典型文献
基于机器学习的间接式胎压监测算法研究
文献摘要:
为了克服间接式胎压监测系统在复杂道路环境及可变行驶工况下辨识准确率低的问题,该文在仅依靠轮速传感器的基础上研究了基于机器学习的间接式胎压监测算法.对建立的轮胎刚性环模型进行分析,得到辨识方法的理论依据;使用递归最小二乘法(RLS)剔除轮速传感器误差,获得准确的轮速信号;提取时域和频域轮速信号特征,利用决策树剔除问题轮速信号,基于正常轮速信号的特征综合Bayesian分类器识别当前轮胎压力状态.结果表明:与直接使用Bayesian分类器相比,本研究提出的决策树和Bayesian分类器结合在一起的间接式胎压监测方法具有更高的准确率,其准确率可达96.36%.
文献关键词:
间接式胎压监测系统(ITPMS);轮胎振动模型;最小二乘法(RLS);决策树;Bayesian分类器
中图分类号:
作者姓名:
于璐;唐亮;魏凌涛;刘子俊
作者机构:
北京林业大学 工学院,北京100091,中国;清华大学 车辆与运载学院,北京100084,中国
文献出处:
引用格式:
[1]于璐;唐亮;魏凌涛;刘子俊-.基于机器学习的间接式胎压监测算法研究)[J].汽车安全与节能学报,2022(02):290-299
A类:
ITPMS,轮胎振动模型
B类:
基于机器学习,间接式,监测算法,算法研究,胎压监测系统,复杂道路环境,行驶工况,轮速传感器,刚性环,环模,辨识方法,递归最小二乘法,RLS,轮速信号,频域,信号特征,决策树,Bayesian,分类器,器识,前轮,轮胎压力,压力状态,合在一起,监测方法
AB值:
0.271278
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。