提
新研制或生产的压力变送器需对它的技术性能指标进行全面检测,保证量值的精准输出.压力传感器经过一段时间储存积累使用或修理后也要对它主要的技术性能进行二次检定,保证其性能指标达到要求标准.现实生产中及工作环境的影响导致其输出产生非线性输出,因此提出一种基于三阶非线性多项式的逆模型进行压力变送器的非线性校准和采用改进粒子群优化算法的小波神经网络模型对其进行温度补偿校准.经过非线性校准后的输出最大绝对误差和常用的端基平移法相比,最大绝对误差从6.0265减小到了0.3086,经过改进粒子群优化算法进行温度补偿校准